เมื่อเดิมพัน AI เดียวกันกำลังเชื่อมความเสี่ยงของหุ้นกับพันธบัตร

ผลกระทบจึงอาจลามออกนอกภาคเทคโนโลยี Reuters รายงานว่า หนี้ที่เกี่ยวข้องกับ AI คิดเป็นเกือบ 15% ของการออกหุ้นกู้เกรดลงทุนในปี 2026 แม้การกระจุกตัวของ AI ในดัชนีสินเชื่อโดยรวมยังอยู่ในระดับต่ำ ความแตกต่างนี้สำคัญ เพราะภาค AI อาจมีอิทธิพลต่อการกำหนดราคาหุ้นกู้ที่ออกใหม่และสภาพคล่องของตลาด โดยยังไม่จำเป็นต้องครองตลาดหุ้นกู้เกรดลงทุนทั้งหมด

เหตุใดหุ้นกับพันธบัตรจึงเริ่มเชื่อมโยงกันมากขึ้น

ช่องทางตลาดหุ้นและตลาดสินเชื่อกำลังส่งแรงหนุนและแรงกดดันถึงกันอย่างน้อยสองทาง

ประการแรก บริษัทเทคโนโลยีขนาดใหญ่เพียงกลุ่มเล็ก ๆ สามารถมีอิทธิพลต่อผลตอบแทนของดัชนีหุ้นและความเชื่อมั่นของนักลงทุนได้ หากมูลค่าหุ้นของบริษัทเหล่านี้พึ่งพาความคาดหวังต่อกำไรจาก AI ในอนาคตสูง การประเมินความต้องการหรือผลตอบแทนจากการลงทุนโครงสร้างพื้นฐานที่ลดลง ก็อาจกดทั้งราคาหุ้นและมูลค่าของกระแสเงินสดในอนาคต

ประการที่สอง มูลค่าหุ้นที่อ่อนตัวลงอาจทำให้ต้นทุนการระดมทุนแพงขึ้น บริษัทอาจต้องจ่ายส่วนชดเชยความเสี่ยงสูงขึ้นในตลาดหุ้นกู้ทั่วไป เผชิญเงื่อนไขที่เข้มงวดขึ้นจากสินเชื่อเอกชน และได้รับความต้องการซื้อตราสารที่เชื่อมโยงกับหุ้นลดลง เมื่อต้นทุนเงินทุนเพิ่มขึ้น เหตุผลเดิมที่ใช้สนับสนุนการลงทุนก็อาจดูอ่อนแอลงตามไปด้วย

ตลาดหุ้นกู้แปลงสภาพสะท้อนความเชื่อมโยงนี้ได้ชัดเจน หุ้นกู้ประเภทนี้เป็นตราสารผสมระหว่างหนี้กับสิทธิในการแปลงเป็นหุ้น ทำให้ผู้ออกตราสารลดภาระดอกเบี้ยเงินสดได้เมื่อผู้ลงทุนให้มูลค่ากับโอกาสที่ราคาหุ้นจะเพิ่มขึ้น การออกหุ้นกู้แปลงสภาพในสหรัฐฯ อยู่ที่ประมาณ 34,000 ล้านดอลลาร์ในช่วง 4 เดือนแรกของปี 2026 มากกว่าสองเท่าจากช่วงเดียวกันของปีก่อน โดยบริษัทที่เชื่อมโยงกับ AI เป็นแรงขับเคลื่อนสำคัญ

ดังนั้น ตลาดหุ้น AI ที่แข็งแกร่งสามารถช่วยให้บริษัทออกตราสารที่เชื่อมโยงกับหุ้นได้ในต้นทุนต่ำลง เงินทุนดังกล่าวนำไปสร้างโครงสร้างพื้นฐานเพิ่มเติมและช่วยพยุงเรื่องราวการเติบโตของ AI ต่อไป แต่หากเกิดการเทขายหุ้นอย่างรุนแรง กลไกนี้ก็อาจย้อนกลับ หุ้นกู้แปลงสภาพจะน่าสนใจน้อยลง การบริหารความเสี่ยงด้วยการเฮดจ์จะทำได้ยากขึ้น และผู้กู้อาจต้องพึ่งหนี้ปกติที่มีต้นทุนสูงกว่า หรือออกหุ้นใหม่แทน

สินทรัพย์อาจต่างกัน แต่พึ่งพาอุปสงค์ AI เดียวกัน

พันธบัตรของ hyperscaler เงินกู้ดาต้าเซ็นเตอร์ สินเชื่อเอกชน เงินกู้โครงการพลังงาน และลูกหนี้การค้าของซัพพลายเออร์ อาจออกโดยนิติบุคคลที่แตกต่างกัน แต่ทั้งหมดอาจตั้งอยู่บนสมมติฐานทางเศรษฐกิจเดียวกัน นั่นคือ ลูกค้า AI จะยังคงใช้จ่าย เช่าความสามารถด้านประมวลผล และสร้างรายได้เพียงพอที่จะหล่อเลี้ยงห่วงโซ่โครงสร้างพื้นฐานนี้

การพึ่งพาร่วมกันดังกล่าวอาจทำให้การกระจายความเสี่ยงดูดีกว่าความเป็นจริง พอร์ตการลงทุนที่กระจายอยู่ในพันธบัตร ตราสารแปลงเป็นหลักทรัพย์ และสินเชื่อเอกชน อาจมีสิทธิเรียกร้องต่อ hyperscaler ผู้ให้บริการดาต้าเซ็นเตอร์ หรือความต้องการใช้อุปกรณ์กลุ่มเดียวกันหลายทาง หากโครงการล่าช้าหรือมีการใช้งานต่ำกว่าความคาดหมาย ความเสียหายอาจเกิดขึ้นผ่านตราสารหลายประเภทพร้อมกัน แม้ตราสารเหล่านั้นจะไม่ได้รับการค้ำประกันโดยบริษัทเดียวกันอย่างเป็นทางการ

ความเสี่ยงจะยิ่งมากขึ้นเมื่อโครงสร้างทางการเงินย้ายความเสี่ยงออกจากงบดุลที่เห็นได้ชัด แต่ไม่ได้ลบภาระทางธุรกิจของผู้สนับสนุนโครงการออกไป

การเงินนอกงบดุลอาจทำให้ความเสี่ยงทางเศรษฐกิจถูกมองข้าม

นิติบุคคลเฉพาะกิจ หรือ SPV (special-purpose vehicle) สัญญาเช่า และการค้ำประกันมูลค่าคงเหลือ กำลังมีบทบาทมากขึ้นในการสร้างดาต้าเซ็นเตอร์ โดยโครงสร้างทั่วไปคือ นิติบุคคลภายนอกเป็นผู้กู้เงินและเป็นเจ้าของอาคาร ขณะที่บริษัทเทคโนโลยีเช่าพื้นที่เมื่อโครงการเสร็จ

โครงสร้างเช่นนี้อาจทำให้หนี้ของโครงการไม่ปรากฏเป็นหนี้ของบริษัทในงบการเงินโดยตรง แต่บริษัทอาจยังมีภาระจ่ายค่าเช่า การใช้บริการขั้นต่ำ หรือการค้ำประกันที่ผูกกับมูลค่าในอนาคตของสินทรัพย์

โครงการดาต้าเซ็นเตอร์ Hyperion ที่ Meta เสนอ เป็นตัวอย่างหนึ่งของโครงสร้างดังกล่าว การวิเคราะห์ทางกฎหมายระบุว่า SPV ของโครงการมูลค่า 30,000 ล้านดอลลาร์ระดมเงินกู้ประมาณ 27,000 ล้านดอลลาร์ และเงินทุนหุ้น 3,000 ล้านดอลลาร์ โดยให้ Meta เช่าพื้นที่ดังกล่าว รายงานอีกฉบับระบุถึงการค้ำประกันมูลค่าคงเหลือ ซึ่งอาจทำให้ Meta ต้องชดเชยผู้ลงทุน หากมูลค่าทรัพย์สินลดลงต่ำกว่าเกณฑ์ที่กำหนด

นั่นไม่ได้หมายความว่าหนี้ของ SPV มีลักษณะเหมือนหนี้อาวุโสทั่วไปของบริษัทแม่ทุกประการ แต่หมายความว่าอัตราหนี้สินที่รายงานอาจไม่สะท้อนความอ่อนไหวของธุรกิจทั้งหมดต่อค่าก่อสร้าง การล้าสมัยของเทคโนโลยี ระดับการใช้งาน และมูลค่าสินทรัพย์

คำถามสำคัญสำหรับนักลงทุนจึงไม่ใช่เพียง “ใครเป็นผู้กู้ตามกฎหมาย” แต่รวมถึง “ใครจะเป็นผู้รับภาระความเสียหาย หากเศรษฐศาสตร์ของ AI ไม่เป็นไปตามคาด”

การปรับราคาสินทรัพย์อาจส่งผ่านไปยังเศรษฐกิจอย่างไร

การปรับฐานด้านการเงินไม่จำเป็นต้องเริ่มต้นด้วยการผิดนัดชำระหนี้ แต่อาจเริ่มจากการเปลี่ยนแปลงของสมมติฐานดังนี้

1. การเติบโตของรายได้จาก AI หรือการใช้งานดาต้าเซ็นเตอร์ต่ำกว่าที่คาด
2. มูลค่าหุ้นลดลง และนักลงทุนประเมินระยะเวลาคืนทุนของการลงทุนใหม่
3. ส่วนชดเชยความเสี่ยงของพันธบัตรกว้างขึ้น และการระดมทุนผ่านหุ้นกู้แปลงสภาพน่าสนใจน้อยลง
4. SPV ผู้ให้บริการโครงการ และซัพพลายเออร์ ต้องรีไฟแนนซ์ด้วยต้นทุนที่สูงขึ้น
5. Hyperscaler ชะลอหรือลดคำสั่งซื้อชิป เซิร์ฟเวอร์ งานก่อสร้าง อุปกรณ์พลังงาน และอสังหาริมทรัพย์
6. คู่สัญญาที่อ่อนแอกว่าสูญเสียโอกาสเข้าถึงสินเชื่อ ขณะที่ต้นทุนกู้ยืมระยะยาวที่สูงขึ้นกดดันการลงทุนที่ไม่เกี่ยวข้องกับเทคโนโลยี

ลำดับดังกล่าวเป็นวงจรป้อนกลับที่อาจเกิดขึ้น ไม่ใช่การพยากรณ์ว่าเหตุการณ์จะต้องเกิดตามนี้ บริษัท hyperscaler ที่มีเงินสดสูงอาจรับผลตอบแทนจากการลงทุนที่ต่ำลงได้นานกว่าบริษัทโครงสร้างพื้นฐานขนาดเล็ก แต่แม้จะไม่มีการผิดนัดของบริษัทขนาดใหญ่ โครงการที่ล่าช้าและภาวะการเงินที่ตึงตัวขึ้นก็อาจกระทบวงจรการลงทุนโดยรวมได้

หลักฐานบอกอะไร และยังบอกอะไรไม่ได้

หลักฐานในปัจจุบันสนับสนุนภาพของ ความเสี่ยงจากการกระจุกตัวและความสัมพันธ์ของผลตอบแทนที่เพิ่มขึ้น การกู้ยืมที่เกี่ยวข้องกับ AI กำลังขยายตัวอย่างรวดเร็ว การออกหุ้นกู้แปลงสภาพถูกนำมาใช้เพื่อสนับสนุนการเติบโตที่เชื่อมโยงกับ AI และธุรกรรมดาต้าเซ็นเตอร์แบบมีโครงสร้างกำลังกระจายความเสี่ยงไปยังตลาดทั้งภาครัฐและเอกชน

อย่างไรก็ตาม หลักฐานเหล่านี้ยังไม่ได้พิสูจน์ว่า ระบบการเงินกำลังเผชิญวิกฤตเชิงระบบในระยะใกล้ ตัวเลข 570,000 ล้านดอลลาร์เป็นเพียงการคาดการณ์ ไม่ใช่ยอดการออกหนี้ที่เกิดขึ้นจริง และการประเมินช่องว่างทางการเงินหรือสัดส่วนการลงทุนที่ใช้หนี้ก็ขึ้นอยู่กับนิยามว่ารวมอะไรไว้บ้าง สัญญาเช่า การค้ำประกัน สินเชื่อเอกชน การจัดหาเงินทุนจากซัพพลายเออร์ และภาระผูกพันในอนาคต อาจทำให้ยอดรวมแตกต่างกันมาก

สำหรับนักลงทุน การทดสอบที่มีประโยชน์ที่สุดจึงเป็นการทำแผนที่ความเสี่ยงให้ละเอียดกว่าชื่อผู้ออกตราสาร ต้องถามว่า สินทรัพย์หลายรายการในพอร์ตพึ่งพา hyperscaler รายเดียวกัน ผู้เช่าดาต้าเซ็นเตอร์รายเดียวกัน มูลค่าขายต่อของอุปกรณ์กลุ่มเดียวกัน หรือสมมติฐานเดียวกันเกี่ยวกับการทำกำไรจาก AI หรือไม่

ความเสี่ยงหลักไม่ใช่ว่าสินทรัพย์ที่เกี่ยวข้องกับ AI ทุกชิ้นจะเหมือนกัน แต่คือสินทรัพย์จำนวนมากอาจเปราะบางต่อการเปลี่ยนแปลงของความคาดหวังเรื่องเดียวกัน