วิสัยทัศน์โครงสร้างพื้นฐาน AI มูลค่า 4 ล้านล้านดอลลาร์ของ Jensen Huang: นักลงทุนต้องพิสูจน์อะไร

Nvidia กำลังชวนให้นักลงทุนมอง AI ในฐานะ โครงสร้างพื้นฐานอุตสาหกรรม คล้ายกับระบบไฟฟ้า เครือข่ายสื่อสาร หรือศูนย์ข้อมูล ไม่ใช่แค่รอบขาขึ้นของการขายชิปเพียงอย่างเดียว

แก่นของวิสัยทัศน์ Jensen Huang คือ การใช้จ่ายด้านโครงสร้างพื้นฐาน AI ทั่วโลกอาจแตะ 3–4 ล้านล้านดอลลาร์ต่อปีภายในปี 2030 ตัวเลขนี้เป็นการคาดการณ์ของ Nvidia ไม่ใช่ข้อสรุปร่วมของตลาด และตั้งโจทย์ที่หนักมากสำหรับผู้ที่กำลังทุ่มเงินสร้างกำลังประมวลผล 140

ทำไม Nvidia จึงเรียก AI ว่าโครงสร้างพื้นฐาน

Huang มองว่า generative AI ต้องใช้รูปแบบการประมวลผลแบบใหม่: ศูนย์ข้อมูลที่เปลี่ยนไฟฟ้าและเงินลงทุนให้เป็นกำลังประมวลผล AI หรือที่ Nvidia เรียกว่า “AI factories” ดังนั้น ตลาดที่บริษัทมองจึงไม่ได้มีเฉพาะชิปเร่งความเร็ว แต่รวมถึงระบบเครือข่าย เซิร์ฟเวอร์ ซอฟต์แวร์ และวิธีบริหารศูนย์ข้อมูลทั้งหมด

ขนาดการลงทุนเริ่มใหญ่มากแล้ว ธนาคารเพื่อการชำระหนี้ระหว่างประเทศ (BIS) ระบุว่า ผู้ให้บริการคลาวด์ขนาดใหญ่ที่สุด 5 รายมีแนวโน้มใช้จ่ายลงทุนที่เกี่ยวข้องกับ AI รวมกันมากกว่า 1 ล้านล้านดอลลาร์ในช่วงปี 2025–2026 ขณะที่รายงานของ Congressional Research Service คาดว่าการลงทุน AI ทั่วโลกจะเกิน 1 ล้านล้านดอลลาร์ในปี 2026 4033

อย่างไรก็ดี ตัวเลขเหล่านี้ไม่ใช่มาตรวัดเดียวกันทั้งหมด เพราะ “รายจ่ายลงทุนของบริษัท” “การลงทุนเฉพาะ AI” “ค่าใช้จ่ายศูนย์ข้อมูล” และ “ระบบนิเวศ AI โดยรวม” มีขอบเขตต่างกัน

อุปสงค์แรง แต่คอขวดไม่ได้อยู่ที่ GPU อย่างเดียว

ผลประกอบการล่าสุดของ Nvidia เป็นหลักฐานสำคัญของอุปสงค์ปัจจุบัน ในไตรมาสสิ้นสุดวันที่ 26 กรกฎาคม 2026 ซึ่งเป็นไตรมาส 2 ของปีงบประมาณ 2027 บริษัทมีรายได้ 96.2 พันล้านดอลลาร์ เพิ่มขึ้น 106% จากปีก่อน และคาดรายได้ไตรมาสถัดไปที่ 108 พันล้านดอลลาร์ บวกลบ 2% พร้อมเตือนว่าการขาดแคลนชิ้นส่วนหน่วยความจำจะจำกัดความเร็วในการขยายอุปทาน 17

Huang ยอมรับว่าการสร้างโครงสร้างพื้นฐาน AI ยังอยู่ระยะต้น และถูกจำกัดด้วยกำลังการผลิตในห่วงโซ่อุปทาน ที่ดิน และไฟฟ้า 2 กล่าวอีกแบบหนึ่ง โครงการ AI ขนาดใหญ่ต้องมีมากกว่า GPU ได้แก่ หน่วยความจำ การบรรจุชิปขั้นสูง อุปกรณ์เครือข่าย พื้นที่ศูนย์ข้อมูล งานก่อสร้าง แหล่งจ่ายไฟ และโครงข่ายส่งไฟฟ้า

สำหรับนักลงทุน นี่มีสองด้าน: คอขวดอาจช่วยให้อุปสงค์ต่ออุปกรณ์ของ Nvidia ยังสูงในระยะสั้น แต่ก็อาจทำให้โครงการของลูกค้าล่าช้า เพราะศูนย์ข้อมูลจะเริ่มสร้างรายได้ไม่ได้หากมีเซิร์ฟเวอร์แต่ขาดไฟฟ้าหรือพื้นที่พร้อมใช้งาน

จากการลงทุนคลาวด์สู่โครงการระดับสาธารณูปโภค

ตัวอย่างที่ Huang ยกขึ้นมา คือโครงการ AI ในออสเตรเลียที่วางแผนกำลังการผลิต 2 กิกะวัตต์ สำหรับปี 2027 และมีมูลค่าโครงสร้างพื้นฐานราว 8 หมื่นล้านดอลลาร์ 35

แม้ยังไม่แน่ชัดว่าแต่ละโครงการจะทำได้ตามเป้าหมายหรือไม่ แต่ตัวอย่างนี้ชี้ให้เห็นเหตุผลของ Nvidia: การขยาย AI กำลังกลายเป็นโจทย์ด้านไฟฟ้า ที่ดิน การก่อสร้าง และการจัดหาเงินทุน พอ ๆ กับโจทย์ด้านเซมิคอนดักเตอร์

Nvidia ต้องการให้กำลังประมวลผลเป็นสินทรัพย์ที่ลงทุนได้

กลยุทธ์ของ Nvidia ไม่ได้หยุดที่การขายฮาร์ดแวร์ให้ผู้ให้บริการคลาวด์รายใหญ่ เดือนสิงหาคม 2026 บริษัทประกาศบันทึกความเข้าใจกับ Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs และ KKR เพื่อจัดตั้งแพลตฟอร์มการเงินสำหรับกำลังประมวลผล โดยมุ่งระดมทุนจากบุคคลที่สามมากกว่า 5 แสนล้านดอลลาร์ สำหรับโครงสร้างพื้นฐาน AI 4959

แนวคิดคือทำให้ระบบ AI และโครงสร้างพื้นฐานแบบครบวงจรสามารถระดมทุนได้จากกระแสรายได้ระยะยาวที่ผูกกับการใช้งาน แทนการพึ่งงบดุลของลูกค้าเพียงอย่างเดียว Nvidia เรียกทิศทางนี้ว่า การทำให้ compute และโครงสร้างพื้นฐาน AI แบบ full stack กลายเป็นสินทรัพย์ที่ลงทุนได้ 59

แต่ควรแยกให้ชัดว่า นี่ไม่ใช่กองทุน 5 แสนล้านดอลลาร์ที่ปิดดีลแล้ว เป็นบันทึกความเข้าใจที่ตั้งเป้าระดมทุนในอนาคต ผลตอบแทนจริงจะขึ้นกับรายละเอียดของแต่ละโครงการ สัญญารายได้ อัตราการใช้งาน และคุณภาพเครดิตของลูกค้า ทั้งนี้ Reuters รายงานว่า Nvidia ระบุว่าบริษัทอาจค้ำประกันได้สูงสุด 1.25 แสนล้านดอลลาร์ หรือ 25% ของดีลที่อาจเกิดขึ้น 50

คำถาม निर्णायक: รายได้จาก AI จะตามต้นทุนทันหรือไม่

ประเด็นขาลงไม่ได้อยู่ที่ว่าอุปสงค์ AI ไม่มีจริง เพราะทั้งผลประกอบการ Nvidia และแผนลงทุนของผู้ให้บริการคลาวด์ต่างสะท้อนความต้องการที่มีอยู่จริง คำถามที่ยากกว่าคือ รายได้จากชั้นแอปพลิเคชัน ไม่ว่าจะเป็นซอฟต์แวร์องค์กร AI agent หรือบริการผู้บริโภค จะเติบโตพอรองรับต้นทุน compute ไฟฟ้า ศูนย์ข้อมูล ค่าเสื่อมราคาอุปกรณ์ และต้นทุนทางการเงินหรือไม่

ตัวชี้วัดที่นักลงทุนควรติดตามจึงไม่ใช่ยอดส่งมอบ GPU อย่างเดียว แต่รวมถึง:

• อัตราการใช้งาน: ระบบ AI ราคาแพงถูกใช้งานหนาแน่นเพียงพอหรือไม่
• คุณภาพของรายได้: บริการ AI สร้างรายได้ประจำ หรือเป็นเพียงการทดลองระยะสั้น
• เศรษฐศาสตร์ต่อหน่วย: ราคาและอัตรากำไรขั้นต้นครอบคลุมต้นทุนเทรนโมเดลและประมวลผลคำตอบจริงหรือไม่
• ความแข็งแรงของสัญญา: ลูกค้าที่จองกำลังประมวลผลมีความสามารถชำระเงิน หากอุปสงค์ชะลอลงหรือไม่
• ผลตอบแทนจากเงินลงทุน: ผู้ซื้อโครงสร้างพื้นฐาน AI ทำผลตอบแทนสูงกว่าต้นทุนเงินทุนหลังหักค่าเสื่อมราคาและค่าไฟได้หรือไม่

บทสรุปสำหรับนักลงทุน

กรณีเชิงบวกของ Huang ตั้งอยู่บน 3 ข้อ: ความต้องการกำลังประมวลผล AI กำลังเร่งตัว, อุปทานทางกายภาพต้องใช้เวลาขยาย และเงินทุนเอกชนสามารถช่วยจ่ายค่าการสร้างระบบเหล่านี้ได้ รายได้และประมาณการของ Nvidia สนับสนุนข้อแรกในระยะใกล้ ส่วนข้อมูล BIS ยืนยันว่ารอบการลงทุนนี้เกิดขึ้นจริงและมีขนาดใหญ่มากแล้ว 1740

แต่ข้อที่ยังต้องพิสูจน์คือ บริษัทที่ซื้อ compute ไปใช้สามารถเปลี่ยนกำลังประมวลผลให้เป็นบริการที่ทำกำไรอย่างยั่งยืนได้หรือไม่ หากทำได้ AI compute อาจมีคุณสมบัติคล้ายโครงสร้างพื้นฐานที่สร้างผลผลิตได้จริง แต่หากทำไม่ได้ โลกอาจเหลือกำลังการผลิตที่ต้นทุนเพิ่มเร็วกว่ารายได้

ดังนั้น บททดสอบของวิสัยทัศน์ 4 ล้านล้านดอลลาร์ ไม่ใช่ยอดขายชิป Nvidia เพียงลำพัง แต่คือรายได้บริการ AI ที่ยั่งยืน และผลตอบแทนที่เกิดขึ้นจริงจากโครงสร้างพื้นฐานซึ่งกำลังถูกสร้างขึ้นในวันนี้