คลื่นหนี้ AI มูลค่า 4.89 แสนล้านดอลลาร์: แนวโน้มสำคัญและผลกระทบต่อตลาด

ผู้กู้ไม่ได้จำกัดอยู่แค่บริษัทเทคโนโลยียักษ์ใหญ่อีกต่อไป

การเปลี่ยนแปลงที่สำคัญในปี 2026 คือฐานผู้กู้ที่ขยายวงกว้างขึ้นอย่างมาก Goldman Sachs รายงานว่าประมาณ 40% ของอุปทานหนี้ที่เกี่ยวกับ AI ในปีนี้มาจาก Hyperscaler รายใหญ่ที่สุด ได้แก่ Amazon, Alphabet, Meta, Microsoft และ Oracle ส่วนที่เหลืออีกประมาณ 60% มาจากกลุ่มผู้กู้ที่หลากหลายมากขึ้น ได้แก่ บริษัทโครงสร้างพื้นฐาน AI ผู้ให้บริการศูนย์ข้อมูล REITs และแม้แต่นักขุดคริปโตที่หันมาเล่น AI ซึ่งถือเป็นการเปลี่ยนแปลงครั้งสำคัญจากการกระจุกตัวอยู่ที่บริษัทเทคโนโลยียักษ์ใหญ่เพียงไม่กี่แห่งเมื่อก่อน

Amazon เพียงแห่งเดียวออกพันธบัตรมูลค่า 92,000 ล้านดอลลาร์ในหลากหลายสกุลเงินในปี 2026 ซึ่งมากที่สุดในกลุ่ม Hyperscaler ตามมาด้วย Alphabet, Meta และ Oracle แต่ผู้เล่นหน้าใหม่เหล่านี้มีความสำคัญเพิ่มขึ้นเรื่อยๆ

ดีลหุ้นกู้ขยะของ Galaxy Digital: สัญญาณบอกเหตุแห่งความเสี่ยง

เมื่อวันที่ 22 กรกฎาคม 2026 Galaxy Digital ประกาศว่า Galaxy Helios Data Centers II LLC ซึ่งเป็นบริษัทย่อย มีแผนเสนอขายหุ้นกู้มีประกันอาวุโส (senior secured notes) มูลค่า 3,507 ล้านดอลลาร์ ครบกำหนดไถ่ถอนในปี 2031 ในรูปแบบการเสนอขายแบบเอกชน เงินที่ได้จะนำไปใช้เป็นทุนสำหรับ Helios Data Center Campus ใน Dickens County, รัฐเท็กซัส ซึ่งเป็นการแปลงโฉมพื้นที่เหมืองขุดคริปโตเคอร์เรนซีเดิมให้เป็นศูนย์ข้อมูล AI ที่ให้เช่าแก่ CoreWeave ภายใต้สัญญา 15 ปี Bloomberg ระบุว่าดีลดังกล่าวเป็นการขยายการจัดหาเงินทุนสำหรับ AI ไปสู่มุมที่มีความเสี่ยงสูงขึ้นของตลาดสินเชื่อสหรัฐฯ ผ่านการเสนอขายหุ้นกู้ขยะครั้งแรก หุ้นกู้นี้ถูกเสนอขายแก่นักลงทุนที่อัตราผลตอบแทนประมาณ 9% โดยมี Morgan Stanley และ Goldman Sachs เป็นผู้จัดการการจัดจำหน่าย

ดีลนี้ไม่ใช่กรณีที่เกิดขึ้นเดี่ยวๆ บริษัทย่อยของ Applied Digital ระดมทุนได้ 1,590 ล้านดอลลาร์ในตลาดหุ้นกู้ขยะในเดือนมิถุนายน 2026 เพื่อใช้เป็นทุนสำหรับขยายกำลังการประมวลผลเพิ่มเติมให้กับ CoreWeave ในรัฐนอร์ทดาโคตา โดยหุ้นกู้ถูกออกที่อัตราผลตอบแทน 7% ซึ่งลดลงอย่างเห็นได้ชัดจาก 10% ที่นักลงทุนต้องการเพียงไม่กี่เดือนก่อนหน้านี้ ธุรกรรมเหล่านี้แสดงให้เห็นว่าการจัดหาเงินทุนสำหรับ AI กำลังเคลื่อนตัวเข้าสู่ดินแดนที่มีอัตราผลตอบแทนสูงและความเสี่ยงสูงอย่างเด็ดขาด

หนี้ AI กำลังเบียดตลาดพันธบัตรรัฐบาลสหรัฐฯ หรือไม่? การถกเถียงที่ยังร้อนแรง

หนึ่งในคำถามที่มีการโต้เถียงกันมากที่สุดในหมู่นักยุทธศาสตร์คือ คลื่นมหาศาลของการกู้ยืมเพื่อ AI กำลังลดความต้องการพันธบัตรรัฐบาลสหรัฐฯ และผลักดันให้อัตราผลตอบแทนระยะยาวสูงขึ้นหรือไม่

Torsten Slok หัวหน้านักเศรษฐศาสตร์ของ Apollo ยืนยันว่า ขนาดของการกู้ยืมเพื่อ AI กำลังลดความต้องการพันธบัตรรัฐบาลสหรัฐฯ และสินทรัพย์ตราสารหนี้อื่นๆ อยู่แล้ว การวิเคราะห์ของ Bloomberg รายงานว่าการลงทุนด้าน AI ที่ใช้หนี้เป็นเชื้อเพลิงได้ช่วยผลักดันต้นทุนการกู้ยืมระยะยาวให้อยู่ในระดับที่ไม่เคยเห็นนับตั้งแต่วิกฤตการเงินโลก โดยอัตราผลตอบแทนพันธบัตรรัฐบาลอายุ 30 ปีแตะระดับสูงกว่า 5% ติดต่อกัน 11 เซสชัน ณ วันที่ 22 กรกฎาคม ซึ่งกำลังทดสอบจุดสูงสุดที่ไม่เคยเห็นมาตั้งแต่ปี 2007

อย่างไรก็ตาม ผู้จัดการสินทรัพย์รายใหญ่รายอื่นๆ แย้ง Todd Czachor จาก Columbia Threadneedle กล่าวว่าเขายังไม่พบสัญญาณการเบียดออก (crowding out) ในตลาดหุ้นกู้เอกชน "อย่างน้อยก็ยังไม่เห็น" เขาให้ความเห็น โดยสังเกตว่าความต้องการหุ้นกู้เอกชนยังคงแข็งแกร่ง PIMCO กล่าวในทำนองเดียวกันว่าอัตราผลตอบแทนพันธบัตรรัฐบาลในปัจจุบันนั้นขับเคลื่อนโดยการคาดการณ์นโยบายของ Fed ไม่ใช่การกู้ยืมเพื่อ AI แม้จะยอมรับว่าหนี้ AI อาจส่งผลให้ส่วนชดเชยความเสี่ยงระยะยาว (term premia) เพิ่มขึ้นเมื่อเวลาผ่านไป

สำนักข่าว Reuters รายงานว่าการเพิ่มขึ้นอย่างรวดเร็วของการลงทุนที่เกี่ยวข้องกับ AI มีส่วนทำให้เกิดการร่วงลงในเดือนพฤษภาคม ซึ่งผลักดันให้อัตราผลตอบแทนพันธบัตรรัฐบาลอายุ 30 ปีขึ้นไปสู่จุดสูงสุดนับตั้งแต่ปี 2007 ควบคู่ไปกับความกังวลเกี่ยวกับเงินเฟ้อและการเปลี่ยนแปลงการคาดการณ์นโยบายของ Fed ธนาคารกลางสหรัฐ สาขาดัลลัส (Dallas Fed) ได้ชี้ให้เห็นถึงสามช่องทางที่การจัดหาเงินกู้เพื่อ AI อาจส่งผลกระทบต่ออุปทานระยะเวลา (duration supply) และอัตราดอกเบี้ย ได้แก่ การออกหุ้นกู้ระดับ investment grade ระยะยาวโดยตรง การแปลงสินเชื่ออัตราลอยตัวจากนักลงทุนสินเชื่อภาคเอกชน และการเบียดออกของผู้กู้ในภาคการเงิน

บรรทัดล่างคือ ความตื่นตระหนกกำลังเพิ่มสูงขึ้น อัตราผลตอบแทนอยู่ในระดับสูง และอุปทาน AI มีมหาศาล แต่หลักฐานที่ว่าหนี้ AI เป็น สาเหตุ ที่ทำให้พันธบัตรรัฐบาลถูกเทขายนั้นยังคงเป็นที่ถกเถียงกันอยู่

ภาระผูกพันนอกงบดุล: ข้อกังวลประการถัดไป

ตัวเลขที่แน่นอน 1.65 ล้านล้านดอลลาร์ในภาระผูกพันด้านโครงสร้างพื้นฐาน AI นอกงบดุล สำหรับบริษัทเทคโนโลยียักษ์ใหญ่ห้าแห่งนั้น ไม่สามารถยืนยันได้โดยอิสระจากแหล่งข้อมูลที่มีอยู่ อย่างไรก็ตาม หลายแหล่งยืนยันว่า Hyperscaler มีภาระผูกพันนอกงบดุลจำนวนมากผ่านสัญญาเช่าดำเนินงาน สัญญาซื้อขายไฟฟ้า (PPA) และโครงสร้างการร่วมทุนสำหรับศูนย์ข้อมูล GPU และโครงสร้างพื้นฐานด้านพลังงาน

บทความของ IESE กล่าวถึง "กลุ่มหนี้สินนอกงบดุลที่เติบโตอย่างรวดเร็ว" ในการจัดหาเงินทุนสำหรับ AI ซึ่งธนาคารเพื่อการชำระหนี้ระหว่างประเทศ (BIS) ได้ติดป้ายว่า "การกู้ยืมในระบบเงา" (shadow borrowing) BIS ได้ชี้ให้เห็นว่าสินเชื่อภาคเอกชนแก่บริษัท AI เติบโตจากเกือบศูนย์เป็นกว่า 200,000 ล้านดอลลาร์ และหากคาดการณ์จากการเติบโตของการลงทุน AI ที่คาดการณ์ไว้ สินเชื่อเอกชนคงค้างแก่บริษัท AI อาจสูงถึงประมาณ 300,000 ถึง 600,000 ล้านดอลลาร์ภายในปี 2030

นักวิเคราะห์ส่วนใหญ่เห็นพ้องกันว่าภาระผูกพันที่อาจเกิดขึ้น (contingent liabilities) ด้านโครงสร้างพื้นฐาน AI นั้นมีขนาดใหญ่ ไม่โปร่งใส และไม่ได้รับการตรวจสอบอย่างเพียงพอด้วยเมตริกเครดิตแบบดั้งเดิม แม้ว่าตัวเลข 1.65 ล้านล้านดอลลาร์ที่แน่นอนจะต้องมีการตรวจสอบจากแหล่งข้อมูลเพิ่มเติมก็ตาม

ผลกระทบต่อตลาดที่สำคัญ

• ฐานผู้กู้ขยายตัวอย่างรวดเร็ว: Hyperscaler ยังคงเป็นกลุ่มที่ใหญ่ที่สุดที่ 40% แต่ส่วนที่เหลืออีก 60% มาจากผู้ให้กู้เฉพาะทาง REITs ศูนย์ข้อมูล ผู้แปลงโฉมจากคริปโตสู่ AI และกองทุนสินเชื่อเอกชน
• ความตึงเครียดในตลาดสินเชื่อปรากฏชัด: หนี้ที่เกี่ยวข้องกับ AI คิดเป็นประมาณ 30% ของอุปทานสุทธิใหม่ของหุ้นกู้ระดับ investment grade ในตลาดดอลลาร์สหรัฐฯ การที่อัตราผลตอบแทนพันธบัตรรัฐบาลอายุ 30 ปีทะลุระดับ 5% อย่างต่อเนื่อง ถือเป็นระดับที่สูงที่สุดนับตั้งแต่ปี 2007
• ความเสี่ยงในตลาดหุ้นกู้ขยะ (junk bond) เพิ่มขึ้น: ดีลของ Galaxy Digital และการเสนอขายหุ้นกู้ขยะมูลค่า 1,590 ล้านดอลลาร์ของ Applied Digital แสดงให้เห็นว่าการจัดหาเงินทุนสำหรับ AI กำลังเคลื่อนตัวเข้าสู่ดินแดนที่มีผลตอบแทนสูงและความเสี่ยงสูงอย่างเด็ดขาด
• ภาระผูกพันนอกงบดุลคือข้อกังวลประการถัดไป: แม้ว่าตัวเลขที่แน่นอนจะต้องมีการยืนยัน แต่โดยทั่วไปนักวิเคราะห์เห็นพ้องกันว่าภาระผูกพันที่อาจเกิดขึ้นด้านโครงสร้างพื้นฐาน AI นั้นมีขนาดใหญ่ ไม่โปร่งใส และไม่ได้รับการตรวจสอบด้วยเมตริกเครดิตแบบดั้งเดิม