ค่าใช้จ่ายฝ่ายทุนด้าน AI: แหล่งที่มาของความเสี่ยงทางการเงินเชิงระบบรายต่อไปหรือไม่?

ในรูปแบบความคิดของคนส่วนใหญ่ ค่าใช้จ่ายฝ่ายทุน (Capex) เป็นรายการที่ดูไม่มีพิษมีภัยที่สุดในงบการเงินของบริษัท กล่าวคือ ซื้ออุปกรณ์ สร้างโรงงาน เงินสดไหลออก สินทรัพย์ยังคงอยู่ และงบกำไรขาดทุนจะไม่ได้รับผลกระทบในงวดปัจจุบัน ทว่าในช่วงสองปีที่ผ่านมา ตรรกะนี้กลับถูกอุตสาหกรรม AI ขยายขนาดขึ้นจนสูงเป็นประวัติการณ์อย่างที่ไม่เคยปรากฏมาก่อน โดยผู้ให้บริการระบบคลาวด์ขนาดใหญ่ (Hyperscaler) รายใหญ่ 5 ราย (Alphabet, Amazon, Meta, Microsoft, Oracle) ได้ร่วมกันลงทุนมูลค่ากว่า 1 ล้านล้านดอลลาร์ในการสร้างโครงสร้างพื้นฐาน AI ในช่วงปี 2025–2026 ในขณะที่งบกำไรขาดทุนยังคงดูแข็งแกร่งในเบื้องต้น ส่งผลให้กระแสหลักของตลาดมองว่า นี่คือการยกระดับอุตสาหกรรม เป็นการลงทุนของผู้ชนะ และไม่ใช่ความเสี่ยง

ทว่าต่อมาในวันที่ 28 มิถุนายน 2026 ธนาคารเพื่อการชำระบัญชีระหว่างประเทศ (BIS) ซึ่งเป็น "ธนาคารกลางของธนาคารกลาง" ได้เผยแพร่รายงานเศรษฐกิจประจำปี และบรรจุประเด็นนี้เข้าสู่วาระความเสี่ยงอย่างเป็นทางการ โดยรายงานได้ระบุว่า ความยั่งยืนของการลงทุนใน AI ควบคู่ไปกับความเสี่ยงจากเงินเฟ้อที่ยืดเยื้อ ความเปราะบางทางการเงินที่รุนแรงขึ้น และสถานะทางการคลังที่ย่ำแย่ลง เป็นสี่จุดกดดันสำคัญในระบบเศรษฐกิจโลกปัจจุบัน พร้อมระบุด้วยภาษาที่ตรงไปตรงมาและเกิดขึ้นได้ยากว่า "ผลตอบแทนที่น่าผิดหวังอาจกระตุ้นให้เกิดการถอนทุนอย่างกะทันหัน ซึ่งจะเปลี่ยนการเติบโตอย่างก้าวกระโดดของ Capex ให้กลายเป็นการชะงักงันของการลงทุนที่ยืดเยื้อ และส่งผลกระทบต่อเนื่องไปยังสภาวะทางการเงิน"

นี่ไม่ใช่การเตือนภัยครั้งแรก เนื่องจากธนาคารกลางอังกฤษได้เคยตั้งข้อสังเกตไว้แล้วในเดือนตุลาคม 2025 ว่า อัตราส่วนราคาต่อกำไรล่วงหน้าแบบปรับตามวัฏจักร (CAPE) ได้ลดลงสู่ระดับต่ำสุดในรอบ 25 ปี ซึ่ง "เทียบเท่ากับจุดสูงสุดของฟองสบู่ดอทคอม" พร้อมเตือนอย่างชัดเจนว่า "ความเสี่ยงของการปรับฐานอย่างรุนแรงในตลาดได้เพิ่มสูงขึ้น" แต่การเข้ามาแทรกแซงของ BIS นั้นแตกต่างออกไป โดยเป็นการระบุถึงโครงสร้างการระดมทุนและกลไกการส่งผ่านทางการเงินโดยตรง ไม่ใช่เพียงแค่ความกังวลเรื่องมูลค่าประเมินเท่านั้น

นี่ไม่ใช่การโต้เถียงกันในกลุ่มนักวิเคราะห์ แต่เป็นจุดยืนอย่างเป็นทางการของหน่วยงานกำกับดูแล

คำถามสำคัญที่บทวิเคราะห์นี้ต้องการตอบคือ: กลไกใดที่ทำให้ Capex ของ AI พัฒนาไปสู่ความเสี่ยงทางการเงินเชิงระบบ? ความเสี่ยงนี้มีความเป็นจริงมากน้อยเพียงใด และส่วนใดที่ถูกประเมินสูงเกินไป? การตอบคำถามนี้จำเป็นต้องแยกแยะออกเป็นสี่มิติ ได้แก่ กลไกทางการเงิน โครงสร้างการระดมทุน บรรทัดฐานทางประวัติศาสตร์ และเส้นทางการส่งผ่านความเสี่ยง

ทำความเข้าใจ "ระเบิดเวลา": ความไม่สอดคล้องทางเวลาในงบการเงินทั้งสามฉบับ

การอภิปรายเกี่ยวกับความเสี่ยงทางการเงินของ Capex ในด้าน AI ต้องเริ่มต้นด้วยกลไกทางบัญชีขั้นพื้นฐาน นั่นคือ ค่าใช้จ่ายฝ่ายทุน (Capex) และค่าเสื่อมราคาจะถูกแยกออกจากกันตามเส้นเวลา และในกรณีของ Hyperscaler การแยกนี้ได้รับการขยายขนาดขึ้นอย่างที่ไม่เคยมีมาก่อนในประวัติศาสตร์

เมื่อบริษัทซื้อเซิร์ฟเวอร์หรือสร้างดาต้าเซ็นเตอร์ เม็ดเงินที่จ่ายไปจะสะท้อนในงบกระแสเงินสดภายใต้ "กิจกรรมการลงทุน" ทันที แต่จะไม่เข้าสู่งบกำไรขาดทุนในงวดปัจจุบัน โดยอุปกรณ์จะถูกบันทึกไว้ในงบแสดงฐานะการเงินภายใต้ "งานระหว่างก่อสร้าง (CIP)" และเมื่อโครงการเสร็จสิ้นและเปิดใช้งานแล้วเท่านั้น จึงจะโอนไปยัง "ที่ดิน อาคาร และอุปกรณ์ (PP&E)" และเริ่มคิดค่าเสื่อมราคาในงบกำไรขาดทุน

สิ่งนี้ทำให้เกิดปรากฏการณ์ทางบัญชีที่ทำให้นักสังเกตการณ์ภายนอกเข้าใจผิดอย่างมาก กล่าวคือ ยิ่ง Capex สูงเท่าใด กระแสเงินสดก็จะยิ่งดูแย่ลงเท่านั้น แต่งบกำไรขาดทุนในงวดปัจจุบันอาจไม่แสดงความผิดปกติใด ๆ เลย และเมื่อสินทรัพย์เหล่านี้ค่อย ๆ "โอนเป็นสินทรัพย์ถาวร" และเริ่มตัดจำหน่าย งบกำไรขาดทุนจึงจะเริ่มได้รับแรงกดดัน ซึ่งเมื่อถึงจุดนั้น Capex อาจถูกจ่ายออกไปแล้วสองหรือสามปีก่อนหน้า

ลองพิจารณากลไกเหล่านี้เปรียบเทียบกับตัวเลขจริง โดย Hyperscaler รายใหญ่ 5 ราย (Alphabet, Amazon, Meta, Microsoft, Oracle) ได้ร่วมกันใช้จ่าย Capex ที่เกี่ยวข้องกับ AI ไปมากกว่า 1 ล้านล้านดอลลาร์ในปี 2025–2026 ซึ่งการเปลี่ยนแปลงในงบแสดงฐานะการเงินได้สะท้อนให้เห็นถึงการสะสมของ "ระเบิด" ลูกนี้แล้ว โดยสินทรัพย์ที่ยังไม่เปิดใช้งานของ Alphabet พุ่งขึ้นจาก 5.06 หมื่นล้านดอลลาร์ เป็น 7.86 หมื่นล้านดอลลาร์ในปี 2025 หรือเพิ่มขึ้นประมาณ 55% เมื่อเทียบรายปี ด้านค่าใช้จ่ายฝ่ายทุนตลอดทั้งปีของ Meta (รวมสัญญาเช่าทางการเงิน) พุ่งขึ้นจาก 3.92 หมื่นล้านดอลลาร์ เป็น 7.22 หมื่นล้านดอลลาร์ หรือเพิ่มขึ้น 84% ขณะที่ Capex ตลอดทั้งปีงบประมาณ 2026 ของ Oracle สูงถึงประมาณ 5.56 หมื่นล้านดอลลาร์ เพิ่มขึ้นประมาณ 162% เมื่อเทียบรายปี และคิดเป็นมากกว่าหกเท่าของระดับ 6.9 พันล้านดอลลาร์เมื่อสองปีก่อนหน้า สินทรัพย์เหล่านี้ซึ่งยังคงอยู่ในงบแสดงฐานะการเงินและยังไม่ได้คิดค่าเสื่อมราคา จะไปกระจุกตัวในการ "โอนเป็นสินทรัพย์ถาวร" ในช่วงปี 2026–2028 ซึ่งเมื่อถึงจุดนั้น ค่าเสื่อมราคาจะเติบโตอย่างก้าวกระโดด

The Wall Street Journal ได้อ้างอิงการคาดการณ์ของนักวิเคราะห์ว่า เฉพาะ Alphabet เพียงรายเดียวจะเห็นค่าเสื่อมราคากระโดดจาก 2.11 หมื่นล้านดอลลาร์ในปี 2025 ไปเป็นประมาณ 7.8 หมื่นล้านดอลลาร์ในปี 2029 โดยมีสัดส่วนต่อรายได้เพิ่มขึ้นจาก 5% เป็น 11% ขณะที่ Morgan Stanley คาดการณ์ว่าบริษัทใหญ่ทั้งสี่แห่งจะมีค่าเสื่อมราคาสะสมรวมกันกว่า 5.20 แสนล้านดอลลาร์ในระยะเวลาสามปี และตามการประมาณการของนักวิเคราะห์ Hyperscaler ทั้งห้าแห่งจะบันทึกสินทรัพย์ที่เกี่ยวข้องกับ AI ลงในงบแสดงฐานะการเงินรวมกันประมาณ 2 ล้านล้านดอลลาร์ภายในปี 2030 ซึ่งหากสมมติให้อายุการใช้งานอยู่ที่ 5–6 ปี ภาระค่าเสื่อมราคารายปี ณ จุดสูงสุดจะเข้าใกล้หรือเกินกว่ากำไรสุทธิรวมในปัจจุบันของทั้งห้าบริษัทนี้ ซึ่งเกือบจะแน่นอนแล้วว่าจะไม่ใช่การพังทลายของกำไร แต่จะเป็นการบีบอัดอัตรากำไรเชิงโครงสร้างก่อนที่รายได้จาก AI จะขยายตัวอย่างมีนัยสำคัญ

ประเด็นละเอียดอ่อนทางบัญชีที่สำคัญประการหนึ่งคือ ค่าเสื่อมราคาเป็นค่าใช้จ่ายที่ไม่ใช่เงินสด ซึ่งจะส่งผลกระทบต่อกำไรตามหลักการบัญชีทั่วไป (GAAP) แต่จะไม่กระทบต่อกระแสเงินสดจากการดำเนินงาน (ซึ่งจะบวกค่าเสื่อมราคากลับเข้ามา) ดังนั้น ค่าเสื่อมราคาเพียงอย่างเดียวจึงไม่ได้กระตุ้นให้เกิดวิกฤตสภาพคล่อง แต่ผลกระทบจะตกอยู่ที่มูลค่าประเมิน เมื่ออัตรากำไรถูกบีบอัดและกำไรต่อหุ้น (EPS) ถูกปรับลดลง ราคาหุ้นก็จะถูกปรับราคาใหม่ ซึ่งนั่นคือช่องทางการส่งผ่านแรกเข้าสู่ระบบการเงิน

อย่างไรก็ตาม การลดลงของมูลค่าประเมินที่ขับเคลื่อนด้วยค่าเสื่อมราคา ซึ่งทำให้ราคาหุ้นดูไม่น่าดึงดูดนั้น ยังไม่เพียงพอที่จะกระตุ้นให้เกิดการลุกลามทางการเงินเชิงระบบ สิ่งที่ทำให้ BIS กังวลอย่างแท้จริงคือ รูปแบบการระดมทุนสำหรับ Capex ที่เติบโตอย่างก้าวกระโดดนี้ได้เปลี่ยนไปอย่างสิ้นเชิง และนั่นคือจุดหักเหสำคัญที่ทำให้วัฏจักรของอุตสาหกรรมกลายเป็นปัญหาเสถียรภาพทางการเงิน

จากกระแสเงินสดภายในสู่การขับเคลื่อนด้วยหนี้สิน: การเปลี่ยนแปลงโมเดลธุรกิจครั้งประวัติศาสตร์

ในช่วงทศวรรษที่ผ่านมา Hyperscaler ถือเป็นตัวแทนของโมเดลธุรกิจ "สินทรัพย์เบา ผลตอบแทนเงินสดสูง" ที่เป็นแบบอย่างที่สุดของโลก โดยมีอัตรากำไรจากการดำเนินงานสูง Capex ต่ำ และมีกระแสเงินสดอิสระที่มั่งคั่ง ซึ่งนี่คือเหตุผลพื้นฐานที่ทำให้บริษัทเหล่านี้ได้รับตัวคูณมูลค่าประเมินทางเทคโนโลยีในระดับพรีเมียม

ทว่าโมเดลนี้ได้ผ่านการเปลี่ยนแปลงขั้นพื้นฐานในช่วงระหว่างปี 2024 ถึง 2026

ในปี 2023 Capex ของ Hyperscaler รายใหญ่ 5 ราย คิดเป็นประมาณ 40% ของกระแสเงินสดจากการดำเนินงาน ซึ่งยังคงเป็นระดับที่จัดการได้ ทว่า PIMCO คาดการณ์ว่าภายในปี 2026–2027 อัตราส่วนนี้จะพุ่งสูงขึ้นเป็นประมาณ 94% ซึ่งเท่ากับเป็นการนำกระแสเงินสดจากการดำเนินงานเกือบทั้งหมดไปลงทุนซ้ำในโครงสร้างพื้นฐาน AI ส่งผลให้เงินทุนที่สร้างขึ้นเองภายในไม่สามารถรองรับการขยายตัวที่ดำเนินต่อไปได้อีก และบริษัทต่าง ๆ ได้หันไปหาตลาดตราสารหนี้เพื่อระดมทุนอย่างเป็นระบบ

งานวิจัยของ BIS ได้ระบุถึงการเปลี่ยนแปลงนี้อย่างชัดเจน โดยโมเดลการระดมทุนของ Hyperscaler ได้เปลี่ยนจากกระแสเงินสดจากการดำเนินงานไปสู่การระดมทุนด้วยหนี้สิน โดยการออกหุ้นกู้ภาคเอกชนทะลุ 1 แสนล้านดอลลาร์ในปี 2025 ซึ่งส่วนใหญ่เป็นหนี้สินระยะยาวที่มีอายุเกินห้าปี เพื่อล็อกเงินทุนสำหรับการก่อสร้างที่ต้องใช้เวลาหลายปี ขณะที่ BofA Securities ประมาณการว่าการออกหุ้นกู้จริงในปี 2025 สูงถึงประมาณ 1.21 แสนล้านดอลลาร์ ซึ่งคิดเป็น 4.3 เท่าของค่าเฉลี่ยรายปีที่ประมาณ 2.8 หมื่นล้านดอลลาร์ในช่วงปี 2020 ถึง 2024

ตามรายงานวิจัยด้านสินเชื่อของ JPMorgan หนี้สินที่เกี่ยวข้องกับ AI ได้เพิ่มขึ้นเป็นประมาณ 1.2 ล้านล้านดอลลาร์ คิดเป็นประมาณ 14% ของดัชนีตราสารหนี้สภาพคล่องของสหรัฐฯ (JULI) ซึ่งแซงหน้ากลุ่มธนาคารขึ้นมาเป็นภาคส่วนที่ใหญ่ที่สุดในตลาดตราสารหนี้ระดับลงทุน (Investment-grade) โดยบริษัทที่แข่งขันในศึก AI จำเป็นต้องออกหุ้นกู้ระดับลงทุนสูงถึง 1.5 ล้านล้านดอลลาร์ในอีกห้าปีข้างหน้า

นี่คือหนึ่งในคลื่นการออกหุ้นกู้ภาคเอกชนที่รวดเร็วที่สุดในประวัติศาสตร์ตลาดทุนยุคใหม่ ซึ่งมีขนาดเทียบเคียงได้กับการระดมทุนเพื่อสร้างทางรถไฟในศตวรรษที่ 19 ทว่าหนี้สินเหล่านี้ไม่ได้มีที่ดินทางกายภาพเป็นหลักประกันเหมือนทางรถไฟ แต่มีเพียงเซิร์ฟเวอร์ GPU สัญญาซอฟต์แวร์ และความคาดหวังต่อรายได้ในอนาคตของ AI เท่านั้น

"การกู้ยืมเงา" ในการระดมทุนนอกงบดุล: สิ่งที่หน่วยงานกำกับดูแลกลัวอย่างแท้จริง

หากการระดมทุนในตลาดตราสารหนี้คือความเสี่ยงที่ "มองเห็นได้" สิ่งที่เรียกว่า "การกู้ยืมเงา" (Shadow Borrowing) ที่ BIS ระบุไว้เป็นการเฉพาะในรายงานประเมินรายไตรมาสเดือนมีนาคม 2026 คือสิ่งที่สร้างความกังวลให้กับแวดวงผู้กำกับดูแลอย่างแท้จริง

โดยมีกลไกการดำเนินงานดังนี้:

• Hyperscaler ต้องการสร้างดาต้าเซ็นเตอร์ แต่ไม่อยากนำหนี้ทั้งหมดไปไว้ในงบแสดงฐานะการเงินของตนเอง (ซึ่งจะกระทบต่ออัตราส่วนหนี้สินและอันดับความน่าเชื่อถือ)
• พวกเขาจัดตั้งหรือเข้าร่วมในนิติบุคคลเฉพาะกิจ (SPV) หรือการร่วมค้า (JV) โดย SPV จะเป็นผู้ซื้อหรือพัฒนาสินทรัพย์ดาต้าเซ็นเตอร์เหล่านั้น
• SPV จะระดมทุนผ่านสินเชื่อส่วนบุคคล (Private Credit) ซึ่งเป็นหนี้ที่ถือครองโดยกองทุนสินเชื่อส่วนบุคคล บริษัทประกัน และสถาบันที่คล้ายคลึงกัน
• Hyperscaler จะลงนามในสัญญาเช่าดำเนินงานระยะยาวหรือสัญญาซื้อผลผลิตกับ SPV โดยตกลงที่จะชำระเงินเป็นเวลาหลายปี
• หนี้ของ SPV จะถูกค้ำประกันโดยกระแสเงินสดจากค่าเช่าเหล่านี้ ซึ่งโดยทั่วไปจะมีการค้ำประกันในรูปแบบใดรูปแบบหนึ่งจาก Hyperscaler

BIS ระบุว่าข้อตกลงเหล่านี้คือ "การกู้ยืมเงา" ซึ่งในทางเศรษฐศาสตร์มีค่าเท่ากับหนี้สิน แต่ส่วนใหญ่กลับอยู่นอกงบแสดงฐานะการเงินของบริษัท โดย Moody's ประมาณการว่า Hyperscaler ทั้งห้าแห่งได้ลงนามในสัญญาเช่าดาต้าเซ็นเตอร์ที่ยังไม่ได้บันทึกในงบแสดงฐานะการเงินรวมมูลค่าประมาณ 6.62 แสนล้านดอลลาร์ ซึ่งเทียบเท่ากับ 113% ของหนี้สินปรับปรุงแล้วรวมกันของพวกเขา

BIS ได้ระบุเส้นทางการส่งผ่านความเสี่ยงเชิงระบบของข้อตกลงเหล่านี้ไว้อย่างชัดเจน ได้แก่ กองทุนสินเชื่อส่วนบุคคล → บริษัทประกัน (ที่ถือครองสัดส่วนสินเชื่อส่วนบุคคล) → ธนาคาร (ที่ให้วงเงินสินเชื่อแก่ SPV หรือได้รับผลกระทบทางอ้อมผ่านช่องทางบริษัทประกัน) → นักลงทุนรายย่อย (เข้าถึงผ่านช่องทาง BDC) ส่งผลให้ห่วงโซ่การส่งผ่านความเสี่ยงจาก Hyperscaler ไปสู่ผู้ฝากเงินทั่วไปกำลังก่อตัวขึ้นอย่างเงียบ ๆ ผ่านโครงสร้างนี้

ตัวเลขต่าง ๆ ช่วยยืนยันความกังวลนี้ โดยการปล่อยสินเชื่อส่วนบุคคลให้แก่บริษัทซอฟต์แวร์แบบ SaaS เติบโตจากเกือบ 8 พันล้านดอลลาร์ในปี 2015 เป็นมากกว่า 5 แสนล้านดอลลาร์ ณ สิ้นปี 2025 คิดเป็น 19% ของสินเชื่อตรงทั้งหมด ขณะที่บริษัทพัฒนาธุรกิจ (BDC) มีสัดส่วนคิดเป็นหนึ่งในห้าของการปล่อยสินเชื่อตรงทั้งหมดในสหรัฐฯ โดยมีสินเชื่อมากกว่า 15% ที่ปล่อยให้แก่บริษัท SaaS ซึ่งสินเชื่อเหล่านี้มักอิงตามการคาดการณ์รายได้ของ AI ในอนาคตมากกว่าหลักประกันที่เป็นสินทรัพย์ที่จับต้องได้ ดังนั้น เมื่อ BDC ปล่อยสินเชื่อโดยมี "รายได้ประจำในอนาคต" ของบริษัทซอฟต์แวร์ AI เป็นหลักประกัน แล้วนำหุ้น BDC ไปขายให้แก่กองทุนบำเหน็จบำนาญหรือนักลงทุนรายย่อย ความเปราะบางของทั้งห่วงโซ่จึงได้แทรกซึมเข้าสู่แกนกลางของระบบการเงินแบบดั้งเดิมอย่างเงียบ ๆ

การระดมทุนแบบหมุนเวียน: ระบบนิเวศที่พองตัวได้เอง

หาก "การกู้ยืมเงา" คือจุดอ่อนเชิงโครงสร้าง การระดมทุนแบบหมุนเวียน (Circular Financing) ที่ระบุไว้เฉพาะเจาะจงในรายงานประจำปีของ BIS ก็คือปรากฏการณ์ที่น่าฉุกคิดที่สุดของการเติบโตของการลงทุนในครั้งนี้

โดยมีโมเดลการดำเนินงานคือ: ผู้ผลิตชิปและ Hyperscaler ลงทุนในห้องปฏิบัติการ AI หรือ NeoClouds → ห้องปฏิบัติการ AI ตกลงที่จะซื้อชิปหรือขีดความสามารถในการประมวลผล (Compute) จากผู้ถือหุ้นเหล่านั้นเป็นเวลาหลายปี → ผู้ถือหุ้นบันทึกการเติบโตของรายได้ AI ส่วนห้องปฏิบัติการ AI บันทึกเงินทุนที่ได้รับและคำสั่งซื้อระบบประมวลผลที่ "มีสัญญาผูกพัน" ลงในบัญชีของตนเอง

BIS ระบุไว้อย่างชัดเจนว่า "ข้อกำหนดของข้อตกลงดังกล่าวมักไม่มีการเปิดเผยข้อมูลที่ดีพอ โดยมีความเสี่ยงที่สินทรัพย์เดียวกันจะถูกนำไปเป็นหลักประกันซ้ำซ้อนหลายครั้ง"

ลองดู Anthropic เป็นกรณีศึกษา โดยบริษัทได้รับเงินลงทุนเชิงกลยุทธ์จำนวนมหาศาลจากทั้ง Amazon และ Google ซึ่งในอดีต Amazon ได้อัดฉีดเงินสะสมไปแล้วประมาณ 8 พันล้านดอลลาร์ พร้อมประกาศข้อตกลงเพิ่มเติมอีกสูงสุด 2.5 หมื่นล้านดอลลาร์ในเดือนเมษายน 2026 ด้าน Google ถือหุ้นประมาณ 14% ใน Anthropic พร้อมประกาศข้อตกลงเพิ่มเติมอีกสูงสุด 4 หมื่นล้านดอลลาร์ในเดือนเมษายน 2026 ขณะเดียวกัน Anthropic ก็ได้ตกลงที่จะซื้อระบบประมวลผลมูลค่ากว่า 1 แสนล้านดอลลาร์จาก AWS เป็นเวลาสิบปี และ Google ก็ตกลงที่จะจัดหาทรัพยากรการประมวลผลให้แก่ Anthropic เช่นกัน บทบาทของผู้ลงทุนและผู้จ่ายเงินจึงมีความทับซ้อนกันอย่างมาก โดย Amazon และ Google เป็นทั้งผู้ถือหุ้นรายใหญ่ที่สุดและแหล่งรายได้ที่ใหญ่ที่สุดของ Anthropic ในเวลาเดียวกัน ซึ่งค่าใช้จ่ายด้านการประมวลผลนี้จะกลายเป็น "รายได้ AI Cloud" ของ Amazon และ Google ในขณะที่ปรากฏในงบแสดงฐานะการเงินของ Anthropic เป็นหนี้สินสัญญาเช่าระยะยาว เกิดเป็นโครงสร้างทางการเงินแบบหมุนเวียนตามตำรา

เมื่อมองจากมุมมองของงบการเงินทั้งสามฉบับ โครงสร้างนี้สร้างปัญหาที่ยากต่อการวิเคราะห์ เนื่องจากรายได้ AI Cloud ของ Hyperscaler ส่วนใหญ่นั้นมาจากอุปสงค์ที่พวกเขา "ติดตั้งไว้ล่วงหน้า" ผ่านการลงทุนในตราสารทุน ซึ่งนี่ไม่ใช่ธุรกรรมในตลาดที่เป็นอิสระต่อกัน (Arm's-length transaction) แต่เป็นลูปปิดที่บัญชีทุนหมุนเวียนอยู่ภายในห่วงโซ่มูลค่า ซึ่งเป็นการเพิ่มขนาดรายได้ที่ระบุในงบของอุตสาหกรรม AI ทั้งระบบให้สูงเกินจริง

การวิเคราะห์ของ David Cahn หุ้นส่วนของ Sequoia ได้วัดปริมาณช่องว่างนี้ไว้ว่า หากใช้อัตรากำไรขั้นต้น 50% และตัวคูณต้นทุนรวมในการเป็นเจ้าของ (TCO) ที่ 2 เท่า อุตสาหกรรม AI จำเป็นต้องสร้างรายได้จริงจากผู้ใช้ปลายทางให้ได้ประมาณ 6 แสนล้านดอลลาร์ต่อปีเพื่อชดเชยต้นทุนค่าเสื่อมราคาของโครงสร้างพื้นฐาน ทั้งนี้ ตัวเลข 6 แสนล้านดอลลาร์เป็นการประมาณการของเขาในช่วงกลางปี 2024 และเมื่อใช้ระเบียบวิธีเดียวกันกับรายได้ดาต้าเซ็นเตอร์ของ Nvidia ในปี 2026 ที่สูงขึ้นเป็นประมาณ 2.7 แสนล้านดอลลาร์ต่อปี เกณฑ์ดังกล่าวได้ขยับขึ้นเป็นประมาณ 1 ล้านล้านดอลลาร์แล้ว ในขณะเดียวกัน รายได้ของ AI ที่มาจากยอดการใช้งานของผู้ใช้ปลายทางที่แท้จริงในปี 2026 ได้รับการประเมินจากหลายแหล่งว่าอยู่ที่ประมาณ 5 หมื่นล้านถึง 1.5 แสนล้านดอลลาร์เท่านั้น ซึ่งช่องว่างยังคงห่างกันหลายเท่าตัว

Zhang Tao ตัวแทนของ BIS ประจำภูมิภาคเอเชียแปซิฟิก ได้ให้ข้อสังเกตเชิงเตือนภัยว่า "หากตลาดมีการปรับฐานในรูปแบบใดก็ตาม ความเชื่อมโยงกันของระบบการเงินและการส่งผลกระทบร่วมกันของจุดเปราะบางต่าง ๆ อาจทำให้ความเร็วของการปรับฐานนั้นเร็วกว่าช่วงที่เกิดวิกฤตการณ์ภาคธนาคารในอดีตอย่างมาก" เนื่องจากวิกฤตธนาคารแบบดั้งเดิมยังมีประกันเงินฝากและกลไกผู้ให้กู้แหล่งสุดท้ายเป็นแนวป้องกัน แต่กองทุนสินเชื่อส่วนบุคคล เฮดจ์ฟันด์ และบริษัทประกัน ซึ่งเป็นตัวกลางทางการเงินที่ไม่ใช่ธนาคารเหล่านี้ กลับไม่มีสถาบันคอยรองรับในลักษณะเดียวกัน

บรรทัดฐานทางประวัติศาสตร์: ความคล้ายคลึงและความแตกต่างเชิงโครงสร้าง

ฟองสบู่ในทุกยุคทุกสมัยมักอ้างว่าตนเองเป็นข้อยกเว้น รายงานประจำปีของ BIS ได้หยิบยกการเปรียบเทียบทางประวัติศาสตร์สี่เหตุการณ์ ได้แก่ ความตื่นตัวเรื่องคลองในทศวรรษที่ 1830, ความตื่นตัวเรื่องรถไฟในอังกฤษในทศวรรษที่ 1840, การเปลี่ยนผ่านไปสู่ระบบไฟฟ้าในปลายทศวรรษที่ 1920 และวิกฤตฟองสบู่ดอทคอมในปลายทศวรรษที่ 1990

ทั้งสี่เหตุการณ์นี้ต่างมีเส้นทางร่วมกันคือ เกิดการค้นพบทางเทคโนโลยีที่แท้จริง → เงินทุนไหลเข้ามากเกินกว่าความสามารถในการสร้างผลตอบแทนเชิงพาณิชย์ → การก่อสร้างที่มากเกินไป → อุปสงค์ต่ำกว่าที่คาดการณ์ไว้ → สินทรัพย์ด้อยค่า → เศรษฐกิจถดถอย และในทุก ๆ ครั้ง ผู้เข้าร่วมที่กระตือรือร้นที่สุดต่างเชื่อว่าครั้งนี้จะแตกต่างออกไป

การเปรียบเทียบกับฟองสบู่สายเคเบิลใยแก้วนำแสงในกลุ่มโทรคมนาคม (ปี 1999–2002) เป็นสิ่งที่เข้าใจได้ง่ายที่สุด นั่นคือ โครงสร้างพื้นฐานที่มีอุปทานล้นตลาด (85% ของสายใยแก้วนำแสงไม่เคยถูกใช้งานเลย) การขยายตัวที่ขับเคลื่อนด้วยหนี้สิน ค่าเสื่อมราคาที่กดดันงบกำไรขาดทุน และท้ายที่สุดคือกรรมสิทธิ์สินทรัพย์ที่ด้อยค่าลงเป็นวงกว้าง

อย่างไรก็ตาม เรื่องราวของ AI มีความแตกต่างเชิงโครงสร้างที่แท้จริงหลายประการ ซึ่งทำให้การเปรียบเทียบแบบง่าย ๆ นั้นใช้ไม่ได้ผล:

ความแตกต่างที่ 1: ความชัดเจนของอุปสงค์ "อุปสงค์แบนด์วิดท์ในอนาคต" ในยุคดอทคอมส่วนใหญ่เป็นเพียงการคาดการณ์ของนักวิเคราะห์ แต่อุปสงค์ที่รอการรับรู้ (Backlog) ของระบบคลาวด์ AI ในปัจจุบันประกอบด้วยภาระผูกพันตามสัญญาที่แท้จริง โดย Microsoft, Google และ Amazon ต่างมีภาระผูกพันในการปฏิบัติตามสัญญาที่ลงนามแล้วมูลค่าหลายแสนล้านดอลลาร์ ทว่าประเด็นที่ว่ามีความต้องการเทียมที่ถูกสร้างขึ้นจากการระดมทุนแบบหมุนเวียนมากน้อยเพียงใดนั้นยังคงไม่สามารถตรวจสอบได้

ความแตกต่างที่ 2: ความหนาของเบาะรองรับของผู้เล่น WorldCom และ Global Crossing เป็นผู้ให้บริการที่มีหนี้สินล้นพ้นตัว ซึ่งเมื่อกระแสเงินสดขาดมือ การล้มละลายก็ตามมา แต่กำไรสุทธิปี 2025 ของ Alphabet ที่ประมาณ 1.32 แสนล้านดอลลาร์ หมายความว่าแม้ค่าเสื่อมราคาจะเพิ่มขึ้นอย่างมีนัยสำคัญ แต่ก็จะไม่ทำให้เกิดวิกฤตถึงขั้นปิดตัวลง อย่างไรก็ดี นักวิเคราะห์คาดการณ์ว่าค่าเสื่อมราคาของ Alphabet จะเพิ่มขึ้นประมาณ 5.7 หมื่นล้านดอลลาร์ในระยะเวลาสี่ปี ซึ่งจะบีบอัดอัตรากำไรและส่งผลให้เกิดการปรับราคาประเมินใหม่ กล่าวคือ Hyperscaler จะไม่ล้มละลาย แต่นั่นไม่ได้หมายความว่าราคาหุ้นจะไม่ได้รับแรงกดดัน

ความแตกต่างที่ 3: ตรรกะอุปสงค์ที่เสริมความแข็งแกร่งด้วยตัวเองของ AI นั้นทรงพลังกว่า การพัฒนาความสามารถของ AI ช่วยสร้างกรณีการใช้งานใหม่ ๆ ขึ้นมาด้วยตัวเอง ซึ่งเป็นสิ่งที่แบนด์วิดท์เพียงอย่างเดียวไม่สามารถทำได้ ความสำเร็จของ ChatGPT ได้สร้างเลเยอร์แอปพลิเคชัน Generative AI ทั้งระบบ ซึ่งในทางกลับกันก็ต้องการพลังในการประมวลผลที่มากขึ้น วงจรสะท้อนกลับเชิงบวกนี้แทบไม่มีสิ่งใดเทียบเคียงได้อย่างสมบูรณ์ในบรรทัดฐานทางประวัติศาสตร์ที่ผ่านมา

อย่างไรก็ตาม PIMCO ระบุในรายงานวิเคราะห์สินเชื่อประจำเดือนพฤษภาคม 2026 ว่า "AI อยู่ในช่วงขาขึ้นของการลงทุนในสินทรัพย์ถาวร (capex) ซึ่งมาพร้อมกับความเสี่ยงที่แท้จริง ได้แก่ การสร้างรายได้ที่ไม่แน่นอน โอกาสที่จะเกิดการก่อสร้างที่มากเกินไป อายุการใช้งานของสินทรัพย์ที่สั้นลง และการพึ่งพาหนี้สินที่เพิ่มขึ้น แต่ในขณะนี้ ถือเป็นวัฏจักรที่มีวินัยมากกว่าและมีความสามารถในการจัดหาเงินทุนได้ดีกว่าช่วงบูมของธุรกิจโทรคมนาคมในช่วงปลายทศวรรษ 1990 เป็นอย่างมาก" ทว่าการมีวินัยมากกว่าไม่ได้หมายความว่าจะไม่มีความเสี่ยง

ช่องทางการส่งผ่านความเสี่ยง: ฟองสบู่กลายเป็นเหตุการณ์เชิงระบบได้อย่างไร

ความแตกต่างที่สำคัญระหว่างฟองสบู่ในอุตสาหกรรมและความเสี่ยงทางการเงินเชิงระบบ อยู่ที่ว่าความเสี่ยงนั้นสามารถแพร่กระจายออกไปภายนอกผ่านช่องทางการเงินได้หรือไม่ รายงานประจำปี 2026 ของ BIS ได้ให้คำอธิบายที่สมบูรณ์เกี่ยวกับช่องทางการส่งผ่านความเสี่ยงเหล่านี้

ช่องทางที่ 1: ตลาดตราสารทุน → ผลกระทบจากความมั่งคั่ง → การหดตัวของการบริโภค

หุ้นสหรัฐฯ คิดเป็นสัดส่วนประมาณ 73% ของดัชนี MSCI ทั่วโลก ขณะที่หุ้นที่เกี่ยวข้องกับ AI ได้เพิ่มส่วนแบ่งในมูลค่าหลักทรัพย์ตามราคาตลาดของ S&P 500 อย่างมีนัยสำคัญ การถือครองหุ้นของครัวเรือนสหรัฐฯ เมื่อเทียบกับความมั่งคั่งทั้งหมดเพิ่มขึ้นอย่างมากเมื่อเทียบกับทศวรรษที่แล้ว ซึ่งหมายความว่าการปรับฐานครั้งใหญ่ของตลาดหุ้นที่นำโดยกลุ่ม AI จะส่งผลกระทบโดยตรงต่อการลดลงของการบริโภคผ่านผลกระทบจากความมั่งคั่ง (wealth effect) ซึ่งส่งผลกระทบต่อเศรษฐกิจมหภาคมากกว่ายุคดอทคอมอย่างมาก ซึ่งในยุคนั้นสัดส่วนความมั่งคั่งในรูปของหุ้นของครัวเรือนอยู่ในระดับที่ต่ำกว่ามาก

ช่องทางที่ 2: ตลาดตราสารหนี้ → การตึงตัวของสินเชื่อ → ต้นทุนการกู้ยืมของภาคเอกชนที่พุ่งสูงขึ้น

หนี้สินที่เกี่ยวข้องกับ AI คิดเป็นสัดส่วนประมาณ 14% ของดัชนีตราสารหนี้ระดับลงทุนของสหรัฐฯ ของ JPMorgan (JULI) ซึ่งแซงหน้ากลุ่มธนาคารขึ้นเป็นภาคธุรกิจที่ใหญ่ที่สุดเพียงรายเดียว โดยมีความกระจุกตัวเพิ่มขึ้นอย่างต่อเนื่องในปี 2026 ปัจจุบันส่วนต่างอัตราผลตอบแทนของตราสารหนี้ระดับลงทุน (credit spread) อยู่ที่ประมาณ 77 basis points ซึ่งเป็นระดับที่ต่ำที่สุดนับตั้งแต่ปี 1998 ซึ่งตัวมันเองถือเป็นสัญญาณเตือนภัย เนื่องจากความหวังในเชิงบวกของตลาดต่อแนวโน้มของ AI ได้สะท้อนไปในราคาอย่างเต็มที่แล้ว

หากการสร้างรายได้เชิงพาณิชย์ของ AI สร้างความผิดหวัง หนี้สินสามกลุ่มแรกที่จะได้รับผลกระทบก่อน ได้แก่ หุ้นกู้ระดับลงทุนที่ออกโดยกลุ่ม Hyperscalers เอง, หุ้นกู้จากผู้รับเหมาวิศวกรรม EPC (ผู้สร้างดาต้าเซ็นเตอร์) ที่มีงบแสดงฐานะการเงินค่อนข้างอ่อนแอและพึ่งพาคำสั่งซื้อจากกลุ่ม Hyperscalers ในระดับสูง และหุ้นกู้ผลตอบแทนสูง (high-yield bonds) จากกลุ่ม NeoClouds การปรับราคาของส่วนต่างอัตราผลตอบแทนสินเชื่อจะส่งผ่านไปยังตลาดสินเชื่อภาคเอกชนทั้งหมดอย่างรวดเร็ว ส่งผลให้ต้นทุนการกู้ยืมของผู้จัดจำหน่ายหุ้นกู้ทุกรายเพิ่มสูงขึ้น

ช่องทางที่ 3: สินเชื่อนอกระบบธนาคาร → ระบบการเงินที่ไม่ใช่ธนาคาร → สภาวะสภาพคล่องหยุดชะงัก

นี่คือช่องทางการส่งผ่านความเสี่ยงที่น่ากังวลที่สุดของ BIS และเป็นช่องทางที่ถูกประเมินค่าต่ำที่สุดในการอภิปรายกระแสหลัก การปล่อยสินเชื่อโดยตรงของกองทุนรวมตราสารหนี้เอกชน (private credit) ในกลุ่ม AI และไอที มีสัดส่วนแตะระดับ 15% ของพอร์ตการลงทุน โดยสินเชื่อเหล่านี้อิงตามการคาดการณ์รายได้ในอนาคตของ AI มากกว่าการใช้สินทรัพย์ที่มีตัวตนเป็นหลักประกัน

เมื่อสินเชื่อนอกระบบธนาคาร (private credit) ตกอยู่ภายใต้ความตึงตัว ความเชื่อมโยงกับธนาคารพาณิชย์จะเริ่มปรากฏให้เห็น โดยธนาคารจะให้วงเงินสินเชื่อแก่ SPV บริษัทประกันภัยถือหุ้นในสินเชื่อนอกระบบธนาคาร และ BDC กำลังดึงดูดเงินทุนจากนักลงทุนรายย่อยที่เติบโตขึ้น ตัวกลางที่ไม่ใช่ธนาคารเหล่านี้ขาดกลไกการกำกับดูแลที่คอยช่วยเหลือเหมือนธนาคารพาณิชย์ หากเกิดแรงกดดันจากการไถ่ถอนในวงกว้าง เหตุการณ์สภาพคล่องหยุดชะงักในลักษณะที่คล้ายกับเหตุการณ์ "Dash for Cash" ในเดือนมีนาคม 2020 ก็อาจเกิดขึ้นได้

รายงานความเปราะบางของสินเชื่อนอกระบบธนาคารประจำเดือนพฤษภาคม 2026 ของ FSB ได้ระบุถึงความเสี่ยงที่ซ่อนอยู่อีกประการหนึ่ง นั่นคือ ความไม่โปร่งใสอย่างยิ่งของตลาดสินเชื่อนอกระบบธนาคาร ซึ่งหมายความว่าข้อมูลของหน่วยงานกำกับดูแลเกี่ยวกับขนาดของความเสี่ยงนั้นล้าหลังกว่าความเป็นจริงอย่างมาก ซึ่งหมายความว่าเมื่อเกิดปัญหาขึ้น หน่วยงานกำกับดูแลอาจไม่มีความพร้อมในการรับมือเช่นเดียวกัน

ช่องทางที่ 4: ผลกระทบจากการเสื่อมราคาและความไม่โปร่งใสทางบัญชี → "ชนวนระเบิดที่ล่าช้า" ของการปรับราคาประเมินมูลค่าใหม่

FASB กำหนดให้บริษัทมหาชนต้องเปิดเผยข้อมูลค่าใช้จ่ายแบบแยกประเภทอย่างละเอียดมากขึ้นในหมายเหตุประกอบงบการเงิน เริ่มตั้งแต่ปีงบประมาณ 2027 ซึ่งหมายความว่านักลงทุนจะสามารถเข้าใจได้อย่างเป็นระบบว่าค่าเสื่อมราคาถูกกระจายไปยังหมวดหมู่ค่าใช้จ่ายต่าง ๆ ของกลุ่ม Hyperscalers อย่างไรได้ตั้งแต่ปี 2028 เป็นต้นไป ช่วงเวลาที่แรงกดดันด้านค่าเสื่อมราคากระจุกตัวมากที่สุด (ปี 2027–2029) มีความคาบเกี่ยวอย่างมากกับช่วงเวลาที่มีความโปร่งใสของข้อมูลต่ำที่สุด ความไม่สมมาตรของข้อมูลนี้จะสร้าง "ผลกระทบที่น่าประหลาดใจ" ต่อการคาดการณ์ของตลาดเกี่ยวกับการปรับลดประมาณการกำไร ซึ่งจะส่งผลให้ความผันผวนรุนแรงขึ้นในช่วงที่มีการปรับฐานของมูลค่าหุ้น

การประเมินราคาความเสี่ยงของตลาดในปัจจุบัน: ความขัดแย้งและสัญญาณเตือน

เป็นที่น่าสังเกตว่า เมื่อ BIS ออกคำเตือนเกี่ยวกับความเสี่ยงเชิงระบบ ตลาดไม่ได้ตอบสนองด้วยการทรุดตัวลงอย่างรุนแรง แต่กลับแสดงให้เห็นถึงตรรกะการกำหนดราคาที่มีความแตกต่างกันภายใน

ตลาดตราสารหนี้กำลังประเมินราคาความเสี่ยงล่วงหน้าตลาดตราสารทุน หุ้นกู้ของกลุ่ม Hyperscalers ได้ขยายตัวกว้างขึ้นเมื่อเทียบกับดัชนี IG โดยรวมแล้ว โดยเส้นอัตราผลตอบแทนระยะ 10–30 ปีมีความชันขึ้นอย่างเห็นได้ชัด ตลาดตราสารหนี้เรียกร้องค่าชดเชยความเสี่ยงด้านระยะเวลา (duration premium) มากขึ้น เนื่องจากตระหนักดีว่าการชำระคืนหนี้ที่มีระยะเวลายาวนานเป็นพิเศษนี้ ขึ้นอยู่กับความแน่นอนในระยะยาวของการสร้างรายได้เชิงพาณิชย์จาก AI ขณะเดียวกัน ตลาดตราสารทุนยังคงถกเถียงกันว่า "การลงทุนใน AI Capex เหล่านี้คุ้มค่าหรือไม่" โดยการประเมินมูลค่าโดยรวมยังคงอยู่ในระดับสูงสุดเป็นประวัติการณ์

ตลาดตราสารทุนแสดงให้เห็นถึงความเห็นที่แตกต่างกันภายใน การตัดสินของตลาดไม่ได้ขึ้นอยู่กับอัตราการเติบโตของรายได้เพียงอย่างเดียวอีกต่อไป แต่ขณะนี้เริ่มพิจารณาว่า Capex มีช่องทางการสร้างรายได้แบบวงจรปิด (closed-loop) ที่ชัดเจนหรือไม่ หลังฤดูกาลประกาศผลประกอบการไตรมาส 1 ปี 2026 หุ้นของ Alphabet ซึ่งได้รับการสนับสนุนจากรายได้จาก AI โดยตรงของ Google Cloud ได้พุ่งสูงเป็นประวัติการณ์ ขณะที่ Meta ได้ปรับเพิ่มคาดการณ์ Capex ตลอดทั้งปีเป็น 1.25–1.45 แสนล้านดอลลาร์ ส่งผลให้หุ้นดิ่งลงกว่า 7% หลังรายงานผลประกอบการ แม้ว่ารายได้จะเติบโตถึง +33% ซึ่งเร็วที่สุดในกลุ่ม Hyperscalers รายใหญ่ในไตรมาสนั้นก็ตาม การเร่งตัวของรายได้แบบเดียวกัน แต่การตอบสนองของตลาดในการกำหนดราคากลับแตกต่างกันอย่างสิ้นเชิง แกนหลักของความเห็นที่แตกต่างคือ Capex ด้าน AI ของ Meta จะต้องสร้างรายได้ทางอ้อมผ่านการปรับปรุงประสิทธิภาพการโฆษณา ซึ่งเป็นเส้นทางที่ไม่มีความโปร่งใส และกระแสเงินสดอิสระเริ่มแสดงสัญญาณการหดตัวแล้ว

ตลาดสินเชื่อนอกระบบธนาคารเริ่มแสดงสัญญาณเตือนถึงความตึงตัวในระยะแรก หุ้นกลุ่มบริษัทซอฟต์แวร์ SaaS ร่วงลงสะสมประมาณ 30% ระหว่างเดือนตุลาคม 2025 ถึงกุมภาพันธ์ 2026 ส่วนหุ้นกลุ่ม BDC ร่วงลงประมาณ 10% โดยมีส่วนลดต่อมูลค่าสินทรัพย์สุทธิที่กว้างขึ้น ขณะที่ BDC ที่พึ่งพาธุรกิจ SaaS สูงมีผลงานต่ำกว่าคู่แข่งรายอื่นประมาณ 5 % สัญญาณเหล่านี้ถูกมองโดย JPMorgan ว่า "ยังไม่เป็นปัญหาเชิงระบบ" แต่ BIS มองว่าสิ่งเหล่านี้เป็นดัชนีชี้นำที่ต้องเฝ้าระวังอย่างใกล้ชิด

ความขัดแย้งที่สำคัญที่สุดคือ: ส่วนต่างอัตราผลตอบแทนของหุ้นกู้ภาคเอกชนยังคงอยู่ใกล้ระดับต่ำสุดนับตั้งแต่ปี 1998 แม้ว่ากลุ่ม Hyperscalers จะออกหุ้นกู้ในอัตราที่สูงเป็นประวัติการณ์ ขณะที่ช่องว่างการสร้างรายได้เชิงพาณิชย์ของ AI ยังคงอยู่ห่างจากเกณฑ์ที่จำเป็นหลายเท่า ความบิดเบือนในสัญญาณราคานี้อาจเป็นแหล่งที่มาของความผันผวนที่รุนแรงอย่างมากเมื่อการปรับราคาครั้งต่อไปมาถึง

นี่ไม่ใช่ปี 2008 แต่ผู้อาจเผชิญกับรูปแบบใหม่ของความเสี่ยงเชิงระบบที่สะสมอย่างช้าๆ

วิกฤตการเงินปี 2008 ระเบิดขึ้นผ่านสินเชื่อเพื่อที่อยู่อาศัย, CDO และระบบธนาคารที่มีการกู้ยืมเงินในระดับสูง การส่งผ่านความเสี่ยงจาก AI Capex นั้นใกล้เคียงกับการสะสมอย่างเรื้อรังตามมาด้วยการสั่นสะเทือนเป็นระยะ ๆ ไม่ใช่การพังทลายเชิงระบบแบบจุดชนวนจุดเดียว

กรอบสถานการณ์ที่สมเหตุสมผลที่สุดมีดังนี้:

กรณีฐาน (ความน่าจะเป็นประมาณ 40–50%): แรงกดดันด้านค่าเสื่อมราคาจะผ่อนคลายลงตามคาดในปี 2027–2028 อัตรากำไรของกลุ่ม Hyperscalers จะลดลงจาก ~35% เหลือประมาณ ~25–28% ราคาหุ้นจะผ่านการปรับราคาใหม่ในรูปแบบการบีบอัดตัวคูณ P/E ไม่ใช่การพังทลายของกำไร โดยกำไรสุทธิยังคงเป็นบวก การเติบโตของรายได้จากการเปิดให้บริการเชิงพาณิชย์ของ AI ล้าหลังกว่าการเติบโตของค่าเสื่อมราคา แต่ช่องว่างจะค่อยๆ ลดลง ตลาดสินเชื่อจะเผชิญกับแรงกดดันเฉพาะจุด โดยความเสี่ยงในกลุ่ม SaaS ของสินเชื่อนอกระบบธนาคารจะส่งผลให้เกิดการด้อยค่าของสินทรัพย์ของ BDC บางแห่ง แต่จะไม่ลุกลามจนกลายเป็นการหยุดชะงักของสินเชื่อเชิงระบบ ผลกระทบต่อเศรษฐกิจมหภาคมีจำกัด ซึ่งใกล้เคียงกับการปรับฐานของมูลค่าหุ้นที่สูงซึ่งกระจุกตัวอยู่ในหุ้นกลุ่มเทคโนโลยี

กรณีความเสี่ยงหางแถว (ความน่าจะเป็นประมาณ 15–20%): จุดเชื่อมโยงที่สำคัญในการจัดหาเงินทุนแบบวงกลมเกิดหยุดชะงัก (เช่น ห้องปฏิบัติการ AI รายใหญ่ไม่สามารถทำตามข้อตกลงในการซื้อบริการประมวลผลกับกลุ่ม Hyperscalers ได้) ซึ่งจะส่งผลให้เกิดการตัดจำหน่ายบัญชีงานคงค้าง (Backlog) ขนาดใหญ่และการปรับลดประมาณการรายได้ ผู้ให้บริการ AI (ผู้รับเหมา EPC, NeoClouds) เผชิญกับการปรับลดอันดับความน่าเชื่อถืออย่างต่อเนื่อง ตลาดตราสารหนี้เผชิญกับการแพร่ระบาดของส่วนต่างอัตราผลตอบแทนสินเชื่ออย่างรวดเร็ว สินเชื่อนอกระบบธนาคารเผชิญกับการไถ่ถอนในวงกว้าง การบังคับขายสินทรัพย์ของ BDC จะส่งผ่านสภาวะสภาพคล่องหยุดชะงักไปยังระบบธนาคาร ผลกระทบจากความมั่งคั่งของหุ้นจะเป็นปัจจัยผลักดันให้การบริโภคหดตัวลงอย่างมีนัยสำคัญ ซึ่งจะซ้ำเติมแรงกดดันด้านเงินเฟ้อที่มีอยู่แล้วจากวิกฤตพลังงานอันเนื่องมาจากการปิดช่องแคบฮอร์มุซในปี 2026 ตามที่ระบุไว้ในรายงานของ BIS ผลลัพธ์ที่ได้คือ การชะลอตัวทางเศรษฐกิจเล็กน้อยในสหรัฐฯ และยุโรป แม้จะไม่รุนแรงเท่าปี 2008 แต่เป็นการซ้ำรอยของการพังทลายของ NASDAQ ในปี 2000–2002 ควบคู่กับการชะลอตัวทางเศรษฐกิจที่ไม่รุนแรง

กรณีเชิงบวก (ความน่าจะเป็นประมาณ 30–40%): แอปพลิเคชัน Agentic AI มีการใช้งานเชิงพาณิชย์ในวงกว้างในปี 2026–2027 การนำไปใช้ในองค์กรธุรกิจสูงกว่าความคาดหมาย รายได้จากผู้ใช้งานปลายทางของ AI เติบโตเร็วกว่าค่าเสื่อมราคาอย่างแท้จริง สัดส่วน Capex/FCF เริ่มลดลง ความกังวลด้านสินเชื่อในตลาดตราสารหนี้จางหายไป ส่วนต่างอัตราผลตอบแทนฟื้นตัว กลุ่ม Hyperscalers ทำการปรับราคาใหม่จาก "บริษัทเทคโนโลยี" เป็น "สาธารณูปโภคที่มีการเติบโตสูง" ตัวคูณมูลค่าหุ้นลดลงปานกลาง แต่โครงสร้างการดำเนินงานเปลี่ยนไปเป็น "โครงสร้างพื้นฐาน AI คือรากฐานถัดไปของอินเทอร์เน็ต" ซึ่งเป็นกรอบความคิดที่ตลาดให้การยอมรับ

การตอบสนองของหน่วยงานกำกับดูแลและข้อจำกัด

เมื่อเผชิญกับคำเตือนอย่างชัดเจนของ BIS เครื่องมือการกำกับดูแลที่เกิดขึ้นจริงนั้นมีจำกัดอย่างมาก

กฎการเปิดเผยข้อมูลค่าเสื่อมราคาใหม่ของ FASB เป็นขั้นตอนสำคัญในการปรับปรุงความโปร่งใสของข้อมูล แต่เป็นการแก้ไขปัญหาความไม่สมมาตรของข้อมูล ไม่ใช่ตัวการลงทุนที่มากเกินไป แม้ว่านักลงทุนจะเข้าใจเรื่องค่าเสื่อมราคาอย่างเต็มที่ในปี 2028 แต่ Capex ที่ถูกใช้ไปแล้วและสัญญาเช่าที่ลงนามไปแล้วก็ไม่สามารถยกเลิกได้

ช่องว่างในการกำกับดูแลในตลาดสินเชื่อนอกระบบธนาคารเป็นความท้าทายที่ยิ่งใหญ่กว่า BIS รายงานว่าธนาคารต่างๆ มีความผูกพันอย่างลึกซึ้งกับระบบสินเชื่อนอกระบบธนาคารในรูปแบบที่ไม่มีความโปร่งใสผ่านการให้วงเงินสินเชื่อแก่ SPV ทว่าไม่มีหน่วยงานกำกับดูแลใดเพียงรายเดียวที่สามารถเฝ้าระวังความเสี่ยงทั่วโลกที่ครอบคลุมขอบเขตระหว่างธนาคารและที่ไม่ใช่ธนาคารได้ และรายงานของ FSB ก็ยอมรับเรื่องนี้โดยตรง

ข้อมูลจากธนาคารกลางสหรัฐฯ สาขาชิคาโก แสดงให้เห็นว่าของธนาคารพาณิชย์ ยอดคงค้างเงินกู้ แก่อุตสาหกรรมที่เกี่ยวข้องกับ AI คิดเป็นสัดส่วนเฉลี่ยประมาณ 0.8% ของสินทรัพย์ทั้งหมดของธนาคาร ซึ่งเป็นระดับที่สามารถจัดการได้เมื่อมองจากภายนอก ทว่าหากรวมวงเงินสินเชื่อที่อนุมัติแล้วแต่ยังไม่ได้เบิกใช้ สัดส่วนนี้จะพุ่งขึ้นจาก 9% ของเงินกองทุนขั้นที่ 1 (สำหรับยอดคงค้าง) เป็น 25% (รวมวงเงินสินเชื่อที่อนุมัติแล้ว) ซึ่งในสถานการณ์ที่ตึงตัว ผู้กู้ยืมอาจเบิกใช้วงเงินก่อนที่จะผิดนัดชำระหนี้ ส่งผลให้ผลขาดทุนที่แท้จริงสูงกว่าความเสี่ยงที่ปรากฏภายนอกที่ 0.8% อย่างมาก และนี่เป็นเพียงความเสี่ยงโดยตรงที่ "รับรู้และอยู่ในงบแสดงฐานะการเงิน" เท่านั้น ความเสี่ยงทางอ้อมที่ส่งผ่านระบบวงเงินสินเชื่อ SPV, การถือครองของบริษัทประกันภัย และช่องทางลูกค้ารายย่อยของ BDC ปัจจุบันยังไม่มีสถาบันใดที่มีข้อมูลที่สมบูรณ์

ข้อเสนอแนะของ BIS คือ: หน่วยงานกำกับดูแลควรให้ความสำคัญกับข้อกำหนดการเปิดเผยข้อมูลนอกงบแสดงฐานะการเงินสำหรับโครงสร้างการระดมทุนของ AI โดยเฉพาะอย่างยิ่งการมุ่งเป้าไปที่การค้ำประกันซ้ำซ้อนและการจัดหาเงินทุนแบบวงกลม แต่สถาบันกำกับดูแลมักจะถูกจัดตั้งขึ้นหลังจากที่ความเสี่ยงได้สะสมขึ้นแล้ว ประวัติศาสตร์บอกเราว่าเมื่อการกำกับดูแลไล่ตามทัน มักจะเป็นช่วงเวลาหลังจากที่จุดหักเหได้เกิดขึ้นแล้วเสมอ

บทสรุป: ความชัดเจนภายใต้ความขัดแย้ง

การอภิปรายนี้มีความขัดแย้งในตัวเองอยู่ประการหนึ่ง: หากการเปิดให้บริการเชิงพาณิชย์ของ AI สามารถส่งมอบได้ตามสัญญา Capex มูลค่า 1 ล้านล้านดอลลาร์นี้จะได้รับการพิสูจน์ว่าเป็นความสำเร็จของการลงทุนในโครงสร้างพื้นฐานที่ยิ่งใหญ่ที่สุดนับตั้งแต่ระบบรถไฟและการใช้ไฟฟ้าในศตวรรษที่ 19 และคำเตือนของ BIS จะกลายเป็นเพียงบันทึกของความระมัดระวังที่มากเกินไป แต่หากการดำเนินงานเชิงพาณิชย์ไม่เป็นไปตามความคาดหมาย นี่จะเป็นการก่อสร้างที่มากเกินไปอย่างไม่เคยปรากฏมาก่อน ซึ่งจะส่งผลกระทบสามระลอก ได้แก่ แรงกดดันด้านค่าเสื่อมราคา แรงกดดันด้านหนี้สิน และความตึงตัวของสินเชื่อนอกระบบธนาคาร ซึ่งจะผสมผสานกันจนส่งผลให้เกิดการปรับตัวทางการเงินทั่วโลกอย่างลึกซึ้ง

ก่อนที่ผลตัดสินจะมาถึง มีหลายสิ่งที่แน่นอนแล้ว:

ประการแรก ความเสี่ยงเป็นเรื่องจริง มีเพียงเวลาและขนาดเท่านั้นที่ไม่แน่นอน BIS ไม่ได้คาดการณ์ถึงการพังทลาย แต่กำลังระบุถึงจุดเปราะบางที่มีโอกาสแพร่ระบาดเชิงระบบ ซึ่งจุดเหล่านั้นมีอยู่จริง

ประการที่สอง "กำไรที่ยังคงดูดี" เป็นการตัดสินที่อันตรายที่สุดในสภาพแวดล้อมปัจจุบัน แรงกดดันด้านค่าเสื่อมราคาเป็นสิ่งที่ล่าช้า ภาระผูกพันนอกงบแสดงฐานะการเงินเป็นสิ่งที่มองไม่เห็น และความเสี่ยงในสินเชื่อนอกระบบธนาคารไม่มีความโปร่งใส การปกปิดข้อมูลทั้งสามชั้นนี้ทำให้ความแข็งแกร่งของงบกำไรขาดทุนภายนอกเป็นสิ่งที่หลอกตาอย่างมาก

ประการที่สาม สิ่งนี้จะไม่เกิดขึ้นในรูปแบบของวิกฤตการเงินแบบดั้งเดิม กลุ่ม Hyperscalers จะไม่ล้มละลายเนื่องจากมีกำไรจากการดำเนินงานที่แท้จริง ความเสี่ยงมีแนวโน้มที่จะปรากฏในรูปแบบของการปรับราคาประเมินมูลค่าและการลดลงของอัตรากำไรที่ดำเนินไปยาวนานหลายปี ควบคู่ไปกับความตึงตัวของสภาพคล่องเฉพาะจุดที่เกิดขึ้นอย่างกระจัดกระจายในระบบสินเชื่อนอกระบบธนาคารและระบบการเงินที่ไม่ใช่ธนาคาร

ประการที่สี่ เริ่มปรากฏให้เห็นถึงความแตกต่างอย่างชัดเจนแล้วบริษัทที่มีแนวทางการสร้างรายได้จาก AI ที่ชัดเจน (เช่น Alphabet ผ่าน Google Cloud, AWS ผ่านรายได้จากการประมวลผลโดยตรง) กับบริษัทที่มีแนวทางที่ยังน่ากังขา (เช่น งบลงทุนด้าน AI ของ Meta ที่ยังคงสร้างรายได้หลักผ่านประสิทธิภาพของโฆษณา หรือ Oracle ที่มีมูลค่าภาระผูกพันตามสัญญาที่ยังไม่รับรู้เป็นรายได้ หรือ RPO หนุนหลังอยู่ที่ 6.38 แสนล้านดอลลาร์ แต่มีความเสี่ยงสูงในเรื่องของกรอบเวลา เนื่องจากงบลงทุนที่สูงลิ่วเกิดขึ้นก่อนที่จะสามารถรับรู้รายได้จริง) จะต้องเผชิญกับชะตากรรมที่แตกต่างกันในระหว่างการปรับฐานครั้งนี้ โดยตลาดตราสารหนี้ได้เริ่มสะท้อนปัจจัยความต่างนี้เข้าไปในราคาแล้ว และตลาดหุ้นก็กำลังดำเนินรอยตาม

คำเตือนจาก BIS ไม่ใช่คำแนะนำให้ถอนตัวออกจากธุรกิจ AI แต่เป็นคำเตือนเชิงระบบเกี่ยวกับโครงสร้างทางการเงิน ความโปร่งใสของข้อมูล และการส่งผ่านความเสี่ยงข้ามตลาด ซึ่งนั่นคือบทบาทหน้าที่หลักของกลุ่มธนาคารกลางในการออกมาพูดความจริงที่ไม่มีใครอยากฟังในช่วงเวลาที่ตลาดกำลังคึกคักจนเกินไปเกินกว่าเหตุ