เดิมพัน 1.4 ล้านล้านเหรียญใน AI: เบื้องหลังกรณีขาขึ้นของ Goldman Sachs และความเสี่ยงหนี้ที่ซ่อนอยู่

ทำไม Goldman ถึงคิดว่าตลาดประเมินตัวเลขต่ำเกินไป

หัวใจหลักของข้อโต้แย้งจาก Goldman Sachs คือ ตัวเลขคาดการณ์ของตลาดวอลล์สตรีทในปัจจุบันบอกเป็นนัยถึงการชะลอตัวของการเติบโตของการใช้จ่ายที่อาจจะเกิดขึ้นได้ยาก ตัวเลขที่ตลาดส่วนใหญ่คาดการณ์ไว้สำหรับการใช้จ่ายด้านทุนของบริษัท Hyperscalers ในปี 2027 อยู่ที่ประมาณ 920 พันล้านดอลลาร์สหรัฐ ซึ่งนั่นหมายถึงการชะลอตัวอย่างรุนแรงจากอัตราการเติบโตที่ร้อนแรงในช่วงปี 2025 และ 2026 Goldman ท้าทายสมมติฐานนี้โดยการสร้างแบบจำลองว่า จะเกิดอะไรขึ้นหากการลงทุนด้าน AI ยังคงใช้สัดส่วน 2% ถึง 3% ของ GDP ซึ่งจะผลักดันให้การใช้จ่ายต่อปีพุ่งขึ้นไปที่กรณีพื้นฐาน 1.1 ล้านล้านดอลลาร์สหรัฐ และอาจสูงถึง 1.4 ล้านล้านดอลลาร์สหรัฐในกรณีขาขึ้น

เบื้องหลังแบบจำลองคือการเดิมพันใน AI Agent ซึ่งแตกต่างจากแชทบอททั่วไปที่ตอบคำถามแล้วหยุด AI Agent จะทำงานอย่างต่อเนื่อง ไม่ว่าจะเป็นการทำตามคำสั่งที่ซับซ้อนหลายขั้นตอน การเรียกใช้ API และการให้เหตุผลผ่านกระบวนการคิดที่ต่อเนื่องและยาวนาน Goldman คาดการณ์ว่าพฤติกรรมแบบ “ทำงานตลอดเวลา” นี้ จะผลักดันให้การบริโภค Token เพิ่มขึ้นถึง 24 เท่าภายในปี 2030 การทำงานของ AI Agent แต่ละครั้งกินพลังประมวลผลมากกว่าอย่างมหาศาล และเมื่อองค์กรต่างๆ เริ่มติดตั้ง Agent ในวงกว้าง เส้นอุปสงค์จะไม่เหมือนกับเส้นโค้งเติบโตเชิงเส้นตรงอีกต่อไป ซึ่งเป็นสิ่งที่แบบจำลองของตลาดส่วนใหญ่มักใช้กัน

คอขวดที่แท้จริง: พลังงาน แรงงาน และข้อจำกัดทางกายภาพ

Goldman Sachs พูดอย่างตรงไปตรงมาอย่างน่าทึ่งถึงข้อจำกัดที่แท้จริง ในรายงานเกี่ยวกับการสร้างพลังงานสำหรับยุค AI ทางแบงก์ระบุอย่างชัดเจนว่า: “การขาดแคลนเงินทุนไม่ใช่คอขวดที่เร่งด่วนที่สุด แต่เป็นพลังงานที่ต้องใช้เพื่อหล่อเลี้ยงมัน” หลังจากที่ความต้องการใช้ไฟฟ้าทั่วโลกทรงตัวมานานนับทศวรรษ ปริมาณการใช้ไฟฟ้าของดาต้าเซ็นเตอร์ทั่วโลกถูกคาดการณ์ว่าจะพุ่งขึ้น 160% ภายในปี 2030 เฉพาะสหรัฐอเมริกาเพียงประเทศเดียว ประมาณการว่าจะเผชิญภาวะขาดแคลนไฟฟ้าสำหรับดาต้าเซ็นเตอร์ราว 45 กิกะวัตต์ภายในปี 2028 โดยมีความต้องการกำลังการผลิตใหม่ถึง 72 กิกะวัตต์ภายในปี 2030 ซึ่งเทียบเท่ากับโรงไฟฟ้านิวเคลียร์ขนาดใหญ่ประมาณ 72 แห่ง

โครงข่ายไฟฟ้าในปัจจุบันไม่ได้ถูกออกแบบมาเพื่ออนาคตเช่นนี้ ระยะเวลาในการดำเนินการสร้างสายส่งและขออนุญาตสำหรับโรงไฟฟ้าก๊าซธรรมชาติใหม่นั้นยาวนานถึง 5-7 ปี พลังงานหมุนเวียนอย่างลมและแสงอาทิตย์ก็ให้พลังงานได้เป็นช่วงๆ เท่านั้น ส่วนพลังงานนิวเคลียร์ก็เป็นทางออกในระยะยาว กังหันก๊าซสำหรับการเผาไหม้รุ่นใหม่ ซึ่งเป็นหัวใจหลักของการผลิตไฟฟ้าที่ไว้ใจได้ ก็ถูกจองหมดจนถึงปี 2030 แล้ว

ปัญหาด้านแรงงานอาจเป็นข้อจำกัดที่แก้ยากที่สุด Goldman ประมาณการว่า อาจต้องใช้ช่างไฟฟ้า พนักงานเดินสายไฟ และช่างฝีมือเฉพาะทางเพิ่มขึ้นอีกประมาณ 760,000 คน เพื่อสร้างโครงสร้างพื้นฐานทางกายภาพที่ AI ต้องการ และในจำนวนนี้มีตำแหน่งที่ต้องใช้ทักษะเฉพาะทางถึง 207,000 อัตรา ซึ่งต้องใช้เวลาในการฝึกอบรมนาน 3-4 ปี นี่ไม่ใช่งานที่ซิลิคอนวัลเลย์จะใช้ระบบอัตโนมัติหรือย้ายฐานการผลิตไปต่างประเทศได้ งานเหล่านี้ต้องการคนที่ลงมือปฏิบัติจริง และการขาดแคลนนี้หมายความว่าโครงการต่างๆ จะใช้เวลานานขึ้นตามปริมาณความต้องการไฟฟ้าใหม่ที่เพิ่มขึ้นในแต่ละกิกะวัตต์

ในรายงาน "Tracking Trillions" ของทางแบงก์ ได้แนะนำแนวคิดเรื่อง “ความเสี่ยงจากการยืดเยื้อ”: การต่อคิวเพื่อขอเชื่อมต่อโครงข่ายไฟฟ้า, ความล่าช้าจากการขออนุญาต, และการขาดแคลนอุปกรณ์สำคัญอย่างหม้อแปลงไฟฟ้าและสวิตช์เกียร์ ล้วนสามารถยืดระยะเวลาก่อสร้างให้ยาวนานเกินกว่าแผนเดิมที่วางไว้มาก ในสถานการณ์ที่ย่ำแย่ที่สุด ความล่าช้าเหล่านี้จะย้อนกลับไปสร้างความสงสัยในด้านอุปสงค์ ทำให้เกิดวัฏจักรที่ซ้ำเติมตัวเอง คือโครงการยิ่งใช้เวลานาน เหตุผลที่จะต้องสร้างเพิ่มก็ยิ่งลดน้อยลง ถึงกระนั้น Goldman ก็ยังคงประมาณการในกรณีพื้นฐานว่า จะมีการใช้จ่ายด้านทุนสำหรับ AI สะสมอยู่ที่ราว 7.6 ล้านล้านดอลลาร์สหรัฐ ระหว่างปี 2026 ถึง 2031

เปรียบเทียบตัวเลขคาดการณ์ของ Morgan Stanley

ตัวเลขคาดการณ์ของ Morgan Stanley เองก็ถูกปรับเพิ่มขึ้นอย่างมีนัยสำคัญเช่นกัน เมื่อหนึ่งปีก่อน บริษัทประมาณการว่าการใช้จ่ายด้านทุนรวมของบริษัท Hyperscalers จะอยู่ที่ประมาณ 450 พันล้านดอลลาร์สหรัฐ สำหรับทั้งปี 2026 และ 2027 หลังจากประกาศผลประกอบการไตรมาสแรกในปี 2026 นักวิเคราะห์ที่นำโดยไบรอัน โนวัค ก็ได้ปรับเพิ่มตัวเลขเหล่านั้นเป็นประมาณ 800 พันล้านดอลลาร์สหรัฐในปี 2026 และ 1.2 ล้านล้านดอลลาร์สหรัฐในปี 2027

Morgan Stanley คาดการณ์ว่าการใช้จ่ายด้านทุนของบริษัท Hyperscalers จะอยู่ที่ 1.16 ล้านล้านดอลลาร์สหรัฐในปี 2027 ซึ่งสูงกว่าตัวเลขกรณีพื้นฐานที่ประมาณ 1.1 ล้านล้านดอลลาร์สหรัฐของ Goldman แต่ก็ยังต่ำกว่ากรอบบนที่ 1.4 ล้านล้านดอลลาร์สหรัฐของ Goldman เมื่อมองไปถึงปี 2028 Morgan Stanley คาดว่าจะมีการใช้จ่ายด้านทุนสำหรับดาต้าเซ็นเตอร์ทั่วโลกรวม 2.9 ล้านล้านดอลลาร์สหรัฐ โดยส่วนนี้จะมาจากกระแสเงินสดของบริษัท Hyperscalers เอง 1.4 ล้านล้านดอลลาร์สหรัฐ และช่องว่างทางการเงินอีก 1.5 ล้านล้านดอลลาร์สหรัฐที่ต้องอาศัยเงินกู้ยืม, สัญญาเช่า, และการร่วมทุน

ทั้งสองแบงก์เห็นพ้องต้องกันว่า อัตราส่วนการใช้จ่ายด้านทุนต่อยอดขายได้เข้าสู่ดินแดนที่ไม่เคยมีใครย่างกรายมาก่อน Morgan Stanley คาดการณ์อัตราส่วนนี้ไว้ที่ 34% ถึง 39% ในช่วงปี 2026 ถึง 2028 ซึ่งสูงกว่าจุดสูงสุดที่ประมาณ 32% ในยุคฟองสบู่ดอทคอม เมื่อรวมตัวเลขจากสัญญาเช่าระยะยาวเข้าไปด้วย อัตราส่วนนี้อาจพุ่งสูงถึง 44% ถึง 45%

บัญชีเงา: สัญญาเช่านอกงบดุลและหนี้จาก SPV

ภายใต้ตัวเลขการใช้จ่ายมหาศาลนั้นยังมีชั้นของการออกแบบทางการเงินที่น่ากังวลยิ่งกว่าซ่อนอยู่ Moody’s Ratings ประมาณการว่าบริษัท Hyperscalers รายใหญ่ที่สุด 5 อันดับแรกของสหรัฐฯ ได้แก่ Amazon, Meta, Alphabet, Microsoft, และ Oracle มีภาระผูกพันจากสัญญาเช่าดาต้าเซ็นเตอร์ในอนาคตที่ยังไม่ได้เริ่มสัญญามูลค่ารวมกันถึง 662 พันล้านดอลลาร์สหรัฐ ตามหลักการบัญชีที่ยอมรับโดยทั่วไป (GAAP) ภาระผูกพันเหล่านี้จะไม่ปรากฏเป็นหนี้สินหมุนเวียน เพราะยังไม่มีการให้บริการเกิดขึ้น พวกมันจึงอยู่นอกงบดุล โดยส่วนใหญ่จะปรากฏแค่ในหมายเหตุประกอบงบการเงินเท่านั้น

เมื่อรวมภาระผูกพันตามสัญญาเช่าในอนาคตทั้งหมดโดยไม่คิดลดมูลค่า ตัวเลขจะสูงถึงประมาณ 969 พันล้านดอลลาร์สหรัฐ ซึ่งคิดเป็นประมาณ 113% ของหนี้สินทั้งหมดหลังปรับปรุงของบริษัททั้งห้าแห่งนี้ และเมื่อสัญญาเช่าเหล่านี้เริ่มมีผลบังคับใช้ในอีกไม่กี่ปีข้างหน้า มันก็จะเริ่มส่งผลกระทบต่องบกำไรขาดทุนในฐานะค่าใช้จ่ายในการดำเนินงาน ซึ่งอาจจะไปกดดันกระแสเงินสดอิสระ และจำกัดความสามารถในการซื้อหุ้นคืน (Share Buyback) ที่เหล่านักลงทุนต่างพึ่งพามาเป็นเวลานาน

อีกหนึ่งความกังวลที่สอดคล้องกันคือ การใช้ 'Special Purpose Vehicles' (SPV) เพื่อเป็นแหล่งเงินทุนในการสร้างโครงสร้างพื้นฐาน AI ที่เพิ่มมากขึ้น บริษัทเทคโนโลยียักษ์ใหญ่ได้จัดโครงสร้างหนี้สำหรับดาต้าเซ็นเตอร์มากกว่า 120 พันล้านดอลลาร์สหรัฐ ผ่าน SPV ที่ออกแบบมาให้สภาวะล้มละลายของบริษัทไม่ส่งผลกระทบ โดยหนี้ก้อนนี้จะอยู่นอกงบดุลรวมของบริษัทแม่ โดย Morgan Stanley คาดการณ์ว่ากลไกการจัดหาเงินนอกงบดุลแบบนี้ อาจมีมูลค่าสูงถึง 800 พันล้านดอลลาร์สหรัฐภายในปี 2028 SPV เหล่านี้มักมีเงินทุนสำรองที่ค่อนข้างบางเพียง 8% ถึง 10%, ใช้หลักทรัพย์ค้ำประกันเป็น GPU ซึ่งมีมูลค่าที่เสื่อมลงอย่างรวดเร็ว, และมีอายุสัญญาเช่าสั้นเพียง 4 ปี เทียบกับสัญญาแบบดั้งเดิมที่มักจะยาวกว่า 10 ปีขึ้นไป

สัญญาณเตือนจาก Oracle และส่วนต่างสินเชื่อที่ถ่างกว้างขึ้น

Oracle ได้กลายเป็นกรณีศึกษาว่า ข้อสมมติฐานในการระดมทุนด้าน AI สามารถพังทลายลงได้รวดเร็วเพียงใด ในช่วงปลายปี 2025 บริษัทได้ยกเลิกความร่วมมือกับ Blue Owl Capital ในการจัดหาเงินทุนสำหรับดาต้าเซ็นเตอร์ในมิชิแกน ซึ่งเผยให้เห็นความเปราะบางของรูปแบบการเงินนอกงบดุล โดย Oracle ถือครองหนี้อยู่ 124 พันล้านดอลลาร์สหรัฐ และมีภาระผูกพันตามสัญญาเช่า 248 พันล้านดอลลาร์สหรัฐ และการตอบสนองของตลาดก็รวดเร็วและรุนแรง โดยเครดิตของบริษัทถูกตีราคาใหม่ "ด้วยความรวดเร็วที่โหดร้าย" แม้จะเป็นบริษัทที่อยู่ในระดับ Investment Grade ก็ตาม

ธนาคารเพื่อการชำระหนี้ระหว่างประเทศ (BIS) ตั้งข้อสังเกตว่า ส่วนต่างของตราสาร Credit Default Swap (CDS) สำหรับบริษัท Hyperscalers ที่มีอันดับความน่าเชื่อถือต่ำกว่า ได้ปรับตัวสูงขึ้นแล้ว ซึ่งสะท้อนให้เห็นทั้งปริมาณหนี้ที่ถูกเสนอขายออกมาจำนวนมหาศาล และความไม่แน่นอนที่เพิ่มขึ้นว่าโครงการ AI จะสร้างผลตอบแทนที่เพียงพอหรือไม่ คณะกรรมการกำกับดูแลเสถียรภาพทางการเงินของสหรัฐฯ (FSOC) และธนาคารกลางอังกฤษได้ออกมาส่งสัญญาณเตือนอย่างชัดเจนว่า การสะสมของหนี้นอกงบดุลในโครงสร้างพื้นฐาน AI เป็นจุดเปราะบางเชิงระบบที่อาจเกิดขึ้นได้

ความเสี่ยงจากการกระจุกตัวยิ่งทำให้ปัญหาหนักขึ้น หนี้สินจาก SPV ส่วนใหญ่ผูกติดอยู่กับดาต้าเซ็นเตอร์แบบทรัพย์สินเดี่ยวหรือผู้เช่ารายเดียว หากผู้เช่าล้มละลายหรืออุปสงค์ลดลง โครงสร้างของ SPV จะให้สิทธิในการไล่เบี้ยไปยังงบดุลของบริษัทแม่ได้อย่างจำกัด สร้างศักยภาพให้เกิดความสูญเสียแบบลูกโซ่ PIMCO ยังได้ตั้งข้อสังเกตถึงลักษณะการหมุนเวียนทางการเงินของ AI ที่ผู้ผลิตซัพพลายเออร์อย่างผู้ผลิต GPU มักจะปล่อยสินเชื่อหรือถือหุ้นใน SPV เดียวกับที่พวกตนเป็นผู้ขายวัตถุดิบให้ ซึ่งทำให้พวกเขาเผชิญกับความเสี่ยงในการรีไฟแนนซ์หากตลาดทุนตึงตัวขึ้น

ยุคเฟื่องฟูที่มีสองเรื่องเล่า

การสร้างโครงสร้างพื้นฐาน AI นี้มีขนาดและความเร็วที่ไม่มีใครเทียบได้ในประวัติศาสตร์ บริษัท Hyperscalers ห้ารายใหญ่ที่สุดมีแนวโน้มที่จะใช้จ่ายเงินรวมกันถึง 755 พันล้านดอลลาร์สหรัฐในปี 2026 เพียงปีเดียว ซึ่งเป็นการเพิ่มขึ้น 83% จากปีก่อนหน้า Morgan Stanley ตั้งข้อสังเกตว่า ตัวเลข 800 พันล้านดอลลาร์สหรัฐในปี 2026 เพียงปีเดียวนั้น มีขนาดพอๆ กับที่บริษัททั้งหมดในดัชนี S&P 500 ที่ไม่ใช่กลุ่มเทคโนโลยีใช้จ่ายด้านทุนรวมกันในปีก่อนหน้า

ทว่าโครงสร้างทางการเงินที่ทำให้การลงทุนครั้งนี้เป็นไปได้ ก็กำลังสร้างความเสี่ยงในตัวเอง เรื่องเล่าในมุมขาขึ้นตั้งอยู่บนสมมติฐานที่ว่า ความต้องการ Token จาก AI Agent ที่ยังไม่ได้ถูกนำมาใช้งานในวงกว้าง จะเพิ่มขึ้นถึง 24 เท่า เสียงคัดค้านในมุมขาลง ซึ่ง Goldman Sachs เองก็เป็นคนพูดไว้ คือผลตอบแทนที่เกิดขึ้นจนถึงปัจจุบันยังไม่คุ้มค่ากับเงินลงทุน ระหว่างสองมุมมองสุดโต่งนี้ คือความเป็นจริงทางกายภาพ นั่นคือโครงข่ายไฟฟ้าที่ตามไม่ทัน, แรงงานที่มีทักษะฝีมือซึ่งไม่มีอยู่จริงในจำนวนที่มากพอ, และบัญชีเงามูลค่าเกือบล้านล้านดอลลาร์สหรัฐที่อีกไม่นานก็จะต้องรับรู้เป็นภาระผูกพัน ซึ่งอาจส่งผลกระทบเป็นลูกโซ่ที่กว้างไกลเกินกว่าภาคเทคโนโลยีมาก