ยอดออกตราสารหนี้ AI ปีนี้ใกล้ 600,000 ล้านดอลลาร์ Claude ให้โมเดลชั้นนำ 2/10

Claude ของแอนโทรปิก (Anthropic) ให้คะแนนความสามารถในการคาดการณ์ธุรกิจของผู้พัฒนาโมเดล AI ชั้นนำอย่างโอเพนเอไอ (OpenAI) และแอนโทรปิกที่ 2 จาก 10 คะแนน

ฮาวเวิร์ด มาร์กส์ (Howard Marks) ผู้ร่วมก่อตั้งโอ๊คทรี แคปิตอล แมเนจเมนต์ (Oaktree Capital Management) ระบุในบันทึกที่เผยแพร่เมื่อวันที่ 11 พฤศจิกายนว่า เขาขอให้ Claude ให้คะแนนความสามารถในการคาดการณ์ของแต่ละด้านในวงการ AI ตั้งแต่ 1 คะแนนสำหรับสิ่งที่ยังไม่รู้ ไปจนถึง 10 คะแนนสำหรับสิ่งที่คาดการณ์ได้อย่างสมบูรณ์ มาร์กส์เขียนว่า คะแนน 2 ของผู้พัฒนาโมเดลชั้นนำหมายถึง “แทบคาดการณ์ไม่ได้ในทางปฏิบัติ” คะแนนนี้ประเมินว่าอนาคตธุรกิจจะคาดการณ์ได้เพียงใด ไม่ใช่ระดับความน่าลงทุนหรือโอกาสขาดทุน

Claude ให้คะแนนความสามารถในการคาดการณ์ภาพรวมของ AI ราว 3 คะแนน โดยให้ 6–7 คะแนนกับทิศทางการพัฒนาเทคโนโลยีและการขยายสู่เศรษฐกิจโดยรวม แต่ให้เพียงราว 2 คะแนนกับความเร็วในการขยายตัว ขนาดผลกำไร และการระบุว่าใครจะเป็นผู้ได้รับประโยชน์ในท้ายที่สุด

เมื่อแยกตามธุรกิจ บริษัทสาธารณูปโภคด้านไฟฟ้าที่อยู่ภายใต้การกำกับดูแลและจ่ายไฟรองรับความต้องการ AI ได้ 6 คะแนน ส่วนดาต้าเซ็นเตอร์ที่ให้บริษัทเทคโนโลยีรายใหญ่เช่าระยะยาวได้ 5–6 คะแนน ผู้ให้บริการคลาวด์รายใหญ่ได้ 5 คะแนน ธุรกิจเซมิคอนดักเตอร์ได้ 4 คะแนน และดาต้าเซ็นเตอร์เชิงเก็งกำไรได้ 2–3 คะแนน

มาร์กส์อธิบายว่า Claude มองว่าผู้พัฒนาโมเดลชั้นนำต้องใช้เงินทุนจำนวนมาก ขณะที่ราคาต่อหน่วยประสิทธิภาพลดลงอย่างรวดเร็ว และยังไม่ชัดเจนว่าจะรักษาความได้เปรียบในการแข่งขันได้ต่อเนื่องหรือไม่ คะแนนดังกล่าวสะท้อนว่า การรักษาประสิทธิภาพระดับสูงเพียงอย่างเดียวอาจไม่รับประกันผลกำไรระยะยาวหรือตำแหน่งทางการตลาด

มาร์กส์ยังชี้ถึงความเปลี่ยนแปลงที่รวดเร็วในวงการ AI ผู้พัฒนาโมเดลที่เป็นผู้นำในปัจจุบันยังไม่เป็นที่รู้จักอย่างกว้างขวางเมื่อไม่กี่ปีก่อน จึงยากจะคาดการณ์ว่าบริษัทที่อยู่แถวหน้าในวันนี้จะยังรักษาตำแหน่งได้ในอีก 5 หรือ 10 ปี

การประเมินผลกำไรต้องพิจารณาปริมาณและราคาขายสินค้า ต้นทุนการผลิต เงินลงทุนซ้ำที่จำเป็นต่อการพัฒนาผลิตภัณฑ์รุ่นถัดไป และผลตอบแทนจากการลงทุน มุมมองนี้สอดคล้องกับทัศนะก่อนหน้าของมาร์กส์ที่แยกศักยภาพทางธุรกิจของ AI ออกจากผลตอบแทนของการลงทุนโครงสร้างพื้นฐานขนาดใหญ่

มาร์กส์อธิบายว่าดาต้าเซ็นเตอร์เป็นโครงสร้างพื้นฐานสำหรับฝึกโมเดล AI และให้ผู้ใช้เข้าถึงกำลังประมวลผล โดยค่าใช้จ่ายส่วนใหญ่อาจอยู่ที่อุปกรณ์อย่างเซมิคอนดักเตอร์ มากกว่าตัวอาคารเอง อายุการใช้งานที่ลดลงของอุปกรณ์ก็เป็นปัจจัยต่อการตัดสินใจลงทุน

ข้อจำกัดในการขยายดาต้าเซ็นเตอร์ยังรวมถึงการจัดหาที่ดิน การขอใบอนุญาต การเชื่อมต่อใยแก้วนำแสง ระบบไฟฟ้าและระบบทำความเย็น แรงงานก่อสร้าง และแหล่งเงินทุน มาร์กส์เขียนว่าควรพิจารณาทำเล สัญญา และมูลค่าของอุปกรณ์ในแต่ละโครงการ เพื่อประเมินความเสี่ยงที่อุปทานจะขยายตัวมากเกินไป

มาร์กส์ระบุในบันทึกโดยอ้างข้อมูลรวบรวมของโกลด์แมน แซคส์ (Goldman Sachs) ว่า จนถึงช่วงจัดทำบันทึกในปีนี้ การออกตราสารหนี้ที่เกี่ยวข้องกับ AI ทั่วโลกมีมูลค่าใกล้ 600,000 ล้านดอลลาร์ (ประมาณ 800 ล้านล้านวอน) ซึ่งรวมถึงการกู้ยืมของผู้ให้บริการคลาวด์รายใหญ่ การจัดหาเงินทุนสำหรับดาต้าเซ็นเตอร์และโครงการต่าง ๆ ตลอดจนการกู้ยืมด้าน AI ประเภทอื่น

ในจำนวนนี้ มีราว 400,000 ล้านดอลลาร์ (ประมาณ 534 ล้านล้านวอน) ที่ออกในตลาดตราสารหนี้ระดับลงทุนได้ของสหรัฐฯ คิดเป็นมากกว่า 1 ใน 5 ของตราสารหนี้ระดับลงทุนได้ที่ออกในสหรัฐฯ ส่วนตราสารหนี้ที่เกี่ยวข้องกับ AI มีสัดส่วนราว 12% ในดัชนี Bloomberg USD IG Corporate Index และราว 6% ในตลาดตราสารหนี้ผลตอบแทนสูงของสหรัฐฯ

ในบันทึก “A Layman Thinks About AI” มาร์กส์คาดการณ์ว่า ณ วันที่ 11 พฤศจิกายน 2026 AI จะต้องใช้เงินทุนใหม่เฉลี่ย 1 ล้านล้านดอลลาร์ (ประมาณ 1,334 ล้านล้านวอน) ต่อปีในอนาคต และอาจระดมทุนหลายแสนล้านดอลลาร์ต่อปีผ่านการออกตราสารหนี้

มาร์กส์อธิบายว่า ผู้ให้บริการคลาวด์รายใหญ่เคยมีเงินสดจำนวนมากและอันดับเครดิตสูงจากกระแสเงินสดของธุรกิจที่ไม่เกี่ยวกับ AI แต่ปัจจุบันกำลังใช้ทั้งเงินสดที่ถือครองและกระแสเงินสดจากการดำเนินงาน พร้อมกับกู้ยืมเพิ่ม ผู้ให้กู้จึงควรพิจารณาความน่าเชื่อถือทางเครดิตของผู้กู้และความเป็นไปได้ที่อันดับเครดิตจะเปลี่ยนแปลง

สัญญาเช่าดาต้าเซ็นเตอร์บางฉบับอาจมีข้อกำหนดที่เปิดทางให้ผู้เช่าหรือผู้ค้ำประกันยุติภาระตามสัญญาได้ในบางเงื่อนไข มาร์กส์ยกกรณีความพร้อมให้บริการของดาต้าเซ็นเตอร์ต่ำกว่า 99.9% เป็นตัวอย่าง และชี้ว่าอายุใช้งานของเซมิคอนดักเตอร์ที่ใช้เป็นหลักประกันอาจสั้นกว่าระยะเวลาชำระหนี้

มาร์กส์ยังกล่าวถึงธุรกรรมหมุนเวียนที่การปล่อยกู้และการซื้อขายเชื่อมโยงกันระหว่างผู้ผลิตชิป ผู้ให้บริการคลาวด์รายใหญ่ ผู้พัฒนาโมเดลชั้นนำ และผู้ประกอบการดาต้าเซ็นเตอร์ เขาเขียนว่าควรตรวจสอบว่าเงินที่ไหลกลับไปยังผู้ขายสะท้อนอุปสงค์ที่เป็นอิสระจริงหรือไม่ และผู้จัดหาเป็นฝ่ายสนับสนุนการซื้อเพื่อรักษาส่วนแบ่งตลาดหรือไม่

อีกประเด็นที่ผู้ให้กู้ควรพิจารณาคือความเชื่อมโยงระหว่างหนี้ที่ระดมผ่านนิติบุคคลเฉพาะกิจ (SPV) ซึ่งอยู่นอกงบดุล กับความน่าเชื่อถือทางเครดิตของบริษัทแม่ มาร์กส์สรุปว่า ผู้ถือหุ้นควรพิจารณาความก้าวหน้าทางเทคโนโลยี ความสามารถในการแข่งขัน อำนาจกำหนดราคา ความสามารถทำกำไร และมูลค่ากิจการ ส่วนผู้ให้กู้ควรประเมินความน่าเชื่อถือของผู้เช่า เงื่อนไขสัญญา การเข้าถึงไฟฟ้า และมูลค่าคงเหลือของสินทรัพย์