แสนล้านดอลลาร์ลงทุน AI ทดสอบโครงข่ายไฟฟ้าและผลตอบแทน

การประเมินการลงทุนด้านปัญญาประดิษฐ์(AI) ต้องพิจารณาทั้งโครงข่ายไฟฟ้า อุปกรณ์ศูนย์ข้อมูล แร่สำคัญ และผลตอบแทนจากเงินทุน ไม่ใช่เพียงประสิทธิภาพของโมเดลหรือมูลค่าบริษัท โดยบริษัทเทคโนโลยีรายใหญ่มีรายจ่ายฝ่ายทุนในปี 2026 รวมกันระดับหลายแสนล้านดอลลาร์ แต่ยังแยกค่าใช้จ่ายและรายได้จาก AI โดยเฉพาะได้ยาก

แพทริก ฟีลีย์(Patrick Feeley) เผยแพร่บทวิเคราะห์บน Substack เมื่อวันที่ 23 โดยนำแนวคิดการลงทุนด้านพลังงานและการเคลื่อนไหวของผู้ถือหุ้นของ ที. บูน พิกเกนส์(T. Boone Pickens) มาปรับใช้กับการลงทุนโครงสร้างพื้นฐาน AI ทั้งนี้ไม่ได้หมายความว่าพิกเกนส์เคยแสดงความเห็นโดยตรงเกี่ยวกับรายจ่ายฝ่ายทุนด้าน AI

ฟีลีย์ตั้งคำถามสำคัญว่า “เงินทุนเพิ่มเติม 1 ดอลลาร์สร้างผลตอบแทนสูงกว่าต้นทุนการจัดหาเงินหรือไม่” พร้อมตั้งข้อสังเกตว่าผลการลงทุนควรตัดสินจากคำอธิบายของผู้บริหารเพียงอย่างเดียวหรือไม่ และมีหน่วยงานอิสระสำหรับตรวจสอบเรื่องนี้หรือไม่

อเมซอน($AMZN) คาดการณ์รายจ่ายฝ่ายทุนในปี 2026 ไว้ที่ประมาณ 2,000억ดอลลาร์ (ประมาณ 273 ล้านล้านวอน) แอนดี แจสซี(Andy Jassy) CEO ของอเมซอนกล่าวว่า การลงทุนในที่ตั้งศูนย์ข้อมูล ไฟฟ้า อาคาร ฮาร์ดแวร์ เซมิคอนดักเตอร์ และอุปกรณ์เครือข่าย อาจเกิดขึ้นล่วงหน้ากว่าการสร้างรายได้ 6 เดือนถึง 2 ปี บริษัทระบุว่ารายจ่ายจำนวนมากในปี 2026 มีข้อตกลงกับลูกค้ารองรับ

ไมโครซอฟท์($MSFT) ตั้งรายจ่ายฝ่ายทุนในปี 2026 ไว้ที่ประมาณ 1,900억ดอลลาร์ (ประมาณ 259 ล้านล้านวอน) โดยระบุว่าประมาณ 25,000 ล้านดอลลาร์ (ประมาณ 34 ล้านล้านวอน) เป็นผลจากราคาชิ้นส่วนที่สูงขึ้น พร้อมคาดว่าการจัดหา GPU, CPU และอุปกรณ์จัดเก็บข้อมูลจะยังมีข้อจำกัดตลอดปี 2026

ไมโครซอฟท์ระบุว่าประมาณสองในสามของรายจ่ายฝ่ายทุนจะใช้กับ ‘สินทรัพย์ที่ใช้งานระยะสั้น’ ซึ่งส่วนใหญ่เป็น CPU และ GPU หากสัดส่วนอุปกรณ์ที่มีรอบเปลี่ยนสั้นกว่าอาคารศูนย์ข้อมูลเพิ่มขึ้น ภาระค่าเสื่อมราคาและการลงทุนทดแทนอาจเพิ่มขึ้นตามไปด้วย

เมตา($META) คาดการณ์รายจ่ายฝ่ายทุนในปี 2026 ที่ 130,000-145,000 ล้านดอลลาร์ (ประมาณ 177-198 ล้านล้านวอน) โดยรายจ่ายฝ่ายทุนในไตรมาส 2 อยู่ที่ 31,080 ล้านดอลลาร์ (ประมาณ 42 ล้านล้านวอน) ขณะที่กระแสเงินสดอิสระอยู่ที่ 784 ล้านดอลลาร์ (ประมาณ 1 ล้านล้านวอน)

แนวทางรายจ่ายฝ่ายทุนของอัลฟาเบต($GOOGL) ที่พบในแต่ละช่วงเวลาอยู่ที่ 175,000-185,000 ล้านดอลลาร์ (ประมาณ 239-253 ล้านล้านวอน) และ 180,000-190,000 ล้านดอลลาร์ (ประมาณ 246-259 ล้านล้านวอน) ส่วนตัวเลข 195,000-205,000 ล้านดอลลาร์ที่กล่าวถึงในต้นฉบับไม่พบการยืนยันจากเอกสารทางการ

ไม่สามารถถือว่ารายจ่ายฝ่ายทุนทั้งหมดของบริษัทเหล่านี้เป็นค่าใช้จ่ายเฉพาะด้าน AI ได้ เพราะอาจรวมคลาวด์ทั่วไป เซมิคอนดักเตอร์ หุ่นยนต์ ดาวเทียม และค่าใช้จ่ายที่เกี่ยวข้องกับสัญญาเช่า ขณะเดียวกันบริษัทต่าง ๆ ยังไม่ได้เปิดเผยรายได้และกำไรจากโครงสร้างพื้นฐาน AI แยกตามเกณฑ์เดียวกัน

โครงข่ายไฟฟ้ากลายเป็นคอขวดอีกด้านหนึ่ง หน่วยงาน ERCOT ซึ่งดูแลระบบไฟฟ้าเท็กซัสอนุมัติกระบวนการ ‘Batch Zero’ สำหรับพิจารณาโครงการที่มีความต้องการไฟฟ้าขนาดใหญ่ตั้งแต่ 75MW ขึ้นไป โดยคำขอเชื่อมต่อโหลดขนาดใหญ่ที่ติดตามอยู่มีมากกว่า 438,000MW และประมาณ 89% มาจากศูนย์ข้อมูล

กระบวนการของ ERCOT สะท้อนว่าปัจจัยสำคัญของการลงทุนศูนย์ข้อมูลไม่ได้มีเพียงต้นทุนก่อสร้าง แต่รวมถึงกำหนดเวลาการเชื่อมต่อไฟฟ้าและความพร้อมของระบบส่งไฟฟ้า เมื่อมีทางเลือกให้พิจารณาโครงการเป็นชุด หรือกำหนดให้มีการผลิตไฟฟ้าเองและลดความต้องการใช้ไฟฟ้า นักลงทุนจึงต้องประเมินขนาดเงินทุนควบคู่กับความเป็นไปได้ในการ 확보ไฟฟ้า

ศูนย์ข้อมูลเป็นสินทรัพย์แบบผสมที่รวมเซิร์ฟเวอร์ ตัวเร่งความเร็ว AI เครือข่าย ระบบไฟฟ้า และระบบทำความเย็น ดังเช่นการถกเถียงเรื่องการพิจารณาอายุการใช้งานของอุปกรณ์แต่ละประเภท เซิร์ฟเวอร์และตัวเร่งความเร็ว AI อาจต้องเปลี่ยนภายในไม่กี่ปี ขณะที่อาคารและโครงสร้างพื้นฐานไฟฟ้าอาจใช้งานได้นานกว่า จึงต้องแยกมูลค่าคงเหลือและช่วงเวลาลงทุนทดแทนของสินทรัพย์แต่ละประเภท

ห่วงโซ่อุปทานแร่สำคัญยังเป็นตัวแปร สำนักงานสำรวจธรณีวิทยาสหรัฐฯ(USGS) ประเมินว่า ในแง่การบริโภครวมของสหรัฐฯ การพึ่งพาการนำเข้ากัลเลียมสุทธิในปี 2025 อยู่ที่ 100% ดีบุกกลั่น 77% ทองแดงกลั่น 57% และเจอร์เมเนียมมากกว่า 50% โดยตัวเลขดังกล่าวเป็นสถิติของอุตสาหกรรมสหรัฐฯ ทั้งหมด ไม่ใช่เฉพาะอุตสาหกรรม AI

Fastmarkets ประเมินว่าความต้องการดีบุกสำหรับบัดกรีที่เกี่ยวข้องกับฮาร์ดแวร์ AI อาจคิดเป็น 4.8% ของความต้องการดีบุกสำหรับบัดกรีทั่วโลกในปี 2026 และ 10.6% ในปี 2030 ตัวเลขดังกล่าวเป็นการคาดการณ์จากแบบจำลอง ไม่ใช่การยืนยันว่าจะเกิดภาวะขาดแคลนดีบุกหรือราคาปรับตัวสูงขึ้น

บริษัทต่าง ๆ อธิบายการลงทุนขนาดใหญ่ว่าเป็นการลงทุนล่วงหน้าเพื่อรองรับอุปสงค์ระยะยาว ขณะที่แอกซิออสรายงานว่า หลังการประกาศผลประกอบการของบริษัทเทคโนโลยีรายใหญ่ นักลงทุนต้องการคำอธิบายเกี่ยวกับผลตอบแทนจากการลงทุนจริงมากกว่าขนาดรายจ่ายด้าน AI ท้ายที่สุด คำถามในแบบพิกเกนส์จึงไม่ได้อยู่ที่โมเดล AI ใดเหนือกว่า แต่อยู่ที่เงินทุนเพิ่มเติมจะเปลี่ยนเป็นรายได้จริงหรือไม่ และสามารถคำนวณผลตอบแทนจากการลงทุนโดยสะท้อนรอบเปลี่ยนของไฟฟ้าและอุปกรณ์ได้เพียงใด