บริษัทเทคโนโลยีรายใหญ่กำลังทุ่มเงินสร้างศูนย์ข้อมูล ซื้อชิป และขยายโครงข่ายสำหรับ AI ในระดับที่เมื่อไม่กี่ปีก่อนยังยากจะจินตนาการ เฉพาะ Amazon, Alphabet, Microsoft และ Meta วางกรอบรายจ่ายลงทุนปีปฏิทิน 2026 รวมกันตามตัวเลขที่แต่ละบริษัทเปิดเผยประมาณ 720,000 – 740,000 ล้าน USD แต่ตัวเลขนี้เป็นการนำงบ CapEx ที่ใช้เกณฑ์บัญชีไม่เหมือนกันมาบวกเพื่อแสดงขนาด ไม่ใช่ยอดลงทุน AI อย่างเดียว และยังไม่ใช่รายจ่ายจริงที่ปิดบัญชีครบปี
ในขณะที่ผู้จัดหาเครื่องจักรและกำลังประมวลผลเริ่มแสดงกำไรในงบการเงินของตน คำถามฝั่งผู้ซื้อกลับยากกว่า บริษัทที่ลงทุน AI จำนวนมากสามารถชี้ได้ว่าพนักงานทำงานเร็วขึ้น แต่ยังพิสูจน์ไม่ได้ว่าความเร็วที่เพิ่มขึ้นแปลงเป็น กำไรจากการดำเนินงานที่วัดได้ มากเท่าไร
ผลสำรวจ McKinsey ที่เผยแพร่วันที่ 25 สิงหาคม 2026 พบว่า 37% ของผู้ตอบแบบสอบถามรายงานว่า AI มีผลต่อ EBIT ขององค์กรในระดับใดระดับหนึ่ง แต่มีเพียง 6% ที่เข้าเกณฑ์ AI High Performers ซึ่งต้องรายงานผลต่อ EBIT อย่างน้อย 5% และระบุว่า AI สร้างคุณค่าทางธุรกิจอย่างมีนัยสำคัญ ความต่างนี้คือแก่นของสิ่งที่เรียกว่า AI ROI Gap ช่องว่างระหว่างการใช้เงินกับการทำให้เงินนั้นงอกเงย
มีกี่บริษัทได้กำไรจาก AI จริง ต้องตั้งนิยามก่อนนับ
คำว่าได้กำไรจาก AI ถูกนำไปใช้กับข้อเท็จจริงต่างกันอย่างน้อยสามระดับ ระดับแรกคือบริษัท มีกำไรสุทธิรวม เช่น ผู้ขายชิปหรือผู้ให้บริการคลาวด์ แต่กำไรดังกล่าวอาจมาจากสินค้าและบริการที่ไม่ใช่ AI ด้วย ระดับที่สองคือ โครงการ AI มีผลตอบแทนสุทธิเป็นบวก หลังหักค่าระบบ ค่าชิป ค่าโมเดล บุคลากร การกำกับดูแล และค่าเปลี่ยนกระบวนการทำงาน ระดับที่สามคือ AI ทำให้กำไรระดับทั้งองค์กรดีขึ้นอย่างมีนัยสำคัญ ซึ่งต้องวัดว่าต้นทุนที่ลดหรือรายได้ที่เพิ่มเกิดจาก AI จริง ไม่ใช่เพียงจังหวะเศรษฐกิจหรือการปรับราคา
| ตัวชี้วัดจาก McKinsey ปี 2026 | สัดส่วนผู้ตอบ | อ่านตัวเลขอย่างไร |
|---|---|---|
| ใช้ AI ในอย่างน้อยหนึ่งสายงาน | เกือบ 90% | ใช้งานแล้ว ไม่ได้แปลว่าคุ้มทุน |
| ขยาย AI ในระดับองค์กร | 44% | มากกว่าปี 2025 ที่ 38% |
| ระบุว่า AI มีผลต่อ EBIT | 37% | มีผลในระดับใดระดับหนึ่ง อาจยังเล็ก |
| เข้าเกณฑ์ AI High Performers | 6% | ผลต่อ EBIT ตั้งแต่ 5% และคุณค่าทางธุรกิจชัดเจน |
| ระบุว่าต้นทุนดำเนินงาน AI จำกัดการใช้งาน | ประมาณ 20% | ต้นทุน token และต้นทุนใช้งานจริงเริ่มเป็นข้อจำกัด |
ตัวเลขมาจากแบบสำรวจผู้ตอบ 1,719 คนใน 97 ประเทศ ระหว่างเดือนพฤษภาคมถึงมิถุนายน 2026 เป็นข้อมูลที่ผู้ตอบรายงานเกี่ยวกับองค์กรของตน ไม่ใช่การตรวจงบกำไรของบริษัททุกแห่งทั่วโลก ดังนั้น 6% ไม่ใช่สัดส่วนของบริษัทที่ได้กำไรจาก AI ทั้งหมด และอีก 94% ก็ไม่ได้แปลว่าขาดทุน ผู้ตอบอีกส่วนอาจได้ประโยชน์เล็กน้อย อยู่ระหว่างปรับระบบ หรือยังแยกผลจาก AI ไม่ได้
หากมองย้อนกลับไป แบบสำรวจ McKinsey ปี 2025 มีผู้รายงานว่า AI กระทบ EBIT ราว 39% และกลุ่ม High Performers ประมาณ 6% เมื่อเทียบกับปี 2026 ภาพรวมจึงสะท้อนว่า การนำ AI ไปใช้และขยายระบบเดินหน้าเร็วกว่าการยืนยันผลกำไรระดับองค์กร อย่างไรก็ดี กลุ่มผู้ตอบสองปีไม่ใช่บริษัทชุดเดิมทั้งหมด จึงห้ามนำความต่าง 39% กับ 37% ไปสรุปว่ากำไร AI ของโลกตกลงสองจุดเปอร์เซ็นต์
เม็ดเงินลงทุน AI พุ่งอย่างไรตั้งแต่ปี 2023 ถึง 2026
การเติบโตของ Generative AI หลังปี 2023 ทำให้บริษัทเทคโนโลยีเริ่มซื้อเครื่องประมวลผลประสิทธิภาพสูงและจองกำลังไฟฟ้าเพิ่ม แต่หลังจากช่วงทดลองโมเดลและบริการใหม่ในปี 2023 – 2024 จุดเปลี่ยนในปี 2025 – 2026 คือการขยายศูนย์ข้อมูลจริงพร้อมคำถามว่าต้นทุนจะกลับคืนมาเมื่อใด
| ช่วงเวลา | สิ่งที่เกิดกับเม็ดเงิน AI | หลักฐานที่ใช้ตีความ |
|---|---|---|
| 2023 – 2024 | จากทดลอง Generative AI สู่การเตรียมโครงสร้างพื้นฐาน | เริ่มลงทุนใน GPU คลาวด์ และการปรับกระบวนการ |
| 2025 | เงินลงทุนบริษัททั่วโลกด้าน AI ตาม Stanford AI Index ประมาณ 581,690 ล้าน USD | รวมเงินทุนเอกชนและดีลควบรวมกิจการ ไม่ใช่ CapEx ล้วน |
| 2025 | IEA ประเมิน CapEx บริษัทเทคโนโลยีใหญ่ห้ารายมากกว่า 400,000 ล้าน USD | ครอบคลุมโครงสร้างพื้นฐานและรายการอื่นนอกเหนือ AI |
| 2026 | IEA คาด CapEx กลุ่มห้ารายดังกล่าวเพิ่มขึ้นอีกประมาณ 75% | ตัวเลขคาดการณ์ ไม่ใช่ยอดทั้งปีที่เกิดขึ้นแล้ว |
การลงทุน 581,690 ล้าน USD ของ Stanford กับ CapEx ของ Big Tech นำมาบวกกันไม่ได้ เพราะการระดมทุน ซื้อกิจการ และเงินลงทุนในสินทรัพย์ถาวรเป็นคนละหมวดและอาจซ้อนกันได้ หากไม่แยกนิยาม ผู้อ่านอาจเข้าใจผิดว่ามีเงินใหม่ไหลเข้าเศรษฐกิจมากกว่าความจริง
สำหรับปี 2026 บริษัทสี่รายที่เปิดเผยกรอบรายจ่ายลงทุนมีขนาดดังนี้
| บริษัท | CapEx ปี 2026 ตามคำชี้แจง | ต้องระวังอะไร |
|---|---|---|
| Amazon | ประมาณ 220,000 ล้าน USD | เป็น Cash CapEx ทั้งธุรกิจ ไม่ใช่ AWS หรือ AI ล้วน |
| Alphabet | 195,000 – 205,000 ล้าน USD | เป็นกรอบ CapEx บริษัททั้งปี รวมโครงสร้างพื้นฐานอื่น |
| Microsoft | ประมาณ 170,000 ล้าน USD | คาดการณ์ปีปฏิทิน มีการนับ Finance Leases ใน CapEx |
| Meta | 135,000 – 145,000 ล้าน USD | รวมการจ่ายเงินต้นตามสัญญาเช่าการเงิน |
รวมเชิงภาพประกอบ 720,000 – 740,000 ล้าน USD เมื่อบวกกรอบข้างต้นตรง ๆ ทั้งสี่บริษัทใช้การเปิดเผยและวิธีนับสินทรัพย์เช่าต่างกัน จึงไม่ใช่ตัวเลข CapEx ที่ผ่านการปรับมาตรฐานทางบัญชีเดียวกัน นอกจากนี้ไม่ได้หมายความว่าเงินทั้งหมดไปซื้อ GPU หรือสร้างโมเดล AI เพราะยังรวมการลงทุนในธุรกิจคลาวด์ ค้าปลีก โฆษณา และระบบดิจิทัลทั่วไปด้วย
ที่สำคัญ เมื่อ CapEx เพิ่มเร็ว ภาระค่าเสื่อมราคาของเครื่องประมวลผล ค่าไฟฟ้า ค่าที่ดิน ศูนย์ข้อมูล และค่าเช่าในระยะถัดไปก็เพิ่มตาม การลงเงินวันนี้อาจช่วยรักษาตำแหน่งทางธุรกิจหลายปี แต่ยังต้องมีรายได้และกระแสเงินสดมากพอรับภาระดังกล่าวในอนาคต
ทำไมบริษัทจำนวนมากยังติดอยู่ใน Pilot Purgatory
รายงานเบื้องต้น The GenAI Divide จาก MIT Project NANDA ในปี 2025 เคยถูกสรุปเป็นพาดหัวว่า 95% ขององค์กรยังไม่เห็นผลตอบแทนจาก Generative AI ที่วัดได้ในงบกำไรขาดทุน รายงานอาศัยการทบทวนโครงการที่เปิดเผยมากกว่า 300 รายการ สัมภาษณ์ตัวแทน 52 องค์กร และสำรวจผู้บริหารอาวุโส 153 คน ผลดังกล่าวชี้ความเสี่ยงจริงในโครงการที่เริ่มทดลองแต่ไม่กลายเป็นระบบผลิตงานประจำ ทว่าไม่ใช่สำมะโนบริษัททั่วโลก และไม่สามารถใช้แทนตัวเลข 2026 ของ McKinsey ได้
ปัญหาที่หลายบริษัทพบไม่ใช่โมเดลเขียนข้อความไม่ได้ แต่เป็นการเชื่อม AI เข้ากับฐานข้อมูลและการอนุมัติจริงขององค์กร เมื่อระบบไม่เข้าใจบริบทเฉพาะทีม พนักงานยังต้องตรวจคำตอบเอง บางงานย้ายเวลาจากการเขียนไปสู่การตรวจสอบ แทนที่จะลดต้นทุนรวม ช่วงทดลองจึงดูมีประสิทธิภาพ แต่เมื่อขยายไปทั้งองค์กรกลับมีค่าเชื่อมระบบ ค่าแก้ความผิดพลาด การควบคุมข้อมูล และค่าใช้โมเดลสะสมขึ้นมา
McKinsey ปี 2026 ยืนยันภาพสองด้านพร้อมกัน ผู้ตอบ 80% รายงานว่า AI เพิ่มผลิตภาพของแต่ละบุคคล แต่ผู้ตอบเพียง 37% รายงานผลต่อ EBIT ระดับองค์กร ความต่างไม่ได้พิสูจน์ว่า AI ไร้ประโยชน์ กลับสะท้อนว่าเวลาทำงานที่ประหยัดได้จะกลายเป็นกำไรจริงก็ต่อเมื่อบริษัทลดต้นทุนที่จ่ายจริง เพิ่มกำลังการผลิตที่ขายได้ หรือสร้างรายได้ใหม่โดยไม่ใช้ทรัพยากรเพิ่มมากกว่าประโยชน์

ใครเก็บกำไรได้ก่อน ผู้ขายชิป คลาวด์ หรือแอปพลิเคชัน
เมื่อเกิดการเร่งสร้างโครงสร้างพื้นฐาน ผู้ขายอุปกรณ์อาจรับรู้รายได้ทันทีที่ส่งมอบชิปและระบบ ส่วนบริษัทที่ซื้ออุปกรณ์ต้องใช้เวลาเรียกเก็บเงินจากลูกค้าให้มากกว่าต้นทุน นี่เป็นเหตุให้ฝั่ง Infrastructure มีหลักฐานกำไรที่เห็นได้ชัดกว่าในหลายงบ แม้จะไม่เท่ากับการยืนยันว่า AI ทุกโครงการทำกำไร
| บริษัทและงวดบัญชี | รายได้ที่เกี่ยวข้อง | หลักฐานกำไรที่รายงาน |
|---|---|---|
| NVIDIA ไตรมาส 2 ปีงบฯ 2027 | Data Center 89,000 ล้าน USD | กำไรจากการดำเนินงานทั้งบริษัท 63,734 ล้าน USD |
| Broadcom ไตรมาส 3 ปีงบฯ 2026 | รายได้รวม 29,591 ล้าน USD | กำไรจากการดำเนินงานทั้งบริษัท 15,955 ล้าน USD |
| AWS ไตรมาส 3 ปีปฏิทิน 2026 | รายได้ 46,000 ล้าน USD | กำไรจากการดำเนินงาน AWS 17,800 ล้าน USD |
| Google Cloud ไตรมาส 3 ปีปฏิทิน 2026 | รายได้ 30,709 ล้าน USD | กำไรจากการดำเนินงาน Google Cloud 11,121 ล้าน USD |
NVIDIA มีรายได้ Data Center เพิ่มขึ้น 117% เมื่อเทียบกับปีก่อน ในไตรมาสที่สิ้นสุดวันที่ 26 กรกฎาคม 2026 และ Broadcom มีรายได้รวมเติบโต 86% ในไตรมาสที่สิ้นสุดวันที่ 2 สิงหาคม 2026 ตัวเลขนี้แสดงว่าผู้จำหน่ายชิปและอุปกรณ์ที่ใช้ลงทุนใน AI สามารถเก็บรายได้และมีกำไรทางบัญชีได้แล้ว แต่กำไรที่ยกมาของทั้ง NVIDIA และ Broadcom เป็นกำไรทั้งบริษัท ซึ่งมีสินค้าอื่นรวมอยู่
ฝ่ายคลาวด์ก็เริ่มมีหลักฐานที่หนักแน่นขึ้น Amazon ระบุว่า AWS มีกำไรจากการดำเนินงานในไตรมาส 3 ปี 2026 17,800 ล้าน USD เพิ่มจาก 11,400 ล้าน USD ในไตรมาสเดียวกันปีก่อน ส่วน Google Cloud มีรายได้เพิ่มเป็น 30,709 ล้าน USD และกำไรจากการดำเนินงาน 11,121 ล้าน USD จาก 3,594 ล้าน USD ปีก่อน แต่คลาวด์ยังขายระบบฐานข้อมูล การจัดเก็บข้อมูล และงานประมวลผลที่ไม่ใช่ AI อยู่มาก จึงเรียกตัวเลขเหล่านี้ว่า กำไรของธุรกิจคลาวด์ ไม่ใช่กำไร AI ที่แยกตรวจสอบแล้ว
บริษัทผู้ให้บริการไฟฟ้า โครงข่ายส่งกำลัง ระบบทำความเย็นและผู้สร้างอาคารศูนย์ข้อมูลเป็นอีกกลุ่มที่รับประโยชน์จากคำสั่งซื้อ แต่ไม่ควรสรุปว่ากลุ่มพลังงานทั้งหมดเป็นผู้ชนะ เพราะสัญญาไฟฟ้าระยะยาว ต้นทุนก่อสร้าง การอนุมัติโครงการ และความเสี่ยงจากความต้องการใช้ไฟที่ต่ำกว่าคาดทำให้ผลตอบแทนแต่ละโครงการต่างกันมาก
บริษัทซอฟต์แวร์มีรายได้เพิ่ม แต่ยังตอบเรื่องกำไร AI ได้ไม่ครบ
ซอฟต์แวร์มีข้อได้เปรียบด้านการขายบริการรายเดือนและการกระจายสินค้าให้ลูกค้าจำนวนมาก หากต้นทุนเรียกใช้โมเดลต่อครั้งลดลงเร็วกว่ารายได้ที่เพิ่มขึ้น อัตรากำไรอาจดีขึ้น แต่ถ้าบริษัทต้องจ่ายค่าประมวลผลทุกครั้งที่ลูกค้าใช้เครื่องมือ AI อย่างหนัก ราคาสมาชิกรายเดือนอาจไม่เพียงพอโดยเฉพาะลูกค้ารายใหญ่
Microsoft เป็นตัวอย่างของบริษัทที่มีกำไรสุทธิรวมขนาดใหญ่ ปีงบการเงินสิ้นสุด 30 มิถุนายน 2026 บริษัททำกำไรสุทธิ 133,749 ล้าน USD และในไตรมาสกรกฎาคมถึงกันยายน 2026 ยังรายงานกระแสเงินสดอิสระเป็นบวก 18,600 ล้าน USD ทว่าตัวเลขเหล่านี้ไม่ใช่กำไรสุทธิจาก Copilot หรือบริการ AI ที่แยกต่างหาก ผู้ลงทุนจึงต้องระวังการนำกำไรทั้งหมดของ Microsoft ไปใช้ตอบว่าการลงทุน AI คืนทุนแล้ว
Meta เป็นอีกกรณีที่แยกกำไรออกจากภาระเงินสดได้ชัด บริษัททำรายได้ไตรมาส 3 ปี 2026 64,601 ล้าน USD และยังมีกำไรจากการดำเนินงาน 12,988 ล้าน USD พร้อมรายงานว่า AI ช่วยระบบแนะนำเนื้อหาและการทำโฆษณา แต่กระแสเงินสดอิสระไตรมาสเดียวกัน ติดลบ 2,120 ล้าน USD ท่ามกลางการเร่งลงทุน ตัวเลขกำไรไตรมาสนี้ยังได้รับผลกระทบจากค่าใช้จ่ายคดีความครั้งเดียวราว 9,900 ล้าน USD ซึ่งไม่ใช่ค่าใช้จ่าย AI จึงไม่สามารถใช้การลดลงของกำไรทั้งไตรมาสเป็นหลักฐานว่า AI ขาดทุนโดยตรงได้
สำหรับบริษัทพัฒนาโมเดลและแอปพลิเคชันเอกชน หลายรายเปิดเผยยอดผู้ใช้ รายได้ต่อปีแบบประมาณการ หรือเงินลงทุนที่ระดมได้ แต่ไม่ได้เปิดงบแยกต้นทุนฝึกโมเดล ค่า Inference (ต้นทุนประมวลผลคำขอใช้งาน) ส่วนลดบริการ และกำไรสุทธิที่ตรวจสอบได้ครบถ้วน จึงไม่ควรติดป้ายว่าได้กำไรหรือขาดทุนจากตัวเลขยอดขายเพียงอย่างเดียว
การแข่งขันระหว่าง AI Application กับซอฟต์แวร์เดิมยังสร้างความเสี่ยงใหม่ McKinsey พบว่า 32% ของผู้ตอบเคยตัดสินใจไม่ซื้อผลิตภัณฑ์หรือฟีเจอร์ซอฟต์แวร์อย่างน้อยหนึ่งรายการ เพราะองค์กรอาจสร้างเองได้ด้วยเครื่องมือช่วยเขียนโค้ดแบบ Agent ทำให้บริษัทซอฟต์แวร์ที่ขายฟังก์ชันทั่วไปถูกกดดันให้พิสูจน์ความแตกต่างของสินค้าและราคา
วิธีคำนวณ ROI ที่ทำให้กำไรไม่หายไปในสไลด์นำเสนอ
การทดลอง AI ที่ดีต้องเริ่มจากต้นทุนฐานเดิมและกำหนดเป้าหมายก่อนทดลอง เช่น เวลาจัดการคำร้องลูกค้า ต้นทุนต่อคำสั่งซื้อ อัตราการแก้งานซ้ำ หรืออัตราการปิดการขาย จากนั้นทดลองกับกลุ่มเทียบเคียงให้วัดผลได้ การนับจำนวนเอกสารที่ AI เขียนหรือจำนวน token ที่ระบบประมวลผลไม่ใช่กำไร
สูตรพื้นฐานคือ ROI = (ประโยชน์ทางการเงินที่เกิดขึ้นจริง – ต้นทุนรวมของการลงทุนและใช้งาน) / ต้นทุนรวมของการลงทุนและใช้งาน โดยต้องกำหนดช่วงเวลาวัดและนำค่าบริการคลาวด์ โมเดล ที่ปรึกษา ความปลอดภัย การเชื่อมข้อมูล และค่าตรวจสอบข้อผิดพลาดมารวม หากงานหนึ่งประหยัดเวลาได้สองชั่วโมง แต่บริษัทไม่ได้ลดค่าใช้จ่ายจริงหรือใช้เวลาที่เหลือไปสร้างรายได้เพิ่ม ก็ไม่ควรใส่มูลค่าเวลาทั้งสองชั่วโมงเป็นเงินสดที่ประหยัดได้ทันที
ทางออกจาก Pilot Purgatory จึงเป็นการกำหนดจุดหยุดหรือจุดขยายการลงทุนตามหลักฐาน เมื่อทดสอบแล้วไม่ลดต้นทุนจริงต้องแก้งานหรือยุติโครงการ เมื่อเห็นผลแล้วจึงค่อยขยาย ส่วนบริษัทที่ใช้ AI กับงานสนับสนุนควรระบุให้ชัดว่าเป้าหมายเป็นการเพิ่มคุณภาพบริการ ไม่ใช่อ้างว่าเครื่องมือทุกตัวต้องคืนทุนเป็นตัวเงินภายในไตรมาสเดียว
ความเสี่ยงกำลังย้ายจากงบเทคโนโลยีไปสู่ระบบไฟฟ้าและตลาดทุน
IEA ระบุว่าศูนย์ข้อมูลทั่วโลกใช้ไฟฟ้าประมาณ 415 TWh ในปี 2024 และในรายงาน Energy and AI คาดว่าความต้องการอาจสูงราว 945 TWh ภายในปี 2030 โดยไม่ได้หมายความว่าทั้งหมดเป็นงาน AI การลงทุนด้านพลังงาน โครงข่ายไฟฟ้า ที่ดิน และระบบระบายความร้อนจึงเป็นข้อจำกัดสำคัญของการขยายกำลังประมวลผล
ผลต่อตลาดทุนมีอย่างน้อยสองทาง ด้านบวก เม็ดเงิน CapEx เป็นรายได้ของผู้ขายชิป เครื่องจักร อุปกรณ์ไฟฟ้า ผู้รับเหมา และศูนย์ข้อมูล ส่งผลต่อการผลิตและการจ้างงาน ด้านเสี่ยง เงินลงทุนสูงบังคับให้บริษัทต้องแบกรับค่าเสื่อมราคา ค่าเช่า และต้นทุนเงินทุนในช่วงที่รายได้ยังไล่ตามไม่ทัน หากความต้องการประมวลผลขยายช้ากว่าคาด ผู้สร้างศูนย์ข้อมูลอาจถือสินทรัพย์แพงที่ใช้กำลังการผลิตไม่เต็มที่
สัญญาณจากงบกำไรขาดทุนอย่างเดียวจึงไม่เพียงพอ Amazon ระบุว่ากระแสเงินสดอิสระ 12 เดือนสิ้นสุดกันยายน 2026 ติดลบ 42,400 ล้าน USD โดยมีการซื้อสินทรัพย์ถาวรเพิ่มมากจากการลงทุน AI ขณะที่กำไรจากการดำเนินงานของ AWS ยังเติบโต สิ่งนี้แสดงว่า ธุรกิจทำกำไรพร้อมกับใช้เงินสดลงทุนสุทธิจำนวนมากได้ ไม่ควรใช้คำว่าเงินสดติดลบแทนคำว่าขาดทุน และไม่ควรแปลว่าผลตอบแทนระยะยาวพิสูจน์แล้ว
หากอัตราดอกเบี้ยอยู่สูงนานกว่าคาด ภาระต้นทุนเงินทุนของโครงการศูนย์ข้อมูลอาจเพิ่มขึ้น หากอุปกรณ์รุ่นใหม่ทำให้ชิปรุ่นเก่าล้าสมัยเร็ว การตั้งอายุใช้งานและค่าเสื่อมราคาก็อาจถูกทบทวน ในทางกลับกัน หาก AI ทำให้ผู้ใช้ปลายทางสร้างรายได้มากขึ้นจริง ความต้องการประมวลผลระยะยาวอาจรองรับกำลังผลิตที่สร้างไว้ ปัจจุบันข้อมูลยังไม่เพียงพอที่จะฟันธงว่าฝ่ายใดจะเกิดขึ้นทั่วตลาด
ตัวเลขไหนจะบอกว่าเม็ดเงิน AI เริ่มคืนทุนแล้ว
ในช่วง 12 – 24 เดือนข้างหน้า หลักฐานที่ควรติดตามไม่ใช่ยอดซื้อชิปเพียงอย่างเดียว แต่คือรายได้ที่รับรู้จริงต่อกำลังประมวลผลหนึ่งหน่วย อัตราใช้กำลังศูนย์ข้อมูล ค่าเสื่อมและค่าพลังงานที่เพิ่มขึ้น กระแสเงินสดอิสระหลัง CapEx อัตรากำไรต่อคำขอ AI และสัดส่วนองค์กรที่รายงานว่าผลต่อ EBIT ของ AI เพิ่มขึ้นจากระดับปัจจุบัน
ความเสี่ยงสำคัญอยู่ที่การใช้ตัวชี้วัดข้ามกัน นักลงทุนอาจเห็นผู้ขายชิปได้กำไรสูงและตีความว่าลูกค้าซื้อชิปทุกคนคืนทุนแล้ว หรือเห็นบริษัทซอฟต์แวร์ขายสมาชิกได้มากแล้วสรุปว่า AI Application มีอัตรากำไรดีทั้งอุตสาหกรรม ทั้งสองข้อสรุปข้ามขั้นตอนพิสูจน์เพราะกำไรของผู้ขายสินค้ากับ ROI ของผู้ซื้อไม่ใช่บัญชีเดียวกัน
ข้อสรุปสำคัญ AI มีผู้ชนะที่แสดงกำไรจากธุรกิจชิปและคลาวด์แล้ว แต่ยังไม่มีข้อมูลสาธารณะที่น่าเชื่อถือพอจะนับบริษัททั่วโลกซึ่งได้กำไรสุทธิจาก AI แยกต่างหากได้ครบ ผลสำรวจ McKinsey ปี 2026 พบ 37% รายงานผลต่อ EBIT และเพียง 6% เข้าเกณฑ์ผลกระทบระดับสูง ความสามารถในการเปลี่ยนการใช้ AI ให้กลายเป็นรายได้สุทธิและกระแสเงินสดหลังลงทุนจะเป็นตัวตัดสินผู้ชนะที่แท้จริงมากกว่างบ CapEx หรือจำนวนผู้ใช้เพียงอย่างเดียว
แหล่งอ้างอิงหลัก
McKinsey – The state of AI in 2026 | MIT Project NANDA – The GenAI Divide | Stanford AI Index 2026 | IEA – Key Questions on Energy and AI
Amazon Q3 2026 | Alphabet Q3 2026 | Microsoft FY2027 Q1 | Meta Q3 2026



