Hyperscale AI Infrastructure Spending Triggers Investor Concern Over Credit Quality

โมเดลธุรกิจพื้นฐานที่ขับเคลื่อนให้ Silicon Valley ก้าวขึ้นมาครองตลาดในปัจจุบันกำลังอยู่ระหว่างการเปลี่ยนแปลงครั้งใหญ่ ในอดีต ผู้นำด้านเทคโนโลยีประสบความสำเร็จจากโครงสร้าง Asset-light โดยมุ่งเน้นไปที่ซอฟต์แวร์ที่มีอัตรากำไรสูงและบริการคลาวด์ที่ปรับขนาดได้ ซึ่งต้องใช้เงินลงทุนค่อนข้างน้อย อย่างไรก็ตาม Generative AI ต้องการพื้นที่ทางกายภาพจำนวนมหาศาล โดยจำเป็นต้องมีศูนย์ข้อมูลขนาดใหญ่ ชิปพิเศษ และการใช้พลังงานสูง จากการวิจัยของ Moody's Ratings การเปลี่ยนแปลงไปสู่โมเดลที่มีสินทรัพย์จำนวนมากนี้กำหนดระดับการลงทุนที่ไม่เคยเกิดขึ้นมาก่อน Hyperscalers เช่น Alphabet และ Microsoft ซึ่งก่อนหน้านี้ถูกมองว่าเป็นป้อมปราการด้านทุน ในปัจจุบันถูกบังคับให้พึ่งพาหนี้สิน การขายหุ้น และการจัดหาเงินทุนนอกงบดุลมากขึ้นเพื่อรักษาการเติบโตไว้ ตัวอย่างเช่น Alphabet เพิ่งอัปเดตคำแนะนำการใช้จ่ายด้านทุนในปี 2569 โดยเพิ่มขึ้น 15 พันล้านดอลลาร์ที่จุดกึ่งกลางเพื่อให้อยู่ในช่วงระหว่าง 190 พันล้านดอลลาร์ถึง 205 พันล้านดอลลาร์ ขณะเดียวกันก็รับทราบว่าการใช้จ่ายในปีงบประมาณ 2570 จะเพิ่มขึ้นอีก จุดเปลี่ยนนี้ก่อให้เกิดความไม่สบายใจในหมู่นักลงทุน ซึ่งเริ่มจัดลำดับความสำคัญของเส้นทางการสร้างรายได้ที่ชัดเจนสำหรับค่าใช้จ่ายด้านโครงสร้างพื้นฐานขนาดใหญ่เหล่านี้เหนือคำมั่นสัญญาการเติบโตในระยะยาว

การแสวงหาขีดความสามารถของ AI อย่างแข็งขันกำลังสร้างความตึงเครียดที่เห็นได้ชัดภายในตลาดสินเชื่อ แม้ว่าบริษัทยักษ์ใหญ่อย่าง Amazon, Meta และ Microsoft ยังคงรักษางบดุลที่แข็งแกร่ง แต่การใช้จ่ายที่จำเป็นจำนวนมากทำให้หน่วยงานจัดอันดับออกคำเตือนเกี่ยวกับความเสี่ยงที่อาจเกิดขึ้นต่อคุณภาพเครดิต มูดี้ส์ตั้งข้อสังเกตว่าในขณะที่หนี้แบบดั้งเดิมยังคงเป็นข้อกังวล แต่บริษัทหลายแห่งกำลังเลือกใช้การจัดหาเงินทุนนอกงบดุลเพื่อหลีกเลี่ยงไม่ให้ระดับหนี้ที่รายงานสูงเกินจริง โดยเฉพาะอย่างยิ่ง ภาระผูกพันในการเช่าศูนย์ข้อมูลได้เพิ่มขึ้นเป็นมูลค่ารวม 1.2 ล้านล้านดอลลาร์ทั่วทั้งอุตสาหกรรม โดยมีมูลค่ามากกว่า 820 พันล้านดอลลาร์ของจำนวนสิ่งอำนวยความสะดวกทั้งหมดที่ยังอยู่ระหว่างการก่อสร้าง ภาระผูกพันในอนาคตเหล่านี้ทำหน้าที่เป็นหนี้สินเทียบเท่าหนี้สิน ซึ่งมีผลผูกพันบริษัทในการชำระค่าเช่าที่สำคัญสำหรับปีต่อๆ ไป ในตลาดตราสารหนี้ นักลงทุนต้องการผลตอบแทนที่สูงขึ้นเพื่อปล่อยกู้ให้กับบริษัทเหล่านี้ โดยส่วนต่างของเครดิตจะกว้างขึ้นสำหรับผู้เล่นรายใหญ่ที่สุด เนื่องจากนักลงทุนในตราสารหนี้และตราสารทุนถกเถียงกันถึงความเป็นจริงของผลตอบแทนจากการลงทุนสำหรับโครงการมูลค่าหลายพันล้านดอลลาร์เหล่านี้

ความเสี่ยงที่เกี่ยวข้องกับการสร้าง AI ไม่ได้รับการกระจายอย่างเท่าเทียมกันทั่วทั้งภาคส่วน หน่วยงานที่มีขนาดเล็กหรือมีความเชี่ยวชาญมากกว่าต้องเผชิญกับแรงกดดันในทันทีที่สำคัญที่สุด ตัวอย่างเช่น Oracle พบว่า Credit default swaps มีการซื้อขายที่ระดับสูงสุดในรอบหลายปี และบริษัทเพิ่งถูกลดระดับโดย S&P Global เป็น BBB- ซึ่งอยู่เหนือสถานะขยะเพียงหนึ่งระดับ ในทำนองเดียวกัน CoreWeave ดำเนินงานในตลาดที่ให้ผลตอบแทนสูงด้วยอันดับ Ba3 โดยอาศัยโครงสร้างหนี้ภาคเอกชนที่ซับซ้อนเพื่อจัดหาเงินทุนให้กับกลุ่ม GPU Moody's ยังระบุถึงความเสี่ยง "ระบบนิเวศแบบวงกลม" ที่ผู้ไฮเปอร์สเกลเลอร์ลงทุนหลายพันล้านดอลลาร์ในห้องปฏิบัติการ AI ก่อนการเสนอขายหุ้น IPO เช่น OpenAI และ Anthropic ซึ่งจะใช้เงินทุนเดียวกันนั้นกับบริการประมวลผลบนคลาวด์ของไฮเปอร์สเกลเลอร์ สิ่งนี้สร้างเว็บที่เชื่อมโยงถึงกันของการพึ่งพาซึ่งผู้เล่นในอุตสาหกรรมต่างเดิมพันบนสมมติฐานเดียวกันเกี่ยวกับความต้องการ แม้ว่าความสัมพันธ์เหล่านี้ได้รับการออกแบบมาเพื่อรักษาสัญญาระยะยาวและตรวจสอบความถูกต้องของความต้องการระบบคลาวด์ แต่ความสัมพันธ์เหล่านี้กลับเพิ่มความเสี่ยงเชิงระบบหากความต้องการ AI ขององค์กรที่คาดการณ์ไว้ไม่แสดงตามที่คาดการณ์ไว้

ฤดูกาลแห่งรายได้กลายเป็นบททดสอบที่มีเดิมพันสูงสำหรับความยั่งยืนของระดับการใช้จ่ายของ AI ในปัจจุบัน รายงานล่าสุดของ Alphabet เป็นตัวอย่างหลัก โดยที่รายรับของ Google Cloud เติบโตอย่างน่าประทับใจถึง 82% เมื่อเทียบเป็นรายปี ถูกบดบังด้วยกระแสเงินสดอิสระรายไตรมาสติดลบของบริษัทที่ 5.8 พันล้านดอลลาร์ ซึ่งถือเป็นครั้งแรกในประวัติศาสตร์ ปฏิกิริยานี้เน้นให้เห็นถึงความแตกต่างที่เพิ่มขึ้นในด้านความเชื่อมั่น ในขณะที่ธุรกิจต่างๆ ยังคงแสดงความต้องการโครงสร้างพื้นฐาน AI ที่แข็งแกร่ง นักลงทุนกลับไม่มั่นใจในป้ายราคาที่แนบมากับการขยายตัวดังกล่าวมากขึ้น Meta Platforms เผชิญกับการตรวจสอบที่คล้ายคลึงกัน ในขณะที่เพิ่มโครงสร้างพื้นฐานของตัวเองและก้าวไปสู่การเปิดตัวบริการคลาวด์สาธารณะ ในขณะเดียวกัน บริษัทอย่าง Microsoft ก็ตกอยู่ภายใต้แรงกดดันเพิ่มเติมเนื่องจากการมุ่งเน้นไปที่ซอฟต์แวร์ระดับองค์กร ความกลัวว่าปัญญาประดิษฐ์อาจรบกวนขั้นตอนการทำงานของซอฟต์แวร์แบบดั้งเดิม บวกกับการลดอุณหภูมิของหุ้นซอฟต์แวร์ ทำให้นักลงทุนบางรายระมัดระวังเส้นทางการลงทุนเชิงรุกของบริษัท แม้ว่าจะได้รับการประเมินเชิงบวกจากผู้ช่วย Copilot ก็ตาม