ฟองสบู่ AI 2569: ธุรกิจไทยควรตื่นตระหนกหรือไม่ (และคำถามที่ควรถามจริงๆ)

ฟองสบู่ AI คืออะไร และทำไมคนถึงพูดถึงตอนนี้

ตลอดปี 2568 ถึงกลางปี 2569 บริษัทเทคโนโลยีขนาดใหญ่ทุ่มเงินลงทุนสร้างศูนย์ข้อมูลและซื้อชิปประมวลผลในระดับที่โลกไม่เคยเห็นมาก่อน ขณะเดียวกันมูลค่าบริษัท AI บางแห่งก็พุ่งขึ้นเร็วมากทั้งที่ยังขาดทุนอยู่ ภาพนี้ทำให้นักวิเคราะห์จำนวนหนึ่งเริ่มเตือนว่าเรากำลังอยู่ในฟองสบู่ ขณะที่อีกฝั่งยืนยันว่านี่คือการเปลี่ยนแปลงเชิงโครงสร้างที่มีรายได้จริงรองรับ ความจริงคือทั้งสองภาพนี้อยู่ด้วยกันได้ และการเข้าใจว่าส่วนไหนเป็นฟองสบู่ ส่วนไหนเป็นของจริง คือสิ่งที่ช่วยให้ธุรกิจตัดสินใจได้ดีขึ้น

เพื่อไม่ให้เอนไปทางใดทางหนึ่ง เราจะวางหลักฐานทั้งสองฝั่งลงบนโต๊ะก่อน แล้วค่อยกลับมาที่คำถามที่ธุรกิจไทยควรถามจริง ๆ ทุกตัวเลขในบทความนี้อ้างอิงแหล่งข้อมูลที่ระบุไว้ท้ายบทความ และเราจะบอกชัดเจนว่าตัวเลขใดเป็นข้อเท็จจริงที่รายงานแล้ว ตัวเลขใดเป็นการประมาณการหรือการคาดการณ์ที่ยังถกเถียงกันอยู่

หลักฐานฝั่ง "ฟองสบู่"

ฝั่งที่มองว่าเป็นฟองสบู่ชี้ไปที่ขนาดของเงินลงทุนที่วิ่งนำหน้ารายได้ และรูปแบบการลงทุนที่หมุนวนกันเองในกลุ่มบริษัทไม่กี่ราย

• เงินลงทุนโครงสร้างพื้นฐานพุ่งแรง: ในปี 2569 กลุ่มผู้ให้บริการคลาวด์รายใหญ่ (Google, Amazon, Microsoft, Meta) มีงบลงทุน (capex) รวมกันอยู่ในช่วงประมาณ 600,000–725,000 ล้านดอลลาร์ (ตัวเลขเป็นช่วงจากการรวบรวมของสำนักต่าง ๆ บนพื้นฐานคำแนะนำของบริษัทและการประเมินของนักวิเคราะห์) เพิ่มขึ้นอย่างมากจากราว 410,000 ล้านดอลลาร์ในปี 2568
• การเงินหมุนวน (circular financing): บทวิเคราะห์ในปี 2569 บางส่วนประเมินว่ามีข้อตกลงลักษณะลงทุนไขว้กันเองในระบบนิเวศ AI รวมมูลค่ากว่า 800,000 ล้านดอลลาร์ (เป็นการประเมินของนักวิเคราะห์ ไม่ใช่ตัวเลขที่ผ่านการตรวจสอบบัญชี) ดีลใหญ่อย่าง Nvidia–OpenAI มูลค่า 100,000 ล้านดอลลาร์ 10 กิกะวัตต์ มีรายงานว่า "ถูกพักไว้" และ Jensen Huang กล่าวเมื่อเดือนมีนาคม 2569 ว่าตัวเลข 100,000 ล้านนั้น "ยังไม่อยู่ในแผน"
• ผู้นำตลาดยังขาดทุน: OpenAI ถูกรายงานอย่างกว้างขวางว่ามีแนวโน้มขาดทุนราว 14,000 ล้านดอลลาร์ในปี 2569 (เป็นการคาดการณ์ ไม่ใช่งบที่ตรวจสอบแล้ว)
• เสียงเตือนจากนักวิเคราะห์: Ruchir Sharma มองว่า AI เข้าเกณฑ์ฟองสบู่ครบทั้ง 4 ข้อ, David Woo เห็นว่าอาจแตกในครึ่งหลังของปี 2569, Capital Economics คาดว่าจะแตกภายในปี 2569 และมีรายงานร่าง (draft) ของกระทรวงการคลังสหรัฐฯ ที่เตือนถึงผลกระทบลุกลามแบบดอทคอม ทั้งหมดนี้เป็นความเห็นและการคาดการณ์ของแต่ละสำนัก ไม่ใช่ข้อสรุปที่เกิดขึ้นแล้ว
• ข้อสังเกตเรื่องค่าเสื่อม: Michael Burry โต้แย้งว่าบริษัทคลาวด์รายใหญ่อาจแสดงค่าเสื่อมราคาของฮาร์ดแวร์ต่ำกว่าความเป็นจริง (โมเดลของเขาประเมินไว้ราว 176,000 ล้านดอลลาร์) และเปรียบสถานการณ์นี้ว่า "เหมือน Cisco ชัด ๆ" — การเปลี่ยนอายุการใช้งานอุปกรณ์ที่บริษัทเปิดเผยเองเป็นข้อเท็จจริง ส่วนตัวเลขประเมินเป็นมุมมองของเขา

อีกสัญญาณที่ฝั่งฟองสบู่ชี้คือการกระจุกตัวของมูลค่าในบริษัทไม่กี่ราย ต่อไปนี้เป็นตัวเลขที่รายงานแล้ว ณ กลางปี 2569

หลักฐานฝั่ง "ปฏิวัติจริง"

อีกฝั่งหนึ่งชี้ว่ารายได้และการใช้งานจริงเติบโตเร็วมาก และโครงสร้างการลงทุนต่างจากยุคดอทคอมอย่างมีนัยสำคัญ

• รายได้เติบโตก้าวกระโดด: รายได้ generative AI ระดับองค์กรเติบโตจากราว 1,700 ล้านดอลลาร์ในปี 2566 เป็นราว 37,000 ล้านดอลลาร์ในปี 2568 และมีผลิตภัณฑ์ AI มากกว่า 10 รายที่ทำรายได้ต่อปี (ARR) เกิน 1,000 ล้านดอลลาร์ (เป็นการรวบรวมของนักวิเคราะห์/ตลาด และบางส่วนมาจาก NVIDIA ซึ่งเป็นผู้มีส่วนได้ส่วนเสีย ควรรับฟังอย่างระวัง)
• ตัวเลข run-rate ของผู้นำ: Anthropic มีอัตรารายได้ต่อปี (run-rate) ราว 47,000 ล้านดอลลาร์ในเดือนพฤษภาคม 2569 เพิ่มจากราว 30,000 ล้านในเดือนเมษายน 2569 ส่วน OpenAI อยู่ที่ราว 25,000 ล้านดอลลาร์ (annualized) เมื่อเดือนกุมภาพันธ์ 2569 ต้องย้ำว่า run-rate ไม่เท่ากับรายได้ทั้งปีที่ตรวจสอบแล้ว และทั้งสองบริษัทยังขาดทุนอยู่
• การใช้งานเกิดขึ้นจริง: ผลสำรวจพบว่า 88% ขององค์กรใช้ AI ในงานอย่างน้อยหนึ่งด้าน และ 72% ใช้ generative AI (เพิ่มจาก 33% ในปี 2567) ตัวเลขนี้มาจากการรายงานด้วยตนเองในแบบสำรวจ
• โครงสร้างต่างจากดอทคอม: เงินลงทุนรอบนี้ส่วนใหญ่มาจากบริษัทคลาวด์ที่ทำกำไรสูงมาก ไม่ใช่บริษัทโทรคมนาคมที่แบกหนี้เหมือนยุคดอทคอม แต่ก็เริ่มมีหนี้แทรกเข้ามาผ่านการตั้งบริษัทเฉพาะกิจ (SPV) สำหรับศูนย์ข้อมูลและสินเชื่อเอกชน (เป็นความเห็นเชิงวิเคราะห์)

เมื่อวางสองฝั่งเทียบกัน ภาพจะชัดขึ้นว่าอะไรคือของจริงและอะไรคือการเก็งกำไร

ตรงกลางที่มีเหตุผล: "ฟองสบู่เฉพาะจุด การปฏิวัติจริง"

งานวิชาการล่าสุดพยายามแยกแยะว่าฟองสบู่อยู่ตรงไหนกันแน่ เอกสาร preprint บน arXiv ชื่อ "Boom, Bubble, or Buildout?" (Wang & Chen เดือนพฤษภาคม 2569 ยังไม่ผ่าน peer review) สรุปว่านี่คือ "การปฏิวัติทางเทคโนโลยีที่เป็นของจริง แต่มีพลวัตฟองสบู่เฉพาะจุด" โดยผู้นำด้านโครงสร้างพื้นฐานมีฐานะแข็งแรงกว่า ขณะที่มูลค่าบริษัทเอกชน ซอฟต์แวร์ชั้นแอปพลิเคชัน และโครงการศูนย์ข้อมูลเชิงเก็งกำไร แสดงสัญญาณฟองสบู่มากที่สุด เอกสารยังอ้างว่าการลงทุน AI ภาคเอกชนในสหรัฐฯ อยู่ที่ 285,900 ล้านดอลลาร์ในปี 2568

ด้านข้อมูลปฐมภูมิ Epoch AI (เผยแพร่ 5 มิถุนายน 2569) ประเมินว่าการลงทุนศูนย์ข้อมูล AI คิดเป็นราว 0.8% ของ GDP สหรัฐฯ ในไตรมาสแรกของปี 2569 (หากรวมโครงสร้างพื้นฐานคอมพิวเตอร์ทั้งหมดจะราว 1.5% เพิ่มจากราว 0.7% ในช่วงปี 2558–2565) นั่นหมายความว่าในแง่ระดับยังเป็นสัดส่วนเล็กของเศรษฐกิจ แต่ในแง่การเติบโตมันเป็นตัวขับเคลื่อนก้อนใหญ่ ดังนั้นการชะลอตัวจะกระทบโมเมนตัม แต่ไม่ได้แปลว่าจะเกิดการล่มสลายทั้งระบบโดยอัตโนมัติ

บทเรียนจากดอทคอม: สายไฟเบอร์ยังอยู่ แต่คนวางสายเจ๊ง

คนชอบพูดว่า "ต่อให้ฟองสบู่แตก เทคโนโลยีก็ยังอยู่" ประโยคนี้จริง แต่ต้องเข้าใจให้ถูก ในยุคดอทคอมมีการวางสายไฟเบอร์ออปติกจำนวนมหาศาล เมื่อฟองสบู่แตก สายที่ถูกเปิดใช้งานจริง (lit) มีไม่ถึงราว 5% ปริมาณสายที่ล้นเกินนี้ทำให้บริษัทผู้วางสายล้มละลาย ผู้ถือหุ้นเดิมถูกล้างพอร์ตจนหมด แต่ตัวสายไฟเบอร์ยังอยู่ในดิน และกลายเป็นโครงสร้างพื้นฐานที่ขับเคลื่อนอินเทอร์เน็ตในทศวรรษถัดมา

บทเรียนคือ "เทคโนโลยีอยู่ต่อ" ใช้กับตัวสินทรัพย์ ไม่ใช่กับผู้ถือหุ้น ศูนย์ข้อมูลและชิปที่สร้างวันนี้อาจถูกใช้งานต่อไปอีกนาน แม้บริษัทที่ลงทุนสร้างมันจะเจ๊งไปก่อน นี่คือเหตุผลว่าทำไมนักลงทุนรายย่อยที่ไล่ซื้อหุ้น AI ตามกระแส กับธุรกิจที่แค่อยากใช้ประโยชน์จาก AI จึงเผชิญความเสี่ยงคนละแบบกันโดยสิ้นเชิง

คำถามที่ธุรกิจไทยควรถามจริง ๆ

มาถึงหัวใจของบทความ ธุรกิจไทยทั่วไป โดยเฉพาะ SME ไม่มีความจำเป็นต้องเดิมพันว่า OpenAI, Anthropic หรือ Google จะเป็นผู้ชนะ ไม่ต้องเดาว่าราคา GPU จะขึ้นหรือลง และไม่ต้องทายว่าฟองสบู่จะแตกไตรมาสไหน เพราะนั่นคือการเดิมพันเชิงเก็งกำไรที่ SME ไม่จำเป็นต้องลง สิ่งที่ให้ผลตอบแทนไม่ว่าตลาดจะไปทางไหน คือมูลค่าที่ยั่งยืน นั่นคือ ข้อมูลของคุณเอง บวกกับระบบหลังบ้านที่จัดเก็บมันอย่างเป็นระเบียบ

ในทางกลับกัน ความเสี่ยงที่แท้จริงสำหรับ SME ไม่ได้อยู่ที่ราคาหุ้นในตลาดหลักทรัพย์ แต่อยู่ที่การตัดสินใจผูกตัวเองไว้ผิดที่

ธุรกิจไทยอยู่ตรงไหนบนแผนที่นี้

ข่าวดีคือธุรกิจไทยไม่ได้ตกขบวน ผลสำรวจ UOB Business Outlook Study 2026 พบว่า SME ไทยมากกว่า 7 ใน 10 ราย กำลังนำ AI มาใช้ ซึ่งสูงกว่าค่าเฉลี่ยของอาเซียน และราว 8 ใน 10 รายได้นำโซลูชั่นดิจิทัลมาใช้แล้ว โดยยังมีความกังวลต่อเนื่องเรื่องต้นทุนการปรับใช้และความพร้อมของบุคลากร (ดูรายละเอียดใน บทวิเคราะห์การปรับใช้ AI ของ SME ไทย)

ฝั่งโครงสร้างพื้นฐานก็กำลังลงหลักปักฐานในไทย Microsoft ประกาศลงทุนกว่า 1,000 ล้านดอลลาร์สร้างภูมิภาคศูนย์ข้อมูล AI ในประเทศไทย (ช่วยเรื่องการเก็บข้อมูลไว้ในประเทศ) และ AIS Business ร่วมกับ Microsoft ประเทศไทยเปิดตัวโครงการ "AI Ready for SMEs" เมื่อวันที่ 4 มิถุนายน 2569 ทั้งหมดนี้แปลว่าต้นทุนการเข้าถึง AI สำหรับธุรกิจไทยมีแนวโน้มลดลง แต่ก็ยิ่งตอกย้ำว่าตัวแปรชี้ขาดไม่ใช่ "มีเครื่องมือ AI หรือยัง" แต่คือ "ข้อมูลพร้อมป้อนให้มันหรือยัง"

ระบบ ERP เข้ามาเกี่ยวตรงไหน (แบบตรงไปตรงมา)

ย้อนกลับไปที่แก่นของผลศึกษา MIT/NANDA ที่ว่า ~80% ของงานทำ AI ให้ได้ผลคือการวางท่อข้อมูลเบื้องหลัง ไม่ใช่ตัวโมเดล นี่คือจุดที่ระบบหลังบ้านอย่าง ERP เข้ามาเกี่ยว ไม่ใช่เพราะ ERP เป็น AI แต่เพราะ ERP คือชั้นที่ทำให้ข้อมูลของคุณ "สะอาด มีโครงสร้าง และเป็นของคุณ" ซึ่งเป็นเงื่อนไขที่ AI รุ่นไหนก็ต้องการ

Saeree ERP เก็บข้อมูลการดำเนินงานหลัก ทั้งบัญชี พัสดุ คู่ค้า และงบประมาณ ไว้บนฐานข้อมูล PostgreSQL ชุดเดียว มีร่องรอยการตรวจสอบ (audit trail) ว่าใครแก้ไขรายการใดเมื่อไร ข้อมูลชุดนี้เป็นชั้นที่ยั่งยืน ถอดย้ายได้ และเป็นของคุณ ไม่ผูกกับค่าย AI เจ้าใดเจ้าหนึ่ง เมื่อถึงเวลาที่ต้องต่อยอดด้วย AI คุณจะมีข้อมูลที่พร้อมเสียบต่อกับโมเดลที่ชนะในตลาด ณ ตอนนั้น ไม่ว่าจะเป็นเจ้าไหน นี่คือการป้องกันความเสี่ยงจากทั้ง vendor lock-in และสถานการณ์ที่ฟองสบู่แตก เพราะมูลค่าที่แท้จริงถูกเก็บไว้ที่ข้อมูลของคุณ ไม่ใช่ที่หุ้นของใคร (แนวคิดเดียวกับที่เราเขียนไว้ใน ERP กับ AI ในปี 2569 และเรื่องการรวมข้อมูลใน คลังข้อมูลองค์กร)

สรุป

ฟองสบู่ AI ปี 2569 ไม่ใช่เรื่องขาวหรือดำ หลักฐานฝั่งฟองสบู่ (capex ที่วิ่งนำรายได้ การเงินหมุนวน ผู้นำที่ยังขาดทุน) กับหลักฐานฝั่งปฏิวัติจริง (รายได้โตก้าวกระโดด การใช้งานจริงในองค์กร โครงสร้างทุนที่แข็งแรงกว่ายุคดอทคอม) ต่างก็จริงพร้อมกัน คำอธิบายที่ตรงที่สุดคือ "ฟองสบู่เฉพาะจุด แต่การปฏิวัติเป็นของจริง" และบทเรียนสายไฟเบอร์ยุคดอทคอมเตือนว่าเทคโนโลยีอยู่ต่อ แต่ผู้ถือหุ้นที่เก็งกำไรอาจไม่

สำหรับธุรกิจไทยทั่วไป คำถามที่ควรถามไม่ใช่ "ฟองสบู่จะแตกไหม" แต่คือ "ข้อมูลของเราพร้อมหรือยัง" เพราะข้อมูลที่สะอาดและเป็นระเบียบให้ผลตอบแทนไม่ว่าตลาดจะไปทางไหน ขณะที่การเดิมพันว่าใครจะชนะหรือฟองสบู่จะแตกวันไหน เป็นการเดิมพันที่ SME ไม่จำเป็นต้องลง ใช้เวลาช่วงนี้จัดบ้านข้อมูลให้เรียบร้อย แล้วคุณจะพร้อมเก็บเกี่ยวมูลค่าจาก AI รุ่นไหนก็ได้ที่ชนะในอนาคต

"ฟองสบู่จะแตกหรือไม่ ไม่ใช่คำถามของธุรกิจที่แค่อยากใช้ AI ให้เป็นประโยชน์ คำถามที่แท้จริงคือ ข้อมูลของคุณสะอาดและพร้อมใช้แล้วหรือยัง เพราะนั่นคือมูลค่าที่อยู่กับคุณไม่ว่าตลาดจะไปทางไหน"

- ทีมงาน Saeree ERP

แหล่งอ้างอิง

• Epoch AI — AI Data Center Investment as a Share of GDP (5 มิถุนายน 2569)
• CNBC — Big Tech AI Capital Spending 2026 (6 กุมภาพันธ์ 2569)
• arXiv — "Boom, Bubble, or Buildout?" (Wang & Chen, พฤษภาคม 2569, preprint ยังไม่ผ่าน peer review)
• MIT Project NANDA — "The GenAI Divide: State of AI in Business" (รายงานปี 2568, non-peer-reviewed, วิธีการศึกษาถูกตั้งข้อสงสัย)
• Global Finance — AI's Circle Game (การเงินหมุนวนในระบบนิเวศ AI)
• Forbes (James Broughel) — AI Can Change The World And Still Be A Bubble
• IEEE ComSoc — บทเรียนฟองสบู่สายไฟเบอร์ออปติกยุคดอทคอม
• UOB Business Outlook Study 2026 (ผ่าน ThaiPR) — การปรับใช้ AI ของ SME ไทย

ตรวจสอบข้อมูลล่าสุดเมื่อ 20 กรกฎาคม 2569