การทุ่มลงทุนโครงสร้างพื้นฐาน AI ของบิ๊กเทคควรถูกอ่านเป็นเดิมพันเชิงเงื่อนไข ไม่ใช่เช็คเปล่า ผู้ให้บริการคลาวด์รายใหญ่ยังมีเหตุผลที่จะสร้างศูนย์ข้อมูลและซื้อชิปก่อน เพราะกำลังประมวลผล AI ยังเป็นทรัพยากรที่ขาดแคลน แต่ปลายทางของเดิมพันนี้ไม่ได้วัดจากความตื่นเต้นเรื่องโมเดล AI เพียงอย่างเดียว วัดจากว่าองค์กรลูกค้าจะใช้จริงมากพอ จ่ายจริงมากพอ และได้ผลตอบแทนที่พิสูจน์ได้หรือไม่

เงินลงทุนก้อนใหญ่เกินกว่าจะเรียกว่าแค่ทดลอง

ตัวเลขพาดหัวแตกต่างกันตามบริษัทและประเภทค่าใช้จ่ายที่นำมานับ แต่ทุกแหล่งชี้ไปทางเดียวกันว่า ปี 2026 จะเป็นปีแห่งการเร่งสร้างโครงสร้างพื้นฐาน AI ครั้งใหญ่ Futurum ระบุว่า Microsoft, Alphabet, Amazon, Meta และ Oracle มีแผนรายจ่ายลงทุน หรือ capex รวมกัน 660–690 พันล้านดอลลาร์สหรัฐในปี 2026 เกือบสองเท่าของระดับปี 2025 ^[2]

Campaign US รายงานในทิศทางเดียวกันว่า Meta, Microsoft, Alphabet และ Amazon มีแนวโน้มใช้จ่ายมากกว่า 650 พันล้านดอลลาร์สหรัฐในปี 2026 กับการลงทุนด้าน AI โดยเงินก้อนใหญ่ไหลไปที่ศูนย์ข้อมูลขั้นสูง ชิปเฉพาะทาง และระบบระบายความร้อนด้วยของเหลว ^[5] ส่วน Business Insider รายงานอีกชุดว่า Amazon, Microsoft, Meta และ Google วางแผนรายจ่ายลงทุนปี 2026 สูงสุดถึง 725 พันล้านดอลลาร์สหรัฐ หลังการอัปเดตผลประกอบการไตรมาสแรก ^[8]

เมื่อเงินลงทุนขึ้นมาถึงระดับนี้ คำถามจึงไม่ใช่แค่ว่า AI สำคัญเชิงยุทธศาสตร์หรือไม่ แต่คือโครงสร้างพื้นฐานเหล่านี้จะถูกใช้งานมากพอ และตั้งราคาได้ดีพอที่จะสร้างผลตอบแทนที่น่าพอใจหรือไม่

ทำไมยักษ์คลาวด์ต้องสร้างก่อนเห็นคำตอบครบ

สำหรับผู้ให้บริการคลาวด์รายยักษ์ ความเสี่ยงไม่ได้มีแค่การสร้างมากเกินไป แต่ยังมีความเสี่ยงจากการสร้างไม่ทันด้วย หากเวิร์กโหลด AI โตเร็วกว่ากำลังรองรับ บริษัทที่มีศูนย์ข้อมูล ชิป และพลังงานพร้อมให้บริการย่อมได้เปรียบบริษัทที่ยังติดอยู่กับคิวก่อสร้าง การจัดซื้อ หรือข้อจำกัดด้านไฟฟ้า

นี่คือเหตุผลที่การสร้างล่วงหน้าอาจยังสมเหตุสมผล แม้ ROI ขององค์กรลูกค้ายังไม่ชัด AInvest อธิบายว่าการขยายศูนย์ข้อมูลในปี 2026 เกิดขึ้นท่ามกลางข้อจำกัดด้านอุปทาน และการลงทุนโครงสร้างพื้นฐาน AI กำลังวิ่งเร็วกว่าเม็ดเงินที่ซอฟต์แวร์ AI สามารถเก็บมูลค่าได้ในตอนนี้ ^[7]

พูดง่าย ๆ คือ บิ๊กเทคกำลังแย่งควบคุมทรัพยากรที่ยังขาดแคลน ก่อนที่ตลาดปลายทางจะสุกงอมเต็มที่ แต่เหตุผลนี้ไม่ใช่หลักฐานว่าการลงทุนจะคุ้มโดยอัตโนมัติ การสร้างเร็วช่วยลดความเสี่ยงที่จะพลาดดีมานด์ แต่ก็เพิ่มความเสี่ยงว่ากำลังการผลิตจะมาถึงก่อนที่ลูกค้าจำนวนมากจะพร้อมจ่ายในระดับใหญ่

จุดอ่อนยังอยู่ที่ ROI ขององค์กร

การที่องค์กรทดลองใช้ AI มากขึ้น ไม่ได้แปลว่าผลตอบแทนทางธุรกิจตามมาทันที ผลสำรวจ Global Survey 2025 ของ McKinsey พบว่าเกือบสองในสามของผู้ตอบแบบสอบถามระบุว่าองค์กรของตนยังไม่ได้เริ่มขยาย AI ไปทั่วทั้งองค์กร แม้ 64% ระบุว่า AI ช่วยให้เกิดนวัตกรรม แต่มีเพียง 39% ที่รายงานผลกระทบต่อ EBIT หรือกำไรก่อนดอกเบี้ยและภาษีในระดับองค์กร ^[27]

อย่างไรก็ดี ภาพไม่ได้มืดสนิท McKinsey ยังชี้ว่าองค์กรต่าง ๆ เริ่มออกแบบเวิร์กโฟลว์ใหม่ระหว่างนำ GenAI ไปใช้ และเริ่มให้ผู้บริหารระดับสูงเข้ามารับบทบาทสำคัญด้านธรรมาภิบาล AI เพื่อพยายามดึงมูลค่าที่กระทบบรรทัดสุดท้ายของธุรกิจ ^[22]

ฝั่งที่มองลบกว่านั้นคือรายงานเกี่ยวกับ MIT GenAI Divide โดย Digital Commerce 360 ระบุว่า แม้องค์กรต่าง ๆ ใช้เงินกับเครื่องมือและระบบ GenAI ไปประมาณ 30–40 พันล้านดอลลาร์สหรัฐ แต่ 95% ขององค์กรยังไม่เห็นผลตอบแทนทางการเงินที่วัดได้ ขณะที่มีเพียง 5% ของโครงการนำร่องที่ผสานเข้ากับระบบงานจริงแล้วสามารถดึงมูลค่าระดับหลายล้านดอลลาร์ออกมาได้ ^[24]

ตัวเลขนี้ควรถูกอ่านเป็นสัญญาณเตือน ไม่ใช่คำตัดสินว่า AI ในองค์กรไม่มีทางคุ้ม หลักฐานกำลังบอกว่ามีช่องว่างใหญ่ระหว่างโครงการที่ถูกผสานเข้ากับงานจริงในระดับองค์กร กับโปรเจกต์นำร่องที่ไม่เคยไปถึงงบกำไรขาดทุน

สัญญาณที่ต้องจับตา: การลงทุนจะคุ้มหรือไม่

อัตราการใช้งาน

คำถามกลางคือศูนย์ข้อมูล AI และชิปเฉพาะทางจะถูกใช้งานหนักอย่างต่อเนื่องหรือไม่ หากอัตราการใช้งานสูง เงินลงทุนที่เป็นต้นทุนคงที่จะกลายเป็นกำลังการผลิตที่ขายได้ แต่ถ้าใช้งานต่ำ ปัญหาการสร้างเกินความต้องการจะชัดขึ้น และผู้ให้บริการจะรับภาระต้นทุนโครงสร้างพื้นฐานใหม่ได้ยากขึ้น

อำนาจในการตั้งราคา

กำลังประมวลผล AI ต้องขายได้ในราคาที่รองรับผลตอบแทน หากผู้ให้บริการคลาวด์แข่งขันกันจนราคาอ่อนตัวก่อนที่องค์กรลูกค้าจะขยายการใช้งานจริง รายได้อาจโตไม่ทันภาระรายจ่ายลงทุน

ผลกระทบทางการเงินระดับองค์กร

กรณีใช้งานที่ดูดีและเดโมที่น่าตื่นเต้นยังไม่พอ จุดพิสูจน์ที่แข็งแรงกว่าคือผลกระทบทางการเงินระดับองค์กร ซึ่งข้อมูลของ McKinsey ยังเห็นช่องว่างระหว่างประโยชน์ด้านนวัตกรรมกับผลกระทบต่อ EBIT ^[27] ยิ่งองค์กรปรับเวิร์กโฟลว์ใหม่ แทนที่จะเพียงนำ AI ไปแปะบนกระบวนการเดิม ความต้องการคลาวด์ AI ที่ยั่งยืนก็ยิ่งมีน้ำหนักมากขึ้น ^[22]

ความอดทนของนักลงทุน

ตลาดทุนเริ่มแยกแยะแล้วว่าเรื่องเล่าการลงทุน AI แบบไหนน่าเชื่อ หลัง Alphabet, Meta และ Microsoft พูดถึงการใช้จ่ายด้าน AI ที่สูงขึ้น Fortune รายงานว่า หุ้น Meta ลดลงมากกว่า 6% ในการซื้อขายหลังตลาดปิด Microsoft แทบไม่เปลี่ยนแปลง ส่วน Alphabet เพิ่มขึ้นเกือบ 7% ^[1] ปฏิกิริยาที่ไม่เหมือนกันนี้สะท้อนว่านักลงทุนไม่ได้ต้องการเพียงงบ AI ที่ใหญ่ขึ้น แต่ต้องการเส้นทางจาก capex ไปสู่ผลตอบแทนที่น่าเชื่อถือ

ความเสี่ยงหนักอยู่ตรงไหน

กำลังการผลิตที่ทนทานที่สุดคือกำลังการผลิตที่ให้บริการเวิร์กโหลดจ่ายเงินได้หลายแบบ แพลตฟอร์มคลาวด์ขนาดใหญ่ที่มีลูกค้าและผลิตภัณฑ์หลากหลายจึงมีช่องทางสร้างรายได้จากโครงสร้างพื้นฐาน AI มากกว่าการลงทุนที่ผูกกับดีมานด์แคบ ๆ หรือยังพิสูจน์ไม่ได้

Futurum ชี้ให้เห็นความไม่สมดุลสำคัญว่า ผู้เล่น AI แบบ pure-play ที่นำโดย OpenAI และ Anthropic เติบโตเร็ว แต่รายได้รวมของกลุ่มนี้ยังเป็นเพียงเศษเสี้ยวของเม็ดเงินลงทุนโครงสร้างพื้นฐานที่กำลังถูกเทลงไปเพื่อรองรับพวกเขา ^[2]

นั่นไม่ได้แปลว่า capex ก้อนนี้จะล้มเหลวแน่นอน แต่หมายความว่า ส่วนเผื่อความปลอดภัยของการลงทุนขึ้นกับว่าองค์กรลูกค้าจะเปลี่ยน AI ให้เป็นดีมานด์ต่อเนื่องได้หรือไม่ ไม่ใช่หยุดอยู่ที่การทดลองแยกส่วน

บทสรุป

การใช้จ่ายด้านโครงสร้างพื้นฐาน AI ของบิ๊กเทคยังพออธิบายได้ในตอนนี้ แต่เป็นความยั่งยืนแบบมีเงื่อนไข ตราบใดที่กำลังประมวลผลยังขาดแคลน ผู้ให้บริการคลาวด์รายใหญ่มีเหตุผลเชิงยุทธศาสตร์ที่จะสร้างล่วงหน้า ^[7] แต่รายจ่ายลงทุนระดับมากกว่า 650 พันล้านดอลลาร์สหรัฐจะถูกตัดสินด้วยอัตราการใช้งาน อำนาจในการตั้งราคา และ ROI ขององค์กร ไม่ใช่กระแสโมเดล AI เพียงอย่างเดียว ^{[2][5][24][27]}

หากองค์กรต่าง ๆ เปลี่ยน AI ให้เป็นเวิร์กโหลดการผลิตที่เกิดซ้ำและมีผลกระทบทางการเงินที่วัดได้ การเร่งสร้างครั้งนี้อาจดูเหมือนการเปลี่ยนผ่านระยะยาวของแพลตฟอร์มคลาวด์ แต่หากองค์กรส่วนใหญ่ยังติดอยู่ก่อนการขยายใช้ทั้งองค์กร เงินลงทุนก้อนเดียวกันจะเริ่มถูกมองว่าเป็นการสร้างเกินความต้องการ