ฟองสบู่ AI คืออะไร? สัญญาณอันตรายที่นักลงทุนห้ามมองข้าม

เทคโนโลยีปัญญาประดิษฐ์กำลังกลายเป็นตัวขับเคลื่อนหลักของเศรษฐกิจโลก แต่เม็ดเงินลงทุนที่มหาศาลก็ทำให้เกิดคำถามตัวโตว่า กำลังก่อตัวขึ้นหรือไม่ ท่ามกลางรายงานจากสถาบันการเงินชั้นนำที่ระบุว่ารายจ่ายฝ่ายทุน (Capex) ที่เกี่ยวข้องกับ AI กลายเป็นตัวขับเคลื่อนสำคัญของ S&P 500 ในช่วงปี 2024–2025 บทความนี้จะพาคุณเจาะลึกทะลุเปลือก Narrative ไปสู่ชุดข้อมูลจริง (Hard Data) ทั้งโครงสร้างต้นทุน การประเมินมูลค่า และเม็ดเงินระดับประเทศ เพื่อหาคำตอบว่าตลาดกำลังเผชิญกับอะไร ฟองสบู่ ai

ทำความรู้จัก "ฟองสบู่ AI" และช่องว่างของ Mega Capex

สภาวะฟองสบู่ในโลกการลงทุนมักก่อตัวขึ้นเมื่อราคาสินทรัพย์วิ่งนำหน้าปัจจัยพื้นฐานไปไกล ในยุคนี้ ความกังวลเรื่อง ฟองสบู่ AI มีศูนย์กลางอยู่ที่ปรากฏการณ์ "Mega Capex" หรือการลงทุนโครงสร้างพื้นฐานขนาดมหาศาลของกลุ่มบิ๊กเทค มีการประเมินจากนักวิเคราะห์ว่ารายจ่ายลงทุนที่เกี่ยวข้องกับ AI ของกลุ่ม Mega Caps ในสหรัฐฯ อาจพุ่งแตะระดับ 1.1 ล้านล้านดอลลาร์สหรัฐในช่วงปี 2026–2029 เม็ดเงินเหล่านี้ถูกทุ่มไปกับการเหมาซื้อชิปประมวลผลและสร้างดาต้าเซ็นเตอร์อย่างบ้าคลั่ง

แต่สิ่งที่ทำให้เกิดคำถามถึงความยั่งยืน หรือ "ROI Gap" คือช่องว่างระหว่างรายจ่ายและรายได้จริงที่มาจาก AI ปัจจุบัน รายได้และกำไรสุทธิของบิ๊กเทคส่วนใหญ่ยังคงมาจากธุรกิจแกนหลักเดิม (เช่น คลาวด์, โฆษณา, ซอฟต์แวร์องค์กร) ในขณะที่รายได้จาก Generative AI โดยตรงยังเป็นสัดส่วนที่ค่อนข้างเล็ก ตัวอย่างในระดับไมโครที่สะท้อนภาพนี้ได้ดีคือ ดีลระหว่าง OpenAI กับ Oracle ที่มีการประกาศลงทุนด้านประมวลผล (Compute) มูลค่ารวมราว 3 แสนล้านดอลลาร์ในเวลา 5 ปี เมื่อนำมาเทียบกับตัวเลขคาดการณ์รายได้ของ OpenAI ที่ราว 1.3 หมื่นล้านดอลลาร์ในปี 2025 จะเห็นถึงช่องว่างมหาศาลระหว่างต้นทุนและผลตอบแทนระยะสั้น

ด้วยเหตุนี้ การประเมินมูลค่า (Valuation) ของตลาดหุ้นที่ถูกผลักดันด้วยความคาดหวังว่า AI จะสร้างการเติบโตแบบก้าวกระโดด จึงมีความเสี่ยงแฝงอยู่ มีการประเมินว่าความคาดหวังต่อเทคโนโลยีนี้อธิบายมูลค่าถึง 15–25% ของดัชนี S&P 500 ในปี 2025 หากผลตอบแทนจากการลงทุน (ROI) ปรากฏช้ากว่าที่ตลาดคาดการณ์ไว้ โอกาสที่จะเกิดการเทขายปรับฐาน (Correction) อย่างรุนแรงย่อมมีสูง

"ฟองสบู่ AI" กับ "ย้อนรอยดอทคอม"

เพื่อตอบคำถามว่าเรากำลังอยู่ในภาวะฟองสบู่แบบปี 2000 หรือไม่ การเล่าด้วยความรู้สึกไม่เพียงพอ เราต้องกางตัวเลขเปรียบเทียบเชิงปริมาณ ในยุคดอทคอม บริษัทจำนวนมากเข้าตลาดโดยไม่มีแม้แต่แผนทำกำไร แต่ปัจจุบัน ตลาดถูกนำโดยบริษัทที่มีกระแสเงินสดแข็งแกร่งที่สุดในประวัติศาสตร์ ซึ่งสร้างกำไรสุทธิรวมกันได้มากกว่า 2 แสนล้านดอลลาร์ต่อปี

ตารางเปรียบเทียบตัวชี้วัดตลาด: ยุคดอทคอม vs ยุค AI

จากข้อมูลจะเห็นว่า แม้การประเมินมูลค่าหุ้นกลุ่ม AI ปัจจุบันจะสูง (Premium Valuation) แต่ก็ยังไม่ถึงจุดสุดโต่งที่ไร้เหตุผลรองรับเหมือนยุคดอทคอม โดยดัชนีแนสแด็กในยุคนั้นมี Forward P/E แตะระดับ 60 เท่า และตัวเลขพุ่งทะลุ 100-150 เท่าเมื่อรายได้หดตัว ในขณะที่ปัจจุบัน Forward P/E ของแนสแด็กยังแกว่งตัวในโซน 25-30 เท่า ดังนั้น การนิยามว่าตลาดทั้งหมดคือ จึงไม่ถูกต้องนัก แต่น่าจะเป็นลักษณะของ "ฟองสบู่เฉพาะจุด (Pocket of Bubble)" ในบางเซกเตอร์มากกว่า ฟองสบู่ ai

สมรภูมิฮาร์ดแวร์ และห่วงโซ่คุณค่า (Value Chain)

หากเปรียบเทียบแนวคิด "คนขายพลั่วในยุคตื่นทอง" กับอุตสาหกรรมปัจจุบัน เราต้องแยกส่วนห่วงโซ่คุณค่า (Value Chain) ของ AI ออกมาให้ชัดเจน เพื่อประเมินว่าความเสี่ยงของการเป็นฟองสบู่นั้นไปกระจุกตัวอยู่ที่จุดไหน

การแตกเซกเตอร์ในห่วงโซ่ AI และความเสี่ยงเชิงโครงสร้าง:

• ชิปและฮาร์ดแวร์ (GPU, ASIC, Wafer-scale): นี่คือกลุ่มที่เก็บเกี่ยวรายได้เป็นกอบเป็นกำที่สุดในปัจจุบัน ผู้เล่นหลักครองอำนาจผูกขาดและมี Margin สูงมาก อย่างไรก็ตาม ความเสี่ยงคือตัวเลข Valuation ที่สะท้อนสมมติฐานการเติบโตล่วงหน้าไปไกลมากแล้ว และในอนาคตกำลังเผชิญการแข่งขันจากชิปสถาปัตยกรรมใหม่ๆ ที่มุ่งเป้ามากดต้นทุน Compute ให้ต่ำลง
• คลาวด์และดาต้าเซ็นเตอร์ (Hyperscalers): กลุ่มนี้มีรายได้จากธุรกิจเดิมที่แข็งแกร่งรองรับ แต่เป็นผู้แบกรับภาระ Mega Capex หนักที่สุด หากดีมานด์การเช่าระบบไม่โตตามเป้า โครงสร้างหนี้และค่าเสื่อมราคาจะกลายเป็นแรงกดดันทันที
• โมเดลและแพลตฟอร์ม (Foundation Models): กลุ่มพัฒนาโมเดลภาษาขนาดใหญ่ (LLMs) กำลังเผชิญสงครามเผาเงินอย่างหนัก ต้นทุนการรันโมเดล (Inference) สูงมาก ในขณะที่พยายามกดราคา API เพื่อแย่งส่วนแบ่งตลาด กลุ่มนี้ถือว่ามีความเสี่ยงสูง
• แอปพลิเคชันปลายทาง (B2B / Consumer Apps): นี่คือจุดที่เปราะบางและมีโอกาสเป็นฟองสบู่มากที่สุด โดยเฉพาะในกลุ่มสตาร์ตอัปที่นำ AI มาห่อหุ้มบริการ (Wrapper) แต่ยังไม่มีรายได้ชัดเจน และไม่มี Moat ป้องกันการลอกเลียนแบบ

Sovereign AI : เบาะรองรับหรือตัวเร่งฟองสบู่?

มิติที่วิกฤตดอทคอมไม่มี แต่ยุค AI มีอย่างชัดเจน คือแนวคิด Sovereign AI หรือปัญญาประดิษฐ์ระดับอธิปไตย รัฐบาลทั่วโลกตระหนักว่านี่คือสมรภูมิทางภูมิรัฐศาสตร์และความมั่นคงระดับชาติ ทำให้เกิดการอัดฉีดเม็ดเงินสาธารณะ (Public Funding) เข้ามาเป็นโครงสร้างพื้นฐาน ซึ่งทำหน้าที่เป็น "Floor Demand" หรือเบาะรองรับขนาดใหญ่ให้กับอุตสาหกรรม

ตัวอย่างความเคลื่อนไหวด้านงบประมาณ Sovereign AI:

• สิงคโปร์ (Budget 2024 & 2026): รัฐบาลประกาศลงทุนมากกว่า 1 พันล้านดอลลาร์สิงคโปร์ในระยะเวลา 5 ปีแรก (เริ่มปี 2024) เพื่อพัฒนา Compute, บุคลากร และอุตสาหกรรมที่เกี่ยวข้อง และล่าสุดได้เตรียมอัดฉีดเม็ดเงินเพิ่มเติมอีกกว่า 1 พันล้านดอลลาร์สิงคโปร์ในช่วงปี 2025-2030 ภายใต้แผนวิจัยแห่งชาติ เพื่อยกระดับประเทศสู่การเป็นศูนย์กลาง AI ระดับโลก

ในขณะที่เม็ดเงินภาครัฐคอยหนุนตลาด ปัจจัยทางเศรษฐกิจมหภาคยังคงเป็นตัวชี้วัดสำคัญ ทิศทางนโยบายการเงินของธนาคารกลาง (Fed) ส่งผลโดยตรงต่อการประเมินมูลค่า (Discount Rate) หากต้นทุนทางการเงินยังคงสูง จะเกิดกระบวนการคัดกรองตามธรรมชาติ (Natural Selection) กดดันให้บริษัทเทคฯ และสตาร์ตอัปที่ขาดกระแสเงินสดล้มหายตายจากไป คล้ายกับบทเรียนหลังเทคบับเบิลรอบก่อนที่จะเหลือเพียงผู้ชนะคุณภาพสูงไม่กี่รายที่อยู่รอด

วิเคราะห์ความน่าจะเป็น 3 แบบของอนาคตฟองสบู่ AI

เพื่อให้สามารถนำข้อมูลไปใช้งานได้จริง นักลงทุนและผู้บริหารจำเป็นต้องมี Framework ในการประเมินสถานการณ์ ซึ่งอนาคตของตลาด AI สามารถออกได้ใน 3 ฉากทัศน์ (Scenarios) หลัก ดังนี้:

• Scenario 1: Soft Landing (ปรับฐานอย่างนุ่มนวล) - ผลประกอบการ (Earnings) เติบโตได้ตาม Narrative ตลาดมีการปรับลด Valuation ลงมาเรื่อยๆ ผ่านการเติบโตของกำไร ภาวะฟองสบู่จำกัดอยู่แค่ใน Niche Market หรือแอปพลิเคชันรายย่อยที่ทำเงินไม่ได้
• Scenario 2: Sector-Specific Bust (แตกเฉพาะเซกเตอร์) - กลุ่มสตาร์ตอัป Consumer AI ที่ไม่มีรายได้ หรือบริษัทที่ใช้ AI เป็นแค่ Buzzword ราคาหุ้นร่วงหนักและล้มละลาย แต่กลุ่ม Mega Caps และผู้ผลิตฮาร์ดแวร์พื้นฐานยังคงรอดและเติบโตต่อได้
• Scenario 3: Hard Bust (ตลาดปรับฐานรุนแรง) - ROI ปรากฏช้าเกินไป กลุ่มบิ๊กเทคทนแบกรับต้นทุนไม่ไหวจนต้องหั่นงบ Capex แรง นำไปสู่การเติบโตของกำไรที่หดตัว และเกิด Valuation Correction คล้ายยุคหลังดอทคอม

หากจะลงทุนในธีม AI อย่างปลอดภัย ควรเน้นมองหาบริษัทที่มี Pricing Power (อำนาจการกำหนดราคา) โฟกัสไปที่โมเดลธุรกิจแบบ B2B / Enterprise ที่สร้าง Value ได้ชัดเจน (เช่น ประหยัดต้นทุน หรือเพิ่มรายได้ให้องค์กรลูกค้าได้จริง) นอกจากนี้ ควรจัดพอร์ตให้กระจายความเสี่ยงครบทั้ง Ecosystem (ฮาร์ดแวร์-คลาวด์-พลังงาน) และเลือกเฉพาะบริษัทที่มีงบดุลแข็งแกร่ง ปลอดหนี้สินล้นพ้นตัว เพื่อเป็นเกราะป้องกันหากเกิด Scenario ปรับฐานรุนแรง

บทสรุป

เมื่อกางข้อมูลเชิงปริมาณทั้งหมด จะเห็นว่าข้อถกเถียงเรื่อง ฟองสบู่ ai ไม่สามารถสรุปได้ด้วยมุมมองแบบขาวดำ ดาต้าบ่งชี้ชัดเจนว่าตลาดในปัจจุบันเป็น "Earnings-backed boom" หรือการเติบโตที่หนุนหลังด้วยกำไรมหาศาลของกลุ่มบิ๊กเทค แตกต่างจากยุควิกฤตดอทคอมที่เป็นเพียงการเก็งกำไรในบริษัทที่ว่างเปล่า

อย่างไรก็ตาม ช่องว่างระหว่าง Mega Capex และรายได้ที่แท้จริงจาก AI รวมถึง Valuation ที่ตึงตัวในกลุ่มสตาร์ตอัปซอฟต์แวร์ ยังคงเป็นจุดเปราะบางที่สะท้อนถึงภาพฟองสบู่เฉพาะกลุ่ม ผู้ที่จะอยู่รอดและทำกำไรในระยะยาวได้ คือนักลงทุนที่เลิกเก็งกำไรตามกระแส แต่หันมาใช้ตัวชี้วัดจริงในการคัดกรองผู้ชนะ และเข้าใจถึงการเปลี่ยนแปลงเชิงโครงสร้างในห่วงโซ่คุณค่าทางเทคโนโลยีและเศรษฐกิจมหภาคอย่างแท้จริง