ค่าใช้จ่ายด้านโครงสร้างพื้นฐาน AI ใกล้เคียงกับ 700 พันล้านดอลลาร์: ประมาณการแตกต่างกัน ขึ้นอยู่กับขอบเขต
คาดว่าบริษัทเทคโนโลยีขนาดใหญ่จะลงทุนใน AI ใกล้เคียงกับ 700 พันล้านดอลลาร์สหรัฐภายในปี 2026 ในทางปฏิบัติ ค่าใช้จ่ายทุนด้านโครงสร้างพื้นฐาน AI ครอบคลุมตัวเร่งความเร็วและ GPU ระบบเครือข่ายความเร็วสูง การก่อสร้างศูนย์ข้อมูล และระบบไฟฟ้า โดยช่วงค่าใช้จ่ายขึ้นอยู่กับจำนวนส่วนประกอบของสแต็กที่รวมอยู่ การอภิปรายในปัจจุบันมุ่งเน้นที่การใช้จ่ายของ hyperscaler และว่าการขยายความสามารถในการประมวลผลสามารถเทียบเท่ากับพลังงานและการใช้งานในระดับใหญ่ได้หรือไม่
ตามรายงานของโกลด์แมน แซคส์ ค่าใช้จ่ายด้านทุนในปี 2026 ที่เกี่ยวข้องกับ AI อาจแตะระดับประมาณ 527 พันล้านดอลลาร์ ในขณะที่ MLQ รายงานแนวโน้มรวมสำหรับอัลฟาเบต แอมะซอน เมตา และไมโครซอฟต์อยู่ในช่วง 650–700 พันล้านดอลลาร์ โดยส่วนใหญ่ใช้สำหรับศูนย์ข้อมูล GPU และระบบพลังงาน ตัวเลขเหล่านี้มักถูกนำเสนอในเชิงทิศทางและอาจแตกต่างกันไปตามขอบเขต เวลา และสัดส่วนของโปรแกรมการก่อสร้างหลายปีที่ได้รับการรับรู้ในปีปฏิทินที่กำหนด
ผู้ที่กำลังใช้จ่าย: การใช้จ่ายของ Alphabet และคู่แข่งด้านไฮเปอร์สเกลเลอร์ การก่อสร้างศูนย์ข้อมูล
อัลฟาเบต (GOOGL) และผู้เล่นรายใหญ่อื่นๆ อยู่ที่ศูนย์กลางของวัฏจักรนี้ โดยกำหนดการใช้จ่ายไปยังอุปกรณ์เร่งความเร็ว ระบบเชื่อมต่อ และศูนย์ข้อมูลขนาดใหญ่ที่สามารถรองรับพลังงานและความเย็นที่หนาแน่น ตามรายงานของ AOL บริษัทเทคโนโลยีขนาดใหญ่กำลังลงทุนหลายร้อยพันล้านดอลลาร์ในโครงสร้างพื้นฐานด้านปัญญาประดิษฐ์ และอัลฟาเบตถูกมองว่ามีข้อได้เปรียบเชิงโครงสร้างเมื่อเทียบกับคู่แข่ง
ผู้นำอุตสาหกรรมได้อธิบายว่านี่เป็นการเปลี่ยนผ่านที่ยั่งยืนในด้านการคำนวณ ไม่ใช่เพียงการเพิ่มขึ้นชั่วคราว “เมื่อธุรกิจตัดสินใจลงทุนใน AI พวกเขาจะต้องการกำลังการประมวลผลที่เพิ่มขึ้นเรื่อยๆ” เจสเซน ฮวง ซีอีโอของ Nvidia กล่าว
ในขณะที่เขียนข้อความนี้ บริบทตลาดสาธารณะสะท้อนถึงความสนใจอย่างต่อเนื่องต่อห่วงโซ่อุปทาน AI; ตามข้อมูลจาก Nasdaq บริษัท NVIDIA (NVDA) ปิดที่ 177.19 ในวันที่ 27 กุมภาพันธ์ ขยับเป็น 177.81 หลังเวลาทำการ (+0.35%) และซื้อขายอยู่ในช่วง 52 สัปดาห์ที่ 86.62 ถึง 212.19 โดยมีมูลค่าตลาดภายในวันใกล้เคียงกับ 4.31 ล้านล้านดอลลาร์สหรัฐ ตัวเลขเหล่านี้เป็นข้อมูลเชิงบรรยายและไม่ได้บ่งชี้ถึงมุมมองใดๆ
เศรษฐศาสตร์: ROI ความเครียดจากกระแสเงินสดฟรี การใช้งาน และข้อจำกัดด้านพลังงาน
เศรษฐกิจขึ้นอยู่กับการแปลงค่าใช้จ่ายด้านทุนสูงให้เป็นรายได้และกระแสเงินสดผ่านการใช้งานที่เพิ่มขึ้นและความต้องการของลูกค้าสำหรับการอนุมานและการฝึกอบรม ตามที่ The Motley Fool ระบุ คลื่นการใช้จ่ายนี้เป็นแรงหนุนสำคัญสำหรับผู้จัดหาโครงสร้างพื้นฐาน ขณะเดียวกันก็ตั้งคำถามว่ากระแสเงินสดเสรีของ hyperscalers จะสามารถติดตามค่าใช้จ่ายที่สูงขึ้นได้ทันหรือไม่
ตามรายงานของ Fortune การวิจัยเตือนว่ากำไรอาจช้ากว่าระดับการลงทุนเหล่านี้ ซึ่งหมายความว่าระยะเวลาคืนทุนอาจยาวนานขึ้น หากการสร้างรายได้หรือการใช้งานเติบโตช้ากว่าที่คาดไว้ การกำหนดขอบเขตในลักษณะนี้เน้นย้ำถึงความจำเป็นในการใช้งานอย่างมีวินัย แบบจำลองที่มีประสิทธิภาพ และการผสมผสานงานที่สามารถดูดซับกำลังการผลิตได้ในระดับหลักประกันที่ยอมรับได้
ในเชิงปฏิบัติ อัตราการใช้งาน ความพร้อมของพลังงาน และเวลาในการเชื่อมต่อกริดและขออนุญาตมีแนวโน้มที่จะเป็นข้อจำกัดสำคัญต่อความเร็วในการเปิดตัว ปัจจัยเหล่านี้ ร่วมกับเศรษฐศาสตร์ของหน่วยสำหรับอุปกรณ์เร่งความเร็ว การเชื่อมต่อเครือข่าย และพลังงาน จะกำหนดว่าค่าใช้จ่ายด้านทุนสำหรับโครงสร้างพื้นฐาน AI ในปัจจุบันจะสามารถแปลงเป็นผลตอบแทนที่ยั่งยืนและกระแสเงินสดเสรีที่มั่นคงขึ้นในระยะยาวหรือไม่
| ข้อจำกัดความรับผิด: เนื้อหาบน The CCPress จัดทำขึ้นเพื่อวัตถุประสงค์เพื่อให้ข้อมูลเท่านั้น และไม่ควรพิจารณาว่าเป็นคำแนะนำด้านการเงินหรือการลงทุน การลงทุนในคริปโตเคอเรนซีมีความเสี่ยงที่เป็นธรรมชาติ โปรดปรึกษาที่ปรึกษาทางการเงินที่มีคุณสมบัติเหมาะสมก่อนตัดสินใจลงทุนใดๆ |