ทำไม IREN เชื่อว่าอุปทานกำลังประมวลผล AI อาจไล่ตามความต้องการไม่ทัน

Daniel Roberts ผู้ร่วมก่อตั้งและซีอีโอร่วมของ IREN เสนอข้อคิดที่สำคัญต่อกระแสสร้างดาต้าเซ็นเตอร์ AI ว่า อุปทานกำลังประมวลผลอาจไม่มีวันไล่ทันดีมานด์ได้อย่างแท้จริง เหตุผลคือเมื่อมีคอมพิวต์เพิ่มขึ้น นักพัฒนาก็สามารถฝึกโมเดลขนาดใหญ่ขึ้น รองรับการใช้งานแบบอนุมานผล (inference) มากขึ้น และสร้างบริการ AI ใหม่ ๆ ซึ่งทั้งหมดนี้กลับทำให้ความต้องการคอมพิวต์เพิ่มต่อไปอีก ขณะที่การเพิ่มกำลังการผลิตในโลกจริงใช้เวลานานกว่ามาก 13

แนวคิดนี้ช่วยอธิบายว่าทำไม IREN ซึ่งกำลังเปลี่ยนผ่านจากธุรกิจขุดบิตคอยน์สู่โครงสร้างพื้นฐาน AI Cloud จึงวางแผนรายจ่ายลงทุน (CapEx) ในปีงบประมาณ 2027 ไว้สูงถึง 25,000–30,000 ล้านดอลลาร์สหรัฐ แต่สำหรับนักลงทุน ประเด็นสำคัญไม่ใช่เพียงว่าดีมานด์ AI จะแรงแค่ไหน หากยังรวมถึงว่า IREN จะสร้างและหาเงินทุนให้โครงการขนาดใหญ่นี้ได้ตามแผนหรือไม่

ทำไมดีมานด์ดิจิทัลจึงอาจโตเร็วกว่าซัพพลายทางกายภาพ

แกนกลางของมุมมอง Roberts คือ ดีมานด์ AI มีลักษณะเสริมแรงตัวเอง: คอมพิวต์ที่เข้าถึงได้มากขึ้น เปิดทางให้เกิดการใช้งานมากขึ้น และการใช้งานเหล่านั้นก็เรียกร้องคอมพิวต์เพิ่มขึ้นอีก

แต่การสร้างอุปทานไม่ได้เกิดจากการสั่งซื้อชิปเพียงอย่างเดียว ยังต้องมีโรงไฟฟ้าและระบบส่งไฟ การเชื่อมต่อเข้ากับโครงข่ายไฟฟ้า ที่ดิน อาคารดาต้าเซ็นเตอร์ ระบบระบายความร้อน GPU และบุคลากรที่ติดตั้งและเดินระบบได้ IREN จึงเรียกสถานการณ์นี้ว่า ช่องว่างระหว่าง “อุปสงค์ดิจิทัล” กับ “อุปทานทางกายภาพ” ที่กำลังกว้างขึ้น 13

ในมุมของบริษัท นี่คือความต่างจากวัฏจักรสินค้าโภคภัณฑ์ทั่วไป ซึ่งราคาที่สูงมักดึงการลงทุนเข้ามาจนท้ายที่สุดเกิดกำลังผลิตส่วนเกินได้ง่ายกว่า สำหรับ AI การสร้างกำลัง GPU ที่ติดตั้งเสร็จและมีไฟฟ้าพร้อมใช้งานถูกจำกัดด้วยเวลารอด้านก่อสร้างและพลังงาน ไม่ใช่แค่ความพร้อมจะใช้เงินลงทุน 113

Goldman Sachs สนับสนุนประเด็นว่าไฟฟ้าเป็นคอขวดสำคัญ แม้ไม่ได้ยืนยันข้อสรุปของ IREN ว่าอุปทานจะ “ไม่มีวัน” ตามทัน โดยธนาคารปรับประมาณการความต้องการใช้ไฟฟ้าของดาต้าเซ็นเตอร์สหรัฐในปี 2030 ขึ้นเป็นราว 108 กิกะวัตต์ จากเดิม 83 กิกะวัตต์ และเพิ่มคาดการณ์อัตราเติบโตเฉลี่ยต่อปีเป็น 3.5% จนถึงปี 2030 19 อีกแหล่งรายงานที่อ้างถึง Goldman Sachs คาดว่ากำลังการผลิตดาต้าเซ็นเตอร์สหรัฐอาจเพิ่มเกิน 3 เท่าเป็นราว 125 กิกะวัตต์ภายในปี 2030 แต่ตัวเลข “กำลังการผลิต” กับ “ความต้องการใช้ไฟฟ้า” ไม่จำเป็นต้องเป็นมาตรวัดเดียวกัน จึงไม่ควรนำมาเทียบแทนกันโดยตรง 20

IREN จะหาเงินลงทุนสูงสุด 30,000 ล้านดอลลาร์อย่างไร

ใจความสำคัญในคำอธิบายของ IREN คือ ตัวเลข 25,000–30,000 ล้านดอลลาร์เป็น CapEx รวมของโครงการ ไม่ใช่จำนวนเงินที่ต้องเพิ่มทุนด้วยการออกหุ้นสามัญทั้งหมด

Roberts ระบุว่า เงินจ่ายล่วงหน้าจากลูกค้าอาจครอบคลุม CapEx สำหรับ GPU ได้ราวครึ่งหนึ่ง ส่วนที่เหลือส่วนใหญ่สามารถใช้สินเชื่อที่มีหลักประกัน หรือโครงสร้างการเงินที่มี GPU เป็นหลักประกันได้ 14 IREN ระบุว่าในช่วง 8 เดือน บริษัทจัดหาเงินทุนได้ 9,300 ล้านดอลลาร์จากเงินจ่ายล่วงหน้าของลูกค้า หุ้นกู้แปลงสภาพ การเช่า GPU และการจัดหาเงินทุนสำหรับ GPU 32 ขณะเดียวกัน รายงานเกี่ยวกับแผนเงินทุนของบริษัทระบุว่า จากเงินที่ระดมได้ 19,000 ล้านดอลลาร์ มีเพียง 3,000 ล้านดอลลาร์ที่มาจากทุนหุ้น 2

ตัวอย่างที่เป็นรูปธรรมที่สุดคือสัญญากับ Microsoft: IREN ประกาศสัญญา 5 ปี มูลค่าประมาณ 9,700 ล้านดอลลาร์ เพื่อให้บริการโครงสร้างพื้นฐาน GPU Cloud ที่ใช้ระบบ Nvidia GB300 โดยทยอยติดตั้ง 4 ระยะ รวมกำลังโหลดไอทีวิกฤต 200 เมกะวัตต์ สัญญานี้มีเงินจ่ายล่วงหน้าจาก Microsoft 20% 2533 นอกจากนี้ ยังมีรายงานถึงวงเงินจัดหาเงินทุนสำหรับ GPU จำนวน 3,650 ล้านดอลลาร์ เพื่อรองรับสัญญากับ Microsoft ดังกล่าว 27

โครงสร้างเช่นนี้ลดความจำเป็นในการใช้ทุนหุ้นก้อนใหญ่ตั้งแต่ต้น แต่ไม่ได้ทำให้ความเสี่ยงด้านการเงินหายไป โมเดลนี้ต้องอาศัยลูกค้าที่มีเครดิตดี การจ่ายล่วงหน้าตรงเวลา ตลาดสินเชื่อและการเงินอุปกรณ์ที่ยังทำงานได้ มูลค่าหลักประกัน GPU ตารางส่งมอบฮาร์ดแวร์ และการนำไฟฟ้าเข้าดาต้าเซ็นเตอร์ได้ตามกำหนด

ขาดทุน 684 ล้านดอลลาร์: ต้องอ่านร่วมกับค่าใช้จ่ายเปลี่ยนผ่าน

IREN รายงานผลขาดทุนสุทธิรายไตรมาส 684 ล้านดอลลาร์ ระหว่างเปลี่ยนจากธุรกิจขุดบิตคอยน์มาเป็น AI Cloud อย่างไรก็ตาม บริษัทและรายงานภายหลังชี้ว่าตัวเลขส่วนใหญ่เกี่ยวข้องกับค่าใช้จ่ายที่ไม่ใช่เงินสดจากการปลดระวางหรือขายอุปกรณ์ขุด ได้แก่ การด้อยค่าของสินทรัพย์ 450.4 ล้านดอลลาร์ และการลดลงของมูลค่ายุติธรรมอุปกรณ์ขุดที่จัดไว้เพื่อขายอีก 102.1 ล้านดอลลาร์ 67

ค่าใช้จ่ายเหล่านี้ไม่ได้หมายถึงต้นทุนเงินสดโดยตรงของการขยายธุรกิจ AI แต่ยังมีนัยทางเศรษฐกิจ เพราะสะท้อนต้นทุนของการยุติสินทรัพย์เดิม ขณะบริษัทกำลังเริ่มการลงทุนโครงสร้างพื้นฐานที่ใหญ่กว่ามาก

บริษัทชี้ถึงรายได้ประจำต่อปีตามสัญญา (annualized run-rate revenue) ราว 4,000 ล้านดอลลาร์ ที่ผูกกับกำลังการผลิต AI ในปี 2026 ซึ่งส่วนใหญ่ขายไปแล้ว ขณะที่รายได้ AI Cloud ในไตรมาสที่อ้างถึงอยู่ที่ราว 70.5 ล้านดอลลาร์ 68 รายได้ตามสัญญาช่วยเพิ่มความน่าเชื่อถือในการหาเงินทุนโครงการได้ แต่ไม่เท่ากับกระแสเงินสดที่ได้รับแล้ว และไม่ได้ยืนยันว่ากำลังการผลิตในอนาคตจะทำกำไรได้ในระดับเดิม

ราคาสัญญาต่อเมกะวัตต์คือหัวใจของผลตอบแทน

ฝ่ายบริหารระบุว่า ราคาสัญญาระยะ 3 ปีเพิ่มขึ้นประมาณ 125% นับจากเดือนพฤศจิกายน ส่วนสัญญา 5 ปีเพิ่มขึ้นราว 70% สัญญา 3 ปีที่ทำล่าสุดมีราคาสูงกว่า 20 ล้านดอลลาร์ต่อเมกะวัตต์ของโหลดไอที และการเจรจาที่กำลังดำเนินอยู่มีราคาใกล้ 25 ล้านดอลลาร์ต่อเมกะวัตต์ โดยบริษัทประเมินว่าระดับราคาเดิมให้ระยะคืนทุนการลงทุนคอมพิวต์ราว 2 ปี 1217

ตัวเลขดังกล่าวเชื่อมสมมติฐานเรื่องอุปทานตึงตัวเข้ากับผลตอบแทนของโครงการโดยตรง หากกำลัง AI ที่มีไฟฟ้าพร้อม GPU ติดตั้งแล้ว และมีลูกค้าผูกสัญญายังคงขาดแคลน ผู้ให้บริการอาจมีโอกาสลงนามสัญญามูลค่าสูงก่อนที่อุปทานใหม่จะเข้าสู่ตลาดมากขึ้น แต่หากราคาลดลง เศรษฐศาสตร์ของฮาร์ดแวร์แย่ลง หรือโครงการล่าช้า CapEx ที่สูงมากก็อาจกลายเป็นจุดอ่อนสำคัญ

Neocloud แข่งกับ Hyperscaler อย่างไร

IREN, CoreWeave และ Nebius อยู่ในกลุ่มผู้ให้บริการ GPU Cloud เฉพาะทาง หรือที่มักเรียกว่า “neocloud” จุดขายคือโครงสร้างพื้นฐานที่ออกแบบเพื่อ AI โดยตรง การเข้าถึงกำลังประมวลผล และอาจมีราคาแข่งขันได้เมื่อเทียบกับคลาวด์อเนกประสงค์ของผู้ให้บริการขนาดใหญ่มาก หรือ hyperscaler

การเทียบราคาเผยให้เห็นความแตกต่างที่น่าสนใจ แต่ต้องใช้ด้วยความระมัดระวัง รายการเปรียบเทียบหนึ่งประเมินว่า B200 จำนวน 8 โหนด ใช้ 30 วัน มีค่าใช้จ่าย 329,472 ดอลลาร์กับ Nebius เทียบกับ 742,349 ดอลลาร์กับ hyperscaler รายหนึ่ง ทั้งนี้ รูปแบบคิดราคาและแหล่งข้อมูลต่างกัน จึงไม่ใช่การเปรียบเทียบแบบเท่ากันทุกด้านสำหรับทุกเวิร์กโหลด 49 อีกการเปรียบเทียบระบุราคา H100 แบบตามการใช้งานที่ 3.85 ดอลลาร์ต่อ GPU-ชั่วโมงสำหรับ Nebius และ 6.16 ดอลลาร์สำหรับ CoreWeave 53

ราคาหน้ารายการไม่ใช่ปัจจัยตัดสินใจเพียงอย่างเดียว รุ่น GPU ระบบเชื่อมต่อ พื้นที่จัดเก็บข้อมูล ที่ตั้ง ระยะเวลาจองใช้ ความพร้อมใช้งาน การสนับสนุน และข้อตกลงระดับการให้บริการ ล้วนมีผลต่อต้นทุนจริง จุดแข่งขันที่กว้างกว่าจึงอยู่ที่ความเร็วในการเข้าถึงกำลังประมวลผล และความเหมาะสมกับงาน AI ไม่ใช่แค่ราคาต่อชั่วโมงที่ประกาศไว้

สัญญาหลักของ IREN

IREN เปิดเผยข้อตกลงสำคัญ 2 ฉบับซึ่งเป็นฐานของธุรกิจ AI Cloud ได้แก่

• สัญญาเช่ากำลังประมวลผลกับ Nvidia ระยะ 5 ปี มูลค่า 3,400 ล้านดอลลาร์ ซึ่งมีรายงานว่าลงนามในเดือนพฤษภาคม 20
• สัญญา Microsoft ระยะ 5 ปี มูลค่าราว 9,700 ล้านดอลลาร์ สำหรับโครงสร้างพื้นฐาน GPU Cloud ที่ใช้ Nvidia GB300 แบ่งติดตั้ง 4 ระยะ ระยะละ 50 เมกะวัตต์ รวมโหลดไอทีวิกฤต 200 เมกะวัตต์ 2533

บริษัทยังระบุว่า การติดตั้ง Horizon ชุดแรกขนาด 50 เมกะวัตต์ ณ เมือง Childress รัฐเท็กซัส ได้ส่งมอบให้ Microsoft แล้ว 12

บทสรุป: แนวคิดน่าสนใจ แต่การลงมือทำคือบทพิสูจน์

ข้อเสนอของ Roberts มีน้ำหนักในแง่หนึ่ง: งาน AI ขยายตัวได้รวดเร็ว ขณะที่ไฟฟ้าและดาต้าเซ็นเตอร์สร้างเสร็จไม่ได้ในชั่วข้ามคืน การปรับเพิ่มคาดการณ์ความต้องการไฟฟ้าของ Goldman Sachs และมูลค่าสัญญาที่ IREN เปิดเผย อธิบายได้ว่าทำไมนักลงทุนจึงจับตากำลังประมวลผล AI ที่มีไฟฟ้าพร้อมใช้งาน 1925

อย่างไรก็ดี คำกล่าวว่าอุปทานอาจ “ไม่มีวัน” ตามทัน เป็นมุมมองเชิงกลยุทธ์ของผู้บริหาร ไม่ใช่ข้อเท็จจริงที่พิสูจน์แล้ว ผลลัพธ์ของ IREN จะขึ้นอยู่กับความสามารถในการเปลี่ยนดีมานด์ตามสัญญาให้เป็นโครงสร้างพื้นฐานที่สร้างเสร็จ เดินระบบได้ และมีเงินทุนรองรับ โดยไม่สะดุดจากไฟฟ้าล่าช้า ฮาร์ดแวร์ขาดแคลน ความตึงตัวด้านการเงิน หรือราคาคอมพิวต์ AI ที่ถดถอย เงินจ่ายล่วงหน้า การจัดหาเงินทุน และรายได้ตามสัญญาช่วยพยุงแผนนี้ได้ แต่ไม่ได้ลบความเสี่ยงในการดำเนินงานออกไป