ศึกสร้างโครงสร้างพื้นฐาน AI ของ Hyper 5: เงินลงทุน 5.3 ล้านล้านดอลลาร์กำลังทดสอบกระแสเงินสด

การแข่งขันสร้างโครงสร้างพื้นฐานสำหรับ AI ไม่ได้วัดกันเพียงว่าใครสร้างดาต้าเซ็นเตอร์ได้มากกว่า แต่เริ่มเป็นบททดสอบว่าใครจะรับมือกับจังหวะเงินสดได้ดีกว่า S&P Global เรียกกลุ่ม Amazon, Alphabet, Microsoft, Meta และ Oracle ว่า “Hyper 5” ซึ่งเป็นกลุ่มที่ขับเคลื่อนวงจรลงทุนอันมหาศาล แม้แต่ละรายยังมีธุรกิจหลักที่สร้างกำไรสูง การลงทุนที่เร่งตัวก็ทำให้กระแสเงินสดอิสระลดลง และเพิ่มความจำเป็นในการใช้เงินทุนที่นอกเหนือจากเงินสดที่ธุรกิจสร้างได้เอง 12

ลงทุนไปแล้ว 1.1 ล้านล้านดอลลาร์ และอาจมีอีก 5.3 ล้านล้านดอลลาร์

S&P Global Market Intelligence ระบุว่า Hyper 5 ใช้เงินลงทุนฝ่ายทุน หรือ capex รวมกัน 1.1 ล้านล้านดอลลาร์สหรัฐ ในช่วง 5 ปีที่ผ่านมา ขณะที่ประมาณการฉันทามติของ Visible Alpha ที่ S&P Global อ้างถึง คาดว่าจะมี capex เพิ่มอีกราว 5.3 ล้านล้านดอลลาร์ภายในปี 2030 ตัวเลขหลังเป็นการคาดการณ์ ไม่ใช่เงินที่ผูกพันจะใช้จ่ายแล้ว แต่สะท้อนขนาดของการขยายโครงสร้างพื้นฐาน AI และดิจิทัลที่ตลาดคาดไว้ 1

ความเร็วของการลงทุนเร่งขึ้นอย่างชัดเจน โดย capex ของบริษัทเทคโนโลยีรายใหญ่เพิ่มจากราว 80,000 ล้านดอลลาร์ในปี 2019 เป็นประมาณ 700,000 ล้านดอลลาร์ในปี 2026 และมีแนวโน้มแตะ 850,000 ล้านดอลลาร์ในปี 2027 ตามข้อมูลจากงานสัมมนาของ S&P Global 5

เงินก้อนนี้ใช้สร้างชั้นกายภาพที่บริการ AI ต้องพึ่งพา ไม่ว่าจะเป็นดาต้าเซ็นเตอร์ กำลังประมวลผล และโครงสร้างพื้นฐานดิจิทัลที่เกี่ยวข้อง เฉพาะ Alphabet, Amazon และ Microsoft ก็ระบุแผน capex ปี 2026 รวมกันราว 495,000 ล้านดอลลาร์ ระหว่างการประชุมผลประกอบการไตรมาส 4 ปี 2025 โดยส่วนใหญ่เกี่ยวข้องกับโครงสร้างพื้นฐานทางเทคนิคและดาต้าเซ็นเตอร์ AI 6

จุดกดดันสำคัญคือ “กระแสเงินสดอิสระ”

บริษัทมีกำไรได้ ขณะเดียวกันก็มีกระแสเงินสดอิสระที่อ่อนแอหรือติดลบได้ กำไรสะท้อนผลการดำเนินงานตามบัญชีในช่วงเวลาหนึ่ง แต่กระแสเงินสดอิสระจะลดลงทันทีเมื่อบริษัทต้องจ่ายเงินก้อนใหญ่ล่วงหน้าเพื่อซื้อหรือสร้างสินทรัพย์ระยะยาว

นี่คือประเด็นหลักในมุมมองของ S&P Global Ratings ซึ่งคาดว่าไฮเปอร์สเกลเลอร์ 6 รายใหญ่ที่สุดจะมี กระแสเงินสดจากการดำเนินงานอิสระติดลบ ทั้งในปี 2026 และ 2027 โดยกลุ่มดังกล่าวประกอบด้วย Hyper 5 และ SpaceX 2

ความหมายไม่ได้อยู่ที่บริษัทเหล่านี้ขาดความสามารถทำกำไร แต่เป็นเพราะต้นทุนสร้างกำลังรองรับ AI เกิดขึ้นก่อน ขณะที่รายได้ การใช้งานจริง และผลตอบแทนจากกำลังประมวลผลนั้นยังไม่แน่นอนเต็มที่ S&P Global Ratings ระบุว่า capex ที่เพิ่มขึ้นอย่างต่อเนื่อง โครงสร้างการจัดหาเงินทุนที่ซับซ้อนขึ้น และระยะเวลาคืนทุนที่ยาว กำลังค่อย ๆ กดดันคุณภาพเครดิตของกลุ่มไฮเปอร์สเกลเลอร์ 37

จากใช้เงินสดตัวเอง สู่หนี้ สัญญาเช่า และโครงสร้างเงินทุนอื่น

ในระยะแรก บริษัทต่าง ๆ ใช้กระแสเงินสดจากการดำเนินงานเป็นแหล่งทุนหลัก แต่เมื่อความต้องการลงทุนสูงขึ้น S&P Global Ratings ระบุว่า หนี้ สัญญาเช่า การค้ำประกัน และรูปแบบการจัดหาเงินทุนอื่น ๆ มีบทบาทมากขึ้นในการสนับสนุนการเติบโตของโครงสร้างพื้นฐาน AI 2

การเปลี่ยนแปลงนี้สำคัญ เพราะทำให้ภาระทางการเงินถูกย้ายไปอยู่ในรูปแบบและช่วงเวลาที่ต่างออกไป การเช่าหรือโครงสร้างที่มีพันธมิตรช่วยลงทุนอาจกระจายต้นทุนออกไปได้ แต่ไม่ได้ทำให้ภาระทางเศรษฐกิจของโครงสร้างพื้นฐานหายไป สำหรับนักลงทุนและเจ้าหนี้ คำถามคือรายได้และเงินสดจาก AI ในอนาคตจะเพียงพอรองรับทั้งสินทรัพย์ที่สร้างขึ้น และภาระการเงินที่ใช้สร้างสินทรัพย์เหล่านั้นหรือไม่

เข้มข้นกว่าวงจรลงทุนเทคโนโลยีรอบก่อน

S&P Global ระบุว่าความเข้มข้นของการลงทุน AI เมื่อวัดจาก capex เทียบกับค่าเสื่อมราคา สูงกว่าจุดสูงสุดในยุคดอตคอมและช่วงวิกฤตการเงินโลก อีกทั้งเงินลงทุนยังกระจุกตัวอยู่ในบริษัทเพียงไม่กี่รายอย่างมาก 1

อย่างไรก็ดี นี่ไม่ได้แปลว่าวงจรปัจจุบันจะซ้ำรอยฟองสบู่ดอตคอมโดยอัตโนมัติ ผู้นำกลุ่มไฮเปอร์สเกลเลอร์เป็นบริษัทขนาดใหญ่ที่มีธุรกิจเดิมสร้างรายได้และกำไรอยู่แล้ว ทั้งคลาวด์ โฆษณา ซอฟต์แวร์ อีคอมเมิร์ซ และบริการสมาชิก S&P มองว่าการลงทุนรอบนี้ยังไม่ได้มีลักษณะด้านการจัดหาเงินทุนที่เปราะบางแบบเดียวกับยุคดอตคอม 1

แต่การเป็นบริษัทที่เติบโตเต็มที่ไม่ได้ลบความเสี่ยง บริษัทที่มีกำไรอาจเผชิญความตึงตัวทางการเงินได้ หากภาระลงทุนเพิ่มเร็วกว่ากระแสเงินสดจากธุรกิจเป็นเวลานาน ตัวแปรที่ต้องจับตาคืออัตราการใช้งานกำลัง AI ในอนาคต อำนาจในการตั้งราคา การเติบโตของรายได้ และผลตอบแทนจากเงินลงทุนในท้ายที่สุด

Oracle: ตัวอย่างที่ capex กลายเป็นประเด็นด้านเครดิต

Oracle เป็นกรณีเด่นที่สะท้อนเดิมพันในตลาดเครดิต S&P Global Ratings ปรับลดอันดับเครดิตของ Oracle เป็น BBB- จาก BBB ในปี 2026 ตามชื่อเอกสารการปรับอันดับและเอกสารที่เกี่ยวข้องของ S&P 1720

ข้อสรุปไม่ใช่ว่าไฮเปอร์สเกลเลอร์ทุกรายจะมีผลลัพธ์เหมือนกัน เพราะแต่ละบริษัทมีโครงสร้างธุรกิจ ฐานะการเงิน และทางเลือกด้านเงินทุนต่างกัน แต่กรณีนี้ชี้ให้เห็นว่า กลยุทธ์ลงทุนโครงสร้างพื้นฐาน AI อย่างจริงจังสามารถกระทบตัวชี้วัดเครดิตได้ แม้เป็นบริษัทเทคโนโลยีที่มีธุรกิจดำเนินงานขนาดใหญ่และมั่นคง

คำถามชี้ขาด: รายได้จาก AI จะตามเงินลงทุนทันหรือไม่

บทวิเคราะห์ของ S&P Global เป็นการประเมินแบบมีเงื่อนไข ไม่ใช่คำตัดสินว่าการลงทุน AI จะล้มเหลว การใช้จ่ายระดับนี้อาจคุ้มค่า หากบริการ AI สร้างอุปสงค์ รายได้ และอัตรากำไรเพิ่มขึ้นได้มากพอ—and เกิดขึ้นได้เร็วพอ

คำถามสำคัญที่สุดคือ ผลตอบแทนจากโครงสร้างพื้นฐาน AI จะไล่ทันเงินลงทุนที่กำลังลงไปหรือไม่ ก่อนที่หนี้และเงินทุนภายนอกรูปแบบอื่นจะกลายเป็นแหล่งทุนหลักอย่างถาวร หากการหารายได้จาก AI เร่งตัว กำลังการผลิตที่สร้างวันนี้อาจกลายเป็นความได้เปรียบระยะยาว แต่หากผลตอบแทนมาช้า Hyper 5 อาจต้องเผชิญช่วงเวลาที่กระแสเงินสดอิสระติดลบนานขึ้น โครงสร้างเงินทุนซับซ้อนขึ้น และแรงกดดันต่อคุณภาพเครดิตมากขึ้น 12