Jensen Huang มอง AI เป็นโครงสร้างพื้นฐานระดับล้านล้านดอลลาร์ แต่เงื่อนไขสำคัญคือรายได้ต้องตามมา

Jensen Huang ประธานเจ้าหน้าที่บริหารของ Nvidia เสนอภาพว่า AI กำลังเปลี่ยนจากวัฏจักรการซื้อชิป ไปสู่การสร้างโครงสร้างพื้นฐานระดับโลก เขามอง “โรงงาน AI” ว่าเป็นสินทรัพย์ที่ผลิตกำลังประมวลผลเพื่อขายเป็นบริการได้อย่างต่อเนื่อง คล้ายโครงสร้างพื้นฐานประเภทอื่นที่สร้างบริการในระยะยาว

แต่ข้อเสนอเชิงบวกนี้มีเงื่อนไขทางการเงินที่เข้มงวดมาก: โครงการต้องมีผู้ใช้ที่มีฐานะการเงินน่าเชื่อถือทำสัญญารับซื้อหรือใช้กำลังประมวลผลไว้ และท้ายที่สุด แอปพลิเคชัน AI ต้องสร้างรายได้อย่างยั่งยืนมารองรับต้นทุนของระบบเหล่านั้น

เป้า 3–4 ล้านล้านดอลลาร์ภายในปี 2030

ในการประชุม Goldman Sachs Communacopia + Technology Conference, Huang ย้ำคาดการณ์ว่าการใช้จ่ายเพื่อโครงสร้างพื้นฐาน AI อาจแตะ 3–4 ล้านล้านดอลลาร์สหรัฐภายในปี 2030 เขาเชื่อมโยงตัวเลขนี้กับการประมวลผลเชิงกำเนิด (generative computing) และการชะลอตัวของกฎของมัวร์ (Moore’s Law) ซึ่งหมายถึงการเพิ่มประสิทธิภาพของ CPU แบบเดิมอาจไม่พอต่อความต้องการ จึงต้องย้ายงานไปสู่ระบบประมวลผลแบบเร่งความเร็วมากขึ้น 224

Huang วางกรอบว่า AI เป็นโครงสร้างพื้นฐานที่มีความสำคัญเชิงยุทธศาสตร์ระดับเดียวกับระบบไฟฟ้า การขนส่ง และอินเทอร์เน็ต ไม่ใช่เพียงตลาดขาย GPU แบบแยกชิ้น เหตุผลคือระบบ AI ต้องสร้างและให้บริการคำตอบที่ใช้การประมวลผลสูงอย่างต่อเนื่อง จึงต้องลงทุนทั้งดาต้าเซ็นเตอร์ เครือข่ายไฟฟ้า ระบบเครือข่าย ซอฟต์แวร์ และชิป 317

อย่างไรก็ดี นี่คือ “คาดการณ์” ไม่ใช่ผลลัพธ์ที่เกิดขึ้นแล้ว งานวิจัยของ Goldman Sachs เองชี้ว่า การลงทุนระดับหลายล้านล้านดอลลาร์จะสมเหตุสมผลก็ต่อเมื่อ AI ส่งมอบคุณค่าทางเศรษฐกิจและสังคมได้จริง 21

ทำไม Nvidia มองว่าคอขวดอยู่ที่อุปทาน

สารหลักระยะใกล้ของ Huang คือ ข้อจำกัดในเวลานี้คือฝั่งอุปทาน ไม่ใช่ความสนใจจากลูกค้า รายงานจากการประชุมระบุว่า เขาคาดว่าราว 70% ของการเติบโตรายได้ของ Nvidia ในปีงบประมาณ 2027 จะถูกจำกัดด้วยกำลังการผลิตและการส่งมอบ 6

ตัวเลขรายจ่ายลงทุนของผู้ให้บริการคลาวด์ขนาดใหญ่ หรือ hyperscalers ก็มีขนาดมหาศาล Nvidia ระบุว่า hyperscalers รายใหญ่ 5 รายคาดว่าจะใช้จ่ายลงทุนเกือบ 8 แสนล้านดอลลาร์ในปี 2026 และ 1.3 ล้านล้านดอลลาร์ในปี 2027 ขณะที่ยอดคำสั่งซื้อคงค้างของอุตสาหกรรมคลาวด์เกิน 2 ล้านล้านดอลลาร์ 20

แต่การสร้างศูนย์ AI ระดับแนวหน้าไม่ได้จบที่การสั่งซื้อชิปเร่งความเร็ว ลูกค้าต้องหาและพัฒนาที่ดิน จัดหาไฟฟ้า ก่อสร้างอาคารดาต้าเซ็นเตอร์ วางระบบเครือข่าย บูรณาการระบบ และหาแหล่งเงินทุน Huang ชี้ว่าข้อจำกัดเหล่านี้เองทำให้ Nvidia เข้าไปมีบทบาทในส่วนที่กว้างขึ้นของห่วงโซ่การลงทุนดาต้าเซ็นเตอร์ 17

จากผู้ขาย GPU สู่แพลตฟอร์ม “โรงงาน AI”

Huang อธิบายการเติบโตของ Nvidia ว่ามาจากบทบาทที่กว้างกว่าการขาย GPU บริษัทวางตำแหน่งตัวเองเป็นแพลตฟอร์มที่รวมการประมวลผลแบบเร่งความเร็ว เครือข่าย ระบบสำเร็จรูป และซอฟต์แวร์ CUDA กล่าวคือ Nvidia ต้องการเข้าไปตอบโจทย์ส่วนที่มากขึ้นของตลาด AI โมเดล และงบลงทุนดาต้าเซ็นเตอร์ 17

ตรรกะเชิงพาณิชย์อยู่ที่การทำให้ “โรงงาน AI” มีอัตราใช้งานสูงและผลิตบริการประมวลผลออกมาขายได้ หากเป็นเช่นนั้น ฮาร์ดแวร์จะไม่ใช่เพียงการซื้อเทคโนโลยีครั้งเดียว แต่เป็นฐานสินทรัพย์ที่สร้างผลผลิตและรายได้ นี่คือแนวคิดเดียวกับการมองกำลังประมวลผล AI เป็นหลักประกันหรือสินทรัพย์ที่ใช้รองรับการจัดหาเงินทุนได้ 210

แผนระดมทุนกว่า 5 แสนล้านดอลลาร์: คืออะไร และไม่ใช่อะไร

เมื่อวันที่ 10 สิงหาคม 2026 Nvidia ประกาศบันทึกความเข้าใจร่วมกับ Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs และ KKR เพื่อจัดตั้งแพลตฟอร์มการเงินสำหรับกำลังประมวลผลแบบอิสระ บริษัทระบุว่าแพลตฟอร์มเหล่านี้ออกแบบมาเพื่อระดม เงินทุนจากบุคคลที่สามมากกว่า 5 แสนล้านดอลลาร์ สำหรับโครงสร้างพื้นฐาน AI เมื่อเวลาผ่านไป 15

ความแตกต่างนี้สำคัญมาก: ตัวเลขดังกล่าว ไม่ใช่ รายได้ของ Nvidia ไม่ใช่กองทุนเดียว และไม่ใช่เงินลงทุน 5 แสนล้านดอลลาร์ที่ได้รับข้อผูกพันครบถ้วนแล้ว แต่เป็นเป้าหมายของเงินทุนที่แพลตฟอร์มอาจระดมได้เมื่อมีโครงการที่ผ่านเกณฑ์และได้รับการจัดหาเงินทุน 1516

กลุ่มเป้าหมายรวมถึง hyperscalers ห้องปฏิบัติการ AI แนวหน้า องค์กร และผู้ให้บริการ AI cloud ในทางปฏิบัติ โครงสร้างนี้อาจเปิดทางให้สินเชื่อภาคเอกชน การเงินที่มีสินทรัพย์ค้ำประกัน สัญญาเช่า บริษัทร่วมทุน และตลาดตราสารหนี้ เข้ามาหนุนอุตสาหกรรมที่เดิมพึ่งพางบดุลของบริษัทเป็นหลัก 1033

ทำไมสัญญาใช้กำลังประมวลผลจึงเป็นหัวใจ

คำตอบสำคัญที่สุดของ Huang ต่อข้อสงสัยเรื่องการเงินคือ offtake หรืออุปสงค์ตามสัญญาสำหรับกำลังการผลิตที่กำลังสร้างขึ้น เขากล่าวในการประชุม Goldman Sachs ว่าการจัดหาเงินทุนจะเกิดขึ้นไม่ได้หากไม่มี offtake และระบุว่ามีสัญญาที่เตรียมไว้แล้วรวมมูลค่าราว 1 แสนล้านดอลลาร์สำหรับโครงการที่ Nvidia ช่วยผลักดัน 17

ตัวเลขนี้ไม่ได้ทำให้ทุกโครงการปลอดความเสี่ยง แต่สะท้อนหลักคิดของผู้ให้กู้และนักลงทุน: ดาต้าเซ็นเตอร์จะประเมินความเสี่ยงได้ง่ายขึ้น หากมีลูกค้าที่มีความสามารถในการชำระเงินทำสัญญาใช้กำลังการผลิตระยะยาว คุณภาพ ระยะเวลา และการกระจุกตัวของลูกค้าในสัญญาเหล่านั้น จะเป็นตัวกำหนดว่ารายได้จากการประมวลผลที่คาดไว้เพียงพอจะชำระภาระทางการเงินหรือไม่

คำตอบต่อข้อกังวลเรื่อง “การเงินแบบวนวง”

นักวิจารณ์ตั้งคำถามว่า การลงทุนหรือการช่วยจัดหาเงินทุนของ Nvidia อาจทำให้เส้นแบ่งระหว่างอุปสงค์ที่เกิดขึ้นเองกับอุปสงค์ที่ผู้ขายช่วยสร้างขึ้นพร่าเลือนหรือไม่ Huang ปฏิเสธการเรียกสิ่งนี้ว่าเป็น “circular financing” โดยยกเหตุผลเชิงปฏิบัติว่า หากลงทุน 1 ดอลลาร์แล้วได้ผลตอบแทน 100 ดอลลาร์จากธุรกิจลูกค้าจริง ก็สมเหตุผลที่จะลงทุนต่อ 26

ข้อโต้แย้งของเขาตั้งอยู่บนฐานว่ามีโครงการของลูกค้าและสัญญารองรับอยู่ ไม่ได้หมายความว่าโครงสร้างเงินทุนไม่สำคัญ คำถามที่ยังต้องพิสูจน์คือ ภาระผูกพันของลูกค้าปลายน้ำเหล่านั้นมีความเป็นอิสระ ยั่งยืน และทำกำไรได้มากพอหรือไม่ เมื่ออุตสาหกรรมขยายตัวขึ้น

ความเสี่ยงหลัก: แอป AI ต้องสร้างรายได้มาจ่ายค่าระบบ

ความเสี่ยงด้านการลงทุนที่แท้จริงไม่ใช่ว่า Nvidia มีผู้ซื้อกำลังประมวลผลที่ยังขาดแคลนอยู่ในปัจจุบันหรือไม่ แต่คือเศรษฐกิจ AI ในภาพรวมจะสร้างรายได้และอัตรากำไรประจำได้มากพอหรือไม่ เพื่อชำระค่าเสื่อมราคา ค่าไฟฟ้า ค่าเช่า ดอกเบี้ย และผลตอบแทนที่นักลงทุนคาดหวัง จากฐานสินทรัพย์ที่ใหญ่ขึ้นมาก

หากอัตราการใช้ระบบ ราคาค่าประมวลผล หรือความต้องการจากผู้ใช้ปลายทางอ่อนลง มูลค่าของสัญญา offtake และความคุ้มค่าของสินทรัพย์ที่อยู่เบื้องหลังก็อาจถูกกดดันพร้อมกัน ด้วยเหตุนี้ โอกาส 3–4 ล้านล้านดอลลาร์จึงควรถูกอ่านเป็น “วิทยานิพนธ์แบบมีเงื่อนไข”: โครงสร้างพื้นฐานต้องทำให้เกิดแอปพลิเคชันที่มีคุณค่ามากพอจะรองรับต้นทุนของมัน Goldman Sachs ก็ผูกขนาดการลงทุนดังกล่าวไว้กับความสามารถของ AI ในการสร้างคุณค่าทางเศรษฐกิจตามที่คาดหวัง 21

นักลงทุนและตลาดเครดิตควรจับตาอะไร

การสร้างโครงสร้างพื้นฐาน AI กำลังขยายความเสี่ยงออกไปไกลกว่าหุ้นเทคโนโลยี สู่สินเชื่อภาคเอกชน การเงินที่มีสินทรัพย์ค้ำประกัน สัญญาเช่า ความร่วมมือด้านโครงสร้างพื้นฐาน และตราสารหนี้ CNBC รายงานว่าโครงสร้างหนี้และเลเวอเรจที่ซับซ้อนขึ้นกำลังถูกจับตา ขณะที่ hyperscalers และผู้สนับสนุนหาเงินเพิ่มเพื่อขยายดาต้าเซ็นเตอร์ 33

คำถามที่ควรถามให้ชัดเจน ได้แก่

• ความต้องการได้รับการรองรับด้วยสัญญาระยะยาวที่ลงนามแล้ว หรือเป็นเพียงแผนจองกำลังการผลิตเบื้องต้น?
• ใครเป็นผู้รับผิดชอบการชำระเงินจริง และลูกค้ากระจุกตัวอยู่เพียงไม่กี่รายหรือไม่?
• สมมติฐานเรื่องอัตราการใช้งาน ราคา และมูลค่าการนำอุปกรณ์ไปใช้ใหม่คืออะไร?
• มีหนี้ ภาระค้ำประกัน หรือการสนับสนุนแบบมีเงื่อนไขซ่อนอยู่นอกธุรกิจดำเนินงานมากน้อยเพียงใด?
• ไฟฟ้า ที่ดิน การก่อสร้าง และเครือข่ายจะส่งมอบได้ตามกำหนดหรือไม่?

วิทยานิพนธ์ของ Huang เป็นบวกอย่างมาก เพราะมอง AI compute เป็นโครงสร้างพื้นฐานเศรษฐกิจที่จำเป็น แต่บททดสอบสุดท้ายเป็นเรื่องการเงินพอ ๆ กับเรื่องเทคนิค: วันนี้โครงการต้องมี offtake ที่น่าเชื่อถือ และวันหน้าต้องมีกระแสเงินสดจากแอปพลิเคชันมารองรับ