บทวิเคราะห์เจาะลึกข้อพิพาทเรื่องความล่าช้าของ CPO: เหตุใดรายงานเพียงฉบับเดียวจาก SemiAnalysis จึงส่งผลกระทบอย่างรุนแรงต่อกลุ่มการสื่อสารด้วยแสงของสหรัฐฯ ภายในวันเดียว, และเราควรเชื่อเรื่อง 'ความล่าช้า' นี้จริงหรือ?

เมื่อวันที่ 9 มิถุนายน 2026 รายงานการวิจัยที่เผยแพร่เป็นการเฉพาะสำหรับลูกค้าสถาบันที่ชำระเงินค่าบริการ ได้ฉุดให้หุ้นกลุ่มการสื่อสารผ่านแสง (optical communications) ของสหรัฐฯ ร่วงลงอย่างรุนแรงพร้อมกันภายในวันเดียว โดยผู้เขียนรายงานฉบับนี้ไม่ใช่ทั้ง Goldman Sachs หรือ Morgan Stanley แต่เป็น SemiAnalysis ซึ่งเป็นบริษัทวิจัยอิสระที่เริ่มต้นจากการเป็นจดหมายข่าว (newsletter) บทความนี้จะใช้รายงานดังกล่าวเป็นจุดเริ่มต้นในการวิเคราะห์อย่างเป็นระบบว่า การติดตั้งใช้งานเทคโนโลยี Co-Packaged Optics (CPO) ในวงกว้างนั้นได้ถูกเลื่อนออกไปจริงหรือไม่ เหตุใดตลาดจึงพร้อมใจกันเชื่อในโมเดลอัตราผลตอบแทนคงที่ (static yield model) ที่เป็นข้อถกเถียงอย่างมาก และนักลงทุนควรสร้างกรอบการวิเคราะห์ที่ปราศจากอิทธิพลทางอารมณ์อย่างไรเมื่อต้องเผชิญกับเหตุการณ์ในลักษณะ “รายงานจากสถาบันที่น่าเชื่อถือกระตุ้นให้ตลาดทรุดตัวลง”

1. ย้อนรอยเหตุการณ์: รายงานเฉพาะกลุ่มลูกค้าสถาบันทำลายมูลค่าตลาดหลายหมื่นล้านดอลลาร์ได้อย่างไร

เริ่มแรก ขอให้เราย้อนกลับไปดูข้อเท็จจริงเกี่ยวกับการเคลื่อนไหวของราคาในวันนั้น โดยเมื่อวันที่ 9 มิถุนายน 2026 หุ้นกลุ่มการสื่อสารผ่านแสงของสหรัฐฯ เผชิญกับการปรับตัวลดลงพร้อมกันในวันเดียว ได้แก่ Applied Optoelectronics (AAOI) ดิ่งลงประมาณ 17%, POET Technologies (POET) ร่วงลงประมาณ 12%, Coherent (COHR) ลดลงประมาณ 11%, Lumentum (LITE) ปรับตัวลงประมาณ 8%, Marvell (MRVL) ร่วงลงประมาณ 7.6% และ Ciena (CIEN) ลดลงประมาณ 7% นอกจากนี้ ผู้เล่นรายอื่น ๆ ในห่วงโซ่การเชื่อมต่อผ่านแสง เช่น Fabrinet (FN) และ Credo (CRDO) ต่างก็เผชิญกับแรงกดดันเช่นกัน

ก่อนที่จะเจาะลึกไปที่ข้อถกเถียงทางเทคนิค มีรายละเอียดหนึ่งที่ควรตั้งข้อสังเกตไว้ก่อนล่วงหน้า นั่นคือ ภายใต้ข่าวร้ายเดียวกันนี้ หุ้น AAOI ดิ่งลงประมาณ 17% ในวันเดียว ขณะที่ Lumentum ซึ่งมีเทคโนโลยีที่คาบเกี่ยวกันอย่างมากกลับลดลงเพียงประมาณ 8% เท่านั้น ซึ่งเป็นความแตกต่างของส่วนต่างการปรับตัวลงเกือบสองเท่า ความแตกต่างเชิงโครงสร้างนี้สะท้อนให้เห็นถึงธรรมชาติของเงินทุนที่อยู่เบื้องหลังการเทขายด้วยความตื่นตระหนกในวันนั้น โดยมันดูเหมือนเป็นการสลัดนักลงทุนรายย่อยที่ตื่นตระหนก (weak hands) ออกไป มากกว่าที่จะเป็นการปรับราคาตามปัจจัยพื้นฐานอย่างสมเหตุสมผล ทั้งนี้ เราจะกลับมาพิจารณาเบาะแสนี้นีกครั้งในหัวข้อ “ทฤษฎีการสะท้อนกลับ (Reflexivity)” ที่ช่วงท้ายของบทความ

ประเด็นหลักของรายงานฉบับนี้สรุปได้ในประโยคเดียวคือ การขยายขอบเขตการใช้งานเชิงพาณิชย์ของ CPO จำเป็นต้องเลื่อนออกไป ซึ่งนำไปสู่คำถามสำคัญสองข้อที่บทความนี้ต้องการจะตอบ ได้แก่ ข้อแรก บริษัทวิจัยอิสระที่เริ่มต้นจากจดหมายข่าวสามารถทำลายมูลค่าตลาดของหุ้นกลุ่มการสื่อสารผ่านแสงของสหรัฐฯ หลายหมื่นล้านดอลลาร์ในวันเดียวด้วยรายงานเพียงฉบับเดียวได้อย่างไร และข้อสอง เราควรเชื่อคำกล่าวอ้างที่เด็ดขาดที่ว่าการนำ CPO ไปใช้งานในวงกว้างจะถูกเลื่อนออกไปหรือไม่

2. ภูมิหลังทางเทคนิค: CPO คืออะไร และเหตุใดจึงส่งผลกระทบต่อห่วงโซ่มูลค่าการสื่อสารผ่านแสงทั้งหมด

ในการประเมินน้ำหนักของ “การเลื่อนกำหนดการ” นี้ ก่อนอื่นเราต้องเข้าใจบทบาทของ CPO ในศูนย์ข้อมูล AI เสียก่อน โดยศูนย์ข้อมูลแบบดั้งเดิมจะพึ่งพาโมดูลรับส่งสัญญาณแสงแบบเสียบต่อ (pluggable optical transceivers) เพื่อทำการแปลงสัญญาณไฟฟ้าเป็นแสงระหว่างสวิตช์ ทว่า เมื่อคลัสเตอร์ AI ขยายตัวจาก GPU ระดับพันตัวไปเป็นแสนหรือล้านตัว อัตราการใช้พลังงาน ความหน่วง (latency) และความน่าเชื่อถือของการเชื่อมต่อระหว่างกันจึงกลายเป็นคอขวดใหม่ของระบบ ดังนั้น แนวคิดของ Co-Packaged Optics (CPO) คือการรวมแพ็กเกจของเครื่องยนต์ซิลิคอนโฟโตนิกส์ (silicon photonic engines) เข้ากับชิปสวิตช์ (ASIC) โดยตรงบนซับสเตรตเดียวกัน ซึ่งช่วยลดความยาวของเส้นทางสัญญาณจาก “ระดับนิ้ว” เหลือเพียง “ระดับมิลลิเมตร” ทั้งยังช่วยขจัดความจำเป็นในการใช้ตัวแปลงสัญญาณ DSP ที่เทอะทะ ส่งผลให้ประสิทธิภาพการใช้พลังงานและความหนาแน่นเพิ่มขึ้นอย่างก้าวกระโดด

นี่ไม่ใช่เพียงแค่แนวคิดทางทฤษฎีเท่านั้น โดยจากการแถลงอย่างเป็นทางการของ NVIDIA ในงาน GTC 2025 (เมื่อวันที่ 18 มีนาคม 2025) บริษัทได้เปิดตัวแพลตฟอร์มสวิตช์แบบ co-packaged optics สองแพลตฟอร์ม ได้แก่ Spectrum-X Photonics สำหรับ Ethernet และ Quantum-X Photonics สำหรับ InfiniBand โดยมีความเร็วพอร์ตสูงถึง 1.6 Tb/s ข้อมูลเปรียบเทียบอย่างเป็นทางการของ NVIDIA แสดงให้เห็นว่า เมื่อเทียบกับโซลูชันแบบเสียบต่อแบบดั้งเดิม CPO สามารถเพิ่มประสิทธิภาพการใช้พลังงานได้ประมาณ 3.5 เท่า ปรับปรุงความสมบูรณ์ของสัญญาณได้ถึง 63 เท่า เพิ่มความยืดหยุ่นของเครือข่าย 10 เท่า และเพิ่มความเร็วในการติดตั้งใช้งานได้เร็วขึ้น 1.3 เท่า ขณะเดียวกันก็ใช้เลเซอร์น้อยลงถึงประมาณสามในสี่ (ระบุอย่างเป็นทางการว่า “ใช้เลเซอร์น้อยลง 4 เท่า” โดยข้อมูลในภายหลังได้ปรับเพิ่มตัวเลขประสิทธิภาพพลังงานขึ้นเป็นประมาณ 5 เท่า) ทางด้านผู้ก่อตั้งอย่าง Jensen Huang ได้วางตำแหน่งเทคโนโลยีนี้ว่าเป็นขั้นตอนสำคัญในการรวมซิลิคอนโฟโตนิกส์เข้ากับสวิตช์โดยตรง เพื่อทลายข้อจำกัดเดิม ๆ ของระบบเครือข่ายระดับไฮเปอร์สเกล (hyperscale) และมองว่าเป็นลิงก์เชื่อมต่อที่สำคัญสำหรับโรงงาน AI ที่ใช้ GPU ระดับล้านตัว

การผลิตขั้นพื้นฐานของโซลูชันนี้ตกเป็นของ TSMC โดย C.C. Wei ประธานของ TSMC ได้เน้นย้ำในงานเดียวกันว่า โซลูชันซิลิคอนโฟโตนิกส์ของพวกเขารวมกระบวนการผลิตโหนดขั้นสูงเข้ากับความสามารถในการซ้อนสแต็กแบบ SoIC 3D โดยเฉพาะอย่างยิ่งชิปสวิตช์ Quantum-X800 ASIC นั้นใช้กระบวนการผลิตระดับ 4N ของ TSMC ซึ่งผสานรวมทรานซิสเตอร์ประมาณ 1.07 แสนล้านตัวเข้าด้วยกันและมีอัตราการส่งผ่านข้อมูลที่ 28.8 Tb/s ขณะที่เครื่องยนต์ซิลิคอนโฟโตนิกส์นั้นใช้แพลตฟอร์ม COUPE (Compact Universal Photonic Engine) ของ TSMC โดยใช้ตัวแปลงสัญญาณ micro-ring modulators (MRM) ขนาด 200G และเลเซอร์ continuous-wave distributed feedback (CW-DFB) เป็นแหล่งกำเนิดแสง ซึ่งเป็นที่น่าสังเกตว่า “COUPE” ที่มีการเอ่ยถึงซ้ำหลายครั้งนั้นคือชื่อแพลตฟอร์มบรรจุเครื่องยนต์โฟโตนิกส์ของ TSMC โดยตรง และการเข้าใจจุดนี้จะช่วยให้เห็นเป้าหมายทางวิศวกรรมที่เป็นรูปธรรมสำหรับ “สมการผลผลิต” ที่จะกล่าวถึงในภายหลัง

สิ่งสำคัญไม่แพ้กันคือรายชื่อห่วงโซ่อุปทาน จากการแถลงอย่างเป็นทางการของ NVIDIA ผู้ร่วมคิดค้นและร่วมมือพัฒนาแพลตฟอร์ม CPO ได้แก่ TSMC, Coherent, Corning, Foxconn, Lumentum และ SENKO ขณะที่ในฝั่งของโมดูลแสงแบบเสียบต่อ พันธมิตรในอุตสาหกรรมที่ NVIDIA เอ่ยชื่อถึง ได้แก่ Coherent, Eoptolink, Fabrinet และ Innolight กล่าวอีกนัยหนึ่งคือ หุ้นหลายตัวที่ร่วงลงในวันเดียวนั้นก็คือสมาชิกหลักที่ NVIDIA ได้ดึงเข้ามาในระบบนิเวศด้านแสงของตนนั่นเอง ซึ่งอธิบายได้ว่าเหตุใดรายงานเกี่ยวกับการเลื่อนเวลาการใช้งานจึงสร้างความสั่นคลอนทางอารมณ์ให้กับห่วงโซ่มูลค่าทั้งหมด นอกจากนี้ควรเสริมด้วยว่า CPO ไม่ใช่เรื่องเฉพาะของ NVIDIA เท่านั้น แต่ผู้ผลิตชิปอย่าง Broadcom ก็ได้เข้ามามีบทบาทในการแข่งขันนี้เช่นกัน และในอุตสาหกรรมมักมีความเห็นที่แตกต่างกันเสมอในเรื่องที่ว่า “การส่งมอบในปริมาณมากจะขยายตัวได้เมื่อใดและในรูปแบบใด”

3. คำกล่าวอ้างในรายงาน: การปรับลดกรอบเวลาลงสามช่วงและสมการผลผลิตที่จุดชนวนความตื่นตระหนก

เมื่อกลับมาดูที่รายงานฉบับดังกล่าวซึ่งมีชื่อหัวข้อว่า *Powered Down, Lights Off* รายงานนี้ได้ปรับลดกรอบเวลาทางเทคนิคลงสามส่วนด้วยกัน ได้แก่ ประการแรก ปริมาณการจัดส่ง CPO สำหรับระบบเครือข่ายแบบขยายขนาด (scale-out networking) ในปี 2027 จะต่ำกว่าความคาดหวังเชิงรุกของตลาดอย่างมีนัยสำคัญ ประการที่สอง กรอบเวลาสำหรับการผลิตจำนวนมากเต็มรูปแบบ (full-scale mass production) จะถูกเลื่อนออกไปเป็นปี 2028 หรือกระทั่งปี 2029 และประการที่สาม สถาปัตยกรรมการจ่ายไฟแบบ 800VDC ที่ NVIDIA เคยวางแผนไว้แต่แรกก็จะถูกเลื่อนออกไปจนถึงปี 2028 เช่นกัน

อย่างไรก็ตาม ต้องยอมรับตามความเป็นจริงว่าบริษัทวิจัยแห่งนี้ไม่ได้มองตลาดในแง่ร้ายไปเสียทั้งหมด โดยรายงานระบุอย่างชัดเจนว่า เทคโนโลยีระดับ ±400VDC ยังคงเป็นไปตามแผนและจะมีการเพิ่มปริมาณการผลิตในปี 2026 ขณะเดียวกัน โครงการ Near-Packaged Optics (NPO) บางโครงการอาจเร่งตัวขึ้นด้วยซ้ำจากความล่าช้านี้ ซึ่ง “มุมมองเชิงลบแบบมีเงื่อนไข” นี้เองที่ทำให้รายงานฉบับนี้แตกต่างจากคำทำนายวิกฤตแบบเลื่อนลอย

รายงานได้เสนอข้อคิดเห็นหลักสามประการ ได้แก่ อัตราผลผลิตจากการผลิต (manufacturing yields) ความซับซ้อนในการรวมระบบ (system integration complexity) และความคุ้มค่าด้านต้นทุนโดยรวม แต่สิ่งที่ทำให้ตลาดตื่นตระหนกที่สุดคือสมการทางคณิตศาสตร์เกี่ยวกับอัตราผลผลิต โดยรายงานสมมติให้อัตราผลผลิตสำหรับการประกอบเครื่องยนต์แสงตัวเดี่ยวอยู่ที่ 95% ภายใต้สถาปัตยกรรมสวิตชิ่งใหม่ที่อ้างถึง สวิตช์ ASIC ตัวเดียวจำเป็นต้องรวมเครื่องยนต์แสง (COUPE) เข้าด้วยกันจำนวน 32 ตัว เมื่อคำนวณโดยการนำ 0.95 ยกกำลัง 32 (0.95 ยกกำลัง 32) จะได้อัตราผลผลิตในระดับระบบเพียงประมาณ 19.4% เท่านั้น ซึ่งหมายความว่าจากทุก ๆ ห้าชิ้นที่ผลิตออกมาจากสายการผลิต จะมีเพียงชิ้นเดียวเท่านั้นที่ผ่านเกณฑ์ และที่สำคัญไปกว่านั้นคือ เครื่องยนต์แสงเหล่านี้จะถูกบัดกรีลงบนซับสเตรตโดยตรงโดยไม่มีทางกลับไปแก้ไขได้ (no rework path) หากเครื่องยนต์ตัวใดตัวหนึ่งเกิดข้อบกพร่องหลังจากประกอบเข้าด้วยกัน ซับสเตรตที่มีราคาแพงทั้งหมดก็จะต้องถูกทิ้งทันที

นอกเหนือจากเรื่องอัตราผลผลิตแล้ว รายงานยังได้เสนอหลักฐานเชิงประจักษ์เกี่ยวกับปัญหาการรวมระบบ โดยมีรายงานว่าแพลตฟอร์มสวิตชิ่งที่เกี่ยวข้องมีค่าการสูญเสียสัญญาณจากการแทรก (insertion loss) เกินกว่า 3.5 dB ในการทดสอบระดับระบบ ซึ่งเกือบจะเกินขีดจำกัดที่ยอมรับได้สำหรับงบประมาณช่องสัญญาณแสง นอกจากนี้ พวกเขาไม่ใช่กลุ่มเดียวที่แสดงท่าทีระมัดระวัง โดย Morgan Stanley (ทีมเซมิคอนดักเตอร์ภูมิภาคเกรเทอร์ไชน่า) ได้แสดงความคิดเห็นคล้ายคลึงกันในบางส่วนผ่านรายงานเมื่อวันที่ 10 มิถุนายน โดยเห็นพ้องว่าการขยายตัวของ CPO ในระยะสั้นนั้นต่ำกว่าที่คาดไว้ และคาดการณ์ว่าปริมาณการจัดส่งเครื่องยนต์แสงทั่วโลกในปี 2027 จะอยู่ที่เพียง 6-7 ล้านยูนิตเท่านั้น ซึ่งต่ำกว่าตัวเลขที่ตลาดเคยคาดการณ์ไว้ที่ 20-30 ล้านยูนิตอย่างมาก อย่างไรก็ตาม ต้องเน้นย้ำว่า Morgan Stanleyไม่ได้เห็นพ้องกับฝ่ายที่มองลบไปเสียทั้งหมด โดยได้ปฏิเสธอย่างชัดเจนต่อข้อวินิจฉัยที่ว่า “การผลิตจำนวนมากของระบบ 800V จะถูกเลื่อนออกไปเป็นปี 2028” โดยระบุว่าการตรวจสอบในห่วงโซ่อุปทานแสดงให้เห็นว่าตู้แร็คระบบ 800VDC ยังคงดำเนินไปตามแผนในครึ่งหลังของปี 2026 และยังคงคงคำแนะนำ “น้ำหนักการลงทุนมากกว่าตลาด” (Overweight) สำหรับ CPO โดยคาดว่าการเติบโตที่แท้จริงจะเริ่มระเบิดตัวขึ้นตั้งแต่ปี 2028 เป็นต้นไป โดยที่สมมติฐานระยะยาวยังคงไม่เปลี่ยนแปลง กล่าวอีกนัยหนึ่งก็คือ แม้แต่ในกลุ่มที่มองลบเอง ก็ยังมีความเห็นที่ไม่ตรงกันอย่างชัดเจนเกี่ยวกับขอบเขตและระดับของ “การเลื่อนกำหนดการ” นี้

4. กรอบเวลาสามช่วง: แกะรอย “การเลื่อนกำหนดการ” ฝ่ายที่มองบวกและมองลบต่างก็มีเหตุผล

เมื่อต้องเผชิญกับตัวชี้วัดทางวิศวกรรมที่ดูเหมือนจะหักล้างไม่ได้เหล่านี้ แนวทางการวิเคราะห์ที่เหมาะสมกว่าคือการแบ่ง “การเลื่อนกำหนดการ” ออกเป็นสามกรอบเวลาที่แตกต่างกันเพื่อพิจารณาแยกจากกัน แทนที่จะเลือกยอมรับหรือปฏิเสธข้อมูลทั้งหมดในคราวเดียว

ระดับแรกคือการทดสอบความถูกต้องและการเริ่มนำมาใช้งานในวงจำกัด (small-scale validation) ในครึ่งหลังของปี 2026 ซึ่งในระดับนี้ไม่มีความขัดแย้งที่แท้จริงระหว่างฝ่ายที่มองบวกและมองลบ และแม้กระทั่งผู้ผลิตรายเดิมต่างก็ออกมาปฏิเสธข้อมูลดังกล่าว โดยในวันที่รายงานถูกเผยแพร่ออกมา NVIDIA ได้ออกมาชี้แจงทันที โดย Gilad Shainer รองประธานอาวุโสฝ่ายระบบเครือข่าย ได้แถลงต่อสาธารณชนในงาน GTC/Computex ที่ไทเปว่า CPO เป็นเทคโนโลยีที่น่าตื่นเต้นที่สุดในขณะนี้ และระบุอย่างชัดเจนว่าผลิตภัณฑ์ที่เกี่ยวข้องได้เริ่มจัดส่งแล้วและจะเริ่มเร่งกระบวนการผลิตในครึ่งหลังของปี ซึ่งตรงกันข้ามกับโทนของรายงานฉบับดังกล่าว ทั้งนี้ ต้องชี้แจงว่า “การเร่งกระบวนการผลิต” (ramp-up) ตามข้อมูลอย่างเป็นทางการนั้น หมายถึงการติดตั้งใช้งานทางกายภาพและการทดสอบในระดับย่อยสำหรับลูกค้าคลาวด์ระดับ Tier-1 ไม่กี่ราย ซึ่งเป็นขั้นตอนที่ไม่ได้ถูกเลื่อนออกไป

ระดับที่สองคือการขยายขนาดการผลิตและติดตั้งใช้งานเต็มรูปแบบ (full scale-out ramp-up) ในปี 2027 ซึ่งในระดับนี้ คำเตือนของ SemiAnalysis ถือว่ามีน้ำหนัก เนื่องจากก่อนหน้านี้ตลาดได้ยอมรับเรื่องราวในเชิงบวกมากเกินไปว่าปี 2026 จะเป็นปีแรกของการใช้ CPO เชิงพาณิชย์ และจะถูกนำไปติดตั้งใช้งานอย่างเต็มรูปแบบในศูนย์ข้อมูลระดับไฮเปอร์สเกลภายในสองปี ซึ่งกรอบเวลาการใช้งานที่รวบรัดเกินไปนั้นถือว่ารุกคืบเกินไปจริง ๆ และความคาดหวังเรื่องปริมาณการจัดส่งในปี 2027 ก็จำเป็นต้องได้รับการปรับลดลง ซึ่งนี่เป็นระดับความกังวลเดียวกับที่ทาง Morgan Stanley ได้ประเมินไว้ว่า “จะอยู่ที่เพียง 6 ถึง 7 ล้านยูนิตในปี 2027”

ระดับที่สามคือการเปลี่ยนผ่านเชิงสถาปัตยกรรมเพื่อการขยายขนาดเต็มรูปแบบหลังปี 2028 เมื่อ CPO ถูกนำไปติดตั้งโดยตรงบนแพลตฟอร์มเจเนอเรชันถัดไปอย่าง Rubin Ultra และ Kyber ซึ่งคล้ายกับโซลูชัน Sidecar โดยกรอบเวลาที่คาดการณ์ไว้แต่แรกสำหรับกระบวนการนี้จะอยู่ที่ราวปี 2028 มาโดยตลอด ไม่ใช่สิ่งที่คาดว่าจะเกิดขึ้นในปี 2026 หรือ 2027 นอกจากนี้ยังควรเสริมด้วยว่าแพลตฟอร์ม Rubin เจเนอเรชันถัดไปของ NVIDIA จะเพิ่มจำนวน GPU ต่อแร็คจาก 72 ตัวเป็น 144 ตัว หรือสูงถึง 576 ตัว ซึ่งจะช่วยเพิ่มแบนด์วิดท์การเชื่อมต่อภายในตู้แร็คเป็นหลายร้อยเทราไบต์ต่อวินาที การเพิ่มขึ้นของความหนาแน่นอย่างก้าวกระโดดนี้เองที่เปลี่ยนให้ CPO จากเทคโนโลยีที่ “มีก็ดี” (nice-to-have) กลายมาเป็นเทคโนโลยีที่ “ต้องมี” (must-have) ดังนั้น การนำช่วงเวลาเปลี่ยนผ่านทางเทคนิคที่สมเหตุสมผลนี้ไปขยายความจนเกินจริงว่าเป็น “จุดจบ” ของโรดแมปทางเทคนิคโดยรวมของ CPO จึงเป็นการตีความที่เกินจริงอันเนื่องมาจากความตื่นตระหนกของตลาด เมื่อพิจารณาทั้งสามระดับเข้าด้วยกัน ข้อสรุปจะชัดเจนยิ่งขึ้นว่า สิ่งที่ถูกปรับปรุงแก้ไขอย่างสมเหตุสมผลมีเพียงคาดการณ์การเติบโตเชิงรุกในปี 2027 ในระดับที่สองเท่านั้น ไม่ใช่เส้นทางเทคโนโลยีทั้งหมดแต่อย่างใด

5. สองข้อโต้แย้ง: ข้อบกพร่องทางระเบียบวิธีวิจัยในสมการผลผลิต และตัวเลขจริงจากคำสั่งซื้อเลเซอร์ต้นน้ำ

เพื่อให้มุมมองมีความสมดุล เราต้องนำเสนอข้อโต้แย้งที่มีน้ำหนักมากสองประการ ซึ่งนี่ถือเป็นความแตกต่างขั้นพื้นฐานระหว่างการวิเคราะห์อย่างเข้มงวดกับการนำเสนอข้อมูลตามรายงานเพียงอย่างเดียว

ข้อโต้แย้งแรกชี้ไปที่ข้อบกพร่องทางระเบียบวิธีวิจัยภายในสมการผลผลิต โดยการนำ 0.95 ยกกำลัง 32 นั้น เป็นการตอกย้ำอัตราผลผลิตเริ่มต้น ณ ช่วงเวลาใดเวลาหนึ่งในแง่ร้าย โดยสมมติว่าอัตรานี้จะไม่ได้รับการปรับปรุงเลยในระหว่างการผลิตจำนวนมากในอนาคต การคำนวณเช่นนี้ละเลยกลไกหลักของอุตสาหกรรมเซมิคอนดักเตอร์โดยสิ้นเชิง เช่น การคัดแยกชิป (chip binning) การจัดเกรด การออกแบบโครงสร้างสำรอง (redundant designs) รวมถึงกระบวนการเรียนรู้เชิงลึกที่พัฒนาขึ้นอย่างรวดเร็วควบคู่ไปกับการเพิ่มปริมาณการผลิต อันที่จริงแล้ว การปรับปรุงอัตราผลผลิตอย่างต่อเนื่องตลอดกระบวนการผลิตจำนวนมากถือเป็นเรื่องปกติ ไม่ใช่ข้อยกเว้นในการผลิตเซมิคอนดักเตอร์ ทั้งนี้ เพื่อเป็นการตอบโต้เรื่องดังกล่าว บริษัทวิจัยฝ่ายตรงข้ามอย่าง Global Semi Research จึงได้ตีพิมพ์บทความเฉพาะเรื่องในหัวข้อ *Co-Packaged Optics Is Not Delayed* เพื่อตอบโต้คำกล่าวอ้างดังกล่าวโดยตรง โดยชี้ว่ารายงานฉบับนั้นเข้าใจผิดว่าแบบจำลองทางวิศวกรรมที่ระมัดระวังเป็นข้อสรุปแบบหยุดนิ่งและไม่มีการพัฒนา

ข้อโต้แย้งที่สองมาจากข้อมูลกำลังการผลิตจริงในระดับต้นน้ำ ซึ่งเป็นตัวชี้วัดที่ยากที่สุดในการประนีประนอมกับแนวคิด “การเลื่อนกำหนดการไปจนถึงปี 2029” โดย Global Semi Research ได้ชี้ให้เห็นในการโต้แย้งเดียวกันว่า ไม่มีผู้ผลิตรายใดที่จะปรับเพิ่มแนวทางการสั่งซื้อเลเซอร์กำลังสูงอย่างก้าวกระโดดจากประมาณ 40 ล้านยูนิตเป็นประมาณ 100 ล้านยูนิต และจองสายการประกอบขั้นสุดท้ายทั้งหมดของ Lumentum ไว้ล่วงหน้า สำหรับเทคโนโลยีที่ถูกกล่าวหาว่า “ต่ำกว่าความคาดหมายก่อนหน้านี้อย่างมีนัยสำคัญ” ทั้งนี้ ควรชี้แจงว่าตัวเลขทั้งสองนี้เป็นข้อกล่าวอ้างของ Global Semi Research และ ณ เวลาที่เผยแพร่ ยังไม่ได้รับการยืนยันอย่างเป็นทางการจาก NVIDIA หรือ Lumentum โดยควรพิจารณาว่าเป็นหลักฐานสนับสนุนที่มีน้ำหนักจากฝ่ายตรงข้ามมากกว่าจะเป็นตัวเลขทางการ อย่างไรก็ตาม คำสั่งซื้อเป็นตัวแทนของภาระผูกพันด้านรายจ่ายลงทุน (capex) ซึ่งมีผลผูกพันมากกว่าแนวทางที่เป็นคำพูดอย่างมาก และในตรรกะเชิงพาณิชย์ของอุตสาหกรรม แทบไม่มีบริษัทเทคโนโลยียักษ์ใหญ่รายใดที่จะยอมจ่ายเงินสดล่วงหน้าหลายปีเพื่อจองสายการผลิตเลเซอร์ต้นน้ำทั้งหมด สำหรับเทคโนโลยีที่จะยังไม่ถูกนำมาใช้งานจนกว่าจะถึงปี 2029

เมื่อประมวลข้อโต้แย้งทั้งสองนี้เข้าด้วยกัน จะช่วยให้ได้ข้อสรุปที่ปราศจากการบิดเบือนทางอารมณ์ นั่นคือ หาก “การเลื่อนการใช้งานเชิงพาณิชย์ในวงกว้าง” หมายถึงการปรับลดคาดการณ์การเติบโตเชิงรุกในปี 2027 ที่ตลาดเคยรับรู้ราคาไปแล้ว นั่นถือเป็นความเป็นจริงในภาคอุตสาหกรรมที่กำลังเกิดขึ้น อย่างไรก็ตาม หากรายงานนี้ถูกตีความว่าโรดแมปทางเทคนิคของ CPO ทั้งหมดจะเลื่อนออกไปจนถึงปี 2029 หลักฐานที่ว่าบรรดาผู้เล่นรายใหญ่ต่างพยายามแย่งชิงกำลังการผลิตเลเซอร์ผ่านคำสั่งซื้ออย่างหนักนั้น ก็ชัดเจนว่าไม่ได้สนับสนุนข้อสรุปในแง่ร้ายดังกล่าว

6. SemiAnalysis และ Dylan Patel: จากคนเลี้ยงผึ้งสู่บริษัทข้อมูลกรองที่วอลล์สตรีทหวาดกลัวที่สุด

เนื่องจากสมการผลผลิต 19% มีข้อบกพร่องทางระเบียบวิธีวิจัยอย่างเห็นได้ชัด ไม่ว่าจะพิจารณาจากแถลงการณ์ต่อสาธารณะของผู้บริหารของบริษัทผลิตชิป หรือข้อมูลจริงเรื่อง “ยอดจองเลเซอร์ต้นน้ำเต็มโควตา 100 ล้านตัว” คำถามที่ลึกซึ้งยิ่งกว่านั้นจึงเกิดขึ้นว่า เหตุใดตลาดจึงพร้อมใจกันเชื่อในโมเดลทางคณิตศาสตร์แบบหยุดนิ่งที่เป็นข้อถกเถียงอย่างมาก จนทำให้มูลค่าตลาดเสียหายไปหลายหมื่นล้านดอลลาร์ในวันเดียว

คำตอบนั้นอยู่ที่ผู้อยู่เบื้องหลังรายงานฉบับนี้ ซึ่งก็คือ Dylan Patel ผู้ดำเนินการด้านข้อมูลกรองที่น่ากลัวที่สุดคนหนึ่งในห่วงโซ่อุปทานเซมิคอนดักเตอร์ในปัจจุบัน โดยการก้าวขึ้นมามีชื่อเสียงของเขานั้นเป็นเรื่องที่ค่อนข้างเหลือเชื่อ เนื่องจากเขาไม่ได้จบปริญญาในสาขาที่เกี่ยวข้องกับเซมิคอนดักเตอร์เลย และเคยทำงานเป็นคนเลี้ยงผึ้งในชนบทในช่วงแรก ๆ ก่อนจะเริ่มเผยแพร่บทวิเคราะห์เชิงลึกผ่านบัญชี Twitter เกี่ยวกับเซมิคอนดักเตอร์โดยไม่เปิดเผยตัวตน และได้ก่อตั้ง SemiAnalysis ขึ้นในปี 2020 เขาก้าวหน้าขึ้นทีละขั้นจนกลายเป็นนักวิเคราะห์ดาวรุ่งที่มักถูกอ้างอิงถึงบ่อยครั้งโดยห้องปฏิบัติการ AI รายใหญ่ คลาวด์ยักษ์ใหญ่ เฮดจ์ฟันด์ชั้นนำ และผู้นำในอุตสาหกรรมเซมิคอนดักเตอร์ อิทธิพลอันมหาศาลของเขาเห็นได้จากรายละเอียดสำคัญประการหนึ่ง นั่นคือ ในงานประชุม GTC เมื่อเดือนมีนาคม 2026 Jensen Huang ได้เอ่ยชื่อบุคคลเพียงสองคนตลอดทั้งงาน ซึ่งหนึ่งในนั้นคือ Dylan Patel ทั้งยังได้แสดงเกณฑ์เปรียบเทียบประสิทธิภาพชิป InferenceMAX ของ SemiAnalysis (สื่อบางแห่งรายงานว่าเป็น InferenceX) บนหน้าจอหลัก ขณะเดียวกัน Lisa Su ซีอีโอของ AMD ก็ได้จัดเวลาเพื่อพบปะพูดคุยกับเขาโดยตรงเป็นการส่วนตัวนานถึง 90 นาที

ในแง่ของขนาดบริษัท SemiAnalysis ครองอันดับหนึ่งด้านยอดการสมัครสมาชิกเทคโนโลยีบน Substack มาเป็นเวลานาน โดยมียอดการสมัครสมาชิกทั้งหมดจากตัวชี้วัดต่าง ๆ อยู่ที่ประมาณ 200,000 ถึงกว่า 280,000 ราย (ระบุอย่างเป็นทางการว่า “มากกว่า 200,000 ราย” ขณะที่รายงานภายนอกระบุว่า “มากกว่า 250,000 ราย” และยอดนับบนแพลตฟอร์ม Substack แสดงตัวเลขเกือบ 290,000 ราย) ซึ่งส่วนใหญ่เป็นผู้อ่านฟรี โดยมีผู้สมัครสมาชิกรายปีแบบชำระเงินเป็นส่วนน้อย นอกจากนี้ รายได้ของบริษัทยังแสดงถึงขนาดเชิงพาณิชย์ได้ดียิ่งขึ้น โดยการประเมินของตลาดบ่งชี้ว่ารายได้ต่อปีของบริษัทได้พุ่งขึ้นจากประมาณ 20 ล้านดอลลาร์ในปี 2025 และมีแนวโน้มที่จะทะลุ 100 ล้านดอลลาร์ในปี 2026

แต่สิ่งที่สร้างปราการป้องกัน (moat) ที่แท้จริงให้แก่บริษัทไม่ใช่จำนวนผู้สมัครสมาชิก แต่เป็นกระบวนการรวบรวมข้อมูลกรอง โดยแทนที่จะวิเคราะห์ย้อนกลับจากรายงานทางการเงินที่เปิดเผยต่อสาธารณะ SemiAnalysis กลับสร้างข้อมูลขึ้นมาบนพื้นฐานของข้อมูลกรองเชิงกายภาพในห่วงโซ่อุปทานที่จับต้องได้ เช่น การนับความคืบหน้าในการก่อสร้างศูนย์ข้อมูลของบริษัทเทคโนโลยียักษ์ใหญ่ผ่านภาพถ่ายดาวเทียม การชี้เป้าคอขวดด้านกำลังการผลิตที่วิกฤตที่สุดในโรงงานผลิตแผ่นเวเฟอร์ การติดตามการเปลี่ยนแปลงของคำสั่งซื้อชิ้นส่วนเลเซอร์และตัวรับส่งสัญญาณแสง ตลอดจนการสแกนการอัปเดตโค้ดบน GitHub เพื่ออนุมานว่าบริษัทต่าง ๆ กำลังเร่งพัฒนาเส้นทางเทคโนโลยีใด เครือข่ายข้อมูลกรองที่มีความละเอียดระดับ “อนุภาค” นี้เองที่ทำให้สถาบันต่าง ๆ ยินดีจ่ายค่าบริการระดับพรีเมียม ดังนั้น หากต้องการระบุตัวตนของบริษัทนี้ให้ถูกต้อง แทนที่จะเรียกพวกเขาว่าเป็นสำนักวิจัยฝั่งขาย (sell-side) แบบดั้งเดิม ควรเรียกพวกเขาว่าเป็นบริษัทรวบรวมข้อมูลกรองของห่วงโซ่อุปทานที่ซ่อนตัวอยู่เบื้องหลังตลาดจะเหมาะสมกว่า

อย่างไรก็ตาม ข้อมูลกรองที่มีรายละเอียดสูงก็ไม่ได้เป็นหลักประกันว่าการคาดการณ์ในระดับมหภาคเกี่ยวกับอนาคตจะถูกต้องเสมอไป ดังนั้น ก่อนที่เราจะประเมินความน่าเชื่อถือของรายงานนี้ เราต้องเข้าใจโมเดลธุรกิจของพวกเขาก่อน และระบุให้ชัดเจนว่ากลุ่มเป้าหมายที่แท้จริงคือใคร

7. เบื้องหลังระบบชำระเงิน (Paywall): รายงานฉบับนี้ตอบสนองผลประโยชน์ของใคร?

รายได้หลักของ SemiAnalysis มาจากข้อมูลการสมัครสมาชิกในระดับสถาบัน บริการที่ปรึกษาเฉพาะบุคคล และการขายงานวิจัยขั้นปฐมภูมิตรงให้กับกลุ่มยักษ์ใหญ่ด้านคลาวด์ทั้งสี่ราย ห้องปฏิบัติการ AI ชั้นนำ และเฮดจ์ฟันด์รายใหญ่ ในทางกลับกัน ค่าธรรมเนียมการสมัครสมาชิกผ่าน Substack สาธารณะเป็นเพียงเศษเสี้ยวของรายได้ทั้งหมดเท่านั้น กล่าวอีกนัยหนึ่งก็คือ ลูกค้าที่แท้จริงของพวกเขานั้นประกอบไปด้วยผู้เล่นหลักที่มีอิทธิพลมากที่สุดในห่วงโซ่อุปทานนี้เกือบทั้งหมด

สิ่งนี้นำไปสู่ข้อเท็จจริงที่สำคัญที่สุดของเหตุการณ์นี้ นั่นคือ รายงาน CPO ที่จุดชนวนให้หุ้นกลุ่มการสื่อสารผ่านแสงดิ่งลง ซึ่งมีชื่อเรื่องว่า *Powered Down, Lights Off* นั้น เป็นรายงานแบบชำระเงินที่จำกัดเฉพาะกลุ่มลูกค้าสถาบันและไม่ได้เผยแพร่ต่อสาธารณะ การทำความเข้าใจจุดนี้เป็นสิ่งจำเป็นอย่างยิ่ง เนื่องจากรายงานแจ้งเตือนการทำธุรกรรมที่ส่งให้กับสถาบันที่ชำระเงินซึ่งมีไว้เพื่อชี้แนะแนวทางการปรับสถานะการลงทุนนั้น ย่อมมีแรงจูงใจในการเขียนที่แตกต่างจากการประเมินทางเทคนิคที่เป็นกลางอย่างสิ้นเชิง โดยวัตถุประสงค์ของรายงานสำหรับสถาบันมักจะเน้นที่การให้ตัวกระตุ้นการซื้อขายที่ชัดเจน หรือให้เหตุผลในการปรับพอร์ตการลงทุนสำหรับกลุ่มทุนที่กำลังลงทุนอยู่ในตลาด ส่งผลให้รายงานฉบับนี้จุดกระแสการถกเถียงในเรื่อง “ความเหลื่อมล้ำทางข้อมูล” (information asymmetry) เนื่องจากลูกค้าสถาบันสามารถอ่านผลการวิจัยฉบับเต็มได้ ขณะที่สาธารณชนและนักลงทุนรายย่อยได้รับเพียงเวอร์ชันที่สรุปย่อหรือกระทั่งถูกบิดเบือนผ่านแหล่งข่าวทุติยภูมิ จนนำไปสู่การไล่ราคาซื้อและเทขายหุ้นตาม ๆ กัน ดังนั้น เมื่ออ่านงานวิจัยลักษณะนี้ คำถามแรกที่ต้องถามตัวเองอยู่เสมอคือ รายงานนี้เขียนขึ้นเพื่อใคร?

นอกจากนี้ยังควรค่าแก่การกล่าวถึงว่า บริษัทนี้มีแนวโน้มความชอบที่ชัดเจนบนแพลตฟอร์มสาธารณะ โดยเคยล้อเล่นว่าพวกเขากำลังทำแคมเปญโปรโมตระยะยาวให้กับโมเดล Claude ของ Anthropic แม้ว่าเรื่องนี้จะไม่ใช่ข้อบกพร่องด้านจริยธรรม แต่ก็เป็นประเด็นที่ควรตระหนักไว้เป็นข้อมูลประกอบเมื่อต้องอ้างอิงความคิดเห็นใด ๆ ของบริษัท ทั้งนี้ ต้องเน้นย้ำว่าการหยิบยกโครงสร้างผลประโยชน์เหล่านี้มาอภิปรายไม่ได้เป็นการคล้อยตามทฤษฎีสมคบคิดแต่อย่างใด แต่การทำความเข้าใจว่าใครเป็นผู้จ่ายเงินและรายงานนี้ตอบสนองต่อใครนั้น ถือเป็นทักษะพื้นฐานในการอ่านงานวิจัยฝั่งขาย ซึ่งเป็นขั้นตอนการสอบทานธุรกิจ (due diligence) ที่สมเหตุสมผล มากกว่าที่จะเป็นการมุ่งร้ายต่อบริษัทวิจัยแห่งนี้

8. ทำลายมายาคติ: การได้ข้อมูลข่าววงในที่แม่นยำ ไม่ได้เท่ากับการคาดการณ์ที่ถูกต้อง

ในการประเมินบริษัทวิจัยแห่งนี้อย่างมีเหตุผลมากขึ้น เราสามารถจำแนกผลงานที่เป็นตัวแทนในอดีตออกเป็นความสามารถสามระดับที่แตกต่างกัน

ระดับแรกคือความสามารถในการจัดระเบียบข้อมูลและการเปิดเผยข้อมูลเชิงลึกก่อนใคร โดยในเดือนพฤษภาคม 2023 บันทึกภายในของ Google ที่สร้างความฮือฮาในหัวข้อ “We Have No Moat, and Neither Does OpenAI” ได้รับการเผยแพร่ครั้งแรกโดย SemiAnalysis ซึ่งระบุว่าพวกเขาได้ตรวจสอบความถูกต้องของเอกสารแล้ว ต่อมา Bloomberg ได้เปิดเผยว่าผู้เขียนคือ Luke Sernau วิศวกรอาวุโสของ Google ขณะเดียวกัน ในส่วนของสถาปัตยกรรมพื้นฐานของ GPT-4 ซึ่งรวมถึงรายละเอียดสำคัญอย่างการใช้แบบจำลอง Mixture of Experts (MoE) และขนาดพารามิเตอร์ที่เจาะจง ก็เป็น SemiAnalysis เช่นกันที่ค้นพบและเปิดเผยเป็นรายแรก สำหรับเหตุการณ์ DeepSeek ที่สร้างความตื่นตระหนกให้กับตลาดเมื่อไม่นานมานี้ มีข่าวลือสะพัดว่าต้นทุนการฝึกฝนโมเดลดังกล่าวอยู่ที่เพียงประมาณ 6 ล้านดอลลาร์สหรัฐ แต่เป็น SemiAnalysis ที่ได้เขียนบทความชี้แจงตัวเลขที่คลาดเคลื่อนนี้ให้สอดคล้องกับโครงสร้างเงินทุนที่เป็นจริง โดยชี้ให้เห็นว่ารายจ่ายลงทุนรวมสำหรับเซิร์ฟเวอร์เบื้องหลัง DeepSeek อยู่ที่ประมาณ 1.6 พันล้านดอลลาร์ (โดยมีค่าใช้จ่ายในการดำเนินงานคลัสเตอร์ประมาณ 944 ล้านดอลลาร์ ทั้งนี้ สื่อบางรายรายงานในช่วงแรกว่าอยู่ที่ประมาณ 1.3 พันล้านดอลลาร์ แต่ทิศทางของตัวเลขนั้นชัดเจน) รายงานยังเปิดเผยด้วยว่า DeepSeek ถือครอง GPU สถาปัตยกรรม Hopper อยู่ประมาณ 50,000 ตัว ประกอบด้วย H800 (ประมาณ 10,000 ตัว), H100 (ประมาณ 10,000 ตัว) และชิป H20 สำหรับตลาดจีนจำนวนมาก ไม่ใช่ “H100 แท้ 50,000 ตัว” ตามที่มีข่าวลือภายนอก โดยตัวเลข 6 ล้านดอลลาร์นั้นเป็นเพียงต้นทุนค่าประมวลผลของ GPU บนหน้ากระดาษสำหรับการทดสอบ Pre-training ของ DeepSeek-V3 เพียงครั้งเดียวเท่านั้น ซึ่งยังไม่ได้รวมถึงค่าวิจัยและพัฒนา (R&D) โครงสร้างพื้นฐาน และต้นทุนการเป็นเจ้าของฮาร์ดแวร์โดยรวม (TCO) กรณีศึกษาเหล่านี้เพียงพอที่จะพิสูจน์ได้ว่าบริษัทวิจัยแห่งนี้มีความเชี่ยวชาญระดับโลกในการขุดคุ้ยข้อมูลกรองภายในองค์กรและการวิเคราะห์ห่วงโซ่อุปทานอย่างแท้จริง

ระดับที่สองคือความสามารถในการคาดการณ์อนาคต ตัวอย่างเช่น SemiAnalysis ได้เริ่มออกมาเตือนต่อสาธารณะเกี่ยวกับการปรับตัวขึ้นของราคาชิปหน่วยความจำ (DRAM/HBM) อย่างรอบด้านตั้งแต่ปลายปี 2024 ซึ่งแนวโน้มของตลาดในเวลาต่อมาก็ได้ยืนยันการคาดการณ์ดังกล่าว ขณะเดียวกัน งานวิจัยเกี่ยวกับต้นทุนการปรับใช้งานโมเดล InferenceMAX ก็ได้สร้างเกณฑ์มาตรฐานที่สำคัญสำหรับเศรษฐศาสตร์การอนุมานของ AI การประเมินแนวโน้มอุตสาหกรรมในลักษณะนี้คือ “การคาดการณ์” ในความหมายที่แท้จริง และจำเป็นต้องได้รับการประเมินแยกต่างหากจากความสามารถในการ “สืบหาข้อมูลวงใน”

ระดับที่สามคือความสามารถในการขับเคลื่อนความเคลื่อนไหวของตลาดและส่งผลกระทบต่อราคาหุ้นโดยตรง โดยการทรุดตัวของราคาหุ้นที่ถูกจุดชนวนจากรายงาน CPO นี้ถือเป็นตัวอย่างที่ชัดเจน และก่อนหน้านี้ ผลการศึกษาเกี่ยวกับแพลตฟอร์ม Vera Rubin และการใช้งาน DRAM ก็ได้จุดชนวนให้เกิดการเทขายอย่างตื่นตระหนกในกลุ่มหน่วยความจำเช่นกัน กล่าวอีกนัยหนึ่งก็คือ ทุก ๆ รายงานที่บริษัทนี้เผยแพร่ออกมาในปัจจุบันย่อมมีศักยภาพที่จะกลายเป็นเหตุการณ์ที่ขับเคลื่อนตลาดได้ด้วยตัวเอง

จากจุดนี้สามารถสรุปประเด็นสำคัญได้ว่า การสามารถเข้าถึงข้อมูลวงในก่อนใครไม่ได้เปลี่ยนให้ใครคนนั้นกลายเป็นผู้พยากรณ์ที่แม่นยำสำหรับอนาคต ความผิดพลาดที่พบบ่อยที่สุดของนักลงทุนคือการเชื่อมโยงข้อมูลกรองของห่วงโซ่อุปทานที่เป็นความลับของบริษัท เข้ากับการทำนายระยะเวลาการเริ่มใช้งานเทคโนโลยีอย่างแม่นยำโดยตรง ทว่าในความเป็นจริงแล้ว เมื่อเป็นเรื่องของการคาดการณ์ว่าเทคโนโลยีใหม่จะขยายขนาดการผลิตและมีอัตราการเติบโตที่สูงชันเพียงใดนั้น SemiAnalysis ก็เผชิญกับการปรับปรุงแก้ไขข้อมูลและความผิดพลาดได้ไม่ต่างจากนักวิเคราะห์ตลาดรายอื่น ๆ โดยตัวอย่างโมเดลผลผลิตคงที่จากการนำ 0.95 ยกกำลัง 32 (ซึ่งได้ผลลัพธ์เพียงประมาณ 19%) ที่กล่าวไปข้างต้นถือเป็นตัวอย่างค้านที่ชัดเจน การกำหนดอัตราผลผลิตที่บกพร่องให้คงที่และละเลยกระบวนการเรียนรู้นั้น มีความแตกต่างอย่างสิ้นเชิงจากความสามารถในการหาข้อมูลเชิงลึกที่แสดงให้เห็นในกรณีการขุดคุ้ยตัวเลขรายจ่ายลงทุนที่แท้จริงของ DeepSeek ดังนั้น “ความสามารถในการค้นหาข้อมูลเชิงลึกที่ผู้อื่นไม่สามารถทำได้” และ “ความสามารถในการคำนวณอัตราการขยายตัวในอนาคต” จึงเป็นทักษะสองด้านที่แตกต่างกันอย่างสิ้นเชิงและห้ามนำมาปะปนกันโดยเด็ดขาด

9. ความแตกต่างในรายหุ้น: รายงานฉบับเดียวกันไม่ได้มองลบไปเสียทั้งหมด

เมื่อพิจารณาอย่างละเอียด รายงานฉบับนี้มีการระบุความแตกต่างของหุ้นรายตัวอย่างเป็นระบบ ซึ่งเป็นสิ่งพิสูจน์เพิ่มเติมว่าไม่ได้มีมุมมองเชิงลบต่ออุตสาหกรรมการสื่อสารผ่านแสงทั้งหมด โดยในรายงานนั้น SemiAnalysis ได้เอ่ยชื่อ Innolight (300308.SZ) และ Eoptolink (300502.SZ) สองยักษ์ใหญ่ด้านโมดูลแสงของจีนอย่างชัดเจนว่าเป็นผู้ได้รับประโยชน์จากการเลื่อนกำหนดการนี้ สำหรับตรรกะนั้นตรงไปตรงมา กล่าวคือ เมื่อกรอบเวลาการใช้งาน CPO ในวงกว้างถูกเลื่อนออกไป ย่อมช่วยขยายเวลาความต้องการใช้โมดูลแสงแบบเสียบต่อแบบดั้งเดิมและสถาปัตยกรรมแบบ NPO ออกไปด้วย ความล่าช้าทางเทคนิคไม่ได้หมายความว่าความต้องการจะสูญสลายไปในอากาศ ทว่าความต้องการดังกล่าวจะถูกจัดสรรใหม่ตามกรอบเวลา

ขณะเดียวกัน รายงานค่อนข้างมีมุมมองเชิงบวกต่อกลุ่มหุ้นที่เกี่ยวข้องกับโครงสร้างพื้นฐาน โดยระบุชื่อ Amphenol, Vertiv และ Legrand ทว่ากลับแสดงท่าทีที่ระมัดระวังมากขึ้นต่อ Lumentum, Himax, Navitas และ Wolfspeed เมื่อเปรียบเทียบกลุ่มที่ได้ประโยชน์กับกลุ่มที่เผชิญแรงกดดัน จะพบว่ารายงานฉบับนี้มุ่งเป้าไปที่เรื่องกรอบเวลาของระดับทางเทคนิคเฉพาะและรายชื่อหุ้นบางตัวอย่างแท้จริง แทนที่จะเป็นการปฏิเสธความต้องการโดยรวมของการสื่อสารผ่านแสง

10. ความจริงเบื้องหลังการร่วงลงของตลาด: เทคโนโลยีได้รับการพิสูจน์แล้ว หรือเป็นเพราะรายงานที่น่าเชื่อถือ?

เมื่อภาพความแตกต่างของหุ้นแต่ละตัวปรากฏชัดเจน อิทธิพลที่แท้จริงของรายงานระดับสถาบันก็เด่นชัดขึ้น ซึ่งนำไปสู่คำถามใหม่ที่ว่า ในปัจจุบันอิทธิพลของบริษัทวิจัยแห่งนี้ขยายตัวขึ้นมากจนตัวรายงานเองกลายมาเป็นสาเหตุที่ทำให้ราคาหุ้นร่วงลง นี่ถือเป็นตัวอย่างการสาธิตในโลกแห่งความเป็นจริงของทฤษฎีการเงินคลาสสิกอย่าง “ทฤษฎีการสะท้อนกลับ” (reflexivity) ที่จัดทำขึ้นอย่างเป็นระบบโดย George Soros

หากพิจารณาเพียงผิวเผิน การดิ่งลงพร้อมกันของหุ้นกลุ่มการสื่อสารผ่านแสงของสหรัฐฯ ดูเหมือนจะเป็นการที่ตลาดร่วมยืนยันผลวิเคราะห์ของ SemiAnalysis ทว่าในความเป็นจริงแล้ว เป็นเพราะตลาดเลือกที่จะเชื่อรายงานฉบับนี้ทำให้นักลงทุนพร้อมใจกันส่งคำสั่งขาย และเมื่อรายงานการวิจัยกลายมาเป็นปัจจัยชี้นำความเคลื่อนไหวของตลาดด้วยตัวมันเอง การตัดสินว่ารายงานนั้นถูกหรือผิดในระยะสั้นย่อมกลายเป็นการโต้แย้งแบบพายเรือในอ่าง โดยการปรับตัวลดลงของราคาหุ้นทำได้เพียงพิสูจน์ถึงอิทธิพลทางจิตวิทยาอันมหาศาลของบริษัทวิจัยแห่งนี้ในกลุ่มสถาบันเท่านั้น มากกว่าที่จะเป็นข้อพิสูจน์ที่หักล้างไม่ได้ว่าข้อวินิจฉัยทางเทคนิคได้รับการยืนยันจากข้อเท็จจริงทางกายภาพแล้ว

ณ จุดนี้ เราสามารถเชื่อมโยงกลับไปยังเบาะแสที่เราทิ้งไว้ในช่วงต้นของบทความได้ โดยเมื่อเผชิญกับข่าวร้ายเรื่องการเลื่อนกำหนดการทางเทคนิคเช่นเดียวกันนี้ หุ้น AAOI ดิ่งลงประมาณ 17% ในวันเดียว ขณะที่ Lumentum ซึ่งมีคุณลักษณะทางเทคนิคที่คล้ายคลึงกันอย่างมากกลับปรับตัวลดลงเพียงประมาณ 8% เท่านั้น ซึ่งหากนี่เป็นการปรับราคาอย่างมีเหตุผลตามปัจจัยพื้นฐาน อัตราการลดลงของหุ้นทั้งสองที่มีความคล้ายคลึงกันอย่างมากไม่ควรจะแตกต่างกันถึงสองเท่า การเคลื่อนไหวของเงินทุนเช่นนี้บ่งชี้ว่า หุ้นที่ได้รับผลกระทมหนักที่สุดในวันนั้นมักจะเป็นหุ้นที่มีโครงสร้างการถือหุ้นที่ค่อนข้างเปราะบาง มียอดเงินคงค้างในการซื้อขายด้วยบัญชีมาร์จิ้น (margin balances) ที่สูง หรือมีสัดส่วนนักลงทุนรายย่อยหนาแน่น ซึ่งมันดูเหมือนเป็นการตั้งใจสลัดนักลงทุนรายย่อยที่ตื่นตระหนกออกไปด้วยการอาศัยอารมณ์ความตื่นตระหนก มากกว่าที่จะเป็นการประเมินปัจจัยพื้นฐานอย่างสุขุมรอบคอบ

ยิ่งไปกว่านั้น เมื่อพิจารณาจากข้อมูลเชิงประจักษ์ เหตุการณ์นี้ย่อมสะท้อนภาพกรณีหลังมากกว่าอย่างเห็นได้ชัด เนื่องจากความต้องการใช้ขุมพลังประมวลผล AI ทั่วโลกไม่ได้แสดงสัญญาณของการหดตัวลงเลย โดยรายจ่ายลงทุนโดยรวมของยักษ์ใหญ่ด้านคลาวด์ทั้งสี่ราย อันได้แก่ Microsoft, Amazon, Google และ Meta ได้เพิ่มขึ้นสู่ระดับประมาณ 6.5 แสนล้านดอลลาร์ถึง 7.25 แสนล้านดอลลาร์สำหรับปี 2026 (โดยขยับเข้าใกล้หรือเกินกว่า 7 แสนล้านดอลลาร์ตามตัวชี้วัดส่วนใหญ่) ซึ่งคิดเป็นการเพิ่มขึ้นประมาณ 60% ถึง 80% (หรือประมาณ 1.6 ถึง 1.8 เท่า) เมื่อเทียบกับประมาณ 3.8 แสนล้านดอลลาร์ถึง 4.1 แสนล้านดอลลาร์ในปี 2025 และหากดูในระดับรายบริษัท Amazon ได้คาดการณ์งบลงทุนไว้ที่ประมาณ 2 แสนล้านดอลลาร์ Alphabet อยู่ที่ประมาณ 1.75 แสนล้านดอลลาร์ถึง 1.85 แสนล้านดอลลาร์ Meta อยู่ที่ประมาณ 1.15 แสนล้านดอลลาร์ถึง 1.35 แสนล้านดอลลาร์ ขณะที่อัตราการใช้รายจ่ายลงทุนของ Microsoft สำหรับปีงบประมาณ 2026 เทียบเท่ากับประมาณ 1.45 แสนล้านดอลลาร์ ความต้องการจัดหาขุมพลังประมวลผลของบริษัทยักษ์ใหญ่เหล่านี้จึงยังคงแข็งแกร่งอย่างมาก สิ่งที่เปลี่ยนแปลงไปจริง ๆ มีเพียงความคาดหวังของตลาดต่อช่วงเวลาการนำเทคโนโลยีมาปรับใช้ในกรอบเวลาที่เฉพาะเจาะจงเท่านั้น

11. ระเบียบวิธีคิด: เมื่อ “รายงานจากสถาบันที่น่าเชื่อถือจุดชนวนการเทขาย” ควรผ่านกระบวนการคิดสองระดับนี้ก่อนเป็นอันดับแรก

เพื่อสรุปบทวิเคราะห์ข้างต้นให้เป็นกรอบการทำงานที่นำไปปฏิบัติได้จริง: เมื่อคุณเผชิญกับสถานการณ์หุ้นดิ่งลงอย่างรุนแรงซึ่งมีชนวนเหตุมาจากรายงานวิจัยที่น่าเชื่อถือในครั้งต่อไป มีการวิเคราะห์สองระดับที่คุณต้องดำเนินการตามลำดับก่อนที่จะตัดสินใจจัดสรรเงินลงทุน

การวิเคราะห์ระดับแรกคือการเรียนรู้วิธีอ่านรายงานวิจัยอย่างถูกต้อง เมื่อหุ้นดิ่งลงอย่างรุนแรง สิ่งแรกที่ต้องทำคือถามตัวเองด้วยคำถาม 3 ข้อ: ประการแรก รายงานฉบับนี้เขียนขึ้นเพื่อใครกันแน่? จงวิเคราะห์โครงสร้างแรงจูงใจของรายงานดังกล่าว ว่าเป็นรายงานการซื้อขายสำหรับสถาบันเท่านั้นที่มุ่งชี้นำการปรับสถานะการลงทุน หรือเป็นการอภิปรายเชิงวิชาการต่อสาธารณะ? ประการที่สอง การร่วงลงอย่างรุนแรงนี้เป็นการยืนยันปัจจัยพื้นฐานที่เป็นขาลง หรือเป็นเพียงการตั้งราคาใหม่ตามอารมณ์ตลาดที่ถูกกระตุ้นโดยอิทธิพลของสถาบัน? ประการที่สาม "ความล่าช้า" ที่กล่าวอ้างในรายงานนั้น แท้จริงแล้วอ้างอิงถึงกรอบเวลาใดโดยเฉพาะ? ทั้งนี้ ควรหลีกเลี่ยงการสับสนระหว่างการเลื่อนสถาปัตยกรรมที่มีความซับซ้อนสูงออกไป กับความล้มเหลวอย่างสิ้นเชิงของแนวทางการพัฒนาเทคโนโลยีหลัก

การวิเคราะห์ระดับที่สองคือวิธีปรับการดำเนินการของคุณให้สอดคล้องกัน ซึ่งจะมุ่งเน้นไปที่กระบวนการตัดสินใจมากกว่าสินทรัพย์เฉพาะเจาะจง รายงานวิจัยคุณภาพสูงมีไว้เพื่อทดสอบสมมติฐานการลงทุนเดิมของคุณ ไม่ใช่เพื่อใช้เป็นสัญญาณชี้นำการซื้อหรือขายโดยตรง แนวทางที่ถูกต้องคือการถามว่า: รายงานฉบับนี้นำเสนอข้อโต้แย้งที่ฉันไม่เคยพิจารณาอย่างจริงจังมาก่อน สมมติฐานการลงทุนปัจจุบันของฉันสามารถทนทานต่อการตั้งข้อสังเกตจากข้อโต้แย้งนี้ได้หรือไม่? ไม่ใช่การตื่นตระหนกเทขายทันทีที่สถาบันที่น่าเชื่อถือเอ่ยถึงคำว่า "ความล่าช้า" เมื่อตัวรายงานทำหน้าที่เป็นตัวขับเคลื่อนตลาด การซื้อขายตามทิศทางของรายงานหลังจากที่กลุ่มนักลงทุนรายย่อยรับรู้ข่าวและหุ้นดิ่งลงไปเรียบร้อยแล้ว มักจะทำให้คุณต้องกลายเป็นผู้รับกรรม (holding the bag) ท่ามกลางแรงเทขายด้วยความตื่นตระหนก นั่นเป็นเพราะกว่าที่การเทขายในวงกว้างจะถูกกระตุ้นขึ้น ข้อมูลเชิงลบในรายงานดังกล่าวก็มักจะถูกสะท้อนเข้าไปในราคาหุ้นเกือบจะในทันทีแล้ว

ดังนั้น คำถามที่แท้จริงที่ควรตั้งในเวลานี้ไม่ใช่ "ฉันควรจะแห่ขายตามไปด้วยดีหรือไม่?" แต่คือ "การเทขายครั้งนี้กระตุ้นให้เกิดปฏิกิริยาที่รุนแรงเกินไปอย่างไม่สมเหตุสมผลหรือไม่?" คุณต้องแปลงกรอบเวลา 3 ระดับที่กล่าวไปก่อนหน้านี้ให้เป็นคำถามที่เกี่ยวกับพอร์ตโฟลิโอและสถานะการลงทุนของคุณเอง: สมมติฐานเดิมของคุณในการถือครองสินทรัพย์นี้สร้างขึ้นบน "การนำสถาปัตยกรรมแห่งอนาคตแบบใหม่มาใช้" หรือเป็นการเดิมพันกับ "ช่วงเวลาความต้องการของโมดูลออปติคอลแบบเสียบแบบดั้งเดิม?" เมื่อเผชิญกับรายงานความล่าช้าของ CPO ฉบับเดียวกัน ตรรกะพื้นฐานและปฏิกิริยาของตลาดต่อสถานะทั้งสองประเภทนี้มักจะตรงกันข้ามกันอย่างสิ้นเชิง สุดท้ายนี้ จงฝึกตนเองให้คิดถึง "คำถามขั้นสอง" (second-order questions): ในขณะที่นักลงทุนรายย่อยส่วนใหญ่ยังคงติดอยู่กับความคิดเชิงเส้นตรงที่ว่า "ความล่าช้าเท่ากับข่าวร้าย" นักลงทุนที่มีความซับซ้อนมากกว่ากลับกำลังตั้งคำถามว่า—ใครที่จะได้รับประโยชน์นอกเหนือความคาดหมายจากความล่าช้าทางเทคโนโลยีนี้? และใครเป็นผู้นำความคาดหวังที่ร้อนแรงเกินไปและสมบูรณ์แบบอย่างไร้ที่ติ (priced-to-perfection) มาใส่ไว้ในมูลค่าหุ้นตั้งแต่แรก?