Skip to content
AI ย้ายจาก Training สู่ Inference / AI ขยายจาก Chip สู่ทุก Infrastructure | สรุป TSL 21 July 26
ประเด็นวันนี้สะท้อนว่า AI กำลังเข้าสู่เฟสใหม่ จากเดิมที่ตลาดโฟกัสการสร้างโมเดลและการลงทุน Training ไปสู่การใช้งานจริง หรือ Inference ในองค์กร ซึ่งจะทำให้ความต้องการประมวลผล Token, Data Center, Memory, Network และพลังงานเพิ่มขึ้นต่อเนื่อง ฝั่ง Goldman Sachs มองว่าผู้ชนะรอบต่อไปอาจไม่ได้จำกัดอยู่แค่ผู้ผลิตชิปหลัก แต่รวมถึงระบบโครงสร้างพื้นฐานทั้งหมด ขณะที่ Columbia Threadneedle ชี้ว่าเม็ดเงินลงทุน AI กำลังไหลจากหุ้นเทคขนาดใหญ่ ไปสู่ไฟฟ้า ระบบทำความเย็น อุปกรณ์ไฟฟ้า เครื่องจักร และบริษัทที่สามารถเปลี่ยนความต้องการ AI ให้เป็นกระแสเงินสดและกำไรจริง
สรุปอัปเดตสภาวะตลาดวันนี้
- Wall Street อ่อนตัวเล็กน้อย ก่อนงบ Alphabet–Tesla โดยตลาดกำลังทดสอบว่าเงินลงทุน AI Capex / Data Center จะเริ่มสร้างรายได้และผลตอบแทนจริงได้หรือยัง หุ้นที่ตอบโจทย์ได้จะมีโอกาสถูกให้รางวัล ส่วนหุ้นที่ยังเผาเงินอาจถูกลงโทษแรง
- ความเสี่ยงสหรัฐฯ–อิหร่านยังสูง หลังยิงกันต่อเนื่องวันที่ 9 และมีเหตุเรือบรรทุกน้ำมันในพื้นที่เสี่ยง นักลงทุนจึงจับตาช่องแคบฮอร์มุซ ราคาน้ำมัน และเงินเฟ้อ แต่ตลาดยังไม่ Panic เพราะทั้งสองฝ่ายยังเปิดช่องเจรจา
- Google ทดลองฝังโครงสร้าง Gemini ลงชิป เพื่อลดการใช้พลังงานต่อ Token ได้มากกว่า TPU รุ่นปัจจุบัน 6–10 เท่า สะท้อนว่าคอขวด AI กำลังย้ายจาก “มีชิปพอไหม” ไปสู่ “ประมวลผลได้คุ้มพลังงานแค่ไหน”
- โมเดล Kimi K3 ของจีนอาจกด Premium หุ้น GPU บางส่วน แต่กลับเพิ่มความต้องการ Memory / Networking / Computing เพราะโมเดลที่ใหญ่ขึ้นและ Context Window ยาวขึ้นต้องใช้หน่วยความจำสูงมาก
- โอกาสลงทุนเริ่มกระจายออกจาก Magnificent 7 ไปยังหุ้นเกาหลี Valuation ต่ำ, หุ้น Memory ที่ Supply ยังตึงตัว และธีมนอก AI เช่น Consumer Experience, Compounder และ M&A ขณะที่ Morgan Stanley มองหุ้น Memory ถูกขายแรงเกินพื้นฐาน เพราะของยังขาดและราคายังขึ้นอยู่
สรุปเนื้อหา Paper วันนี้
Paper 1: AI เปลี่ยนเฟส จากสร้างโมเดล สู่ใช้งานจริง – Goldman Sachs
WHAT HAPPEN
- AI กำลังเปลี่ยนจากเฟส Training ไปสู่ Inference หรือการนำโมเดลมาใช้งานจริงในองค์กร
- การใช้ Token เพิ่มขึ้นเร็ว โดยองค์กรที่ใช้ AI หนักเริ่มขยายการใช้งานจากแชตบอตไปสู่งานหลักของธุรกิจ
- ความต้องการประมวลผลไม่ได้จบที่ GPU แต่ขยายไปยัง ASIC, Memory, Networking, Storage และ Data Center
WHY SHOULD I KNOW
- Inference เกิดขึ้นทุกครั้งที่มีการใช้งาน AI จึงอาจสร้าง Demand ต่อเนื่องกว่าการ Training โมเดลเป็นรอบ ๆ
- คอขวดของ AI กำลังขยายจาก “ชิป” ไปสู่ระบบทั้งห่วงโซ่ เช่น Fiber Optics, Optical Networking, Memory และพลังงาน
- AI Agent และ Agentic Commerce อาจเปลี่ยนทั้งวิธีทำงาน การค้นหาข้อมูล การซื้อขาย และโมเดลโฆษณาออนไลน์
WHAT TO DO NEXT
- มองหาโอกาสในบริษัทที่รองรับ Inference เช่น Memory, ASIC, Networking, Fiber Optics และ Data Center Infrastructure
- ไม่ควรซื้อหุ้น AI แบบเหมารวม แต่ต้องดูว่าบริษัทใดแก้คอขวดและสร้างกำไรจากการใช้งานจริงได้
- จับตาการใช้ Token, การนำ AI Agent ไปใช้ในองค์กร และการ Monetize AI ในแพลตฟอร์มโฆษณา / Software
Paper 2: เมื่อโลกทุ่มเงินสร้าง AI โอกาสกำลังเกิดที่ไหน? – Columbia Threadneedle
WHAT HAPPEN
- AI กำลังกลายเป็นวัฏจักรลงทุนขนาดใหญ่ ครอบคลุมตั้งแต่ชิป ศูนย์ข้อมูล ไฟฟ้า ระบบทำความเย็น และอุปกรณ์เครือข่าย
- Columbia Threadneedle มองว่าโลกยังอยู่ในระลอกแรกของ AI คือการสร้างโครงสร้างพื้นฐาน ซึ่งใช้เงินลงทุนสูงที่สุด
- โอกาสเริ่มขยายจากผู้ผลิตชิปและ Cloud ไปยัง Utilities, Electrical Equipment, Cooling, Industrial Machinery และ Data Center Real Estate
WHY SHOULD I KNOW
- ความต้องการ GPU ทำให้ทั้งห่วงโซ่ AI ต้องขยายตาม ตั้งแต่ไฟฟ้า ระบบระบายความร้อน ไปจนถึงการเชื่อมต่อโครงข่าย
- คอขวด เช่น แรงงานเฉพาะทาง อุปกรณ์ส่งมอบช้า และกำลังไฟฟ้าจำกัด อาจเป็นทั้งความเสี่ยงและโอกาสของบริษัทที่มีอำนาจต่อรอง
- การลงทุน AI ระดับใหญ่สามารถสร้าง Crowding Out แย่งไฟฟ้า วัตถุดิบ แรงงาน และเงินทุนจากอุตสาหกรรมอื่น
WHAT TO DO NEXT
- เลือกบริษัทที่มีอุปสงค์ระยะยาว อำนาจกำหนดราคา และสินค้าทดแทนยาก
- ระวังบริษัทที่มี Story AI แต่ไม่มีความสามารถเปลี่ยนยอดขายเป็นกำไรและกระแสเงินสด
- ติดตามคอขวดของ Data Center เช่น Power, Grid Connection, Cooling, Equipment Lead Time และ Margin ของผู้ส่งมอบ
สรุปภาพรวมรายการวันนี้
ภาพรวมวันนี้คือ AI ยังไม่จบ แต่เกมกำลังเปลี่ยนจากการสร้างโมเดล ไปสู่การใช้งานจริงและการสร้างระบบรองรับทั้งห่วงโซ่ Goldman Sachs ชี้ว่า Inference, Token Usage และ AI Agent จะทำให้ความต้องการประมวลผลเพิ่มต่อเนื่อง และเปิดโอกาสให้ผู้เล่นนอกเหนือจาก GPU เช่น Memory, ASIC, Networking และ Fiber Optics ขณะที่ Columbia Threadneedle มองว่าเม็ดเงินลงทุน AI กำลังไหลไปสู่โครงสร้างพื้นฐานขนาดใหญ่ ตั้งแต่ไฟฟ้า ระบบทำความเย็น อุปกรณ์ไฟฟ้า ไปจนถึงอสังหาริมทรัพย์ Data Center กลยุทธ์ที่เหมาะสมคือยังลงทุนใน AI ได้ แต่ต้องคัดเลือกผู้ชนะในแต่ละชั้นของ Value Chain โดยเน้นบริษัทที่แก้คอขวดได้จริง มีอำนาจต่อรอง และสามารถเปลี่ยน Demand เป็นกำไรกับกระแสเงินสดได้จริง
ตะกร้าที่ 3: พลังแห่งการเติบโตระยะยาว (ประมาณ 55% ของเงินทั้งหมด)
You must be logged in to post a comment.