SiliconRepublic ยังรายงานว่าแพ็กเกจรายจ่ายลงทุนราว 650 พันล้านดอลลาร์สหรัฐจะเท่ากับเพิ่มขึ้น 60% จาก 410 พันล้านดอลลาร์สหรัฐในปี 2025 และเพิ่มขึ้น 165% จาก 245 พันล้านดอลลาร์สหรัฐในปีก่อนหน้า . ดังนั้น นี่ไม่ใช่วัฏจักรขยายศูนย์ข้อมูลแบบเดิม ๆ แต่เป็นการแข่งขันเชิงยุทธศาสตร์เพื่อครองกำลังประมวลผล

ทำไมยักษ์คลาวด์ยังพออธิบายการใช้เงินระดับนี้ได้

เหตุผลที่แข็งแรงที่สุดของฝั่ง Big Tech คือเรื่องยุทธศาสตร์ ไม่ใช่แค่การเปิดตัวสินค้าใหม่ บริษัทเหล่านี้กำลังพยายามล็อกกำลังประมวลผลสำหรับแพลตฟอร์มคอมพิวติ้งรุ่นถัดไป Futurum ระบุ Microsoft, Alphabet, Amazon, Meta และ Oracle ว่าเป็นผู้ให้บริการคลาวด์และโครงสร้างพื้นฐาน AI รายใหญ่ที่สุด 5 รายของสหรัฐฯ ในการวิเคราะห์รายจ่ายลงทุนปี 2026 .

ความเป็นไฮเปอร์สเกลเลอร์ หรือผู้ให้บริการคลาวด์ขนาดมหึมาที่มีเครือข่ายศูนย์ข้อมูลทั่วโลก ทำให้บริษัทเหล่านี้มีหลายทางในการหารายได้จากโครงสร้างพื้นฐานเดียวกัน ทั้งลูกค้าคลาวด์ทั่วไป บริการ AI สำหรับองค์กร การฝึกโมเดล งานประมวลผลตอนใช้งานจริงหรือ inference และผลิตภัณฑ์ AI ของตัวเอง หากความต้องการยังโตต่อ การถือครองกำลังประมวลผลที่หายากอาจช่วยปกป้องส่วนแบ่งตลาดได้

อีกด้านหนึ่งคือเหตุผลเชิงป้องกัน SiliconRepublic รายงานว่า Meta, Google, Amazon และ Microsoft มองการแข่งขันด้านพลังประมวลผล AI ว่าอาจเป็นตลาดแบบ “ผู้ชนะกินรวบ” หรือ “ผู้ชนะได้ส่วนใหญ่” . ภายใต้กรอบคิดนี้ การสร้างน้อยเกินไปอาจเสี่ยงพอ ๆ กับการใช้เงินมากเกินไปในระยะสั้น เพราะผู้ให้บริการคลาวด์ที่มีกำลังประมวลผลไม่พออาจเสียเวิร์กโหลดให้คู่แข่ง

อย่างไรก็ตาม นั่นไม่ได้แปลว่าทุกดอลลาร์ที่ลงไปจะให้ผลตอบแทนสวยงาม แปลเพียงว่าผู้เล่นรายใหญ่มีช่องทางรับความเสี่ยงมากกว่าบริษัทที่มีฐานรายได้แคบกว่า

จุดเปราะบางที่สุดคือ ROI ของลูกค้าองค์กร

ความเสี่ยงหลักคือเวลาอาจไม่ตรงกัน: โครงสร้างพื้นฐานถูกสร้างและจ่ายเงินตอนนี้ แต่ลูกค้าองค์กรจำนวนมากยังอยู่ในช่วงค้นหาว่า AI จะทำเงินหรือประหยัดต้นทุนได้จริงอย่างไร

ผลสำรวจ State of AI ปี 2025 ของ McKinsey พบว่าเกือบสองในสามขององค์กรยังไม่ได้เริ่มขยาย AI ทั่วทั้งองค์กร . ในรายงานเดียวกันมีสัญญาณบวกอยู่ด้วย โดย 64% ของผู้ตอบแบบสำรวจบอกว่า AI ช่วยให้เกิดนวัตกรรม แต่มีเพียง 39% ที่รายงานผลกระทบต่อ EBIT หรือกำไรก่อนดอกเบี้ยและภาษีในระดับทั้งองค์กร .

ข้อมูลจากแหล่งอื่นยิ่งสะท้อนความระมัดระวัง Digital Commerce 360 รายงานว่างาน “GenAI Divide” ปี 2025 ของ MIT พบว่า แม้องค์กรต่าง ๆ ใช้เงินกับเครื่องมือและระบบ generative AI โดยประมาณ 30–40 พันล้านดอลลาร์สหรัฐแล้ว แต่ 95% ขององค์กรยังไม่เห็นผลตอบแทนทางการเงินที่วัดได้ . Campus Technology ซึ่งสรุปรายงาน MIT เช่นกัน ระบุว่า มีเพียง 5% ของโครงการนำร่อง AI ที่ผสานเข้ากับการทำงานจริงแล้วที่ดึงมูลค่าได้เป็นหลักล้านดอลลาร์ ขณะที่ส่วนใหญ่ยังติดอยู่โดยไม่มีผลกระทบต่อกำไรขาดทุนที่วัดได้ .

หลักฐานเหล่านี้ไม่ได้พิสูจน์ว่า AI ในองค์กรจะล้มเหลว แต่ชี้ให้เห็นว่าคลื่น capex มีความเสี่ยง: ฝั่งผู้ให้บริการคลาวด์กำลังสร้างโครงสร้างพื้นฐานระดับผลิตจริง ขณะที่ลูกค้าจำนวนมากยังอยู่ในโหมดทดลองหรือโครงการนำร่อง

บททดสอบความยั่งยืน: ใช้จริง แปลงเป็นรายได้ และไม่บีบมาร์จิ้น

คำถามสำคัญไม่ใช่แค่ว่าองค์กรจะใช้ AI ต่อไปหรือไม่ แต่คือเวิร์กโหลด AI จะมีมูลค่ามากพอให้โครงสร้างพื้นฐานราคาแพงถูกใช้งานอย่างคุ้มค่าและมีกำไรหรือเปล่า

สัญญาณที่ควรจับตามี 4 ข้อ:

1. อัตราใช้งานดาต้าเซ็นเตอร์และ GPU สำหรับ AI — โครงสร้างพื้นฐานที่ใช้เงินลงทุนหนักต้องการดีมานด์ต่อเนื่อง หากกำลังประมวลผลว่างหรือใช้งานต่ำ ต้นทุนยังคงเดินอยู่
2. รายได้คลาวด์ที่เกี่ยวข้องกับ AI — การลงทุนจะอธิบายได้ง่ายขึ้น หากสะท้อนเป็นรายได้คลาวด์แบบเกิดซ้ำ ไม่ใช่เพียงกระแสความสนใจเรื่อง AI
3. มาร์จิ้นหลังหักต้นทุนโครงสร้างพื้นฐาน — เงินจำนวนมากลงไปในสินทรัพย์จริงราคาแพง ตั้งแต่ดาต้าเซ็นเตอร์ ชิปเฉพาะทาง ไปจนถึงระบบหล่อเย็นด้วยของเหลว . รายได้จึงต้องโตแรงพอจะครอบคลุมฐานต้นทุนนี้
4. การใช้งานจริงระดับองค์กร ไม่ใช่แค่ pilot — สัญญาณยืนยันที่ชัดกว่าคือบริษัทจำนวนมากขึ้นรายงานผลกระทบต่อ EBIT ระดับองค์กร ไม่ใช่แค่ประโยชน์ด้านนวัตกรรมหรือชัยชนะเฉพาะ use case .

หากตัวชี้วัดเหล่านี้ดีขึ้นพร้อมกัน คลื่นลงทุนนี้จะดูเหมือนการจ่ายล่วงหน้าเพื่อเข้าสู่วัฏจักรคลาวด์รอบใหม่ แต่ถ้าไม่เกิดขึ้น เงินก้อนเดียวกันจะเริ่มถูกมองเป็นกำลังการผลิตส่วนเกิน

นักลงทุนเริ่มแยกผู้ชนะออกจากผู้ใช้เงินแล้ว

ตลาดไม่ได้ให้คะแนนเรื่อง AI capex เท่ากันทุกบริษัท Fortune รายงานว่า หลัง Alphabet, Meta และ Microsoft พูดถึงการใช้เงินด้าน AI ที่สูงขึ้น หุ้น Meta ลดลงมากกว่า 6% ในช่วงซื้อขายหลังปิดตลาดสหรัฐฯ ส่วน Microsoft แทบไม่เปลี่ยนแปลง ขณะที่หุ้น Alphabet บริษัทแม่ของ Google เพิ่มขึ้นเกือบ 7% ในช่วงเดียวกัน . รายงานเดียวกันระบุว่า ประมาณการล่าสุดชี้ว่ารายจ่ายลงทุนที่เกี่ยวข้องกับ AI รวมกันจะเกิน 600 พันล้านดอลลาร์สหรัฐในปี 2026 .

ปฏิกิริยาที่แตกต่างกันนี้สำคัญ เพราะนักลงทุนไม่ได้ถามเพียงว่าใครใช้เงินมากที่สุด แต่กำลังถามว่าใครเชื่อมเงินลงทุนโครงสร้างพื้นฐานเข้ากับรายได้ การรักษามาร์จิ้น และส่วนแบ่งตลาดที่ป้องกันได้จริง

สรุป: ยังไปต่อได้ แต่เงื่อนไขหนักขึ้นเรื่อย ๆ

การลงทุนโครงสร้างพื้นฐาน AI ของ Big Tech ยั่งยืนได้ภายใต้เงื่อนไข แพลตฟอร์มคลาวด์รายใหญ่สามารถอธิบายการเร่งสร้างกำลังประมวลผลในระยะสั้นได้ในฐานะการแข่งขันเชิงยุทธศาสตร์ โดยเฉพาะเมื่อประมาณการ capex ปี 2026 อยู่ตั้งแต่กว่า 650 พันล้านดอลลาร์สหรัฐไปจนถึง 725 พันล้านดอลลาร์สหรัฐ ขึ้นกับชุดบริษัทและวิธีคำนวณ .

แต่เหตุผลระยะยาวต้องพึ่ง ROI ฝั่งลูกค้าองค์กร หากเวิร์กโหลด AI เติมดาต้าเซ็นเตอร์จนมีการใช้งานสูง ดันรายได้คลาวด์ และสร้างผลกระทบทางธุรกิจที่วัดได้ให้ลูกค้า เงินลงทุนวันนี้จะดูเหมือนการวางรากฐานที่จำเป็นของแพลตฟอร์มใหม่ แต่ถ้า AI ในองค์กรยังติดอยู่ที่ pilot อัตราใช้งานต่ำกว่าคาด หรือมาร์จิ้นถูกบีบ การใช้เงินระดับนี้จะปกป้องได้ยากขึ้นมาก

SiliconRepublic ยังรายงานว่าแพ็กเกจรายจ่ายลงทุนราว 650 พันล้านดอลลาร์สหรัฐจะเท่ากับเพิ่มขึ้น 60% จาก 410 พันล้านดอลลาร์สหรัฐในปี 2025 และเพิ่มขึ้น 165% จาก 245 พันล้านดอลลาร์สหรัฐในปีก่อนหน้า . ดังนั้น นี่ไม่ใช่วัฏจักรขยายศูนย์ข้อมูลแบบเดิม ๆ แต่เป็นการแข่งขันเชิงยุทธศาสตร์เพื่อครองกำลังประมวลผล

ทำไมยักษ์คลาวด์ยังพออธิบายการใช้เงินระดับนี้ได้

เหตุผลที่แข็งแรงที่สุดของฝั่ง Big Tech คือเรื่องยุทธศาสตร์ ไม่ใช่แค่การเปิดตัวสินค้าใหม่ บริษัทเหล่านี้กำลังพยายามล็อกกำลังประมวลผลสำหรับแพลตฟอร์มคอมพิวติ้งรุ่นถัดไป Futurum ระบุ Microsoft, Alphabet, Amazon, Meta และ Oracle ว่าเป็นผู้ให้บริการคลาวด์และโครงสร้างพื้นฐาน AI รายใหญ่ที่สุด 5 รายของสหรัฐฯ ในการวิเคราะห์รายจ่ายลงทุนปี 2026 .

ความเป็นไฮเปอร์สเกลเลอร์ หรือผู้ให้บริการคลาวด์ขนาดมหึมาที่มีเครือข่ายศูนย์ข้อมูลทั่วโลก ทำให้บริษัทเหล่านี้มีหลายทางในการหารายได้จากโครงสร้างพื้นฐานเดียวกัน ทั้งลูกค้าคลาวด์ทั่วไป บริการ AI สำหรับองค์กร การฝึกโมเดล งานประมวลผลตอนใช้งานจริงหรือ inference และผลิตภัณฑ์ AI ของตัวเอง หากความต้องการยังโตต่อ การถือครองกำลังประมวลผลที่หายากอาจช่วยปกป้องส่วนแบ่งตลาดได้

อีกด้านหนึ่งคือเหตุผลเชิงป้องกัน SiliconRepublic รายงานว่า Meta, Google, Amazon และ Microsoft มองการแข่งขันด้านพลังประมวลผล AI ว่าอาจเป็นตลาดแบบ “ผู้ชนะกินรวบ” หรือ “ผู้ชนะได้ส่วนใหญ่” . ภายใต้กรอบคิดนี้ การสร้างน้อยเกินไปอาจเสี่ยงพอ ๆ กับการใช้เงินมากเกินไปในระยะสั้น เพราะผู้ให้บริการคลาวด์ที่มีกำลังประมวลผลไม่พออาจเสียเวิร์กโหลดให้คู่แข่ง

อย่างไรก็ตาม นั่นไม่ได้แปลว่าทุกดอลลาร์ที่ลงไปจะให้ผลตอบแทนสวยงาม แปลเพียงว่าผู้เล่นรายใหญ่มีช่องทางรับความเสี่ยงมากกว่าบริษัทที่มีฐานรายได้แคบกว่า

จุดเปราะบางที่สุดคือ ROI ของลูกค้าองค์กร

ความเสี่ยงหลักคือเวลาอาจไม่ตรงกัน: โครงสร้างพื้นฐานถูกสร้างและจ่ายเงินตอนนี้ แต่ลูกค้าองค์กรจำนวนมากยังอยู่ในช่วงค้นหาว่า AI จะทำเงินหรือประหยัดต้นทุนได้จริงอย่างไร

ผลสำรวจ State of AI ปี 2025 ของ McKinsey พบว่าเกือบสองในสามขององค์กรยังไม่ได้เริ่มขยาย AI ทั่วทั้งองค์กร . ในรายงานเดียวกันมีสัญญาณบวกอยู่ด้วย โดย 64% ของผู้ตอบแบบสำรวจบอกว่า AI ช่วยให้เกิดนวัตกรรม แต่มีเพียง 39% ที่รายงานผลกระทบต่อ EBIT หรือกำไรก่อนดอกเบี้ยและภาษีในระดับทั้งองค์กร .

ข้อมูลจากแหล่งอื่นยิ่งสะท้อนความระมัดระวัง Digital Commerce 360 รายงานว่างาน “GenAI Divide” ปี 2025 ของ MIT พบว่า แม้องค์กรต่าง ๆ ใช้เงินกับเครื่องมือและระบบ generative AI โดยประมาณ 30–40 พันล้านดอลลาร์สหรัฐแล้ว แต่ 95% ขององค์กรยังไม่เห็นผลตอบแทนทางการเงินที่วัดได้ . Campus Technology ซึ่งสรุปรายงาน MIT เช่นกัน ระบุว่า มีเพียง 5% ของโครงการนำร่อง AI ที่ผสานเข้ากับการทำงานจริงแล้วที่ดึงมูลค่าได้เป็นหลักล้านดอลลาร์ ขณะที่ส่วนใหญ่ยังติดอยู่โดยไม่มีผลกระทบต่อกำไรขาดทุนที่วัดได้ .

หลักฐานเหล่านี้ไม่ได้พิสูจน์ว่า AI ในองค์กรจะล้มเหลว แต่ชี้ให้เห็นว่าคลื่น capex มีความเสี่ยง: ฝั่งผู้ให้บริการคลาวด์กำลังสร้างโครงสร้างพื้นฐานระดับผลิตจริง ขณะที่ลูกค้าจำนวนมากยังอยู่ในโหมดทดลองหรือโครงการนำร่อง

บททดสอบความยั่งยืน: ใช้จริง แปลงเป็นรายได้ และไม่บีบมาร์จิ้น

คำถามสำคัญไม่ใช่แค่ว่าองค์กรจะใช้ AI ต่อไปหรือไม่ แต่คือเวิร์กโหลด AI จะมีมูลค่ามากพอให้โครงสร้างพื้นฐานราคาแพงถูกใช้งานอย่างคุ้มค่าและมีกำไรหรือเปล่า

สัญญาณที่ควรจับตามี 4 ข้อ:

1. อัตราใช้งานดาต้าเซ็นเตอร์และ GPU สำหรับ AI — โครงสร้างพื้นฐานที่ใช้เงินลงทุนหนักต้องการดีมานด์ต่อเนื่อง หากกำลังประมวลผลว่างหรือใช้งานต่ำ ต้นทุนยังคงเดินอยู่
2. รายได้คลาวด์ที่เกี่ยวข้องกับ AI — การลงทุนจะอธิบายได้ง่ายขึ้น หากสะท้อนเป็นรายได้คลาวด์แบบเกิดซ้ำ ไม่ใช่เพียงกระแสความสนใจเรื่อง AI
3. มาร์จิ้นหลังหักต้นทุนโครงสร้างพื้นฐาน — เงินจำนวนมากลงไปในสินทรัพย์จริงราคาแพง ตั้งแต่ดาต้าเซ็นเตอร์ ชิปเฉพาะทาง ไปจนถึงระบบหล่อเย็นด้วยของเหลว . รายได้จึงต้องโตแรงพอจะครอบคลุมฐานต้นทุนนี้
4. การใช้งานจริงระดับองค์กร ไม่ใช่แค่ pilot — สัญญาณยืนยันที่ชัดกว่าคือบริษัทจำนวนมากขึ้นรายงานผลกระทบต่อ EBIT ระดับองค์กร ไม่ใช่แค่ประโยชน์ด้านนวัตกรรมหรือชัยชนะเฉพาะ use case .

หากตัวชี้วัดเหล่านี้ดีขึ้นพร้อมกัน คลื่นลงทุนนี้จะดูเหมือนการจ่ายล่วงหน้าเพื่อเข้าสู่วัฏจักรคลาวด์รอบใหม่ แต่ถ้าไม่เกิดขึ้น เงินก้อนเดียวกันจะเริ่มถูกมองเป็นกำลังการผลิตส่วนเกิน

นักลงทุนเริ่มแยกผู้ชนะออกจากผู้ใช้เงินแล้ว

ตลาดไม่ได้ให้คะแนนเรื่อง AI capex เท่ากันทุกบริษัท Fortune รายงานว่า หลัง Alphabet, Meta และ Microsoft พูดถึงการใช้เงินด้าน AI ที่สูงขึ้น หุ้น Meta ลดลงมากกว่า 6% ในช่วงซื้อขายหลังปิดตลาดสหรัฐฯ ส่วน Microsoft แทบไม่เปลี่ยนแปลง ขณะที่หุ้น Alphabet บริษัทแม่ของ Google เพิ่มขึ้นเกือบ 7% ในช่วงเดียวกัน . รายงานเดียวกันระบุว่า ประมาณการล่าสุดชี้ว่ารายจ่ายลงทุนที่เกี่ยวข้องกับ AI รวมกันจะเกิน 600 พันล้านดอลลาร์สหรัฐในปี 2026 .

ปฏิกิริยาที่แตกต่างกันนี้สำคัญ เพราะนักลงทุนไม่ได้ถามเพียงว่าใครใช้เงินมากที่สุด แต่กำลังถามว่าใครเชื่อมเงินลงทุนโครงสร้างพื้นฐานเข้ากับรายได้ การรักษามาร์จิ้น และส่วนแบ่งตลาดที่ป้องกันได้จริง

สรุป: ยังไปต่อได้ แต่เงื่อนไขหนักขึ้นเรื่อย ๆ

การลงทุนโครงสร้างพื้นฐาน AI ของ Big Tech ยั่งยืนได้ภายใต้เงื่อนไข แพลตฟอร์มคลาวด์รายใหญ่สามารถอธิบายการเร่งสร้างกำลังประมวลผลในระยะสั้นได้ในฐานะการแข่งขันเชิงยุทธศาสตร์ โดยเฉพาะเมื่อประมาณการ capex ปี 2026 อยู่ตั้งแต่กว่า 650 พันล้านดอลลาร์สหรัฐไปจนถึง 725 พันล้านดอลลาร์สหรัฐ ขึ้นกับชุดบริษัทและวิธีคำนวณ .

แต่เหตุผลระยะยาวต้องพึ่ง ROI ฝั่งลูกค้าองค์กร หากเวิร์กโหลด AI เติมดาต้าเซ็นเตอร์จนมีการใช้งานสูง ดันรายได้คลาวด์ และสร้างผลกระทบทางธุรกิจที่วัดได้ให้ลูกค้า เงินลงทุนวันนี้จะดูเหมือนการวางรากฐานที่จำเป็นของแพลตฟอร์มใหม่ แต่ถ้า AI ในองค์กรยังติดอยู่ที่ pilot อัตราใช้งานต่ำกว่าคาด หรือมาร์จิ้นถูกบีบ การใช้เงินระดับนี้จะปกป้องได้ยากขึ้นมาก