ถ้าฟองสบู่ AI แตก อะไรจะพังก่อน?

สิ่งที่ถูกทดสอบก่อน: สมมติฐาน ไม่ใช่โมเดล

ในตลาดขาขึ้น แค่มีคำว่า AI อยู่ในเรื่องราวของบริษัทก็อาจทำให้นักลงทุนยอมให้มูลค่าล่วงหน้าไปไกล แต่เมื่อกระแสเริ่มแผ่ว คำถามจะเรียบง่ายและเฉียบคมขึ้นมาก

• ลูกค้ายอมจ่ายเงินซ้ำจริงหรือไม่
• หลังหักต้นทุน GPU ศูนย์ข้อมูล และไฟฟ้า ยังเหลือมาร์จินหรือไม่
• ราคาหุ้นหรือมูลค่ากิจการอธิบายได้ด้วยการเติบโตจริงหรือเปล่า
• การลงทุนโครงสร้างพื้นฐานผูกกับอุปสงค์ที่ยืนยันแล้ว หรือเป็นการสร้างรอความหวัง
• รายได้มาจากลูกค้าปลายทางจริง หรือพึ่งเงินที่หมุนอยู่ภายในระบบนิเวศ AI เป็นหลัก

ดังนั้น เหตุการณ์หลักในฉากทัศน์ฟองสบู่ AI แตก จึงน่าจะเป็นการประเมินราคาใหม่ ไม่ใช่การหายไปของเทคโนโลยี หุ้นที่ได้พรีเมียมจาก AI มูลค่าสตาร์ตอัปเอกชน แผนคืนทุนของดาต้าเซ็นเตอร์ และผลตอบแทนจากการลงทุนของโครงการ AI ในองค์กร จะถูกตรวจละเอียดขึ้นพร้อมกัน

ทำไมความกังวลจึงแรงขึ้นตอนนี้

เหตุผลที่คำว่า “ฟองสบู่ AI” ถูกพูดถึงมากขึ้น ไม่ใช่เพราะเงินลงทุนขาดแคลน แต่เพราะเงินลงทุนโตเร็วมาก Goldman Sachs ระบุว่าการสร้างศูนย์ข้อมูลและโครงสร้างพื้นฐานที่ขับเคลื่อนด้วย AI อาจมีมูลค่ารวมระดับหลายล้านล้านดอลลาร์ และยกตัวอย่างคำกล่าวของเจนเซน หวง ซีอีโอของ Nvidia ที่ประเมินว่าการใช้จ่ายด้านโครงสร้างพื้นฐาน AI อาจแตะ 3–4 ล้านล้านดอลลาร์สหรัฐภายในปี 2030 ขณะเดียวกัน Goldman Sachs คาดว่ารายจ่ายลงทุนของกลุ่ม hyperscaler เพียงอย่างเดียวอาจรวม 1.4 ล้านล้านดอลลาร์สหรัฐในช่วงปี 2025–2027

สำหรับปี 2026 ตัวเลขก็ใหญ่พอจะทำให้ตลาดตั้งคำถาม Goldman Sachs ระบุว่า ตามฉันทามติของนักวิเคราะห์วอลล์สตรีท รายจ่ายลงทุนของบริษัท AI กลุ่ม hyperscaler ในปี 2026 อยู่ที่ 527,000 ล้านดอลลาร์สหรัฐ เพิ่มจาก 465,000 ล้านดอลลาร์ในช่วงต้นฤดูกาลประกาศผลประกอบการไตรมาสสาม อีกบทวิเคราะห์ของ Goldman Sachs ระบุว่าบริษัทคลาวด์ hyperscale รายใหญ่ที่สุดอาจใช้เงินลงทุนมากกว่า 500,000 ล้านดอลลาร์ในปี 2026

อย่างไรก็ตาม ตัวเลขใหญ่เพียงอย่างเดียวไม่ใช่หลักฐานว่าฟองสบู่ต้องแตก Goldman Sachs ชี้ว่า แม้การลงทุน AI รอบนี้จะใหญ่กว่าวัฏจักรก่อน ๆ เมื่อดูเป็นดอลลาร์ตามมูลค่าปัจจุบัน แต่หากปรับสเกลให้เหมาะสม ภาพอาจดูรุนแรงน้อยลง คำถามที่แท้จริงจึงไม่ใช่ “ลงทุนมากไปไหม” แต่คือ “ลงทุนแล้วมีอุปสงค์และกำไรมากพอจะคืนทุนหรือไม่”

1. ตลาดหุ้น: พรีเมียม AI จะถูกทดสอบก่อน

ตลาดหุ้นมักเป็นพื้นที่ที่ตอบสนองเร็วที่สุด ในช่วงกระแสแรง หุ้นชิป คลาวด์ ดาต้าเซ็นเตอร์ โครงสร้างพื้นฐานไฟฟ้า และซอฟต์แวร์ อาจถูกจับเข้ากลุ่มธีม AI ได้พร้อมกัน แต่เมื่อเข้าสู่ช่วงปรับฐาน ตลาดจะคัดแยกบริษัทละเอียดขึ้น

Goldman Sachs ระบุว่านักลงทุนเริ่มเลือกมากขึ้นกับหุ้น AI คำถามที่ตลาดจะกลับมาถามคือ รายได้จาก AI โตเร็วแค่ไหน มาร์จินของสินค้า AI สูงพอหรือไม่ ลูกค้าจ่ายเงินซ้ำจริงหรือเปล่า และบริษัทรับต้นทุนศูนย์ข้อมูลกับ GPU ได้โดยไม่กดกำไรหรือไม่

ความเข้มข้นของตลาดก็สำคัญ Goldman Sachs Research ระบุว่า บริษัทเทคโนโลยีขนาดใหญ่ 7 รายคิดเป็นมากกว่า 30% ของมูลค่าตลาดในดัชนี S&P 500 และราวหนึ่งในสี่ของกำไรของดัชนี หากความคาดหวังต่อ AI ฝังอยู่ลึกในมูลค่าของหุ้นกลุ่มใหญ่เหล่านี้ การประเมินราคา AI ใหม่ก็อาจไม่ได้กระทบแค่หุ้นธีมเล็ก ๆ แต่เพิ่มความผันผวนให้ดัชนีหลักของสหรัฐฯ ได้ด้วย

2. สตาร์ตอัป: เดโมสวยไม่พอ ต้องมีรายได้ซ้ำ

ข้อมูลชุดนี้ยังไม่เพียงพอที่จะวัดเป็นตัวเลขว่า สตาร์ตอัป AI จะถูกลดมูลค่าในการระดมทุนรอบใหม่มากแค่ไหน หรือจะปิดกิจการกี่ราย แต่ตรรกะของตลาดทุนชัดเจนพอสมควร: หากมูลค่าบริษัท AI ในตลาดหุ้นถูกกดลง เหตุผลในการให้มูลค่าสูงกับบริษัทเอกชนก็จะเข้มงวดขึ้นตามไปด้วย

Cresset ระบุว่าภาค AI มีสัญญาณคล้ายฟองสบู่ เช่น มูลค่าสูง เงินทุนไหลเข้าแรง และพฤติกรรมเก็งกำไร Goldman Sachs ก็ชี้ว่าการเพิ่มขึ้นของมูลค่าบริษัทที่เกี่ยวข้องกับ AI เป็นหนึ่งในเหตุผลที่ทำให้ความกังวลเรื่องฟองสบู่แรงขึ้น

ในสภาพแวดล้อมแบบนี้ นักลงทุนจะมองข้ามเดโมที่น่าตื่นตาไปหาคำถามที่เป็นธุรกิจมากขึ้น เช่น รายได้เกิดซ้ำหรือไม่ ลูกค้าอยู่ต่อหรือไม่ ต้นทุนต่อการใช้งานควบคุมได้ไหม มีข้อมูลเฉพาะหรือช่องทางจัดจำหน่ายที่คู่แข่งเลียนแบบยากหรือไม่ และระบบ AI ฝังเข้าไปในงานประจำของลูกค้าได้จริงแค่ไหน

โครงสร้างที่เปราะบางที่สุดคือบริษัทที่ได้มูลค่าสูงเพราะติดป้าย AI แต่ยังพิสูจน์ไม่ได้ว่าลูกค้าจะจ่ายต่อเนื่อง หรือยิ่งมีผู้ใช้มาก ยิ่งเข้าใกล้กำไร แทนที่จะขาดทุนมากขึ้น

3. ดาต้าเซ็นเตอร์ GPU และไฟฟ้า: จากสร้างก่อน ไปสู่พิสูจน์อุปสงค์ก่อน

เส้นทางที่ฟองสบู่ AI อาจส่งผลต่อเศรษฐกิจจริงเห็นได้ชัดที่สุดในศูนย์ข้อมูล GPU และโครงสร้างพื้นฐานพลังงาน Goldman Sachs ประเมินว่าการสร้างศูนย์ข้อมูลและโครงสร้างพื้นฐาน AI อาจมีมูลค่าระดับหลายล้านล้านดอลลาร์ ขณะที่รายจ่ายลงทุนของ hyperscaler อาจรวม 1.4 ล้านล้านดอลลาร์ในปี 2025–2027 และฉันทามติรายจ่ายลงทุนปี 2026 ของบริษัท AI กลุ่ม hyperscaler อยู่ที่ 527,000 ล้านดอลลาร์

ประเด็นไม่ใช่แค่ว่าเงินลงทุนมาก แต่คือจะคืนทุนได้อย่างไร หากอุปสงค์ของบริการ AI ต่ำกว่าคาด หรือรายได้จากการใช้งานจริงโตไม่ทันต้นทุนการประมวลผล บริษัทอาจเปลี่ยนจากแนวทาง “สร้างก่อนแล้วรออุปสงค์” ไปสู่ “สร้างเท่าที่มีอุปสงค์ยืนยันแล้ว” ผลที่ตามมาคือ กำหนดเริ่มก่อสร้างดาต้าเซ็นเตอร์ใหม่ ความเร็วในการจัดซื้อ GPU และแผนจัดหาไฟฟ้าอาจถูกทบทวน

นี่ไม่ได้แปลว่าการลงทุนดาต้าเซ็นเตอร์ทั้งหมดคือส่วนเกิน แต่แปลว่าเกณฑ์วัดจะเปลี่ยนไป ตลาดจะให้ความสำคัญกับอัตราการใช้งานจริง สัญญาลูกค้าระยะยาว ระยะเวลาคืนทุน และความมั่นคงของพลังงานมากกว่าการประกาศเพิ่มกำลังผลิตเพียงอย่างเดียว Cresset มองว่า ช่วงข้างหน้าจะเป็นจุดพิสูจน์ว่าโครงสร้างพื้นฐาน AI ที่สร้างอยู่จะกลายเป็นฐานของนวัตกรรมระยะยาว หรือเป็นหนึ่งในการจัดสรรเงินทุนผิดพลาดครั้งใหญ่

4. บิ๊กเทค: ไม่น่าพังทั้งระบบ แต่ราคาหุ้นและจังหวะลงทุนอาจเปลี่ยน

หาก AI ปรับฐาน ไม่ได้แปลว่าบริษัทเทคโนโลยีขนาดใหญ่ทั้งหมดจะล้ม Cresset ชี้ว่า แม้ภาค AI จะมีมูลค่าสูงและมีพฤติกรรมเก็งกำไร แต่กำไรที่แข็งแรง การเติบโตของรายได้ที่สม่ำเสมอ และการลงทุนโครงสร้างพื้นฐานด้วยเงินสด ทำให้ภาพรวมมีแนวโน้มเป็นการปรับฐานแบบคัดเลือกมากกว่าการพังทั้งระบบ

แต่คำว่า “บิ๊กเทคยังอยู่ได้” ไม่ได้แปลว่าราคาหุ้นจะไม่สะเทือน เพราะบริษัทเทคโนโลยีใหญ่ 7 รายมีสัดส่วนมากกว่า 30% ของมูลค่าตลาดใน S&P 500 และประมาณหนึ่งในสี่ของกำไรของดัชนี หากตลาดลดความคาดหวังต่อ AI ลง แม้ธุรกิจหลักยังแข็งแรง ก็อาจเห็นการลดลงของตัวคูณมูลค่า การชะลอความเร็วในการเพิ่มรายจ่ายลงทุน AI หรือการจัดลำดับความสำคัญโครงการใหม่

5. โครงสร้างที่เปราะที่สุด: เศรษฐกิจ AI ที่หมุนเงินกันเอง

Goldman Sachs ระบุว่า ความเป็นวงจรของระบบนิเวศ AI เป็นหนึ่งในปัจจัยที่ทำให้ความกังวลเรื่องฟองสบู่เพิ่มขึ้น หัวใจของประเด็นนี้คือ เงินมาจากลูกค้าปลายทางที่ต้องการใช้สินค้าจริง หรือมาจากผู้เล่นในระบบ AI ที่ลงทุน ซื้อบริการ และสร้างรายได้ให้กันเองเป็นวงจร

ในตลาดเทคโนโลยีช่วงเริ่มต้น การที่บริษัทโมเดล AI บริษัทคลาวด์ บริษัทชิป และผู้พัฒนาแอปพลิเคชันช่วยกันเร่งการเติบโตไม่ใช่เรื่องผิดปกติ แต่เมื่อเข้าสู่ช่วงปรับฐาน ตลาดจะถามเข้มขึ้นว่า รายได้ที่เห็นเป็นรายได้จากลูกค้าภายนอกจริงหรือเป็นเพียงการหมุนเวียนภายในระบบนิเวศเดียวกัน

การใช้งาน AI ในองค์กร: ไม่หยุด แต่จะถูกถามหา ROI มากขึ้น

ฟองสบู่ AI แตกไม่ได้หมายความว่าองค์กรจะหยุดใช้ AI ทันที ภาพที่สมจริงกว่าคือ งบประมาณจะผ่านด่านยากขึ้น จากเดิมที่ถามว่า “มี AI หรือยัง” จะเปลี่ยนเป็น “AI ลดต้นทุน เพิ่มรายได้ หรือทำให้งานเดิมดีขึ้นจริงหรือไม่”

โครงการนำร่องที่วัดผลยาก แชตบอตที่ทำเพื่อภาพลักษณ์ หรือการทดลองภายในที่มีผู้ใช้น้อย อาจถูกลดขนาดหรือพักไว้ ตรงกันข้าม งานที่วัดผลได้ง่ายกว่า เช่น การช่วยบริการลูกค้า การประมวลผลเอกสาร การช่วยเขียนโค้ด การค้นหาข้อมูล และความปลอดภัย อาจมีโอกาสอยู่ต่อมากกว่า แนวโน้มนี้สอดคล้องกับคำถามใหญ่ที่ Cresset ตั้งไว้ว่า การลงทุน AI รอบนี้จะกลายเป็นฐานของนวัตกรรมระยะยาว หรือเป็นการจัดสรรทุนผิดที่ผิดทาง

เกณฑ์ที่ควรมองในช่วงปรับฐาน

คำถามสำคัญไม่ใช่บริษัท “ทำ AI” หรือไม่ แต่คือทำ AI แล้วสร้างกระแสเงินสดซ้ำได้หรือเปล่า

บทสรุป: AI อาจไม่จบ แต่ป้ายราคาจะเปลี่ยน

หากฟองสบู่ AI แตกจริง เหตุการณ์หลักน่าจะไม่ใช่การค้นพบว่า AI ไร้ประโยชน์ แต่เป็นการยอมรับว่าราคาที่ตลาดให้กับ AI บางส่วนแพงเกินไป ความกังวลที่ Goldman Sachs ชี้ไว้เกิดจากมูลค่าที่พุ่งขึ้น การลงทุนขนาดใหญ่ และความเป็นวงจรของระบบนิเวศ AI ขณะเดียวกัน คำเตือนของ IMF ที่ถูกนำไปเทียบกับฟองสบู่ดอตคอมก็สะท้อนว่าความเสี่ยงไม่ควรถูกมองข้าม

แต่ภาพรวมจาก Goldman Sachs และ Cresset ก็ไม่ได้ชี้ว่าต้องเป็นฉากทัศน์ล่มสลายอย่างเดียว คำตอบที่เป็นไปได้มากกว่าคือ หากฟองสบู่ AI คลายตัว สิ่งที่หายไปก่อนจะเป็นความคาดหวังที่แพงเกินจริง การลงทุนที่ยังพิสูจน์อุปสงค์ไม่ได้ และโมเดลธุรกิจที่อาศัยกระแสมากกว่ารายได้จริง หลังฝุ่นจางลง AI ที่ยังอยู่เด่นชัดที่สุดจะเป็น AI ที่ทำเงินได้จริง ลดต้นทุนได้จริง และมีลูกค้ายอมจ่ายซ้ำอย่างสม่ำเสมอ