Big Tech แบกหนี้ล่องหน 1.65 ล้านล้านดอลลาร์จากการลงทุน AI ความเสี่ยงแฝงที่นักลงทุนต้องจับตา

บริษัทใดบ้างที่เกี่ยวข้อง และหนี้ที่บันทึกไว้มีจำนวนเท่าใด?

การวิเคราะห์ครอบคลุมบริษัท Alphabet (Google), Amazon, Meta, Microsoft, และ Oracle หนี้ตามงบดุลรวมของทั้งห้าบริษัทเพิ่มขึ้นประมาณเท่าตัวในช่วงห้าปีที่ผ่านมา อยู่ที่ประมาณ 350 พันล้านดอลลาร์สหรัฐ ในขณะที่หนี้ล่องหนมูลค่า 1.65 ล้านล้านดอลลาร์ ได้แซงหน้าตัวเลขดังกล่าวไปแล้ว หนี้นอกงบดุลนี้เติบโตขึ้น แปดเท่า ภายในระยะเวลาประมาณสี่ปี

กฎเกณฑ์ทางบัญชีใดที่เอื้อให้เกิดสิ่งนี้?

การปฏิบัติทางบัญชีนี้เป็นสิ่งที่允许ภายใต้มาตรฐานการบัญชีทั่วไป (GAAP/IFRS) สำหรับ สัญญาเช่าดำเนินงาน (operating leases) และ องค์กรเพื่อวัตถุประสงค์พิเศษ (SPEs หรือ SPVs) หรือกิจการค้าร่วม (joint ventures) โครงสร้างทั่วไปได้แก่:

• การจัดตั้งยานพาหนะเฉพาะ (JV หรือ SPE) เพื่อซื้อหรือพัฒนาสินทรัพย์ดาต้าเซ็นเตอร์ โดยให้หนี้คงอยู่นอกงบดุลของบริษัทแม่ (hyperscaler)
• การใช้ สัญญาแบบ "จ่ายหรือไม่ก็ต้องจ่าย" (take-or-pay contracts) และข้อผูกพันสัญญาเช่าระยะยาว ซึ่งจะเปิดเผยเฉพาะในหมายเหตุประกอบงบการเงินเท่านั้น ไม่ใช่การรับรู้เป็นหนี้สินในงบดุล
• ธนาคารเพื่อการชำระหนี้ระหว่างประเทศ (BIS) เรียกแนวปฏิบัตินี้ว่า "การกู้ยืมในเงามืด" (shadow borrowing)

ตัวเลขเฉพาะสำหรับ Meta และ Oracle

Meta ระดมทุนได้ประมาณ 6 หมื่นล้านดอลลาร์สหรัฐ สำหรับการก่อสร้างดาต้าเซ็นเตอร์ และประมาณ ครึ่งหนึ่ง หรือ 3 หมื่นล้านดอลลาร์สหรัฐ ถูกจัดโครงสร้างให้อยู่นอกงบดุลอย่างสิ้นเชิง Meta มีหนี้ตามงบดุลประมาณ 28.8 พันล้านดอลลาร์สหรัฐ

Oracle เป็นบริษัทที่มีเลเวอเรจมากที่สุดในห้าแห่งนี้: หนี้ตามงบดุลปัจจุบันอยู่ที่ประมาณ 1.05 แสนล้านดอลลาร์สหรัฐ และได้เปิดเผยข้อผูกพันสัญญาเช่านอกงบดุลประมาณ 2 หมื่นล้านดอลลาร์สหรัฐ กระแสเงินสดอิสระ (free cash flow) ของ Oracle กลายเป็นค่าลบ

สอดคล้องกับรายงานของ Moody's

Moody's Ratings ได้ค้นพบแยกต่างหากว่า บริษัท hyperscaler ทั้งห้าแห่งได้เซ็นสัญญาเช่าดาต้าเซ็นเตอร์ที่ยังไม่รับรู้ในงบดุลรวมเป็นมูลค่าประมาณ 662 พันล้านดอลลาร์สหรัฐ ซึ่งคิดเป็น 113% ของหนี้สินรวมที่ปรับปรุงแล้ว (combined adjusted debt) ของพวกเขา ปริมาณของ "หนี้ผี" (phantom debt) นี้อาจสูงกว่านี้อย่างมีนัยสำคัญ ซึ่งสอดคล้องกับตัวเลข 1.65 ล้านล้านดอลลาร์ในวงกว้างของนิกเกอิ ซึ่งไม่เพียงรวมสัญญาเช่าเท่านั้น แต่ยังรวมถึงข้อผูกพันในการซื้อชิปและโครงสร้างพื้นฐานอื่นๆ ด้วย

ความตึงเครียดในตลาดสินเชื่อ

• Goldman Sachs สังเกตว่าตลาดพันธบัตรระดับ Investment Grade อาจไม่สามารถรองรับความต้องการทางการเงินทั้งหมดของ Big Tech ได้ Barclays ยังแยกตั้งข้อสังเกตว่าการเพิ่มขึ้นของหนีที่เกี่ยวข้องกับ AI กำลัง "ทดสอบ" ตลาดตราสารหนี้คุณภาพสูง
• ปัจจุบัน หนี้ที่เกี่ยวข้องกับ AI คิดเป็นสัดส่วนประมาณ 30% ของอุปทานสุทธิใหม่ในตลาด Investment Grade สกุลเงินดอลลาร์สหรัฐ
• นิตยสาร The Economist รายงานว่าทั้งห้าบริษัทจะใช้จ่าย 8 แสนล้านดอลลาร์สหรัฐ ในปี 2026 เพียงปีเดียวสำหรับโครงสร้างพื้นฐาน AI
• บริษัท hyperscaler ที่ใหญ่ที่สุดให้คำมั่นว่าจะใช้จ่ายสูงถึง 725 พันล้านดอลลาร์สหรัฐ ในรายจ่ายฝ่ายทุน (capex) ในปี 2026 และคาดว่าตัวเลขนี้จะทะลุ 1 ล้านล้านดอลลาร์สหรัฐ ภายในปี 2027 McKinsey คาดการณ์ว่าการลงทุนทั่วโลกในดาต้าเซ็นเตอร์อาจสูงถึง 7 ล้านล้านดอลลาร์สหรัฐ ภายในปี 2030

ความเสี่ยงหากอุปสงค์ AI ต่ำกว่าที่คาดการณ์

ผู้สังเกตการณ์และนักวิเคราะห์ในอุตสาหกรรมได้ชี้ถึงความเสี่ยงหลายประการ:

• การตัดจำหน่ายและสินทรัพย์รกร้าง (stranded assets): หากอุปสงค์ AI ไม่เป็นไปตามที่คาด การก่อสร้างดาต้าเซ็นเตอร์ครั้งใหญ่อาจทำให้บริษัทมีสินทรัพย์ที่ใช้งานไม่เต็มประสิทธิภาพหรือล้าสมัย
• ภาระกระแสเงินสด: โครงสร้างนอกงบดุลผูกมัดบริษัทให้ต้องชำระค่าเช่าและค่าซื้อในระยะยาวโดยไม่คำนึงถึงอุปสงค์ ซึ่งอาจบีบให้ต้องลดการซื้อหุ้นคืน (share buybacks) และเงินปันผล
• เลเวอเรจที่ซ่อนอยู่: ภาระผูกพันนอกงบดุลมูลค่า 1.65 ล้านล้านดอลลาร์ส่วนใหญ่มีผลผูกพันทางกฎหมาย แต่ไม่ได้สะท้อนในอัตราส่วนเลเวอเรจมาตรฐาน ทำให้นักลงทุนประเมินความเสี่ยงได้ยาก
• การหยุดชะงักของตลาดสินเชื่อ: การผิดนัดชำระหนี้หรือการปรับโครงสร้างหนี้โดยผู้เล่นรายใหญ่อาจส่งผลกระทบต่อตลาดสินเชื่อเอกชนและตลาดประกันภัยที่ให้ทุนสนับสนุนการกู้ยืมในเงามืดนี้

ข้อโต้แย้งเชิงบวกของบริษัท Big Tech

บริษัท Hyperscaler โต้แย้งว่าการสร้างโครงสร้างพื้นฐาน AI เป็นการลงทุนระยะยาวที่จำเป็น ข้อโต้แย้งหลักของพวกเขาประกอบด้วย:

• ปริมาณงาน (Backlog) โครงการมหาศาล: บริษัทต่างๆ ชี้ว่าอุปสงค์บริการคลาวด์และ AI เติบโตอย่างรวดเร็ว โดยมีสัญญาระยะยาวกับลูกค้าองค์กรที่สร้างความมั่นใจในรายได้
• ท่าทีของ AWS: Amazon Web Services ยืนยันว่าการวางแผนกำลังการผลิตนั้นขับเคลื่อนโดยอุปสงค์ของลูกค้าที่มีอยู่และที่คาดการณ์ไว้ และสามารถชะลอรายจ่ายฝ่ายทุนได้หากจำเป็น
• งบดุลที่แข็งแกร่ง (Fortress balance sheets): แม้จะมีหนี้เพิ่มขึ้น แต่บริษัทอย่าง Microsoft, Alphabet และ Amazon ยังคงรักษาอันดับความน่าเชื่อถือระดับ Investment Grade และมีสถานะเงินสดที่แข็งแกร่งซึ่งสามารถรองรับความเสี่ยงได้
• การเติบโตของรายได้: บริษัทต่างๆ เน้นย้ำว่ารายได้ที่เกี่ยวข้องกับ AI เติบโตเร็วกว่าการใช้จ่ายด้านโครงสร้างพื้นฐาน และข้อจำกัดด้านกำลังการผลิต — ไม่ใช่อุปสงค์ — คือคอขวดในปัจจุบัน