ใครกำลังจ่ายค่าชิปและดาต้าเซ็นเตอร์ของยุคเอไอ? เมื่อเงินลงทุนขยายถึงระดับล้านล้านดอลลาร์ บริษัทเทคเริ่มดึงธนาคาร กองทุน และนักลงทุนเข้ามาร่วมแบกต้นทุน พร้อมกับความเสี่ยงที่กระจายออกจากผู้ถือหุ้นมากขึ้น
KEY POINTS
- การเติบโตของเอไอเปลี่ยนจากการใช้เงินสดของบริษัทเทคมาพึ่งหนี้มากขึ้น เพื่อรองรับค่าใช้จ่ายมหาศาลในการสร้างดาต้าเซ็นเตอร์และซื้อชิป
- การใช้หนี้ทำให้ธนาคาร กองทุน นักลงทุนเข้ามามีบทบาท และเป็นการกระจายความเสี่ยงจากผู้ถือหุ้นของบริษัทเทคไปยังระบบการเงิน
- เกิดรูปแบบการเงินใหม่ๆ รองรับการลงทุน เช่น ใช้ GPU เป็นสินทรัพย์ค้ำประกันเงินกู้ จัดตั้งดาต้าเซ็นเตอร์เป็นโครงการที่ระดมทุนจากนักลงทุนภายนอกโดยเฉพาะ
ที่ผ่านมา การแข่งขันเอไอถูกขับเคลื่อนด้วยเงินสดมหาศาลจากบริษัทเทคโนโลยีระดับโลก ทั้ง Microsoft, Alphabet, Amazon และ Meta ที่นำกำไรจากธุรกิจเดิมไปซื้อชิป สร้างดาต้าเซ็นเตอร์ และเพิ่มกำลังประมวลผลเพื่อรองรับเอไอ
อย่างไรก็ตาม การแข่งขันกำลังเข้าสู่อีกช่วงหนึ่ง เมื่อค่าใช้จ่ายเพิ่มขึ้นจนเงินสดของบริษัทเพียงอย่างเดียวอาจไม่เพียงพอ หรืออย่างน้อยบริษัทก็ไม่ต้องการจ่ายค่าโครงสร้างพื้นฐานทั้งหมดด้วยเงินของตัวเอง สิ่งที่กำลังเข้ามามีบทบาทมากขึ้นจึงเป็น “หนี้”
สัญญาณล่าสุดมากจาก SpaceX บริษัทของอีลอน มัสก์ กำลังหารือเพื่อระดมเงินประมาณ 40,000 ล้านดอลลาร์ หรือมากกว่า 1.3 ล้านล้านบาท เพื่อนำไปซื้อชิปของ Nvidia และเพิ่มกำลังประมวลผลสำหรับธุรกิจเอไอ
รอยเตอร์สรายงานว่า โครงสร้างที่อยู่ระหว่างการหารือประกอบด้วยเงินกู้ธนาคารประมาณ 10,000 ล้านดอลลาร์ และตราสารหนี้ระดับ investment grade อีกราว 30,000 ล้านดอลลาร์
ขณะเดียวกัน บริษัทอย่าง Broadcom และ Oracle ก็ถูกจับตาว่ากำลังมองหาเงินทุนก้อนใหญ่สำหรับชิปและโครงสร้างพื้นฐานเอไอเช่นกัน ดังนั้น ภาพที่เกิดขึ้นจึงชวนให้ตั้งคำถามว่า AI Boom ซึ่งช่วงแรกดูเหมือนเป็นการแข่งขันระหว่างบริษัทเทค กำลังค่อยๆ กลายเป็นการแข่งขันที่ธนาคาร กองทุน และนักลงทุนบนวอลล์สตรีทต้องเข้ามาร่วมออกเงินด้วยหรือไม่
เอไอต้องการเงินเกือบ 3 ล้านล้านดอลลาร์
เอไอในวันนี้ไม่ได้เป็นเพียงซอฟต์แวร์ เบื้องหลังโมเดลอย่าง ChatGPT, Claude หรือ Gemini คือชิปจำนวนมหาศาล เซิร์ฟเวอร์ ระบบเครือข่าย ระบบทำความเย็น ดาต้าเซ็นเตอร์ และไฟฟ้าที่ต้องจ่ายให้ระบบเหล่านี้ทำงานตลอดเวลา ยิ่งบริษัทต้องการสร้างโมเดลที่มีความสามารถสูงขึ้นและรองรับผู้ใช้จำนวนมาก ต้นทุนของการแข่งขันก็ยิ่งขยับเข้าใกล้การสร้างโรงงานหรือโครงสร้างพื้นฐานขนาดใหญ่ มากกว่าธุรกิจซอฟต์แวร์แบบเดิม
Morgan Stanley ประเมินว่า ระหว่างปี 2568-2571 โลกอาจต้องใช้เงินลงทุนด้านดาต้าเซ็นเตอร์และฮาร์ดแวร์ที่เกี่ยวข้องประมาณ 2.9 ล้านล้านดอลลาร์ แต่กระแสเงินสดของบริษัท Hyperscaler รายใหญ่คาดว่าจะรองรับได้ราว 1.4 ล้านล้านดอลลาร์เท่านั้น
นั่นหมายความว่า ยังมีช่องว่างเงินทุนอีกประมาณ 1.5 ล้านล้านดอลลาร์ ที่ต้องมาจากแหล่งอื่น ไม่ว่าจะเป็นพันธบัตร เงินกู้ Private Credit หรือการระดมทุนผ่านโครงการเฉพาะ
Morgan Stanley ยังประเมินว่าเฉพาะปี 2569 การระดมเงินด้วยหนี้ที่เกี่ยวข้องกับเอไออาจแตะประมาณ 500,000 ล้านดอลลาร์ ตัวเลขนี้ช่วยอธิบายว่า ทำไมอุตสาหกรรมที่เคยถูกมองว่าเป็นการแข่งขันด้านซอฟต์แวร์ กำลังมีลักษณะใกล้เคียงกับการสร้างโรงไฟฟ้า โรงงาน หรือโครงสร้างพื้นฐานขนาดใหญ่ขึ้นเรื่อยๆ
อย่างไรก็ตาม การกู้เงินไม่ได้แปลว่าบริษัทเหล่านี้กำลัง “ไม่มีเงิน” บริษัทอย่าง Microsoft, Alphabet, Amazon หรือ Meta ยังมีกระแสเงินสดและฐานะการเงินแข็งแรงมาก การใช้หนี้อาจเป็นเพียงวิธีบริหารเงินทุน เช่น แทนที่จะนำเงินสดจำนวนมหาศาลไปล็อกไว้ในดาต้าเซ็นเตอร์ บริษัทสามารถเก็บเงินสดไว้ใช้กับธุรกิจอื่น แล้วกระจายต้นทุนของโครงการระยะยาวออกไปหลายปี แต่ทันทีที่เงินของคนอื่นเริ่มเข้ามา คำถามเรื่องความเสี่ยงก็เปลี่ยนไป
เงินที่ใช้สร้างเอไอไม่ใช่เงินของบริษัทเองทั้งหมด
การกู้เงินเพื่อลงทุนไม่ใช่เรื่องผิดปกติ บริษัททุกอุตสาหกรรมใช้หนี้เพื่อสร้างโรงงาน ซื้อเครื่องจักร หรือขยายธุรกิจมานานแล้ว และสำหรับบริษัทเทคขนาดใหญ่ที่มีกระแสเงินสดแข็งแรง การออกพันธบัตรอาจเป็นเครื่องมือทางการเงินที่สมเหตุสมผล
สิ่งที่ต่างออกไปคือ เมื่อเงินลงทุนเริ่มมาจากหนี้มากขึ้น ความเสี่ยงไม่ได้อยู่กับผู้ถือหุ้นเพียงอย่างเดียวอีกต่อไปแต่เริ่มกระจายไปยังธนาคาร กองทุน ผู้ถือพันธบัตร บริษัทประกัน และนักลงทุนอื่นที่ให้เงินแก่โครงการเหล่านั้น
หากบริษัทใช้เงินสด 10,000 ล้านดอลลาร์สร้างดาต้าเซ็นเตอร์ แล้วรายได้จากเอไอเกิดช้ากว่าที่คาด บริษัทอาจต้องรับผลตอบแทนที่ต่ำลง แต่หากเงินก้อนเดียวกันมาจากการกู้ บริษัทยังต้องจ่ายดอกเบี้ยและคืนเงินต้นตามกำหนด ไม่ว่ารายได้จากเอไอจะมาทันหรือไม่ ตรงนี้เองที่ทำให้คำถามเรื่องเอไอจะสร้างรายได้มากพอกับเงินลงทุนหรือไม่ เริ่มมีความสำคัญต่อระบบการเงินมากขึ้น
คนขายชิป เริ่มช่วยให้คนซื้อมีเงินซื้อ
กรณีของ Broadcom กับ Anthropic ทำให้ภาพนี้ซับซ้อนขึ้นไปอีก
เอกสารของ Anthropic ระบุว่า Broadcom ตกลงให้การสนับสนุนเงินทุนแก่ Anthropic ได้สูงสุดถึง 42,000 ล้านดอลลาร์ เพื่อช่วยรองรับค่าใช้จ่ายด้านกำลังประมวลผล ขณะที่ Anthropic มีภาระผูกพันด้าน Compute ระยะ 5 ปีสูงถึงประมาณ 125,200 ล้านดอลลาร์
Broadcom ไม่ได้มีบทบาทเพียงเป็นผู้ขายเทคโนโลยี แต่ยังช่วยให้ลูกค้ามีเงินมาซื้อหรือเช่าเทคโนโลยีด้วย หากอธิบายแบบง่ายที่สุด มันก็คล้ายกับการที่ร้านขายรถมีบริการสินเชื่อให้คนซื้อรถของตัวเอง
แนวทางนี้ไม่ได้ผิดปกติ อุตสาหกรรมเครื่องบิน รถยนต์ และเครื่องจักรทำแบบนี้มานานแล้ว แต่ในโลกเอไอ มันทำให้เส้นแบ่งระหว่างผู้ขาย ลูกค้า นักลงทุน และเจ้าหนี้ เริ่มไม่ชัดเท่าเดิม บริษัทหนึ่งอาจขายเทคโนโลยีให้ลูกค้า ขณะเดียวกันก็ช่วยหาเงินให้ลูกค้าซื้อเทคโนโลยีนั้น และอาจมีผลประโยชน์ทางการเงินอื่นเชื่อมโยงกันอยู่ด้วย
นี่ทำให้คำถามเรื่องความต้องการจริงซับซ้อนขึ้น เพราะเมื่อเห็นยอดสั่งซื้อชิปหรือการใช้ Compute เพิ่มขึ้น เราอาจต้องถามต่อด้วยว่า เงินที่ใช้ซื้อสิ่งเหล่านี้มาจากรายได้ที่ลูกค้าสร้างได้เองมากน้อยแค่ไหน และมาจากการที่นักลงทุนช่วยเติมเงินให้ระบบมากเพียงใด
แล้วถ้าเอา GPU ไปค้ำเงินกู้ล่ะ?
อีกความเปลี่ยนแปลงที่ชวนคิดคือ GPU ซึ่งกำลังถูกมองไม่ใช่เพียงในฐานะชิป แต่ในฐานะสินทรัพย์ทางการเงิน
Nvidia สนับสนุนความพยายามระดมเงินสำหรับโครงสร้างพื้นฐานเอไอในระดับประมาณ 500,000 ล้านดอลลาร์ โดยหนึ่งในแนวคิดคือทำให้ GPU สามารถนำมาใช้รองรับการกู้เงินได้ คล้ายกับเครื่องบินหรือเครื่องจักรราคาแพงที่บริษัทสามารถนำไปเป็นหลักประกัน
ฟังดูสมเหตุสมผล เพราะ GPU มีราคาสูงและสร้างรายได้จากการให้เช่ากำลังประมวลผลได้ แต่ปัญหาคือเทคโนโลยีชิปเปลี่ยนเร็วมาก Nvidia มองว่า GPU สามารถใช้งานได้นานประมาณ 10 ปี แต่ผู้ให้กู้จำนวนหนึ่งกลับประเมินค่าเสื่อมไว้เพียงราว 3-4 ปี เพราะชิปรุ่นใหม่สามารถเร็วกว่า ประหยัดไฟกว่า และลดความคุ้มค่าของรุ่นเก่าได้ภายในเวลาไม่กี่ปี
ดังนั้น สำหรับธนาคาร คำถามไม่ใช่เพียงว่า “ชิปวันนี้ราคาเท่าไร” แต่คือ “ถ้าอีกสี่ปีลูกหนี้จ่ายเงินไม่ได้ ชิปก้อนนี้ยังขายต่อได้เท่าไร?” และถ้าระหว่างนั้น Nvidia เปิดตัวชิปรุ่นใหม่ที่มีประสิทธิภาพสูงกว่าอย่างมาก มูลค่าของ GPU ที่เคยเป็นสินทรัพย์ราคาแพงอาจลดลงเร็วแค่ไหน
จากเดิมที่เรื่อง GPU เป็นคำถามของวิศวกรว่าเร็วแค่ไหน กินไฟเท่าไร และรันโมเดลอะไรได้บ้าง ตอนนี้มันเริ่มกลายเป็นคำถามของนักการเงินว่า อีกไม่กี่ปีสินทรัพย์ชิ้นนี้จะยังมีมูลค่าเหลือเท่าไร
ศูนย์ข้อมูลก็ก็ไม่ได้เป็นแค่ตึกอีกต่อไป
ไม่ใช่เฉพาะชิปที่ถูกเปลี่ยนให้กลายเป็นสินทรัพย์ทางการเงิน ดาต้าเซ็นเตอร์เองก็กำลังถูกจัดโครงสร้างแบบเดียวกัน ตัวอย่างหนึ่งคือ Hyperion Data Center ของ Meta ในรัฐลุยเซียนา ซึ่งมีมูลค่ามากกว่า 50,000 ล้านดอลลาร์ และมีการระดมหนี้ประมาณ 27,000 ล้านดอลลาร์ผ่านโครงสร้างแยกชื่อ Beignet Investor แทนที่จะให้ Meta กู้เงินทั้งหมดโดยตรง
พูดง่ายๆ คือ แทนที่ Meta จะควักเงินสร้างทุกอย่างเอง บริษัทสามารถแยกโครงการออกมา แล้วให้นักลงทุนและเจ้าหนี้จากภายนอกเข้ามาช่วยออกเงิน ส่วน Meta ทำสัญญาใช้โครงสร้างพื้นฐานนั้นในระยะยาว
วิธีนี้มีลักษณะคล้ายกับการหาเงินสร้างโรงไฟฟ้า สนามบิน หรือโครงการอสังหาริมทรัพย์ขนาดใหญ่ งานวิจัยจาก Columbia Business School ชี้ว่า การเงินของโครงสร้างพื้นฐานเอไอกำลังเคลื่อนจากการที่บริษัทเทคจ่ายจากงบดุลตัวเอง ไปสู่สัญญาเช่า Project Finance, Private Credit, Securitization และบริษัทเฉพาะกิจ หรือ SPV มากขึ้น
ข้อดีคือ บริษัทสามารถสร้างโครงสร้างพื้นฐานได้เร็วขึ้นโดยไม่ต้องแบกต้นทุนทั้งหมดเอง แต่ข้อเสียคือความเสี่ยงไม่ได้หายไป เพียงย้ายไปอยู่กับผู้เล่นรายอื่น หากดาต้าเซ็นเตอร์มีลูกค้าเต็ม ทุกอย่างเป็นไปตามแผน โครงสร้างแบบนี้ก็ช่วยให้ AI Boom เติบโตเร็วขึ้นได้ แต่หากความต้องการ Compute ต่ำกว่าที่คาด ชิปข้างในล้าสมัยเร็ว หรือโครงการสร้างเกินความต้องการ นักลงทุนและเจ้าหนี้ที่เข้ามาช่วยจ่ายก็จะได้รับผลกระทบด้วย
ตลาดยังไม่ได้กลัวเอไอ แต่เริ่มไม่ได้เชื่อทุกอย่างเหมือนเดิม
ตอนนี้ยังเร็วเกินไปที่จะบอกว่าตลาดหนี้กำลัง “กลัวเอไอ” เพราะเงินจำนวนมากยังไหลเข้าสู่โครงการเหล่านี้ และบริษัทเทครายใหญ่จำนวนมากยังมีฐานะทางการเงินแข็งแรง แต่สิ่งที่เริ่มเห็นคือ นักลงทุนกำลังเลือกมากขึ้น
สิ่งที่ตลาดกังวลในตอนนี้จึงไม่ใช่ว่า Microsoft หรือ Meta จะผิดนัดชำระหนี้ในเร็ววัน แต่เป็นคำถามว่า หากบริษัทเทคจำนวนมากต้องออกพันธบัตรพร้อมกันปีละหลายแสนล้านดอลลาร์ ตลาดจะรับไหวแค่ไหน และหากทุกคนต้องการเงินพร้อมกัน ต้นทุนการกู้จะสูงขึ้นเพียงใด เพราะบริษัทเทคไม่ได้แข่งแย่งเงินกันเอง แต่ยังต้องแย่งเงินกับรัฐบาลทั่วโลกที่กำลังออกพันธบัตรจำนวนมากเช่นกัน และเมื่อมีคนต้องการเงินมากขึ้นพร้อมกัน ราคาของเงินก็ย่อมมีโอกาสแพงขึ้น
นี่ทำให้ต้นทุนของ AI Boom ไม่ได้ขึ้นอยู่แค่ราคาชิปหรือค่าไฟอีกต่อไป แต่ขึ้นอยู่กับอัตราดอกเบี้ยและสภาพตลาดการเงินด้วย
สุดท้ายแล้วเอไอจะทำเงินทันหรือไม่?
ไม่ว่าจะตั้ง SPV กี่ชั้น ใช้ Project Finance แบบไหน หรือเอา GPU ไปเป็นหลักประกันมากเท่าไร สุดท้ายเงินต้นและดอกเบี้ยก็ต้องมาจากรายได้จริงที่ระบบเอไอสร้างขึ้น และตรงนี้คือคำถามที่สำคัญที่สุด
ปี 2568 Anthropic มีรายได้ประมาณ 4,600 ล้านดอลลาร์ เพิ่มขึ้นอย่างรวดเร็วจากปีก่อน แต่ค่าใช้จ่ายด้าน Compute และโครงสร้างพื้นฐานอยู่ที่ประมาณ 7,300 ล้านดอลลาร์ มากกว่ารายได้ทั้งปี ขณะที่ผลขาดทุนจากการดำเนินงานอยู่ที่ประมาณ 8,060 ล้านดอลลาร์
ตัวเลขนี้ไม่ได้หมายความว่า Anthropic จะไม่มีวันทำกำไร บริษัทเทคจำนวนมากเคยขาดทุนหนักในช่วงแรกก่อนสร้างธุรกิจขนาดใหญ่ขึ้นมาได้ แต่เมื่อการเติบโตเริ่มพึ่งพาเงินของเจ้าหนี้มากขึ้น คำถามว่า “เมื่อไรจะทำเงิน” ก็สำคัญขึ้นตามไปด้วย เพราะผู้ถือหุ้นอาจยอมรออนาคตได้หลายปี แต่เจ้าหนี้มีวันที่ต้องรับดอกเบี้ยและวันครบกำหนดที่ต้องได้เงินต้นคืน
รายได้จากเอไอจึงไม่ได้ต้องเพียงโต แต่ต้องโตให้เร็วพอที่จะไล่ทันค่าชิป ค่าดาต้าเซ็นเตอร์ ค่าไฟ และต้นทุนของเงินที่กู้มาใช้พร้อมกัน
นี่จึงเป็นความเปลี่ยนแปลงของ AI Boom จากช่วงแรกที่ทุกคนถามว่าโมเดลไหนฉลาดที่สุด ต่อมาเป็นใครมี GPU มากที่สุด จากนั้นเป็นใครสร้างดาต้าเซ็นเตอร์และหาไฟฟ้าได้เร็วกว่า และตอนนี้กำลังมีอีกคำถามเพิ่มเข้ามา คือใครสามารถหาเงินได้มากกว่า ถูกกว่า และนานพอที่จะสร้างโครงสร้างพื้นฐานก่อนคู่แข่ง
AI Boom จึงไม่ได้มีเพียง OpenAI, Nvidia, Microsoft หรือ Meta เป็นตัวละครหลักอีกต่อไป แต่มีธนาคาร กองทุน Private Credit บริษัทประกัน กองทุนบำนาญ และนักลงทุนตราสารหนี้เข้ามาอยู่ในเรื่องเดียวกันด้วย
ทั้งหมดนี้ยังไม่ได้แปลว่าฟองสบู่เอไอกำลังจะแตก หรือบริษัทเทคกำลังหมดเงิน สิ่งที่กำลังเกิดขึ้นคือ ขนาดของเงินลงทุนใหญ่ขึ้นจนความเสี่ยงไม่ได้ถูกเก็บอยู่ในซิลิคอนวัยเลย์เพียงอย่างเดียว
ถ้าเอไอสร้างรายได้ตามความคาดหวัง หนี้เหล่านี้อาจเป็นเชื้อเพลิงที่ช่วยให้อุตสาหกรรมโตเร็วขึ้น แต่ถ้ารายได้โตช้า เทคโนโลยีเปลี่ยนเร็วกว่าที่คิด หรือมีดาต้าเซ็นเตอร์ถูกสร้างมากกว่าความต้องการ ความเสี่ยงก็จะไม่ได้ตกอยู่กับบริษัทเทคและผู้ถือหุ้นเท่านั้น
อ้างอิง: Reuters
