การลงทุนโครงสร้างพื้นฐานสำหรับปัญญาประดิษฐ์ (AI) กำลังขยายจาก GPU ไปสู่ระบบไฟฟ้า ใยแก้วนำแสง หน่วยความจำ การเช่ากำลังประมวลผล และการเชื่อมต่อระหว่างชิป โดยในช่วงหลายปีที่ผ่านมา Nvidia (NVDA) เป็นบริษัทที่ได้รับประโยชน์จากการลงทุน AI โดยตรงมากที่สุด แต่เมื่อบริษัทเทคโนโลยีขนาดใหญ่เพิ่มงบลงทุนดาต้าเซ็นเตอร์อย่างต่อเนื่อง คอขวดในส่วนอื่นของห่วงโซ่อุปทานก็เริ่มมีอำนาจต่อรองด้านราคาเพิ่มขึ้น
แรงส่งของอุปสงค์รอบนี้เกิดขึ้นท่ามกลางการลงทุนในโครงสร้างพื้นฐานทางกายภาพของสหรัฐฯ และหลายพื้นที่ทั่วโลกที่ไม่เพียงพอมาเป็นเวลานาน ในปี 1990 สหรัฐฯ ผลิตเซมิคอนดักเตอร์คิดเป็นสัดส่วนประมาณ 37% ของโลก แต่ภายในปี 2020 สัดส่วนดังกล่าวลดลงเหลือ 12% ขณะเดียวกัน ภาคการผลิตไฟฟ้า อุปกรณ์โครงข่ายไฟฟ้า การผลิตภาคอุตสาหกรรมขนาดใหญ่ บรรจุภัณฑ์ขั้นสูง และออปติกความแม่นยำสูง ต่างเผชิญกับการจ้างผลิตภายนอกหรือการสร้างกำลังการผลิตที่ไม่เพียงพอ
การพึ่งพาฐานการผลิตในเอเชียและภูมิภาคอื่นช่วยลดต้นทุนได้ในอดีต แต่เมื่อการลงทุนโครงสร้างพื้นฐาน AI เพิ่มขึ้นอย่างรวดเร็ว ข้อจำกัดของห่วงโซ่อุปทานก็เริ่มปรากฏขึ้นทีละจุด
บริษัทเทคโนโลยีเร่งเพิ่มงบลงทุนดาต้าเซ็นเตอร์
งบลงทุนรวมของบริษัทเทคโนโลยีขนาดใหญ่สำหรับดาต้าเซ็นเตอร์และโครงสร้างพื้นฐาน AI เพิ่มจากประมาณ 142,000 ล้านดอลลาร์ในปี 2022 เป็นราว 600,000 ล้านดอลลาร์ในปี 2026 หรือเพิ่มขึ้นมากกว่าสี่เท่าภายในสี่ปี
Alphabet ปรับเพิ่มกรอบงบลงทุนปี 2025 ถึงสามครั้ง จาก 52,500 ล้านดอลลาร์ในปี 2024 เป็นวงเงินสูงสุด 93,000 ล้านดอลลาร์ ขณะที่ Microsoft ใช้เงินลงทุนในไตรมาสเดียว 34,900 ล้านดอลลาร์ เพิ่มขึ้น 74% เมื่อเทียบกับปีก่อน ส่วน Amazon คาดว่างบลงทุนปี 2025 จะอยู่ที่ 125,000 ล้านดอลลาร์ เพิ่มขึ้น 61%
Goldman Sachs คาดว่า Meta Platforms, Microsoft, Amazon และ Alphabet จะมีงบลงทุนรวมกัน 5.3 ล้านล้านดอลลาร์ในช่วงปีงบประมาณ 2025-2030 ด้าน PwC ประเมินว่า การลงทุนสะสมในดาต้าเซ็นเตอร์ทั่วโลกในยุค AI อาจแตะ 31.6 ล้านล้านดอลลาร์ภายในปี 2050 โดยการใช้จ่ายรายปีจะเพิ่มจากประมาณ 800,000 ล้านดอลลาร์ในปี 2026 เป็น 1.1 ล้านล้านดอลลาร์ในปี 2030 และ 1.8 ล้านล้านดอลลาร์ในช่วงกลางศตวรรษ
ต่างจากวัฏจักรโครงสร้างพื้นฐานบางช่วงในอดีตที่มีการก่อสร้างหนาแน่นก่อนการลงทุนชะลอตัว อุปกรณ์ภายในดาต้าเซ็นเตอร์ AI เช่น GPU เซิร์ฟเวอร์ หน่วยความจำ และอุปกรณ์เครือข่าย มักต้องเปลี่ยนทุก 4-6 ปี ความต้องการเปลี่ยนอุปกรณ์จึงอาจยังเกิดขึ้นต่อเนื่องหลังการก่อสร้างระยะแรกสิ้นสุดลง แม้จังหวะที่แท้จริงจะขึ้นอยู่กับการเติบโตของแอปพลิเคชัน AI งบลงทุนของภาคธุรกิจ และความสามารถในการจัดหาอุปกรณ์
GE Vernova: อุปกรณ์ไฟฟ้ากลายเป็นคอขวดสำคัญ
ข้อจำกัดของดาต้าเซ็นเตอร์ AI ไม่ได้อยู่ที่ชิปเพียงอย่างเดียว การเพิ่มกำลังผลิตไฟฟ้าก็ต้องใช้เวลา GE Vernova (GEV) ผลิตกังหันก๊าซและอุปกรณ์โครงข่ายไฟฟ้า เพื่อสนับสนุนบริษัทสาธารณูปโภคในการขยายกำลังผลิตและระบบส่งไฟฟ้า
รายได้ไตรมาสล่าสุดของบริษัทอยู่ที่ 11,100 ล้านดอลลาร์ คำสั่งซื้อในธุรกิจพลังงานเพิ่มขึ้น 134% เมื่อเทียบกับปีก่อนในรูปแบบการเติบโตจากการดำเนินงาน และคำสั่งซื้อในธุรกิจ Electrification เพิ่มขึ้น 66% ฝ่ายบริหารคาดว่ายอดคำสั่งซื้อค้างส่งซึ่งมีมูลค่าเกิน 160,000 ล้านดอลลาร์ จะทะลุ 200,000 ล้านดอลลาร์ภายในสิ้นปี 2027 เร็วกว่ากำหนดการเดิมเมื่อต้นปีหนึ่งปี
Microsoft สั่งซื้อกังหันก๊าซ GE Vernova จำนวน 7 เครื่องสำหรับโครงการดาต้าเซ็นเตอร์ในรัฐเท็กซัสที่ร่วมมือกับ Chevron (CVX) และโครงการลักษณะเดียวกันกำลังเพิ่มขึ้น ราคาหุ้น GE Vernova ปรับตัวขึ้นมาก่อนหน้านี้แล้ว ดังนั้นตลาดจึงจับตาไม่เพียงการเติบโตของคำสั่งซื้อ แต่ยังรวมถึงความเร็วในการเพิ่มกำลังการผลิตและระดับราคาหุ้นที่สะท้อนการเติบโตในอนาคตไปมากน้อยเพียงใด
Corning: ความต้องการใยแก้วนำแสงเพิ่มตามการเชื่อมต่อ GPU
เซิร์ฟเวอร์ GPU ในดาต้าเซ็นเตอร์ต้องเชื่อมต่อกันผ่านใยแก้วนำแสงความเร็วสูง Corning (GLW) เป็นหนึ่งในผู้ผลิตและผู้พัฒนาเทคโนโลยีใยแก้วนำแสงรายใหญ่ของโลก ยอดขายหลักในไตรมาสล่าสุดเพิ่มขึ้น 17% จากปีก่อนเป็น 4,740 ล้านดอลลาร์ ขณะที่อัตรากำไรจากการดำเนินงานเพิ่มขึ้นเกือบ 2 จุดเปอร์เซ็นต์เป็น 20.9%
ประธานเจ้าหน้าที่ฝ่ายการเงินของ Corning ระบุว่า ยอดขายที่เกี่ยวข้องโดยตรงกับดาต้าเซ็นเตอร์ AI เพิ่มขึ้นเกือบเท่าตัวจากไตรมาสก่อน บริษัทขยายความร่วมมือด้านการผลิตใยแก้วนำแสงกับ Amazon และลงนามข้อตกลงระยะหลายปีกับ Meta เพื่อจัดหาโซลูชันการเชื่อมต่อใยแก้วนำแสงสำหรับดาต้าเซ็นเตอร์ AI รุ่นถัดไปของ Meta โดยมูลค่ารวมของข้อตกลงอาจสูงถึง 6,000 ล้านดอลลาร์
แผนระยะยาวของบริษัทระบุว่า ยอดขายต่อปีอาจเพิ่มจากประมาณ 20,000 ล้านดอลลาร์ในปี 2026 เป็น 30,000 ล้านดอลลาร์ในปี 2028 และ 40,000 ล้านดอลลาร์ในปี 2030 การบรรลุเป้าหมายดังกล่าวจะขึ้นอยู่กับความเร็วในการก่อสร้างดาต้าเซ็นเตอร์ การส่งมอบคำสั่งซื้อของลูกค้า และการขยายกำลังการผลิตใยแก้วนำแสง
Micron: ตลาดหน่วยความจำแบนด์วิดท์สูงยังตึงตัว
ชิปหน่วยความจำเป็นอีกส่วนหนึ่งของเซิร์ฟเวอร์ AI ที่มีการเปลี่ยนแปลงด้านอุปสงค์และอุปทานอย่างชัดเจน กำลังการผลิตหน่วยความจำแบนด์วิดท์สูง (HBM) ของ Micron Technology (MU) ถูกจองไปจนถึงสิ้นปี 2026 รายได้ไตรมาสล่าสุดของบริษัทอยู่ที่ 41,500 ล้านดอลลาร์ เพิ่มขึ้น 346% จากปีก่อน ขณะที่อัตรากำไรขั้นต้นเพิ่มจากระดับต่ำกว่า 40% ในปีก่อนมาอยู่ใกล้ 85%
Samsung Electronics (SSNLF) และ SK Hynix (SKHY) เป็นคู่แข่งรายใหญ่สองรายของ Micron ในตลาดหน่วยความจำโลก ทั้งสองบริษัทคาดว่าภาวะอุปทานหน่วยความจำตึงตัวในวงกว้างจะดำเนินต่อไปจนถึงปี 2027 หรือหลังจากนั้น
ราคาหุ้น Micron เพิ่มขึ้นเกือบ 340% ในช่วงครึ่งแรกของปี 2026 ก่อนลดลงมากกว่า 20% จากจุดสูงสุดตลอดกาล การเคลื่อนไหวดังกล่าวสะท้อนว่าตลาดได้สะท้อนความคาดหวังต่อวัฏจักรหน่วยความจำไปมากแล้ว ผลประกอบการระยะถัดไปจะขึ้นอยู่กับราคาผลิตภัณฑ์ การทยอยเพิ่มกำลังการผลิต ระดับสินค้าคงคลังของลูกค้า และการเปลี่ยนแปลงของความต้องการเซิร์ฟเวอร์ AI
Nebius: ธุรกิจเช่ากำลังประมวลผลเข้ามารับคำสั่งซื้อ AI
Nebius Group (NBIS) ไม่ได้ผลิตชิปและไม่ได้ทำหน้าที่ฝึกโมเดล AI แต่ให้บริการเช่าคลัสเตอร์ GPU แก่ลูกค้าในรูปแบบบริการคลาวด์ที่ตลาดมักเรียกว่า “นิวคลาวด์” รายได้ไตรมาสล่าสุดอยู่ที่ 582 ล้านดอลลาร์ เพิ่มขึ้น 454% จากปีก่อน และกำไรที่ปรับปรุงแล้วพลิกเป็นบวกเป็นครั้งแรก
Nebius ทำข้อตกลงโครงสร้างพื้นฐานกับ Meta เป็นระยะเวลา 5 ปี โดยมีมูลค่ารวมที่อาจสูงถึง 27,000 ล้านดอลลาร์ ขณะที่ Nvidia ลงทุนโดยตรงในบริษัท 2,000 ล้านดอลลาร์ เพื่อช่วยให้ Nebius ได้สิทธิ์เข้าถึงกำลังประมวลผลในอนาคตเป็นลำดับต้นๆ
ข้อจำกัดหลักของธุรกิจนี้อยู่ที่ความเร็วในการสร้างคลัสเตอร์กำลังประมวลผล ไม่ใช่เพียงการหาลูกค้า Nebius ต้องจัดซื้อ GPU อย่างต่อเนื่อง สร้างดาต้าเซ็นเตอร์ และจัดหาไฟฟ้าให้เพียงพอ จึงจะเปลี่ยนคำสั่งซื้อของลูกค้าเป็นรายได้จริงได้ ดังนั้น แม้รายได้จะเติบโตในอัตราสูง แต่ตลาดยังต้องติดตามงบลงทุน ความต้องการเงินทุน การส่งมอบอุปกรณ์ และการกระจุกตัวของลูกค้า
Astera Labs: การส่งข้อมูลระหว่างชิปเริ่มเป็นข้อจำกัดใหม่
เมื่อแร็กเซิร์ฟเวอร์ AI รองรับชิปจำนวนมากขึ้นและชิปมีความเร็วสูงขึ้น การส่งข้อมูลระหว่างชิปก็อาจกลายเป็นข้อจำกัด Astera Labs (ALAB) พัฒนาผลิตภัณฑ์ด้านการเชื่อมต่อและการรับส่งข้อมูลภายในเซิร์ฟเวอร์ รายได้ไตรมาสล่าสุดเพิ่มขึ้น 104% จากปีก่อนเป็น 392.4 ล้านดอลลาร์ สูงกว่าที่ตลาดคาดทั้งในด้านรายได้และกำไร
บริษัทคาดว่ารายได้ในไตรมาสถัดไปจะสูงกว่าประมาณการเดิมของนักวิเคราะห์ราว 30% ขณะที่ชิปสวิตช์รุ่นล่าสุด Scorpio X เพิ่งเข้าสู่การผลิตจำนวนมาก และอาจกลายเป็นสายผลิตภัณฑ์ที่มีขนาดใหญ่ที่สุดของบริษัทภายในหนึ่งไตรมาสหลังเปิดตัว
หลังประกาศผลประกอบการ JPMorgan, Jefferies และ Morgan Stanley ต่างปรับเพิ่มราคาเป้าหมายอย่างน้อย 20% อย่างไรก็ตาม Astera Labs เป็นบริษัทที่มีขนาดเล็กที่สุดในกลุ่มนี้และราคาหุ้นมีความผันผวนสูง การประเมินมูลค่าจึงอ่อนไหวต่อความเร็วในการเพิ่มยอดขายของผลิตภัณฑ์ใหม่และการเติบโตของคำสั่งซื้อจากลูกค้า
คอขวดจะคลี่คลายเมื่อกำลังผลิตใหม่เข้าสู่ตลาด
การลงทุนโครงสร้างพื้นฐาน AI กระตุ้นความต้องการในหลายส่วน ตั้งแต่ GPU เซิร์ฟเวอร์ ไฟฟ้า หน่วยความจำ ไปจนถึงใยแก้วนำแสง แต่สถานะอุปสงค์และอุปทานของแต่ละส่วนยังแตกต่างกัน รายได้ธุรกิจดาต้าเซ็นเตอร์ของ Nvidia ในปีงบประมาณล่าสุดอยู่ที่ 194,000 ล้านดอลลาร์ เพิ่มขึ้น 68% จากปีก่อน หรือประมาณ 13 เท่าของช่วงที่ ChatGPT เปิดตัว ขณะที่อัตรากำไรขั้นต้นยังสูงกว่า 75% Dell (DELL) และ Super Micro (SMCI) ซึ่งเป็นผู้ประกอบเซิร์ฟเวอร์ก็ได้รับประโยชน์ตามมา
Constellation Energy (CEG) ผู้ดำเนินการโรงไฟฟ้านิวเคลียร์ ลงนามสัญญาจัดหาไฟฟ้าระยะยาวในราคาสูงกว่าอัตราค่าไฟฟ้าในภูมิภาคปัจจุบัน 30-40 ดอลลาร์ต่อกิโลวัตต์-ชั่วโมง และกำไรต่อหุ้นที่ปรับปรุงแล้วเพิ่มขึ้นมากกว่า 25% ในไตรมาสล่าสุด ข้อมูลนี้สะท้อนว่าคอขวดด้านไฟฟ้าเริ่มส่งผ่านไปยังผู้จัดหาพลังงานด้วย แต่การเพิ่มกำลังผลิตไฟฟ้าและอุปกรณ์โครงข่ายต้องใช้ระยะเวลาก่อสร้างค่อนข้างนาน
ราคาหุ้นและมูลค่าของบริษัทเหล่านี้ได้สะท้อนความคาดหวังต่อการเติบโตของการลงทุน AI ไปแล้วในระดับหนึ่ง ขณะเดียวกัน คอขวดด้านอุปทานจะทยอยผ่อนคลายเมื่อกำลังการผลิตใหม่เริ่มเดินเครื่อง อัตราการเติบโตของอุปสงค์ รอบการเปลี่ยนอุปกรณ์ เงื่อนไขการระดมทุน และนโยบายภาครัฐก็อาจทำให้จังหวะการใช้จ่ายเปลี่ยนไป สำหรับตลาด ประเด็นที่ต้องติดตามต่อไปจึงไม่ใช่เพียงมูลค่าการลงทุน AI รวม แต่รวมถึงเงินทุนจะไหลไปยังส่วนใดของห่วงโซ่อุปทาน และบริษัทต่างๆ จะเปลี่ยนยอดคำสั่งซื้อค้างส่งให้เป็นรายได้และกระแสเงินสดได้เร็วเพียงใด