สิ่งที่ทำเงินจริงใน AI Cloud ไม่ใช่บริษัทใดบริษัทหนึ่ง แต่คือ “ทางด่วนค่าใช้จ่ายด้านพลังงานการคำนวณ” ทั้งสาย AI Cloud กำลังกลายเป็นชั้นกลางที่สำคัญยิ่ง: เชื่อมต่อจากด้านบนกับ GPU, HBM, ไฟฟ้า และศูนย์ข้อมูล และเชื่อมต่อไปยังด้านล่างกับยักษ์ใหญ่ด้านเทคโนโลยี, ห้องปฏิบัติการ AI และลูกค้าองค์กรที่ต้องการพลังงานการคำนวณจริง สิ่งที่ควรให้ความสนใจจริงๆ ไม่ใช่แค่ “ใครกำลังทำ AI” แต่คือใครกำลังเก็บเงินอย่างต่อเนื่องในแต่ละชั้นของ AI Cloud Stack ชั้นที่หนึ่ง: ใครจัดหาทรัพยากรพื้นฐานที่หายากที่สุดให้ AI Cloud $NVDA GPU ยังคงอยู่ใจกลางของชั้นการคำนวณทั้งหมด การเปิดใช้งานพลังงานการคำนวณของ AI Cloud ได้เท่าใด ขึ้นอยู่กับว่าจะได้รับ GPU ระดับสูงแค่ไหน และ GPU เหล่านี้จะสามารถติดตั้งได้เมื่อใด $MU $SKHY HBM เป็นหนึ่งในทรัพยากรที่สำคัญที่สุดที่อยู่ข้างๆ GPU ยิ่งโมเดลมีขนาดใหญ่เท่าใด และการประมวลผลแบบขนานยิ่งสูงเท่าใด GPU ก็ยิ่งต้องการหน่วยความจำแบนด์วิดธ์สูงเพื่อ “ป้อนข้อมูล” อย่างต่อเนื่อง ดังนั้น HBM จึงกลายเป็นข้อจำกัดสำคัญในการขยายตัวของเซิร์ฟเวอร์ AI $DLR $EQIX $CORZ $APLD บริษัทเหล่านี้จัดหาศูนย์ข้อมูล, ห้องเครื่อง, การเชื่อมต่อไฟฟ้า และโครงสร้างพื้นฐานทางกายภาพ AI Cloud ไม่จำเป็นต้องเป็นเจ้าของอาคารทุกหลัง เพียงแค่สามารถเข้าถึงศูนย์ข้อมูลที่มีไฟฟ้าพร้อมใช้งานและสามารถติดตั้ง GPU ได้อย่างรวดเร็ว ก็สามารถขยายตัวต่อไปได้ ชั้นที่สอง: ใครเปลี่ยนฮาร์ดแวร์เหล่านี้ให้กลายเป็นพลังงานการคำนวณ AI ที่สามารถให้เช่าได้จริง $CRWV $NBIS $IREN ชั้นนี้อยู่ตรงกลางของ AI Cloud Stack สิ่งที่พวกเขาทำจริงๆ ไม่ใช่แค่ “ซื้อ GPU” แต่คือการรวม: GPU + ไฟฟ้า + เครือข่ายความเร็วสูง + การจัดเก็บ + การจัดการซอฟต์แวร์ ให้กลายเป็นแพลตฟอร์มการคำนวณ AI ที่ลูกค้าสามารถเช่าได้โดยตรง นี่คือโมเดลธุรกิจสำคัญของ Neocloud: ซื้อโครงสร้างพื้นฐานที่หายากจากด้านบน และขายพลังงานการคำนวณให้ลูกค้าผ่านสัญญาระยะยาวหรือตามความต้องการ ชั้นที่สาม: ใครซื้อพลังงานการคำนวณเหล่านี้จริงๆ $MSFT $META $GOOGL สามบริษัทนี้พิเศษเพราะพวกเขาก็เป็นลูกค้าของ AI Cloud และในเวลาเดียวกันก็เป็นคู่แข่ง เมื่อศูนย์ข้อมูลภายในและแหล่งจัดหา GPU ไม่สามารถตามความต้องการได้ทัน เขาจะซื้อความจุจาก Neocloud ภายนอก ในขณะเดียวกันก็สร้างศูนย์ข้อมูลของตนเอง พัฒนาชิปเฉพาะ และแพลตฟอร์มคลาวด์ของตนเอง ดังนั้นตลาดพลังงานการคำนวณ AI ในอนาคตไม่น่าจะเป็นทางเลือกแบบ “สร้างเอง” หรือ “ซื้อจากภายนอก” เท่านั้น แต่น่าจะเป็น: ความจุหลักจากภายใน + ความจุยืดหยุ่นจากคลาวด์ภายนอก และสิ่งที่ควรให้ความสนใจในระยะถัดไปคือ การแพร่กระจายของลูกค้าองค์กร $SHOP $CRWD เมื่อแอปพลิเคชัน AI เริ่มเคลื่อนตัวจาก Hyperscaler เพียงไม่กี่รายและห้องปฏิบัติการชั้นนำ สู่อีคอมเมิร์ซ, ความปลอดภัย, การเงิน, ซอฟต์แวร์, การแพทย์ และอัตโนมัติองค์กร โครงสร้างลูกค้าของ Neocloud มีโอกาสขยายจากลูกค้าขนาดใหญ่เพียงไม่กี่ราย สู่ตลาดองค์กรที่กว้างขึ้น OpenAI และ Anthropic เป็นตัวแทนของลูกค้าระดับสูงอีกประเภทหนึ่ง ความต้องการของพวกเขา的特点คือ: การฝึกอบรมเพียงครั้งเดียวต้องใช้พลังงานการคำนวณมหาศาล และหลังจากเปิดใช้งานโมเดลแล้ว ก็ยังคงต้องการการประมวลผลแบบอินเฟอร์เรนซ์อย่างต่อเนื่อง ยิ่งโมเดลแข็งแรงเท่าใด และการใช้งาน Agent ยิ่งกว้างขวางเท่าใด ความต้องการพลังงานการคำนวณก็จะไม่หยุดหลังจากการฝึกอบรมเสร็จสิ้น แต่จะเปลี่ยนจากค่าใช้จ่ายแบบครั้งเดียวไปสู่ค่าใช้จ่ายระยะยาวและต่อเนื่องในการประมวลผลแบบอินเฟอร์เรนซ์ ดังนั้น AI Cloud Stack สามารถเข้าใจได้อย่างเรียบง่าย: ชั้นบนสุด: ขายทรัพยากร $NVDA $MU $SKHY ชั้นกลาง: ขายพลังงานการคำนวณ $CRWV $NBIS $IREN ชั้นล่าง: จัดหาศูนย์ข้อมูล $DLR $EQIX $CORZ $APLD ชั้นล่างสุด: ซื้อพลังงานการคำนวณ $MSFT $META $GOOGL OpenAI Anthropic ในอดีต ตลาดให้ความสนใจมากที่สุดกับ: ใครมี GPU มากที่สุด? คำถามที่สำคัญจริงๆ ในระยะถัดไปอาจเป็น: ใครสามารถรวม GPU, ไฟฟ้า, เครือข่าย และศูนย์ข้อมูลได้อย่างรวดเร็วที่สุด เพื่อสร้างพลังงานการคำนวณ AI ที่สามารถส่งมอบและเรียกเก็บเงินได้ทันที? AI Cloud กำลังกลายเป็น “สถานีเก็บค่าผ่านทาง” ใน产业链 AI ทั้งหมด ตราบใดที่ความต้องการฝึกอบรมและการประมวลผลแบบอินเฟอร์เรนซ์ยังคงเติบโต ผู้ขายชิปจากด้านบน, ผู้ขายพลังงานการคำนวณจากชั้นกลาง, และผู้ให้บริการศูนย์ข้อมูลจากชั้นล่าง จะยังคงได้รับรายได้จากความขยายตัวของโครงสร้างพื้นฐาน AI วงเดียวกัน