โกลด์แมน แซคส์ และ เซมิแอนะลิซิส ขัดแย้งกันเรื่องการประเมินมูลค่าโครงสร้างพื้นฐาน AI และผู้ชนะในอนาคต

ในสองปีที่ผ่านมา การซื้อขายด้วย AI ได้ครองตลาดหุ้นทั่วโลกแทบจะทั้งหมด

นาวิดีอา thiết bị bán dẫn HBM แพ็คเกจขั้นสูง ศูนย์ข้อมูล อุปกรณ์ไฟฟ้า หม้อแปลงไฟฟ้า การระบายความร้อน กังหันก๊าซ ทุกสินทรัพย์ที่สามารถนำมารวมอยู่ในห่วงโซ่โครงสร้างพื้นฐาน AI ล้วนถูกตลาดประเมินใหม่ซ้ำแล้วซ้ำเล่า การซื้อขายครั้งนี้ไม่ได้ล้มเหลว แต่กลับพุ่งขึ้นจนทำให้นักลงทุนต้องกลับมาเผชิญกับคำถามที่ยากขึ้นอีกขั้น: ผู้ชนะในระยะแรกของห่วงโซ่อุตสาหกรรม AI ได้รับรางวัลจากตลาดจนสุดขีดแล้ว ขั้นต่อไปจะยังสามารถพุ่งขึ้นต่อได้อีกหรือไม่?

รายงานสองฉบับจาก Goldman Sachs และ SemiAnalysis อยู่ตรงจุดแยกนี้พอดี

คำวิเคราะห์ของเจมส์ คอเวลโล จากโกลด์แมน แซคส์ ค่อนข้างระมัดระวัง: ระยะแรกของโครงสร้างพื้นฐาน AI ได้รับการประเมินราคาอย่างเต็มที่แล้ว ชิปและห่วงโซ่ “ขายจอบ” ได้รับผลกำไรที่แน่นอนไปมากเกินไป แต่ผลตอบแทนจากการลงทุน (ROI) ขององค์กรยังไม่ได้รับการพิสูจน์อย่างแพร่หลาย และแรงกดดันด้านกระแสเงินสดของผู้ให้บริการคลาวด์ก็กำลังเพิ่มขึ้น ตามตรรกะนี้ การเทรดที่ดีกว่าในขั้นต่อไปไม่ใช่การตามล่าชิปเซมิคอนดักเตอร์ต่อไป แต่ควรเลือกซื้อผู้ให้บริการคลาวด์ขนาดใหญ่และชิปเซมิคอนดักเตอร์ที่มีการจัดเตรียมต่ำ

คำตอบจาก SemiAnalysis แทบจะตรงข้ามกัน: หาก Agentic AI ทำให้ token เปลี่ยนเป็นปัจจัยการผลิต และกำไรขั้นต้นของห้องปฏิบัติการโมเดลเริ่มดีขึ้น ขณะที่โมเดลชั้นนำยังคงมีอำนาจในการกำหนดราคา แล้วโครงสร้างพื้นฐาน AI ไม่ได้ “ขึ้นจนเต็มที่” แต่ยังไม่ได้รับการกำหนดราคาใหม่ตามมูลค่า token ของรอบใหม่อย่างสมบูรณ์ นิเวศน์ทั้ง NVIDIA, TSMC, เมมโมรี, Neocloud และห้องปฏิบัติการโมเดล ยังมีเหตุผลที่จะได้รับส่วนแบ่งมูลค่าเพิ่มเติม

นี่ไม่ใช่การถกเถียงเกี่ยวกับอนาคตของ AI

การใช้จ่ายด้านทุนของ AI ยังคงเพิ่มขึ้น และหุ้นโครงสร้างพื้นฐานด้าน AI ก็ยังไม่ลดความร้อนลง ปัญหาที่แท้จริงตอนนี้คือ: ชั้นชิปได้เก็บกำไรรอบแรกไว้บนงบดุลแล้ว ขณะนี้ตลาดกำลังแข่งขันกันว่ากำไรนี้ถูกกำหนดราคาอย่างเพียงพอหรือยัง; หาก AI แบบ Agentic ยังคงขยายมูลค่าโทเค็นต่อไป กำไรเพิ่มเติมรอบถัดไปจะยังคงอยู่ที่ชั้นฮาร์ดแวร์ต่อไป หรือจะเริ่มถูกจัดสรรใหม่ไปยังห้องปฏิบัติการโมเดล ผู้ให้บริการคลาวด์ และชั้นซอฟต์แวร์องค์กร

จุดที่น่าตกใจที่สุดในรายงานของโกลด์แมน แซคส์ ไม่ใช่การตั้งคำถามเกี่ยวกับการเติบโตของผู้ใช้ AI หรือการปฏิเสธความก้าวหน้าทางเทคโนโลยี

โคเวลโล่ยอมรับสองสิ่ง: อัตราการรับใช้ AI ของผู้บริโภคเร็วกว่าที่พวกเขาคาดไว้; ผู้ให้บริการคลาวด์แม้จะเผชิญกับแรงกดดันต่อราคาหุ้น แต่ก็ไม่ได้ตัดงบประมาณด้าน AI ตามที่พวกเขาคาดไว้ กลับเพิ่มการลงทุนต่อไป AI ไม่ได้ลดความร้อนแรง และงบประมาณการลงทุนก็ไม่ได้ถอยหลัง

แต่โกลด์แมนแซคส์มองไปไกลกว่านั้น

ผู้บริโภคใช้ AI ส่วนใหญ่ยังคงอยู่ในระดับฟรี การเติบโตของผู้ใช้สามารถพิสูจน์ความน่าสนใจของผลิตภัณฑ์ แต่ไม่สามารถชำระค่าใช้จ่ายสำหรับ GPU, ศูนย์ข้อมูล, ไฟฟ้า, อินเทอร์เน็ต และการประมวลผลแบบอินเฟอเรนซ์ของโมเดลได้โดยตรง ภาคธุรกิจคือกุญแจสำคัญในการปิดวงจรเศรษฐกิจ AI: ความเต็มใจของธุรกิจในการจ่ายเงินอย่างต่อเนื่อง ความสามารถในการลดต้นทุน เพิ่มรายได้ และเพิ่มผลผลิตจาก AI จะกำหนดว่าห่วงโซ่ทั้งหมดสามารถรับภาระการใช้จ่ายด้านทุนในปัจจุบันได้อย่างยั่งยืนหรือไม่

คำตอบของโกลด์แมน แซคส์ มีความระมัดระวัง

รายงานระบุว่า บริษัทต่างๆ ได้ลงทุนอย่างมากใน AI แบบสร้างเนื้อหา แต่องค์กรจำนวนมากยังไม่ได้รับผลตอบแทนที่สามารถตรวจสอบได้; ในขณะเดียวกัน ค่าใช้จ่ายด้านไอทีทั่วโลกยังคงเพิ่มขึ้น และ AI ยังไม่ได้ลดงบประมาณเทคโนโลยีของบริษัทในระดับรวม สำหรับนักลงทุน นี่หมายถึงปัญหาที่เป็นรูปธรรมอย่างหนึ่ง: บริษัทกำลังซื้อ AI ทดลองใช้ AI และพูดคุยเกี่ยวกับ AI แต่ AI ยังไม่ได้เข้าสู่งบกำไรขาดทุนอย่างแพร่หลาย

สิ่งนี้ขัดแย้งอย่างชัดเจนกับกำไรในห่วงโซ่โครงสร้างพื้นฐานของ AI

บริษัทชิปได้กำไรแล้ว ขณะที่บริษัทที่เกี่ยวข้องกับการจัดเก็บข้อมูล พลังงาน และศูนย์ข้อมูลได้รับการประเมินใหม่ซ้ำแล้วซ้ำเล่าโดยตลาด ผู้ให้บริการคลาวด์อยู่อีกด้านหนึ่งที่รับภาระค่าใช้จ่ายด้านทุน การก่อสร้างศูนย์ข้อมูล การซื้อ GPU การเชื่อมต่อพลังงาน อุปกรณ์เครือข่าย และชั้นวางเซิร์ฟเวอร์ ค่าใช้จ่ายเหล่านี้ล้วนตกอยู่บนบัญชีของผู้ให้บริการคลาวด์ก่อน รายงานของโกลด์แมน แซคส์ระบุว่า ผู้ให้บริการคลาวด์ขนาดใหญ่ได้ใช้เงินสดจากการดำเนินงานที่เหลืออยู่บางส่วน และเริ่มใช้หนี้เพื่อสนับสนุนการก่อสร้างศูนย์ข้อมูล โดยปริมาณหนี้ที่ออกเพื่อศูนย์ข้อมูลในปี 2025 จะเพิ่มเป็นสองเท่าเป็น 182,000 ล้านดอลลาร์สหรัฐ

นี่คือความไม่สมดุลที่โกลด์แมนแซคส์มองเห็น

ในวัฏจักรเซมิคอนดักเตอร์ปกติ การที่บริษัทชิปทำกำไรได้มากมักบ่งชี้ว่าลูกค้าก็กำลังขยายตัวเช่นกัน เมื่อลูกค้าทำกำไรได้ พวกเขาก็จะซื้อชิปต่อไป ทำให้บริษัทชิปยังคงเติบโตอย่างต่อเนื่อง แต่ในรอบนี้ของ AI กลับมีความยุ่งเหยิงมากกว่า: ผลกำไรในห่วงโซ่ชิปนั้นชัดเจนที่สุด แต่ผลตอบแทนในระดับลูกค้าและระดับการใช้งานยังไม่ชัดเจนเท่ากัน

ดังนั้น คำตัดสินของโกลด์แมน แซคส์ ไม่ใช่ “AI ไม่มีประโยชน์” แต่คือ “วิธีการแบ่งปันรายได้ในปัจจุบันยากที่จะขยายเชิงเส้นในระยะยาว”

บริษัทเซมิคอนดักเตอร์ได้รับกำไรที่แน่นอนที่สุดในระยะแรกแล้ว ปัญหาคือ ลูกค้าในโซ่การผลิตด้านล่างมีกำไรเพียงพอที่จะสนับสนุนค่าใช้จ่ายด้านทุนและระดับการรวมตัวของกำไรที่สูงของผู้ผลิตด้านบนหรือไม่

คำแนะนำการซื้อขายจากゴールドแมน ซัคส์ดูเหมือนขัดกับสัญชาตญาณ: มองบวกต่อผู้ให้บริการคลาวด์ขนาดใหญ่แบบสัมพัทธ์ และลดการลงทุนในเซมิคอนดักเตอร์

มีเส้นทางสองเส้นทางด้านหลังนี้

เส้นทางแรก ผลตอบแทนจากการใช้ AI ขององค์กรเริ่มปรากฏขึ้น เมื่อองค์กรพิสูจน์ได้ว่า AI สามารถสร้างรายได้ เพิ่มประสิทธิภาพ และได้เปรียบด้านต้นทุน ตลาดจะเข้าใจใหม่เกี่ยวกับการใช้ทุนของผู้ให้บริการคลาวด์ การลงทุนที่เคยถูกมองว่าเป็นภาระต่อกระแสเงินสดเสรี จะกลับมาเป็นรายได้ในอนาคตและอำนาจในการควบคุมแพลตฟอร์ม ค่าประเมินของผู้ให้บริการคลาวด์จะฟื้นตัว และอุตสาหกรรมเซมิคอนดักเตอร์ก็จะได้รับประโยชน์เช่นกัน แต่เนื่องจากอุตสาหกรรมเซมิคอนดักเตอร์ได้รับรางวัลจากตลาดไปมากแล้ว ความยืดหยุ่นสัมพัทธ์อาจไม่ได้มากกว่า

เส้นทางที่สอง ผลตอบแทนการลงทุนของบริษัทยังคงยากลำบาก ผู้ให้บริการคลาวด์ลดการใช้จ่ายด้านทุนภายใต้แรงกดดันด้านกระแสเงินสดและแรงกดดันจากนักลงทุน ตลาดจะให้รางวัลแก่ความมีวินัยด้านกระแสเงินสดที่ดีกว่า ส่วนห่วงโซ่เซมิคอนดักเตอร์ต้องเผชิญกับการปรับลดคาดการณ์คำสั่งซื้อ

โกลด์แมน แซคส์ เชื่อว่าทั้งสองเส้นทางนี้สนับสนุนแนวคิดที่ว่า “ผู้ให้บริการคลาวด์ดีกว่าเซมิคอนดักเตอร์” สถานการณ์ที่ทำให้การลงทุนนี้ล้มเหลวอย่างแท้จริงคือเส้นทางที่สาม: ผลตอบแทนจากการลงทุนขององค์กรยังคงไม่ชัดเจน แต่ผู้ให้บริการคลาวด์ยังคงเพิ่มการลงทุนโดยไม่คำนึงถึงต้นทุน ในขณะที่เซมิคอนดักเตอร์ยังคงครองส่วนแบ่งกำไรส่วนใหญ่ของห่วงโซ่อุปทาน

นี่คือสถานการณ์ที่ตลาดเคยคุ้นเคยมากที่สุดในสองปีที่ผ่านมา

ด้วยเหตุนี้ จุดสนใจของรายงานจากโกลด์แมน แซคส์ จึงไม่ใช่เทคโนโลยี AI แต่เป็นการกำหนดราคาในตลาด ประโยชน์จากโครงสร้างพื้นฐานของ AI ได้รับการซื้อขายอย่างเต็มที่แล้ว และข้อเสียของผู้ให้บริการคลาวด์ก็ถูกซื้อขายอย่างเต็มที่เช่นกัน ขั้นต่อไป ตลาดจะจับตาดูว่าทั้งสองทิศทางนี้จะกลับตัวหรือไม่

SemiAnalysis เข้าสู่จากมุมมองที่ต่างอย่างสิ้นเชิง

มันไม่ได้ปฏิเสธว่าในช่วงปี 2023 ถึง 2025 คุณค่าของ AI ส่วนใหญ่จะไหลเข้าสู่โครงสร้างพื้นฐาน นิวไดเอีย ไฟฟ้า ศูนย์ข้อมูล และการจัดเก็บข้อมูล ล้วนเป็นผู้ชนะรายใหญ่ในระยะแรก บริษัทโมเดลและผู้ให้บริการการอนุมานในช่วงต้นไม่ได้รับผลตอบแทนที่ดีนัก และผลิตภัณฑ์ AI จำนวนมากดูเหมือนเป็นเพียงกล่องค้นหาที่ดีขึ้น โดยอัตรากำไรขั้นต้นก็ยังห่างไกลจากความน่าพึงพอใจ

แต่ SemiAnalysis มองว่า หลังจากปลายปี 2025 สถานการณ์ได้เปลี่ยนไป

การเปลี่ยนแปลงมาจาก Agentic AI

โทเค็นในอดีตมีลักษณะเหมือน “ต้นทุนการถามตอบ” ผู้ใช้ถามหนึ่งคำถาม โมเดลก็ตอบหนึ่งคำตอบ มันสามารถประหยัดเวลาได้ แต่มีขอบเขตคุณค่าจำกัด ขณะนี้โทเค็นเริ่มเข้าสู่กระบวนการทำงานที่ซับซ้อน: เขียนโค้ด สร้างแบบจำลองทางการเงิน สร้างแดชบอร์ด วิเคราะห์งบการเงิน จัดระเบียบข้อมูล และสร้างกราฟ

SemiAnalysis ใช้บริษัทของตนเองเป็นตัวอย่าง นักวิเคราะห์ของพวกเขากำลังใช้เอเจนต์จัดการงานวิจัยและการสร้างแบบจำลองทุกวัน ซึ่งงานเหล่านี้ในอดีตต้องใช้เวลานักวิเคราะห์ระดับเริ่มต้นหลายชั่วโมง หรือไม่มีเวลาจัดไว้ในกระบวนการทำงานเลย บทความเปิดเผยว่า ค่าใช้จ่ายโทเค็นรายปีของ SemiAnalysis บน Anthropic Claude เคยสูงถึง 10.95 ล้านดอลลาร์สหรัฐ โดยค่าใช้จ่ายโทเค็นคิดเป็นประมาณ 30% ของเงินเดือนพนักงาน

ตัวเลขชุดนี้อาจไม่สามารถแทนตัวแทนของบริษัททั้งหมดได้ แต่มันแสดงถึงการเปลี่ยนแปลงของผู้ใช้ขอบเขต

สำหรับผู้บริโภคทั่วไป การสมัครรับบริการ AI อาจเป็นเพียงเครื่องมือที่มีค่าใช้จ่ายเพียงไม่กี่ดอลลาร์สหรัฐต่อเดือน แต่สำหรับผู้ทำงานด้านความรู้ที่มีภาระงานหนัก โทเค็นเริ่มกลายเป็นปัจจัยการผลิต

โทเค็นที่มีมูลค่าเพียงไม่กี่ดอลลาร์หรือหลายสิบดอลลาร์ ไม่ได้แลกมาแค่ข้อความไม่กี่บรรทัด แต่คือแบบจำลอง แผนภูมิ โค้ด การทำความสะอาดข้อมูล การวิเคราะห์งบการเงิน แม้แต่งานที่ก่อนหน้านี้ไม่เคยถูกดำเนินการมาก่อน วิธีที่ผู้ใช้มองต้นทุนของ AI ก็จะเปลี่ยนไปเช่นกัน: พวกเขาจะไม่เพียงแต่ถามว่า “ราคาต่อหนึ่งล้านโทเค็นเท่าไหร่” แต่จะถามว่า “โทเค็นเหล่านี้แทนที่แรงงานมนุษย์ได้เท่าไหร่ และเพิ่มผลผลิตได้มากแค่ไหน”

นี่คือจุดเริ่มต้นของความแตกต่างระหว่าง SemiAnalysis และ Goldman Sachs

Goldman Sachs เห็นว่าผลตอบแทนจากการลงทุนขององค์กรเฉลี่ยยังไม่ชัดเจน SemiAnalysis เห็นว่าผู้ใช้ที่แข็งแกร่งที่สุดเริ่มใช้โทเค็นจำนวนมากแล้ว และยินดีจ่ายเงินสำหรับโมเดลที่ทรงพลังยิ่งขึ้น

การวิเคราะห์เชิงกึ่งอัตโนมัติชิ้นที่สองคือเศรษฐศาสตร์ต่อหน่วยของห้องปฏิบัติการโมเดลกำลังดีขึ้น

สิ่งนี้ขัดแย้งกับความกังวลของตลาดในอดีต

ก่อนหน้านี้ บริษัทโมเดลถูกมองว่าอยู่ระหว่างผู้ผลิตชิปและผู้ให้บริการคลาวด์ รายได้เติบโตเร็ว แต่ต้นทุนการฝึกอบรมและการให้บริการเติบโตเร็วกว่า ยิ่งมีผู้ใช้มากเท่าไร ต้นทุนก็ยิ่งสูงขึ้น ยิ่งโมเดลแข็งแกร่งเท่าไร ค่าใช้จ่ายด้านทุนก็ยิ่งหนักขึ้น รูปแบบนี้ดูเหมือนการเติบโตสูง กำไรขั้นต้นต่ำ และใช้เงินทุนอย่างมาก

Agentic AI เปลี่ยนตารางนี้

• ในแง่ราคา โมเดลขั้นสูงสามารถดำเนินงานที่มีมูลค่าสูงกว่า ผู้ใช้ยินดีจ่ายราคาสูงกว่าสำหรับโมเดลที่ทรงพลังกว่า
• ในด้านต้นทุน การอัปเกรดฮาร์ดแวร์ การปรับปรุงการให้เหตุผล การใช้กลไกแคช และวิศวกรรมซอฟต์แวร์ยังคงลดต้นทุนต่อโทเค็นหน่วย
• ในส่วนผลิตภัณฑ์ บริษัทโมเดลสามารถกำหนดราคาเป็นระดับต่างๆ โดยใช้ SKU ระดับสูงกว่า ความเร็วในการตอบสนองที่เร็วขึ้น และความสามารถในการประมวลผลที่แข็งแกร่งขึ้น

SemiAnalysis ระบุว่า ในกรณีการรัน DeepSeek บน B300 การรวมกันของซอฟต์แวร์ที่ปรับแต่งต่างๆ สามารถเพิ่มปริมาณการรับส่งข้อมูลของฮาร์ดแวร์เดียวกันจากประมาณ 1000 ถึง 8000 เป็นประมาณ 14,000 tokens/วินาที/GPU เมื่อรวมกับการอัปเกรดฮาร์ดแวร์ การตั้งค่า GB300 NVL72 ที่ได้รับการปรับแต่งอย่างสูงสุดมีปริมาณการรับส่งข้อมูลสูงกว่า H100 ประมาณ 17 เท่าใน FP8; หากเปลี่ยนไปใช้ FP4 ซึ่ง Hopper ไม่รองรับโดยตรง ช่องว่างจะเพิ่มเป็น 32 เท่า ในขณะที่ต้นทุนรวมต่อ GPU สูงขึ้นเพียงประมาณ 70%

นั่นหมายความว่า ห้องปฏิบัติการโมเดลสามารถเพิ่มมูลค่าทางเศรษฐกิจของโทเค็นในขณะเดียวกันก็ลดต้นทุนการผลิตโทเค็น

SemiAnalysis ระบุว่า ARR ของ Anthropic เพิ่มขึ้นจาก 9 พันล้านดอลลาร์สหรัฐเป็นมากกว่า 44 พันล้านดอลลาร์สหรัฐ โดยกำไรขั้นต้นจากโครงสร้างพื้นฐานการให้บริการเพิ่มขึ้นจาก 38% เป็นมากกว่า 70% แม้ว่าราคาโมเดลจะลดลง แต่สัดส่วนการใช้งานโมเดลระดับสูงที่เพิ่มขึ้น อัตราการเข้าถึงแคชที่สูงขึ้น และประสิทธิภาพฮาร์ดแวร์ที่ดีขึ้น อาจผลักดันให้กำไรขั้นต้นขยายตัวต่อไป

หากการตัดสินใจนี้ถูกต้อง ระยะที่สองของห่วงโซ่อุตสาหกรรม AI จะไม่ใช่แค่ “ชิปยังคงชนะ” หรือ “ผู้ให้บริการคลาวด์ฟื้นตัว”

ห้องทดลองโมเดลจะเปลี่ยนจากชั้นที่ใช้เงินทุนจำนวนมาก กลายเป็นชั้นการจับมูลค่าใหม่

Goldman Sachs และ SemiAnalysis ดูเหมือนกำลังแย่งกันเรื่อง ROI ของ AI แต่จริงๆ แล้วกำลังแย่งกันว่าตัวอย่างใดจะเป็นตัวแทนของอนาคต

Goldman Sachs มองที่บริษัทเฉลี่ย

บริษัทเหล่านี้มีระบบข้อมูลที่ซับซ้อน ภาระด้านไอทีจากอดีต การจัดการสิทธิ์ ข้อกำหนดด้านการปฏิบัติตามกฎหมาย และขั้นตอนการอนุมัติ หลายบริษัทเพื่อตอบโจทย์ตลาดและคณะกรรมการเกี่ยวกับกลยุทธ์ AI จึงเริ่มต้นด้วยแชทบอท ผู้ช่วยภายใน และโครงการทดลอง แม้จะใช้เงินจริง แต่กระบวนการทางธุรกิจอาจไม่เปลี่ยนแปลง หากกระบวนการไม่เปลี่ยน ROI ก็ยากที่จะแสดงผลในงบการเงิน

นี่คือเหตุผลที่โกลด์แมน แซคส์เน้นย้ำถึงโครงสร้างข้อมูลและชั้นการจัดเรียง

หากองค์กรค้าปลีกไม่ได้เชื่อมต่อสต็อก โปรไฟล์ลูกค้า และระบบแนะนำ แชทบอท AI อาจแนะนำสินค้าที่หมดสต็อก หากองค์กรไม่มีชั้นการจัดเส้นทางแบบจำลอง คำขออย่างง่ายก็จะถูกส่งให้แบบจำลองขั้นสูงที่แพงที่สุด ทำให้ต้นทุนหลุดควบคุม จุดที่ AI ติดขัดไม่ได้อยู่ที่แบบจำลองไม่แข็งแรงพอ แต่คือองค์กรยังไม่พร้อมที่จะผสานแบบจำลองเข้ากับระบบธุรกิจ

SemiAnalysis มองที่ผู้ใช้ขอบเขต

งานวิจัย โค้ด การสร้างแบบจำลอง แผนภูมิ และการวิเคราะห์งบการเงิน เป็นงานที่เหมาะกับเอเจนต์โดยธรรมชาติ งานเหล่านี้มีลักษณะเป็นข้อความ ดิจิทัล และมีโครงสร้างชัดเจน ผลลัพธ์สามารถประเมินได้ง่าย และผู้ใช้มีความสามารถในการผสาน AI เข้ากับกระบวนการทำงาน องค์กรเช่นนี้จะเห็นผลตอบแทนจากการลงทุนเร็วกว่าบริษัททั่วไป และมีแนวโน้มที่จะเพิ่มการใช้โทเค็น

ตลาดทุนต้องพิจารณาว่าตัวอย่างผู้นำนี้จะแพร่กระจายหรือไม่

หาก SemiAnalysis เห็นเพียงค่าผิดปกติจากผู้ใช้สุดยอดจำนวนน้อยๆ กรอบงานของ Goldman Sachs จะมีความได้เปรียบ การใช้จ่ายด้านทุนด้าน AI จะถูกจำกัดโดยกระแสเงินสดมากขึ้น ห่วงโซ่เซมิคอนดักเตอร์ต้องปรับตัวกับความคาดหวังที่สูง และผู้ให้บริการคลาวด์อาจได้รับผลตอบแทนสัมพัทธ์เนื่องจากวินัยในการใช้จ่ายและการลดมูลค่า

หาก SemiAnalysis มองเห็นสัญญาณนำก่อนการแพร่กระจาย ตลาดไม่สามารถปฏิเสธห่วงโซ่ AI ด้วย ROI ต่ำของบริษัทเฉลี่ยในวันนี้ได้ เมื่อ Agentic AI เข้าสู่กระบวนการทำงานของพนักงานฝ่ายสำนักงานมากขึ้น ความต้องการโทเค็น รายได้จากโมเดล รายได้จากคลาวด์ และความต้องการฮาร์ดแวร์จะเพิ่มขึ้นพร้อมกัน

การตัดสินใจนี้สำคัญกว่าการ “มองบวกต่อ AI หรือมองลบต่อ AI” ตลาดไม่ได้ซื้อขายค่าเฉลี่ยคงที่ แต่ซื้อขายว่าการเปลี่ยนแปลงเชิงขอบจะกลายเป็นกระแสหลักได้หรือไม่

ความแตกต่างที่ใหญ่ที่สุดระหว่างโกลด์แมน แซคส์และ SemiAnalysis ในการตลาดทุนสุดท้ายก็คือ NVIDIA และห่วงโซ่อุตสาหกรรมเซมิคอนดักเตอร์

มุมมองของโกลด์แมน แซคส์นั้นตรงไปตรงมา: ชิปเซมิคอนดักเตอร์ได้รับกำไรที่ใหญ่ที่สุดและแน่นอนที่สุดในระยะแรกแล้ว หลังจากตลาดได้รวมตรรกะ “ขายจอบ” เข้าไปในราคาแล้ว อัตราส่วนความเสี่ยงต่อผลตอบแทนเริ่มแย่ลง ตราบใดที่ค่าใช้จ่ายด้านทุนของผู้ให้บริการคลาวด์ยังไม่ปรับตัว เพื่อการเชื่อมโยงชิปเซมิคอนดักเตอร์จะต้องเผชิญกับแรงกดดันทั้งด้านการประเมินมูลค่าและคำสั่งซื้อ

SemiAnalysis มองว่า NVIDIA และ TSMC ควบคุมทรัพยากรที่หายากที่สุดในยุคปัญญาประดิษฐ์ แต่ยังไม่ได้กำหนดราคาตามมูลค่าอย่างสมบูรณ์

บทความระบุว่า ราคาหน่วยความจำเพิ่มขึ้นประมาณ 6 เท่าในช่วงปีที่ผ่านมา ราคาสัญญาเช่า H100 ระยะหนึ่งปีของ Neocloud เพิ่มขึ้นประมาณ 40% จากจุดต่ำสุดในเดือนตุลาคม 2025 ในขณะเดียวกัน NVIDIA และ TSMC ยังไม่ได้ปรับราคาใหม่เร็วเท่ากับมูลค่าโทเค็นด้านล่าง

SemiAnalysis เรียก NVIDIA ว่าเป็น "ธนาคารกลาง" ของระบบนิเวศ AI

เปรียบเทียบได้ดีมาก นิเวศน์ของ NVIDIA ควบคุมสภาพคล่องด้านกำลังการประมวลผล มันมีความสามารถในการขึ้นราคา แต่ไม่สามารถดูดซับระบบทั้งหมดได้ หากขึ้นราคาสูงเกินไป จะกระตุ้นให้ลูกค้าเร่งเปลี่ยนไปใช้ ASIC, TPU, Trainium ของตนเอง และยังสร้างแรงกดดันด้านการกำกับดูแลเช่นกัน ไถเซียก็เช่นกัน โหนดขั้นสูงมีความหายากอย่างยิ่ง แต่มันให้ความสำคัญอย่างต่อเนื่องต่อความสัมพันธ์กับลูกค้าและความมั่นคงของระบบนิเวศ จึงไม่ได้แปลงความหายากทั้งหมดให้เป็นรายได้ในช่วงที่ตลาดกำลังเฟื่องฟู

การยับยั้งไม่ได้หมายความว่าไม่มีพื้นที่

Rubin VR NVL72 เป็นหลักฐานสำคัญที่ SemiAnalysis ใช้ในการตัดสินว่า NVIDIA ยังคงมีอำนาจในการกำหนดราคา ตามแบบจำลองของพวกเขา เพื่อให้ Neocloud สามารถบรรลุ IRR 15.6% เทียบเท่ากับโครงการ GB300 ค่าเช่าจะต้องอยู่ที่ประมาณ 4.92 ดอลลาร์/ชั่วโมง/GPU หากอ้างอิงจากราคาเช่าต่อ PFLOP ของ GB300 ราคาสูงสุดที่เป็นไปได้ของ VR NVL72 จะอยู่ที่ประมาณ 12.25 ดอลลาร์/ชั่วโมง/GPU แม้จะใช้ค่าที่อนุรักษ์นิยมกว่าที่ 0.55 ดอลลาร์/PFLOP ก็ยังเทียบเท่ากับประมาณ 9.63 ดอลลาร์/ชั่วโมง/GPU ซึ่งใกล้เคียงกับขีดจำกัดการกำหนดราคาตามต้นทุนถึงสองเท่า

ความหมายที่นี่ชัดเจน: ตราบใดที่มูลค่าของโทเค็นด้านล่างยังคงเพิ่มขึ้น ระบบใหม่ของ NVIDIA ยังมีพื้นที่สำหรับการปรับราคาขึ้น Neocloud ยังอาจทำกำไร และผู้ใช้ปลายทางยังอาจยอมรับ

ความขัดแย้งระหว่างโกลด์แมน แซคส์ และ SemiAnalysis จึงกลายเป็นที่ชัดเจนยิ่งขึ้น

Goldman Sachs มองว่ากำไรสูงจากเซมิคอนดักเตอร์ไม่ยั่งยืน เนื่องจากภาคปลายยังไม่มีกำไรเพียงพอ
SemiAnalysis มองว่า บ่อน้ำกำไรด้านล่างกำลังขยายตัว ดังนั้นชั้นฮาร์ดแวร์จึงไม่ได้ทำกำไรมากเกินไป แต่ยังไม่ได้คิดค่าบริการตามมูลค่าอย่างเต็มที่

ตัวแปรเดียวที่ใช้ตัดสินชัยชนะ: บ่อนกำไรใหม่ที่ AI สร้างขึ้น จะใหญ่พอที่จะเลี้ยงห้องปฏิบัติการโมเดล ผู้ให้บริการคลาวด์ Neocloud NVIDIA TSMC โครงข่ายการจัดเก็บและพลังงานได้พร้อมกันหรือไม่

The cake isn't big enough, Goldman Sachs wins.

เค้กยังคงขยายตัวต่อไป SemiAnalysis ชนะ

ผู้ให้บริการคลาวด์คือชั้นที่อึดอัดที่สุดในการถกเถียงครั้งนี้

พวกมันเป็นผู้ซื้อรายใหญ่ที่สุดด้านการใช้จ่ายทุน และยังเป็นแพลตฟอร์มที่มีโอกาสสูงสุดในการแปลงความต้องการ AI ให้เป็นรายได้ พวกมันเผชิญกับแรงกดดันจาก NVIDIA, การจัดเก็บข้อมูล, และโซ่พลังงาน แต่ก็มีลูกค้าองค์กร, บริการคลาวด์, API แบบจำลอง, ชิปที่พัฒนาเอง และระบบนิเวศซอฟต์แวร์

กราฟซัมมองบวกต่อผู้ให้บริการคลาวด์ เพราะตลาดได้รวมปัจจัยลบหลายประการเข้าไปในราคาแล้ว การใช้จ่ายด้านทุนกดดันกระแสเงินสดอิสระ นักลงทุนตั้งคำถามเกี่ยวกับผลตอบแทนจากการลงทุนด้าน AI และค่าประเมินถูกกดดัน หลังจากนี้ หากเกิดสถานการณ์ใดสถานการณ์หนึ่งขึ้น ผู้ให้บริการคลาวด์จะมีทางฟื้นตัว: รายได้จาก AI ขององค์กรเริ่มปรากฏขึ้น หรือการใช้จ่ายด้านทุนลดลง

SemiAnalysis มองจากมุมความต้องการของผู้ให้บริการคลาวด์ ตราบใดที่ความต้องการโทเค็นยังคงขยายตัว ห้องปฏิบัติการโมเดลและลูกค้าองค์กรก็จะต้องการพลังการประมวลผลเพิ่มเติม พลังการประมวลผลถูกจำกัดโดยกระบวนการขั้นสูง หน่วยความจำ ไฟฟ้า และระบบระดับแร็ก ผู้ซื้อกังวลมากที่สุดไม่ใช่ราคาแพง แต่คือการไม่สามารถได้รับ

ดังนั้นผู้ให้บริการคลาวด์จึงไม่ใช่เพียงผู้เสียหายเท่านั้น แต่ก็ไม่ใช่ผู้ชนะโดยอัตโนมัติ

พวกเขาต้องพิสูจน์ผ่านงบการเงินว่าค่าใช้จ่ายด้าน AI สามารถแปลงเป็นรายได้ กำไร และความภักดีของลูกค้าได้ ความเติบโตของธุรกิจคลาวด์จะกลับมาเร่งตัวอีกครั้งหรือไม่ การเปิดเผยรายได้จาก AI จะชัดเจนขึ้นหรือไม่ การใช้งานการประมวลผลสามารถเพิ่มขึ้นได้หรือไม่ ชิปที่พัฒนาเองสามารถลดการพึ่งพา NVIDIA ได้หรือไม่ ลูกค้าองค์กรจะเปลี่ยนจากโครงการทดลองเป็นการติดตั้งระยะยาวหรือไม่ กระแสเงินสดเสรีได้รับความมั่นคงหรือยัง ตัวชี้วัดเหล่านี้จะมีความสำคัญมากกว่าในอดีต

การปรับปรุงของตัวชี้วัดเหล่านี้จะเสริมแรงตรรกะของโกลด์แมน แซคส์ที่มองเชิงบวกต่อผู้ผลิตคลาวด์อย่างสัมพัทธ์

ตัวชี้วัดเหล่านี้ยังไม่ดีขึ้น ผู้ให้บริการคลาวด์ยังคงเป็นชั้นที่รับแรงกดดันด้านการใช้จ่ายทุนระหว่าง NVIDIA และลูกค้าองค์กร

การเน้นย้ำเกี่ยวกับ “โครงสร้างข้อมูล” และ “ชั้นการจัดการ” ในรายงานของโกลด์แมน แซคส์ อาจเป็นส่วนที่ใกล้เคียงกับความเป็นจริงขององค์กรที่สุด

ปัญญาประดิษฐ์ขององค์กรจะไม่คงอยู่แค่ที่พนักงานเปิดช่องแชทเพื่อตั้งคำถาม ปัญญาประดิษฐ์ที่มีผลกระทบทางการเงินอย่างแท้จริง ต้องเข้าไปอยู่ในกระบวนการบริการลูกค้า การขาย การเงิน การจัดซื้อ การวิจัยและพัฒนา การจัดการความเสี่ยง ห่วงโซ่อุปทาน และการดำเนินงานด้านไอที แต่ละกระบวนการมีข้อมูล สิทธิ์การเข้าถึง ความสอดคล้องกับกฎหมาย การอนุมัติ ระบบย้อนหลัง และขอบเขตความรับผิดชอบ

ไม่ว่าโมเดลจะแข็งแกร่งแค่ไหน ก็ไม่สามารถข้ามสิ่งเหล่านี้ไปได้

นี่คือจุดที่ชั้นซอฟต์แวร์องค์กรกลับมามีความสำคัญอีกครั้ง งานที่มีความเสี่ยงต่ำและเกิดขึ้นบ่อยสามารถมอบหมายให้โมเดลขนาดเล็กหรือโมเดลโอเพ่นซอร์ส; ส่วนงานที่มีความเสี่ยงสูงและมีมูลค่าสูงจึงต้องใช้โมเดลชั้นนำ จำเป็นต้องมีชั้นระบบหนึ่งที่สามารถระบุประเภทของงาน ดึงข้อมูล ควบคุมสิทธิ์ เลือกโมเดล ติดตามต้นทุน และเขียนผลลัพธ์กลับ

• ข้อได้เปรียบของบริษัท SaaS แบบดั้งเดิมคือประสบการณ์ในอุตสาหกรรม ความสัมพันธ์กับลูกค้า การเข้าถึงข้อมูล และการสะสมกระบวนการดำเนินงาน ข้อเสียคือหนี้ทางเทคนิคและความเร็วในการอัปเดต
• ข้อได้เปรียบของบริษัทที่เกิดจาก AI คือ ความเร็วในการผลิตผลิตภัณฑ์ ความสามารถในการเรียกใช้โมเดล และโครงสร้างต้นทุน ข้อเสียคือขาดจุดเข้าถึงองค์กรและบริบทอุตสาหกรรม
• ข้อได้เปรียบของบริษัทโมเดลชั้นนำคือปัญญาที่แข็งแกร่งที่สุด ข้อเสียคือขาดการควบคุมกระบวนการธุรกิจ

ชั้นซอฟต์แวร์จะไม่ถูก AI กินอย่างง่ายดาย บริษัทซอฟต์แวร์ที่ไม่มีการควบคุมข้อมูลและกระบวนการอาจถูกโมเดลสรุปเป็นนามธรรม แต่บริษัทซอฟต์แวร์ที่ควบคุมโครงสร้างข้อมูล กระบวนการทำงาน และการกำหนดเส้นทางโมเดล กลับมีโอกาสเปลี่ยน AI ให้กลายเป็นตลาดที่ใหญ่ขึ้น โดยเปลี่ยนจากการขายที่นั่งไปสู่การขายผลิตภาพ

ความสามารถในการขยาย ROI ขององค์กรจากตัวอย่างผู้ใช้ที่แข็งแกร่งอย่าง SemiAnalysis ไปยังองค์กรทั่วไป ขึ้นอยู่กับระดับนี้เป็นหลัก

การซื้อขายด้วยปัญญาประดิษฐ์ในอดีตถามว่า: ใครอยู่ใกล้พลังการคำนวณที่สุด?

คำถามนี้ตอนนี้กว้างเกินไป

ในขั้นตอนถัดไป ตลาดจะถามถึงตัวแปรที่ละเอียดยิ่งขึ้น

ประการแรก ค่าของโทเค็นจะยังคงเพิ่มขึ้นต่อไปหรือไม่ หาก Agentic AI ขยายจากโค้ด การวิจัย และการวิเคราะห์ไปสู่กระบวนการทำงานของพนักงานออฟฟิศเพิ่มเติม ห้องปฏิบัติการโมเดลและโซ่การให้เหตุผลจะยังคงได้รับการประเมินใหม่

ที่สอง กำไรขั้นต้นของห้องปฏิบัติการโมเดลจะยังคงปรับตัวดีขึ้นหรือไม่ การเติบโตของรายได้ไม่เพียงพออีกต่อไป ตลาดจะมองที่ต้นทุนการให้บริการ การประสิทธิภาพของแคช ความก้าวหน้าของ SKU และอำนาจในการกำหนดราคาของโมเดลชั้นนำ

ประการที่สาม ผู้ให้บริการคลาวด์สามารถแปลงค่าใช้จ่ายด้านทุนเป็นรายได้ได้หรือไม่ ค่าใช้จ่ายด้านทุนของ AI ไม่ได้ถูกนับเป็นปัจจัยบวกโดยอัตโนมัติอีกต่อไป แต่เฉพาะค่าใช้จ่ายด้านทุนที่สามารถเข้าสู่รายได้ของคลาวด์ กำไรขั้นต้นด้านการให้บริการเชิงตรรกะ และสัญญาขององค์กรเท่านั้นที่จะได้รับรางวัลจากตลาด

ประการที่สี่ นิวเดียสามารถเพิ่มราคาต่อไปได้หรือไม่จากข้อจำกัดระดับระบบ GPU เป็นเพียงชั้นแรกเท่านั้น ความสามารถของ Rubin, SOCAMM, เครือข่าย, ระบบระดับชั้นวาง, สแต็กซอฟต์แวร์ และความสามารถในการจัดซื้อซัพพลายเชน คือตัวกำหนดว่านิวเดียจะยังสามารถเก็บค่าตอบแทนต่อไปได้หรือไม่

ห้า บริษัท TSMC และหน่วยความจำสามารถปรับราคาความหายากได้หรือไม่? โหนดขั้นสูง, HBM, DRAM, SoC RAM และการแพ็คเกจขั้นสูง หากยังคงเป็นข้อจำกัดด้านอุปทาน คุณค่าจะไม่หายไปจากส่วนบนอย่างง่ายดาย

หก ซอฟต์แวร์องค์กรสามารถเข้าถึงจุดเริ่มต้นของการประยุกต์ใช้ AI ได้หรือไม่ บริษัทซอฟต์แวร์ที่ไม่มีจุดเข้าถึงกระบวนการจะถูกบีบอัด ในขณะที่บริษัทซอฟต์แวร์ที่มีจุดเข้าถึง มีข้อมูล และมีความสามารถในการจัดเรียงอาจมีมูลค่าสูงขึ้น

การซื้อขายโครงสร้างพื้นฐาน AI ยังไม่หมดอายุ

มันเพิ่มขึ้นเร็วเกินไป จึงทำให้เกิดความขัดแย้งระหว่าง Goldman Sachs และ SemiAnalysis

โกลด์แมน แซคส์ แจ้งเตือนตลาดว่า ประโยชน์จากห่วงโซงชิปได้รับการสะท้อนอย่างเต็มที่แล้ว หากผลตอบแทนจากการลงทุนของบริษัทยังล่าช้า กระแสเงินสดของผู้ให้บริการคลาวด์จะกลับมากระทบต่อการใช้จ่ายด้านทุน รูปแบบที่เซมิคอนดักเตอร์ได้รับผลประโยชน์เพียงฝ่ายเดียวจะถูกปรับแก้

SemiAnalysis แจ้งเตือนตลาดว่า ไม่ควรใช้ประสบการณ์ AI ปี 2024 ในการตัดสินคุณค่าของ Agentic AI ในปี 2026 โทเค็นกำลังกลายเป็นปัจจัยการผลิต ห้องปฏิบัติการโมเดลเริ่มปรับปรุงกำไรขั้นต้น กำลังการประมวลผลยังคงขาดแคลน และ NVIDIA และ TSMC อาจยังไม่ได้กำหนดราคาตามมูลค่าที่แท้จริง

เมื่อพิจารณาการตัดสินใจทั้งสองอย่างนี้ร่วมกัน จุดเน้นของการซื้อขายด้วยปัญญาประดิษฐ์ได้เปลี่ยนไปแล้ว

ในสองปีที่ผ่านมา ตลาดให้รางวัลกับสินทรัพย์ที่หายาก ต่อไป ตลาดจะจับตาดูว่าใครสามารถรักษาคุณค่าทางเศรษฐกิจที่ AI สร้างขึ้นไว้ในงบกำไรขาดทุนอย่างต่อเนื่อง

หาก SemiAnalysis เห็นจุดเปลี่ยนเล็กน้อย ชิ้นเค้กของห่วงโซ่ AI จะยังคงขยายตัวต่อไป ทำให้ห้องปฏิบัติการโมเดล ผู้ให้บริการคลาวด์ NVIDIA TSMC และห่วงโซ่การจัดเก็บข้อมูลและพลังงาน มีเหตุผลที่จะแบ่งปันผลกำไรต่อไป

หากโกลด์แมน แซคส์เห็นความเป็นจริงที่ใกล้เคียงกับบริษัททั่วไป การใช้จ่ายด้านทุนจะชนกับกระแสเงินสดก่อน ห่วงโซ่เซมิคอนดักเตอร์ต้องปรับตัวกับความคาดหวังที่สูงเกินไป ในขณะที่ผู้ให้บริการคลาวด์กลับได้รับผลตอบแทนสัมพัทธ์ที่ดีกว่าเนื่องจากการลดมูลค่าและวินัยในการใช้จ่ายที่อาจเกิดขึ้น

สถานะที่เป็นไปได้มากที่สุดตอนนี้ อยู่ระหว่างสองอย่างนี้

ผู้ใช้ที่แข็งแกร่งที่สุดเริ่มซื้อโทเค็นอย่างหนัก ในขณะที่บริษัททั่วไปยังไม่ได้คำนวณบัญชีของตน ตลาดทุนจะซื้อขายการเปลี่ยนแปลงเชิงขอบที่ผู้ใช้ที่แข็งแกร่งที่สุดสร้างขึ้นก่อน แล้วจึงรอให้บริษัทเฉลี่ยยืนยันผ่านรายงานทางการเงิน การยืนยันยิ่งเร็ว โลกของ SemiAnalysis ก็ยิ่งใกล้เข้ามา; การยืนยันยิ่งช้า การซื้อขายของ Goldman Sachs ก็ยิ่งมีโอกาสชนะมากขึ้น

ไอที “จอบ” ยังคงครองตลาด แต่คำถามได้เปลี่ยนจาก “ใครขายจอบ” เป็นสมุดบัญชีอีกเล่มหนึ่ง: ใครได้กำไรครบแล้ว ใครยังสามารถขึ้นราคาต่อได้ และใครจะเป็นเจ้าของรายถัดไป