ข้อถกเถียงเรื่องฟองสบู่ AI ตอนนี้ไม่ได้อยู่ที่ว่าโมเดลเก่งขึ้นแค่ไหน แต่อยู่ที่บรรทัดเดียวในงบการเงินของบริษัทเทคยักษ์ใหญ่ บรรทัดนั้นคือ capex ซึ่งเป็นเงินลงทุนก้อนใหญ่ที่จ่ายไปกับสินทรัพย์ที่จับต้องได้อย่างที่ดิน อาคาร ระบบไฟฟ้า และเซิร์ฟเวอร์

เงินก้อนนี้กำลังไหลเข้าศูนย์คอมพิวเตอร์ขนาดมหึมาอย่าง data center ที่รองรับการประมวลผลของ AI ทั้งหมด คนที่เพิ่งกางตัวเลขล่าสุดออกมาคือ Peter Berezin หัวหน้านักเศรษฐศาสตร์ของบริษัทวิจัยการลงทุน BCA Research เขาประเมินว่ากลุ่ม hyperscaler หรือผู้ให้บริการคลาวด์รายใหญ่ที่สร้าง data center ของตัวเอง จะจ่าย capex รวมกันแตะ 1 ล้านล้านดอลลาร์ต่อปีภายในปี 2027 และถ้าจะให้เงินก้อนนั้นคุ้ม เขาคำนวณว่าอุตสาหกรรม AI อาจต้องทำรายได้ให้ถึงปีละ 10 ล้านล้านดอลลาร์ ส่วนรายได้ AI ที่เกิดขึ้นจริงวันนี้ยังอยู่ในหลักหมื่นล้านดอลลาร์ มองแง่ดีที่สุดก็หลักแสนล้าน

ช่องว่างขนาดนั้นคือเหตุผลที่คนเถียงกันหนัก และเป็นเรื่องใกล้ตัวเราด้วย เพราะบริษัทที่จ่าย capex ก้อนนี้ครองสัดส่วนใหญ่ในดัชนีหุ้นที่กองทุนไทยจำนวนมากถือไว้ อีกทั้งราคาที่เราจ่ายให้เครื่องมือ AI ทุกวันนี้ก็ยังอาศัยเงินลงทุนก้อนเดียวกันช่วยอุดหนุนอยู่

capex 1 ล้านล้าน แล้วรายได้ต้องเท่าไหร่

ตัวเลข 10 ล้านล้านดอลลาร์ต่อปีไม่ใช่ตัวเลขชุดเดียวที่มีการประเมินไว้ อีกชุดมาจาก Callum Williams นักข่าวเศรษฐกิจของนิตยสาร The Economist ที่คิดโจทย์เดียวกันด้วยสมมติฐานที่ระมัดระวังกว่า คือให้ผลตอบแทนจากเงินลงทุนต่ำลงและให้อัตรากำไรสูงขึ้น คำตอบที่ได้คือรายได้ AI ที่จำเป็นอยู่ที่ราว 2.5 ล้านล้านดอลลาร์ต่อปี

จุดที่ชวนสับสนคือตัวเลขสองชุดนี้ไม่ได้ขัดกัน แต่เป็นโจทย์เดียวกันที่ตั้งสมมติฐานคนละแบบ ใครมองว่ากำไรจะบางลงและอุปกรณ์เสื่อมเร็ว ตัวเลขก็พุ่งไปแตะ 10 ล้านล้าน ใครมองว่ากำไรยังหนาและสินทรัพย์ใช้งานได้นาน ตัวเลขก็ลงมาอยู่ที่ 2.5 ล้านล้าน ระยะห่างสี่เท่าระหว่างสองตัวนี้บอกเราอย่างหนึ่งที่สำคัญมาก คือผลลัพธ์ขึ้นอยู่กับสมมติฐานอย่างยิ่ง ใครที่ยืนยันกับคุณว่ารู้แน่ชัดแล้วว่าจะคุ้มหรือไม่คุ้ม คนนั้นกำลังขายความมั่นใจเกินกว่าที่ตัวเลขจะบอกได้

แต่ต่อให้เลือกตัวเลขที่มองในแง่ดีที่สุดคือ 2.5 ล้านล้านดอลลาร์ต่อปี ก็ยังห่างจากรายได้ AI ที่เกิดขึ้นจริงในวันนี้อยู่หลายสิบเท่า และนี่คือหัวใจของเรื่องทั้งหมด คำถามไม่ใช่ว่า AI มีประโยชน์หรือไม่ แต่คือจะแปลงประโยชน์นั้นเป็นเงินสดได้ทันกำหนดชำระหนี้หรือเปล่า

ประกาศ 500,000 ล้าน กับเงินที่เข้าจริง

ตัวอย่างที่เห็นภาพที่สุดคือดีลของ Nvidia ผู้ผลิตชิปประมวลผลกราฟิกหรือ GPU ที่ใช้รันงาน AI แทบทั้งอุตสาหกรรม เมื่อมีข่าวว่า Nvidia จะระดมทุนราว 500,000 ล้านดอลลาร์ สื่อจำนวนมากพาดหัวทำนองว่า Nvidia ระดมทุนได้แล้วห้าแสนล้าน

แต่ตัวเลขที่เข้ากระเป๋าจริงกลับเป็นศูนย์ดอลลาร์ ตามที่ Ed Zitron นักเขียนสายเทคที่ติดตามวิพากษ์วิจารณ์เศรษฐศาสตร์ของวงการ AI มาอย่างต่อเนื่อง ไล่เรียงให้ดู เพราะสิ่งที่ประกาศออกมาเป็นเพียงบันทึกความเข้าใจ ซึ่งเป็นหนังสือแสดงเจตนาว่าจะคุยกันต่อ ไม่ใช่สัญญาที่มีผลผูกพันให้ต้องโอนเงิน ส่วนสิ่งที่ Nvidia ให้ไว้จริงคือสัญญาค้ำประกันมูลค่าคงเหลืออย่าง residual value guarantee 25% ซึ่งหมายถึงถ้าวันหนึ่งชิปเหล่านั้นขายต่อไม่ได้ราคา Nvidia จะรับภาระความเสียหายไว้ส่วนหนึ่ง นี่จึงเป็นการค้ำประกัน ไม่ใช่เงินสด

จุดนี้เข้าใจผิดได้ง่ายมาก เพราะข่าวใช้คำว่าดีลมูลค่า 500,000 ล้านเหมือนกันหมด ทั้งที่ข้างในเป็นคนละเรื่องกัน ถ้าเรามองการค้ำประกันเป็นเงินสด ทุกอย่างที่คำนวณต่อจากนั้นจะผิดเพี้ยนตามไปด้วยทั้งหมด ตั้งแต่จำนวน data center ที่จะสร้างได้จริง กำลังซื้อชิปรอบถัดไป ไปจนถึงราคาหุ้นที่เราตัดสินใจซื้อตามข่าว

เรื่องนี้มีตัวอย่างจริงให้เห็นแล้ว โครงการ Stargate ที่ประกาศเมื่อต้นปี 2025 คือแผนสร้าง data center ขนาดยักษ์ที่ตั้งวงเงินไว้ 500,000 ล้านดอลลาร์เท่ากันพอดี ซึ่งตามแผนเดิม กลุ่มทุนญี่ปุ่นอย่าง SoftBank กับ OpenAI จะต้องลงขันฝ่ายละ 19,000 ล้านดอลลาร์ แต่สุดท้ายทั้งสองฝ่ายลงเงินจริงไปฝ่ายละ 0 ดอลลาร์ สิ่งที่เกิดขึ้นแทนคือมีบริษัทอื่นสร้าง data center ขึ้นมา แล้วบอกว่านั่นคือ Stargate

เงินหมุนกลับมาที่ Nvidia ยังไง

คำที่คนในวงการใช้เรียกปรากฏการณ์นี้คือการเงินแบบวนกลับ หรือ circular financing เงินจะไหลวนกลับมาตามกลไกที่ไล่ดูได้ทีละขั้นตอน

ขั้นแรก Nvidia เอาเงินไปลงทุนใน CoreWeave บริษัทที่ซื้อ GPU มาปล่อยเช่าเป็นบริการคลาวด์ ขั้นที่สอง CoreWeave เอาเงินก้อนนั้นบวกกับสัญญาปล่อยเช่า GPU มูลค่า 1,400 ล้านดอลลาร์ที่ทำไว้กับลูกค้ารายหนึ่ง ไปใช้เป็นหลักฐานสร้างความน่าเชื่อถือเพื่อกู้เงินเพิ่ม ขั้นที่สาม CoreWeave เอาเงินกู้ก้อนใหม่นั้นมาซื้อ GPU จาก Nvidia อีกที เงินจึงออกจากประตูหน้าแล้ววนกลับเข้าประตูหลังในรูปของยอดขาย

ในยุคฟองสบู่เทคโนโลยีอย่าง dot-com เคยเกิดเหตุการณ์คล้ายกัน ตอนที่ผู้ขายอุปกรณ์เครือข่ายปล่อยสินเชื่อให้ลูกค้ามาซื้อของตัวเอง สิ่งที่ต่างออกไปในรอบนี้คือ Nvidia ไม่ได้ปล่อยกู้ตรงๆ แต่ใช้การลงทุนและสัญญาเช่าเป็นกลไกขับเคลื่อนแทน Zitron เรียกรูปแบบการอุ้มลูกค้าผ่านคนกลางนี้ว่า vendor financing by proxy ซึ่งให้ผลลัพธ์ปลายทางคล้ายกัน คือยอดขายส่วนหนึ่งมาจากเงินของคนขายเอง

ความเสี่ยงนี้ไม่ใช่เรื่องที่คิดกันไปเอง เพราะหลักทรัพย์ที่ค้ำด้วย data center บางส่วนได้รับการยกเว้นจากกฎที่ ก.ล.ต. สหรัฐฯ กำหนดขึ้นหลังวิกฤตการเงินปี 2008 ซึ่งเป็นกฎที่ออกแบบมาเพื่อคุมธุรกรรมลักษณะนี้โดยเฉพาะ ข้อเสนอของ Zitron คือควรมีกฎว่าลูกค้ารายเดียวห้ามคิดเป็นสัดส่วนเกิน 2% ของรายได้บริษัทผู้ขายที่ปล่อยกู้ให้เอง โดยนับรวมบริษัทลูกและคู่สัญญาที่เกี่ยวข้องเข้าไปด้วย

หักลูกค้ารายเดียวออก รายได้ AI เหลือเท่าไหร่

วิธีที่ตรงไปตรงมาที่สุดในการดูว่าความต้องการใช้งาน AI มีจริงแค่ไหน คือการนำรายได้ AI ของบริษัทขึ้นมาดู แล้วหักรายได้จากลูกค้ารายใหญ่ที่สุดออก

Microsoft รายงานรายได้ AI ในปีงบการเงิน 2026 ไว้ที่ 34,330 ล้านดอลลาร์ ในจำนวนนั้น 24,100 ล้านดอลลาร์มาจาก OpenAI เพียงรายเดียว แปลว่าธุรกิจให้เช่ากำลังประมวลผลและขายซอฟต์แวร์ AI ให้ลูกค้าทั่วไปที่เหลือ มีมูลค่าเพียงหลักพันล้านดอลลาร์ต้นๆ ซึ่งเทียบไม่ได้เลยกับงบ capex ที่จ่ายออกไป

แล้ว OpenAI เอาเงินมาจากไหน คำตอบส่วนหนึ่งคือมาจากบริษัทที่ขายของให้นั่นแหละ ปีนี้ Amazon อัดฉีดเงินให้ OpenAI เพิ่มอีก 35,000 ล้านดอลลาร์ รวมเป็น 50,000 ล้านดอลลาร์ ขณะที่ตัว OpenAI เองต้องระดมทุนอย่างน้อย 800,000 ล้านดอลลาร์ในช่วง 3 ปีครึ่งข้างหน้า ส่วนคู่แข่งอย่าง Anthropic ก็ต้องระดมทุนอีกราว 300,000 ล้านดอลลาร์

ฝั่งคนขายชิปก็มีเป้ารายได้ของตัวเองที่ต้องทำให้ได้

รวมสามปีงบการเงินคิดเป็นเงินราว 1.5 ล้านล้านดอลลาร์ โดย 90% ของรายได้ Nvidia มาจาก GPU และอุปกรณ์ที่เกี่ยวข้อง คำถามคือใครจะเป็นคนจ่าย ไตรมาสล่าสุด Amazon จ่าย capex ไป 54,000 ล้านดอลลาร์ ส่วน Microsoft จ่าย 41,000 ล้านดอลลาร์ ซึ่งสูงเป็นประวัติการณ์ของทั้งสองบริษัทอยู่แล้ว ถ้าจะให้เป้าของ Nvidia เป็นจริง ทั้งสองบริษัทต้องเพิ่มงบ capex ขึ้นอีกเกือบเท่าตัว และทั้งกลุ่ม hyperscaler ต้องใช้เงินรวมกันเกิน 4 ล้านล้านดอลลาร์ในสามปีครึ่ง นั่นไม่ใช่การเติบโตปีละ 10-30% แบบที่บริษัทใหญ่ทั่วไปเติบโตกัน แต่คือการเพิ่มเป็นสองเท่าทุกปี

วันที่พวกเขาหยุดจ่ายเงินก้อนนี้ คือวันที่ตลาดร่วง

ประโยคนี้คือสิ่งที่ Zitron ย้ำมากที่สุด และนี่คือกับดักที่แท้จริงของเรื่องนี้ กลุ่มบริษัทที่จ่าย capex ก้อนนี้มีน้ำหนักมากพอในดัชนีหุ้นสหรัฐฯ S&P 500 จนการชะลอการลงทุนของพวกเขาไม่ได้กระทบแค่ตัวเอง คนที่ถือกองทุนหุ้นสหรัฐฯ อยู่ก็พลอยได้รับผลกระทบไปด้วย ทางเลือกจึงแคบลงเหลือสองทางที่ไม่สู้ดีทั้งคู่ คือจ่ายต่อทั้งที่ยังไม่รู้ว่ารายได้จะตามทันไหม หรือหยุดจ่ายแล้วรับแรงกระแทกทันที

ฝั่งที่บอกว่าความต้องการยังมีจริง และกำลังประมวลผลยังไม่พอ

เรื่องนี้ไม่ได้มีมุมมองเดียว ฝั่งที่มองว่าไม่ใช่ฟองสบู่ยืนอยู่บนข้อเท็จจริงที่จับต้องได้เหมือนกัน คือกำลังประมวลผลที่มีอยู่ยังไม่พอจริง คิวรอใช้งานยังยาว และคนก็จ่ายเงินใช้เครื่องมือ AI กันจริงทุกเดือน

คำตอบจากฝั่ง Nvidia มาจาก Jensen Huang ซีอีโอของบริษัท ที่ตอบคำถามเรื่องการเงินแบบวนกลับไว้ตรงๆ ว่าดีลนี้ไม่ใช่แบบนั้น และออกแบบมาเพื่อแก้ปัญหานั้นด้วยซ้ำ ส่วนคำถามเรื่องผลตอบแทนจากการลงทุน เขาตอบว่าผลตอบแทนก็คือประโยชน์จากการใช้งานของ AI นั่นเอง

ตรงนี้คือจุดที่สองฝ่ายพูดกันคนละภาษา ประโยชน์จากการใช้งานเป็นเรื่องจริงและวัดได้ในงานประจำวันของเรา แต่ภาระหนี้ต้องชำระด้วยเงินสด เจ้าหนี้ไม่รับประโยชน์จากการใช้งานแทนค่างวด ข้อโต้แย้งที่หนักแน่นกว่าของฝั่งนี้จึงไม่ใช่เรื่องประโยชน์ แต่คือความไม่แน่นอนของตัวเลขฝั่งตรงข้ามเอง ระยะห่างสี่เท่าระหว่าง 2.5 กับ 10 ล้านล้านที่พูดถึงไปตอนต้น เป็นเครื่องเตือนใจว่าผลการคำนวณเปลี่ยนไปได้มากตามสมมติฐาน และถ้าต้นทุนต่อหน่วยของการรันโมเดลลดลงเร็วกว่าที่ทุกคนคิด หน้าตาของสมการก็เปลี่ยนไปได้เหมือนกัน

สัญญาณใหม่โผล่มาจากฝั่งการเมือง

สิ่งที่เปลี่ยนไปในช่วงหลังไม่ใช่ตัวเลข แต่คือการที่มีคนเริ่มออกมาพูด ในเวลาเพียง 24 ชั่วโมงที่ผ่านมา มีตัวอย่างใหม่ถึง 4 กรณีที่นักการเมืองพรรครีพับลิกันเริ่มถอยห่างจากโครงการ data center ในพื้นที่ของตัวเอง ตั้งแต่การโหวตค้านไม่ให้เอาเงินภาษีไปอุดหนุน ไปจนถึงการหนุนให้พักการอนุมัติ data center แห่งใหม่เป็นเวลาหนึ่งปี ตัวอย่างทั้งหมดรวมอยู่ในโพสต์ของ Adam Carlson ซึ่งทำงานสายสำรวจความคิดเห็น

นี่คือจุดที่เรื่องการเงินมาบรรจบกับการเมืองท้องถิ่น เพราะ data center ไม่ได้ใช้แค่เงินลงทุน แต่ยังใช้น้ำและไฟฟ้าในพื้นที่ร่วมกับชุมชน ใครที่สนใจว่าภาระตรงนั้นตกอยู่กับใคร เราเขียนถึงอีกด้านหนึ่งไว้แล้วในบทความเรื่อง สายไฟเก่ากับคำถามว่าใครจ่ายค่าซ่อม และเมื่อนักการเมืองในพื้นที่เริ่มเห็นว่าการคัดค้านได้คะแนนเสียงมากกว่าการสนับสนุน ต้นทุนของ data center ในรอบถัดไปก็จะไม่จำกัดอยู่แค่งบ capex อีกต่อไป

3 คำถามสำหรับดีลก้อนถัดไป

พาดหัวข่าวรอบต่อไปจะมาอีกแน่ๆ และจะมาพร้อมตัวเลขที่ลงท้ายด้วยคำว่าล้านล้าน สิ่งที่นำไปใช้ได้จริงคือคำถามสามข้อที่ควรถามกับทุกดีล ก่อนจะตัดสินใจอะไรตามข่าว

1. เงินสดหรือคำสัญญา ตัวเลขที่ประกาศคือเงินที่โอนแล้ว เป็นสัญญาที่มีผลผูกพัน หรือเป็นบันทึกความเข้าใจกับการค้ำประกันที่ยังไม่มีเงื่อนไขชัดเจน ถ้าข่าวไม่บอก แปลว่ายังไม่ควรนับเป็นเงิน
2. เงินวิ่งกลับไปหาคนขายหรือเปล่า ผู้ซื้อในดีลนี้ได้เงินหรือได้เครดิตมาจากผู้ขายด้วยหรือไม่ ถ้าใช่ ยอดขายที่เกิดขึ้นก็ไม่ได้มาจากความต้องการซื้อใหม่ทั้งหมด
3. หักลูกค้ารายใหญ่ที่สุดออกแล้วเหลือเท่าไหร่ รายได้ AI ที่หักลูกค้ารายหลักออกแล้ว คือขนาดตลาดส่วนที่ไม่ต้องพึ่งลูกค้ารายนั้น

สามข้อนี้ไม่ได้บอกว่าฟองสบู่จะแตกวันไหน ไม่มีใครบอกได้ แต่ช่วยเปลี่ยนวิธีที่เราอ่านพาดหัวข่าว จากการเดาอารมณ์ตลาด มาเป็นการดูว่ามีการจ่ายเงินจริงหรือเปล่า

และการตัดสินใจเรื่องนี้ก็อยู่ที่ตัวคุณเอง ถ้าพอร์ตลงทุนหรือกองทุนสำรองเลี้ยงชีพของคุณหนักไปทางหุ้นเทคสหรัฐฯ สิ่งที่คุณกำลังเดิมพันไม่ใช่ว่า AI จะมีประโยชน์หรือไม่ เพราะมันมีประโยชน์อยู่แล้ว แต่คือเดิมพันว่ารายได้จะตามทันหนี้ที่ก่อไว้ล่วงหน้าหลายปี การรู้ตัวว่ากำลังเดิมพันกับอะไร ย่อมดีกว่ามารู้ทีหลังว่าถือความเสี่ยงแบบไหนไว้

ระหว่างนี้ตัวเลขที่ควรจับตาไม่ใช่ยอดผู้ใช้รายเดือนหรือผลการทดสอบของโมเดลรุ่นใหม่ แต่คือบรรทัด capex ในงบไตรมาสถัดไปของ Amazon และ Microsoft เพราะตัวเลขบรรทัดนั้นจะสะท้อนให้เห็นก่อนพาดหัวข่าวไหนๆ ว่าเงินก้อนนี้ยังไหลต่อเนื่อง หรือเริ่มชะลอตัวแล้ว