CEO ของ IBM: การลงทุนโครงสร้างพื้นฐาน AI ของ Hyperscaler "ไม่มีทาง" คุ้มค่า

10 ธันวาคม 2025 เขียนโดย Blake Crosley

Arvind Krishna CEO ของ IBM ออกมาท้าทายเศรษฐศาสตร์โครงสร้างพื้นฐาน AI ของ Hyperscaler อย่างเปิดเผยเมื่อวันที่ 3 ธันวาคม 2025 โดยระบุว่าแม้แต่การคำนวณง่ายๆ ก็เผยให้เห็นว่าการลงทุนศูนย์ข้อมูลขนาดมหึมาของบริษัทเทคโนโลยี "ไม่มีทาง" สมเหตุสมผล¹ "ผมมองว่าไม่มีทางที่คุณจะได้ผลตอบแทนจากสิ่งนั้น เพราะ CapEx 8 ล้านล้านดอลลาร์หมายความว่าคุณต้องมีกำไรประมาณ 800,000 ล้านดอลลาร์เพียงเพื่อจ่ายดอกเบี้ย" Krishna กล่าว[^2] Krishna ยังโต้แย้งเพิ่มเติมว่าค่าเสื่อมราคาของ GPU เป็นความเสี่ยงที่ถูกประเมินค่าต่ำที่สุด: "คุณต้องใช้มันทั้งหมดภายในห้าปี เพราะเมื่อถึงจุดนั้น คุณต้องทิ้งมันและเติมใหม่"[^3]

ความคิดเห็นของ Krishna มาถึงในขณะที่ Hyperscaler มุ่งมั่นลงทุนในโครงสร้างพื้นฐาน AI อย่างที่ไม่เคยมีมาก่อน Big Four คาดว่าจะมีรายจ่ายลงทุนรวมกันเกิน 380,000 ล้านดอลลาร์ในปี 2025 โดย CreditSights คาดการณ์ว่า CapEx สะสมจะถึง 602,000 ล้านดอลลาร์ภายในปี 2026[^4]

การมุ่งมั่น CapEx ของ Hyperscaler ปี 2025:

ตัวเลขเหล่านี้สร้างความตึงเครียดพื้นฐาน: รายได้ AI คลาวด์รวมปี 2025 น่าจะอยู่ที่ 50,000-60,000 ล้านดอลลาร์ ในขณะที่ CapEx เกิน 380,000 ล้านดอลลาร์—อัตราส่วนการลงทุนต่อรายได้ 6:1 ที่ต้องการการเติบโตสามหลักเป็นเวลาหลายปีเพื่อให้สมเหตุสมผล[^5]

ข้อโต้แย้งของ Krishna

การวิพากษ์ของ Krishna มุ่งเน้นที่คณิตศาสตร์การเงินพื้นฐานมากกว่าความสามารถด้านเทคโนโลยี โดยเน้นที่ความกังวลสามประการที่เชื่อมโยงกัน: ต้นทุนดอกเบี้ย ระยะเวลาค่าเสื่อมราคา และความไม่แน่นอนของ AGI

การวิเคราะห์ต้นทุนดอกเบี้ย

การอ้างถึง CapEx สะสม 8 ล้านล้านดอลลาร์และกำไรที่ต้องการ 800,000 ล้านดอลลาร์ของ Krishna เน้นย้ำภาระดอกเบี้ยของการลงทุนโครงสร้างพื้นฐาน การสร้างกำลังการผลิตศูนย์ข้อมูลหนึ่งกิกะวัตต์มีค่าใช้จ่ายประมาณ 80,000 ล้านดอลลาร์ในมูลค่าปัจจุบัน[^6] การมุ่งมั่นทั่วโลกเพื่อไล่ตาม AGI เข้าใกล้ 100 กิกะวัตต์ ตั้งราคาไว้ที่ประมาณ 8 ล้านล้านดอลลาร์

ที่อัตราดอกเบี้ยปัจจุบัน เงินทุน 8 ล้านล้านดอลลาร์ต้องการกำไรประจำปีประมาณ 800,000 ล้านดอลลาร์เพียงเพื่อชำระต้นทุนทางการเงิน—ก่อนที่จะสร้างผลตอบแทนให้ผู้ถือหุ้น สำหรับบริบท รายได้สุทธิรวมปี 2024 ของ Microsoft, Google, Amazon และ Meta รวมกันประมาณ 200,000 ล้านดอลลาร์[^7] ตัวเลขนี้ต้องการให้ AI สร้างกำไรสี่เท่าของกำไรรวมปัจจุบันเพียงเพื่อครอบคลุมดอกเบี้ย

ระเบิดเวลาค่าเสื่อมราคา

Krishna ระบุว่าค่าเสื่อมราคาเป็น "ส่วนของการคำนวณที่นักลงทุนประเมินค่าต่ำที่สุด"[^3] Hyperscaler คิดค่าเสื่อมราคาโครงสร้างพื้นฐาน GPU ในระยะเวลาห้าถึงหกปี แต่ NVIDIA ปัจจุบันเปิดตัวสถาปัตยกรรมใหม่ทุกปีเทียบกับวงจรสองปีก่อนหน้า[^8]

ความเป็นจริงของค่าเสื่อมราคา GPU:

Michael Burry โต้แย้งว่าบริษัทรวมถึง Meta, Oracle, Microsoft, Google และ Amazon ประเมินอายุการใช้งานของ GPU สูงเกินไปและประเมินค่าเสื่อมราคาต่ำเกินไป โดยกำหนดอายุการใช้งานจริงที่สองถึงสามปี[^9] สถาปนิกของ Google รายงานว่า GPU ในศูนย์ข้อมูลอาจใช้งานได้เพียงหนึ่งถึงสามปีขึ้นอยู่กับการใช้งาน โดยขับเคลื่อนจากความเครียดจากความร้อนมากกว่าความล้าสมัย[^10]

ความคล้ายคลึงกับฟองสบู่โทรคมนาคม

การลงทุนโครงสร้างพื้นฐานเทคโนโลยีในอดีตสร้างกำลังการผลิตส่วนเกิน ในช่วงบูมเส้นใยนำแสง (1995-2000) บริษัทต่างๆ ใช้จ่ายประมาณ 2 ล้านล้านดอลลาร์สร้างเครือข่ายเส้นใย 80-90 ล้านไมล์[^11] ภายในปี 2001 95% ยังคงเป็น dark fiber—กำลังการผลิตที่ไม่ได้ใช้รอความต้องการที่ไม่เคยเกิดขึ้น[^12]

ฟองสบู่โทรคมนาคม vs. โครงสร้างพื้นฐาน AI:

หุ้น Corning ร่วงจาก 100 ดอลลาร์เหลือ 1 ดอลลาร์ภายในปี 2002 Global Crossing, WorldCom และ 360networks ยื่นล้มละลาย ระหว่างปี 2000 ถึง 2002 หุ้นโทรคมนาคมทั่วโลกสูญเสียมูลค่าตลาดกว่า 2 ล้านล้านดอลลาร์[^13]

ความสงสัยเกี่ยวกับ AGI

Krishna ตั้งคำถามว่าสถาปัตยกรรมปัจจุบันจะบรรลุ AGI ได้หรือไม่ โดยประเมินความน่าจะเป็นที่ "ประมาณ 0-1%" โดยไม่มีความก้าวหน้าพื้นฐาน[^14] หาก AGI ยังคงเข้าถึงไม่ได้ โครงสร้างพื้นฐานที่สร้างสำหรับ compute ระดับ AGI อาจพิสูจน์ว่าใหญ่เกินไปสำหรับการใช้งานจริง

ข้อโต้แย้งตรงกันข้าม

ผู้นำ Hyperscaler นำเสนอข้อโต้แย้งที่มีเนื้อหาต่อการวิพากษ์ของ Krishna

ความต้องการเกินอุปทาน

Andy Jassy CEO ของ Amazon กล่าวว่ากำลังการผลิตถูกใช้ "เร็วเท่าที่เราจัดหาได้"[^15] ธุรกิจ AI ของ AWS ดำเนินการด้วยการเติบโต "สามหลักปีต่อปี" ขยายตัว "เร็วกว่าสามเท่าในช่วงวิวัฒนาการนี้เมื่อเทียบกับ AWS เอง"[^16] การเติบโตรายได้คลาวด์ไตรมาส 3 ปี 2025 ยังคงแข็งแกร่ง: AWS +20% เป็น 33,000 ล้านดอลลาร์, Azure +40%, Google Cloud +34% เป็น 15,150 ล้านดอลลาร์[^17]

การใช้จ่ายโครงสร้างพื้นฐานคลาวด์ทั่วโลกถึง 95,300 ล้านดอลลาร์ในไตรมาส 2 ปี 2025 ซึ่งเป็นไตรมาสที่สี่ติดต่อกันที่เกิน 20% การเติบโต[^18] ความต้องการดูเหมือนจริงมากกว่าเก็งกำไร

ข้อโต้แย้งเรื่องการไหลของมูลค่า

ผู้ปกป้องโต้แย้งว่าอายุการใช้งาน GPU ขยายผ่าน "value cascading"—การนำชิปกลับมาใช้ใหม่จากการฝึกไปยัง inference ไปยังงานสาธารณูปโภค[^19] CEO ของ CoreWeave ระบุว่าชิป A100 รุ่นปี 2020 ของพวกเขายังคงถูกจองเต็ม โดย H100 ที่เพิ่งมีให้จองได้ทันทีที่ 95% ของราคาเดิม[^20]

การฝึกต้องการสถาปัตยกรรมใหม่ล่าสุด แต่งาน inference—ปริมาณสูงและกำไรสูง—ทำงานได้อย่างมีประสิทธิภาพบนชิปรุ่นเก่า การก้าวหน้าจากการฝึกไปยัง inference ไปยัง fine-tuning อาจขยายอายุทางเศรษฐกิจเป็นห้าปี

คูเมืองเชิงกลยุทธ์

การลงทุนโครงสร้างพื้นฐานสร้างอุปสรรคที่ผู้เข้าตลาดล่าไม่สามารถทำซ้ำได้ โครงสร้างพื้นฐาน Azure ของ Microsoft ปกป้องตำแหน่ง AI องค์กร Compute ของ Google ปกป้องการค้นหาจากทางเลือก AI กำลังการผลิตการฝึกของ Meta ทำให้สามารถพัฒนาโมเดลพื้นฐานที่คู่แข่งขนาดเล็กไม่สามารถเทียบได้

มูลค่าเชิงกลยุทธ์นอกเหนือจาก ROI:

ระยะเวลาระยะยาว

ด้านดีของฟองสบู่โทรคมนาคมเป็นบทเรียน: เส้นใยที่สร้างเกินในปี 2000 ทำให้ YouTube (2005), Netflix streaming (2007) และ cloud computing (2006+) เป็นไปได้[^21] แบนด์วิดท์ราคาถูกจากกำลังการผลิตส่วนเกินสร้างโมเดลธุรกิจใหม่ทั้งหมด

ในทำนองเดียวกัน กำลังการผลิตส่วนเกินของโครงสร้างพื้นฐาน AI—หากเกิดขึ้น—จะลดต้นทุนการเช่า GPU และทำให้แอปพลิเคชัน AI ที่ปัจจุบันไม่คุ้มทางเศรษฐกิจเป็นไปได้ โครงสร้างพื้นฐานอาจพิสูจน์ว่าเป็นพื้นฐานแม้ว่านักลงทุนเดิมจะขาดทุน

กรอบการตัดสินใจสำหรับการวางแผนโครงสร้างพื้นฐาน

การวิพากษ์ของ Krishna สร้างนัยที่สามารถนำไปปฏิบัติได้สำหรับองค์กรที่ประเมินการลงทุนโครงสร้างพื้นฐาน AI

เมทริกซ์กลยุทธ์โครงสร้างพื้นฐาน:

หาก Krishna พิสูจน์ว่าถูก

องค์กรที่เช่ามากกว่าสร้างรักษาทางเลือก กำลังการผลิตส่วนเกินจะผลักดันราคา H100 ต่ำกว่า 2.85-3.50 ดอลลาร์/ชั่วโมงปัจจุบันสู่ 1-2 ดอลลาร์/ชั่วโมง[^22] ข้อตกลงการเช่าที่มีข้อความยืดหยุ่นดีกว่าการมุ่งมั่นระยะยาว

ตัวชี้วัดที่ควรจับตา: - อัตราการใช้งานของ Hyperscaler ลดลงต่ำกว่า 70% - ราคา GPU spot ลดลง >20% ไตรมาสต่อไตรมาส - การลดคำแนะนำ CapEx ในการประชุมผลประกอบการ - การยกเลิกหรือเลื่อนโครงการสำคัญ

หาก Krishna พิสูจน์ว่าผิด

องค์กรที่รักษากำลังการผลิตตั้งแต่เนิ่นๆ ได้ประโยชน์จากส่วนเพิ่มจากความขาดแคลนและการล็อกราคา ความได้เปรียบของผู้เคลื่อนไหวแรกในแอปพลิเคชัน AI ทวีคูณตามเวลา ข้อจำกัดโครงสร้างพื้นฐานจะเอื้อต่อผู้ดำเนินการที่มีอยู่

ตัวชี้วัดที่ควรจับตา: - การเติบโตรายได้ AI สามหลักอย่างต่อเนื่องถึงปี 2026 - การคงที่หรือเพิ่มขึ้นของราคา GPU - การเพิ่มคำแนะนำ CapEx ของ Hyperscaler - ความล่าช้าในการเปิดตัวสถาปัตยกรรมใหม่

แนวทางการป้องกันความเสี่ยง

องค์กรส่วนใหญ่ควรป้องกันความเสี่ยงมากกว่าเดิมพันทิศทาง:

1. เช่า 60-70% ของความต้องการปัจจุบัน - รักษาความยืดหยุ่น
2. รักษากำลังการผลิตที่มุ่งมั่นสำหรับ 30-40% - รับประกันความพร้อมใช้งานสำหรับงานวิกฤต
3. เจรจาข้อความยืดหยุ่น - สิทธิ์ในการขยายโดยไม่มีค่าปรับ
4. ติดตามทุกไตรมาส - ปรับการจัดสรรตามสัญญาณตลาด

คำแนะนำจากผู้เชี่ยวชาญ

การตัดสินใจโครงสร้างพื้นฐานที่มีขนาดและความไม่แน่นอนเช่นนี้ได้ประโยชน์จากมุมมองที่มีประสบการณ์

เครือข่ายวิศวกรภาคสนาม 550 คนของ Introl สนับสนุนองค์กรที่ประเมินเศรษฐศาสตร์โครงสร้างพื้นฐาน AI ผ่านกลยุทธ์การสร้าง เช่า และแบบผสม[^23] บริษัทติดอันดับ #14 ใน Inc. 5000 ปี 2025 ด้วยการเติบโตสามปี 9,594% สะท้อนความต้องการบริการที่ปรึกษาโครงสร้างพื้นฐาน[^24]

ความเชี่ยวชาญทั่ว 257 สถานที่ทั่วโลก ให้มุมมองเกี่ยวกับการลงทุนโครงสร้างพื้นฐานในสภาพตลาดที่หลากหลาย[^25] Introl จัดการการปรับใช้ถึง 100,000 GPU ให้ข้อมูลเชิงลึกด้านการดำเนินงานเกี่ยวกับการเพิ่มประสิทธิภาพการใช้งานและการจัดการต้นทุน[^26]

ประเด็นสำคัญ

สำหรับนักวางแผนโครงสร้างพื้นฐาน: - จำลองทั้งสถานการณ์ Krishna-ถูก และ Krishna-ผิด ก่อนมุ่งมั่นเงินทุน - ชอบการเช่าที่มีข้อความยืดหยุ่นมากกว่าโครงสร้างพื้นฐานของตัวเอง เว้นแต่การใช้งานเกิน 80% - ติดตามอัตราการใช้งานและแนวโน้มราคาของ Hyperscaler ทุกไตรมาส - สร้างข้อความออกในการมุ่งมั่นหลายปี

สำหรับนักวิเคราะห์การเงิน: - จับตาการเปลี่ยนแปลงนโยบายค่าเสื่อมราคาที่ส่งสัญญาณความกังวลของผู้บริหาร - เปรียบเทียบอายุบัญชี 5-6 ปีกับความเป็นจริงทางเศรษฐกิจ 1-3 ปี - ติดตามอัตราการเติบโตรายได้ AI เทียบกับอัตราการเติบโต CapEx - ประเมินความเสี่ยงสินทรัพย์ติดค้างในพอร์ตโฟลิโอที่เน้นโครงสร้างพื้นฐาน

สำหรับนักวางแผนเชิงกลยุทธ์: - ตระหนักว่ากำลังการผลิตส่วนเกินเป็นประโยชน์ต่อผู้บริโภคแม้ว่าจะทำร้ายนักลงทุน - พิจารณาความได้เปรียบของผู้เคลื่อนไหวที่สองหากต้นทุนโครงสร้างพื้นฐานลดลง 30-50% - ประเมินพลวัตการแข่งขันหากคู่แข่งลงทุนเกินและเผชิญการตัดบัญชี - รักษาทางเลือกผ่านสถาปัตยกรรมคลาวด์แบบผสม

แนวโน้ม

การวิพากษ์ของ Krishna เป็นมุมมองเสียงข้างน้อยท่ามกลางความกระตือรือร้นของอุตสาหกรรม แต่การวิเคราะห์ทางคณิตศาสตร์เรียกร้องการพิจารณาอย่างจริงจัง CapEx 380,000 ล้านดอลลาร์ในปี 2025 ต้องการการสร้างรายได้ที่ไม่เคยมีมาก่อนเพื่อให้สมเหตุสมผล—การเติบโตรายได้ที่ต้องคงอยู่เป็นเวลาหลายปีเทียบกับตารางค่าเสื่อมราคาที่อาจมองโลกในแง่ดีเกินไป

การแก้ไขการอภิปรายสำคัญน้อยกว่าการตอบสนอง: องค์กรควรป้องกันความเสี่ยงมากกว่าเดิมพัน เช่าอย่างยืดหยุ่น เจรจาเงื่อนไข ติดตามสัญญาณ และรักษาทางเลือก ไม่ว่า Krishna จะพิสูจน์ว่าเป็นศาสดาหรือผู้ขัดแย้ง องค์กรที่เตรียมพร้อมจะได้ประโยชน์จากการตัดสินใจโครงสร้างพื้นฐานที่ตั้งอยู่บนการวิเคราะห์สถานการณ์มากกว่าสมมติฐานฉันทามติ

ดังที่ Krishna เองระบุแม้จะมีความสงสัยเกี่ยวกับโครงสร้างพื้นฐาน: "ผมคิดว่ามันจะปลดปล่อยผลิตภาพมูลค่าหลายล้านล้านดอลลาร์ในองค์กร ขอให้ชัดเจน"[^27] คำถามไม่ใช่ว่า AI สร้างมูลค่าหรือไม่ แต่ระดับการลงทุนโครงสร้างพื้นฐานปัจจุบันตรงกับระยะเวลาและขนาดของการสร้างมูลค่านั้นหรือไม่

อ้างอิง

[เนื้อหาถูกตัดสำหรับการแปล]