---
title: "ถอดรหัสโครงสร้างเทคโนโลยี AI: วิเคราะห์คอขวด คูเมืองทางเศรษฐกิจ และการสะสมมูลค่าสำหรับนักลงทุนระยะยาว"
author: "DeepValues Research"
publisher: "DeepValues Research (DeepValues / LuLu Ventures LLC)"
type: "Research article"
date: "2026-11-05"
language: "th"
section: "Insights"
machine_translated: true
translation_method: "machine translation (gpt-6.1-sol, Azure OpenAI)"
translated_from: "https://research.deepvalues.ai/insights/2026-11-05-decoding-ai-value/"
original_url: "https://research.deepvalues.ai/insights/2026-11-05-decoding-ai-value/"
original_language: "en"
translated_on: "2026-11-14"
translation_note: "Machine-translated from the original report; the original is authoritative."
canonical_url: "https://research.deepvalues.ai/insights/2026-11-05-decoding-ai-value-th/"
markdown_url: "https://research.deepvalues.ai/insights/2026-11-05-decoding-ai-value-th/index.md"
license: "CC BY 4.0"
license_url: "https://creativecommons.org/licenses/by/4.0/"
cite_as: "DeepValues Research, ถอดรหัสโครงสร้างเทคโนโลยี AI: วิเคราะห์คอขวด คูเมืองทางเศรษฐกิจ และการสะสมมูลค่าสำหรับนักลงทุนระยะยาว, https://research.deepvalues.ai/insights/2026-11-05-decoding-ai-value-th/"
publisher_url: "https://deepvalues.ai"
app: "https://deepvalues.ai"
api: "https://app.deepvalues.ai/developers"
data_note: "Reports are dated snapshots. Current data via the DeepValues API: https://app.deepvalues.ai/developers"
disclaimer: "Educational research, not investment advice."
disclosure: "AI-assisted"
generated_by: "NotebookLM + DeepValues editors"
category: "investing"
tickers: ["UPS"]
sources:
  - title: "Decoding AI Value"
audio: "https://anchor.fm/s/105664940/podcast/play/128876669/https%3A%2F%2Fd3ctxlq1ktw2nl.cloudfront.net%2Fstaging%2F2026-10-5%2F435999874-44100-2-a31a8c348ee018.mp3"
audio_kind: "podcast episode"
audio_page: "https://open.spotify.com/episode/1FQonylAeyz5T5jwgxdOVq"
---
# ถอดรหัสสถาปัตยกรรมปัญญาประดิษฐ์แบบหลายชั้น: วิเคราะห์คอขวด คูเมืองทางเศรษฐกิจ และการสะสมมูลค่าสำหรับนักลงทุนระยะยาว

มูลค่าสะสมในแต่ละชั้นของเทคโนโลยีปัญญาประดิษฐ์ไม่ได้เกิดจากความขาดแคลนทางกายภาพโดยเด็ดขาดเพียงอย่างเดียว แต่เกิดในจุดที่คอขวดทางเทคโนโลยีมาบรรจบกับอำนาจในการกำหนดราคา การขยายตัวของปริมาณอย่างต่อเนื่อง ต้นทุนการเปลี่ยนผู้ให้บริการ และผลตอบแทนส่วนเพิ่มต่อเงินลงทุน (ROIC) ที่สูง แม้ว่ากรอบสถาปัตยกรรมหกชั้นของ Chamath Palihapitiya (โครงสร้างพื้นฐาน ชิป ข้อมูล แบบจำลอง การดำเนินการ แอปพลิเคชัน) จะชี้ให้เห็นได้อย่างแม่นยำถึงการที่แบบจำลองพื้นฐานกลายเป็นสินค้าโภคภัณฑ์ในเชิงเศรษฐกิจและการเกิดจุดคอขวดสำคัญด้านฮาร์ดแวร์ แต่นักลงทุนระยะยาวต้องแยกความขาดแคลนทางเทคนิคโดยเด็ดขาดออกจากการสร้างมูลค่าหุ้นอย่างยั่งยืน เมื่อผู้ให้บริการคลาวด์ขนาดมหาศาลเปลี่ยนผ่านสู่การเป็นกิจการอุตสาหกรรมที่ใช้เงินทุนสูง ซึ่งคาดว่าจะใช้จ่ายมากกว่า $700 พันล้านในปี 2026 สำหรับโครงสร้างพื้นฐานด้านการประมวลผลและโครงข่ายไฟฟ้า การประเมินมูลค่าที่แท้จริงจึงต้องวิเคราะห์ความยั่งยืนของ FCF (กระแสเงินสดอิสระ) ความเสี่ยงจากการใช้เงินทุนเข้มข้น และวงจรป้อนกลับของกระบวนการทำงานที่เป็นกรรมสิทธิ์ แทนการอาศัยคอขวดทางกายภาพเพียงอย่างเดียว

## 1. แยกองค์ประกอบสถาปัตยกรรมปัญญาประดิษฐ์: คอขวดกับการสะสมมูลค่าทางเศรษฐกิจ

การวิเคราะห์ปัญญาประดิษฐ์ผ่านสถาปัตยกรรมแบบหลายชั้นช่วยสร้างความชัดเจนที่จำเป็นสำหรับนักลงทุนที่วิเคราะห์ปัจจัยพื้นฐาน Chamath Palihapitiya แบ่งระบบนิเวศออกเป็นหกชั้นที่แตกต่างกัน ได้แก่ โครงสร้างพื้นฐาน (ไฟฟ้า ที่ดิน ระบบระบายความร้อน แร่ธาตุ โรงงานผลิตชิป) ชิป (หน่วยประมวลผลกราฟิก/วงจรรวมเฉพาะงาน หน่วยความจำแบนด์วิดท์สูง การบรรจุชิป เครือข่าย) ข้อมูล (ข้อมูลกรรมสิทธิ์ ข้อมูลจากเซนเซอร์ ข้อมูลหุ่นยนต์) แบบจำลอง (ปัญญาพื้นฐาน) การดำเนินการ (ตัวแทนอัตโนมัติ การประสานการทำงาน ส่วนต่อประสานโปรแกรมประยุกต์ อุปกรณ์ขับเคลื่อน) และแอปพลิเคชัน (ซอฟต์แวร์และระบบสำหรับผู้ใช้ปลายทาง) แนวคิดหลักในการวิเคราะห์ที่เชื่อมโยงชั้นเหล่านี้คือ “สินทรัพย์จุดหมุน”—องค์ประกอบที่ขาดไม่ได้ ซึ่งทุกชั้นที่อยู่สูงขึ้นไปต้องใช้งานและไม่สามารถทดแทนได้โดยง่าย

อย่างไรก็ตาม คอขวดทางเทคโนโลยีโดยเด็ดขาดกับคูเมืองทางเศรษฐกิจที่ให้ผลตอบแทนสูงมีความแตกต่างกันอย่างสำคัญ สินทรัพย์หนึ่งอาจอยู่บนเส้นทางวิกฤตทางเทคโนโลยีโดยตรง โดยไม่ได้สร้างผลตอบแทนทางการเงินแก่ผู้ถือหุ้นในสัดส่วนที่สอดคล้องกัน สำหรับนักลงทุนระยะยาวที่ประเมินคูเมืองทางเศรษฐกิจผ่านกรอบของ Graham และ Buffett ความขาดแคลนทางกายภาพเพียงอย่างเดียวไม่ได้รับประกันการเติบโตแบบทบต้นในระยะยาวของกำไรของเจ้าของกิจการ

พลวัตนี้เห็นได้ชัดจากการเปรียบเทียบ ASML กับ NVIDIA โดย ASML ครองคอขวดทางเทคโนโลยีที่เด็ดขาดและทดแทนไม่ได้ในระบบลิโธกราฟีด้วยแสงอัลตราไวโอเลตสุดขั้ว โรงงานผลิตเซมิคอนดักเตอร์ขั้นสูงไม่สามารถใช้เครื่องจักรอื่นแทนเครื่องจักรของ ASML ได้ แต่ NVIDIA กลับสร้างการเพิ่มขึ้นของมูลค่าหุ้นได้มากกว่ามาก ASML ขายเครื่องจักรที่มีจำนวนจำกัด ซับซ้อนสูง และใช้เงินทุนเข้มข้นให้กับกลุ่มผู้ซื้อที่กระจุกตัว ทำให้รายได้ไม่สามารถขยายตัวโดยอัตโนมัติได้มากนักเมื่อการใช้โทเคนทั่วโลกเพิ่มเป็นสองเท่า ในทางกลับกัน NVIDIA ผสานคอขวดด้านซิลิคอนเข้ากับชุดเครื่องมือซอฟต์แวร์ CUDA สถาปัตยกรรมระบบ เครือข่าย NVLink และการบูรณาการเชิงลึกกับระบบนิเวศ NVIDIA จึงรับประโยชน์โดยตรงจากความยืดหยุ่นของปริมาณที่ขยายตัวในการอนุมานและการฝึกปัญญาประดิษฐ์

เพื่อประเมินการสะสมมูลค่าทางเศรษฐกิจในแต่ละชั้น นักลงทุนควรใช้สูตรเชิงคุณภาพที่ครอบคลุม แทนการวัดความขาดแคลนแยกจากปัจจัยอื่น:

$$\text{Value Accrual} \approx \text{bottleneck} \times \text{pricing power} \times \text{volume growth} \times \text{recurring demand} \times \text{switching costs} \times \text{incremental ROIC}$$

ผลตอบแทนทางเศรษฐกิจที่ยั่งยืนจะเกิดขึ้นก็ต่อเมื่อจุดคอขวดในการดำเนินงานผสานกับความยืดหยุ่นของปริมาณ ต้นทุนการเปลี่ยนผู้ให้บริการที่สูง และผลตอบแทนส่วนเพิ่มต่อเงินลงทุนที่แข็งแกร่ง

## 2. โครงสร้างพื้นฐานและความเข้มข้นของรายจ่ายลงทุน: การปฏิวัติอุตสาหกรรมที่รองรับปัญญาประดิษฐ์

ชั้นรากฐานของสถาปัตยกรรมปัญญาประดิษฐ์กำลังเปลี่ยนผ่านเชิงโครงสร้างจากรูปแบบธุรกิจซอฟต์แวร์ที่ใช้สินทรัพย์น้อยไปสู่การดำเนินงานอุตสาหกรรมที่ใช้เงินทุนสูง คอขวดสำคัญที่ฐานของสถาปัตยกรรมเผยให้เห็นการกระจุกตัวอย่างยิ่งทั้งในเชิงภูมิศาสตร์และระดับบริษัท:

*   **ความขาดแคลนวัสดุเซมิคอนดักเตอร์:** ผู้จัดหาวัสดุชาวญี่ปุ่นควบคุมยอดขายสารไวแสงสำหรับเซมิคอนดักเตอร์ทั่วโลกประมาณ 78% เมื่อจำแนกตามสัญชาติบริษัท โดย Shin-Etsu, JSR, Tokyo Ohka Kogyo และ Fujifilm ครองตลาดสารเคมีความบริสุทธิ์สูงเฉพาะกลุ่ม
*   **ควอตซ์ความบริสุทธิ์สูง:** การผลิตแท่งผลึกซิลิคอนเกรดเซมิคอนดักเตอร์ต้องอาศัยเบ้าหลอมควอตซ์หลอมที่ทำจากควอตซ์บริสุทธิ์เป็นพิเศษซึ่งขุดจาก Spruce Pine ในรัฐนอร์ทแคโรไลนา Sibelco (ผู้ผลิตวัสดุ IOTA จากแหล่งแร่บริสุทธิ์สองแห่ง) และ The Quartz Corp เป็นผู้จัดหาเพียงกลุ่มเดียวที่ผลิตควอตซ์ความบริสุทธิ์สูงระดับพรีเมียมขั้นสูงในปริมาณมากได้อย่างคุ้มค่าทางเศรษฐกิจ

นอกเหนือจากวัตถุดิบทางกายภาพ โครงสร้างพื้นฐานระบบไฟฟ้าเป็นข้อจำกัดในการดำเนินงานที่รุนแรง สำนักงานพลังงานระหว่างประเทศคาดการณ์ว่าการใช้ไฟฟ้าของศูนย์ข้อมูลทั่วโลกจะเพิ่มขึ้นเกือบสองเท่า จากประมาณ 485 เทราวัตต์ชั่วโมงในปี 2025 เป็นราว 950 เทราวัตต์ชั่วโมงภายในปี 2030 รายจ่ายลงทุนของผู้ให้บริการคลาวด์ขนาดมหาศาลคาดว่าจะเกิน $700 พันล้านในปี 2026 โดยมีแรงขับหลักจากการขยายศูนย์ข้อมูล

| ด้านโครงสร้างพื้นฐาน | จุดคอขวดสำคัญและผู้จัดหาหลัก | ผลกระทบทางเศรษฐกิจและตัวชี้วัด |
| :--- | :--- | :--- |
| **วัสดุเซมิคอนดักเตอร์** | สารไวแสงจากญี่ปุ่น (*Shin-Etsu, JSR, TOK, Fujifilm*) | ส่วนแบ่งตลาด ~78% เมื่อจำแนกตามสัญชาติ; วัตถุดิบเคมีที่ไม่สามารถทดแทนได้ |
| **ควอตซ์ความบริสุทธิ์สูง** | แหล่งแร่ Spruce Pine (*Sibelco, The Quartz Corp*) | แหล่งวัตถุดิบเพียงแห่งเดียวสำหรับเบ้าหลอมควอตซ์หลอมที่ใช้กับแท่งผลึกซิลิคอน |
| **ไฟฟ้าที่โครงข่ายส่งมอบได้** | หม้อแปลง สวิตช์เกียร์ ระบบจ่ายไฟสำรองต่อเนื่อง การเชื่อมต่อโครงข่าย | ข้อจำกัดเกิดขึ้นก่อนกำลังผลิตไฟฟ้า; 485 เทราวัตต์ชั่วโมง $\rightarrow$ 950 เทราวัตต์ชั่วโมง (สำนักงานพลังงานระหว่างประเทศ) |
| **รายจ่ายลงทุนของผู้ให้บริการคลาวด์ขนาดมหาศาล** | การขยายศูนย์ข้อมูลและการเร่งการประมวลผล | คาดการณ์ >$700พันล้านในปี 2026 (สำนักงานพลังงานระหว่างประเทศ); แรงกดดันรุนแรงจากค่าเสื่อมราคา |

ประเด็นสำคัญคือ กำลังผลิตไฟฟ้าโดยตัวมันเองไม่ใช่ข้อจำกัดหลักในระยะใกล้ งานวิจัยจาก Johns Hopkins University แสดงให้เห็นว่าอุปกรณ์ส่งจ่ายไฟฟ้าของโครงข่าย—โดยเฉพาะหม้อแปลง สวิตช์เกียร์ ระบบจ่ายไฟสำรองต่อเนื่อง การเชื่อมต่อระบบส่งไฟฟ้า และโครงสร้างพื้นฐานระบายความร้อนเฉพาะทาง—จะจำกัดการก่อสร้างศูนย์ข้อมูลก่อนที่กำลังผลิตไฟฟ้าจะกลายเป็นคอขวดหลัก สินทรัพย์ที่ขาดแคลนในเชิงเศรษฐกิจทันทีคือไฟฟ้าที่สามารถส่งมอบได้ด้วยแรงดัน ตำแหน่งที่ตั้ง และความน่าเชื่อถือตามที่ต้องการ

จากมุมมองการลงทุนเน้นคุณค่า การเปลี่ยนผ่านนี้ส่งผลกระทบอย่างรุนแรงต่องบดุลและตัวชี้วัดผลตอบแทนของบริษัท เมื่อผู้ให้บริการคลาวด์ขนาดมหาศาลใช้จ่ายลงทุนมากกว่า $700 พันล้านต่อปี สินทรัพย์ทางกายภาพมูลค่าหลายพันล้านดอลลาร์จะเข้าสู่งบดุลในรูปที่ดิน อาคาร และอุปกรณ์ เมื่อเริ่มดำเนินงาน ค่าเสื่อมราคาตามวิธีเส้นตรงจะกระทบงบกำไรขาดทุน ไม่ว่าจะรับรู้รายได้ทันทีหรือไม่ หากความต้องการโทเคนที่สร้างรายได้ได้หรือการนำซอฟต์แวร์ไปใช้ในองค์กรเติบโตช้ากว่าการก่อสร้างโครงสร้างพื้นฐาน อัตราผลตอบแทนต่อเงินลงทุน (ROIC) และอัตราการแปลงเป็น FCF (กระแสเงินสดอิสระ) จะทรุดตัวภายใต้ภาระโครงสร้างพื้นฐานที่ยังไม่ได้ตัดจำหน่าย พลวัตนี้สะท้อนการลงทุนโครงสร้างพื้นฐานเกินความต้องการในอดีตโดยตรง เช่น วิกฤตโครงข่ายใยแก้วนำแสงโทรคมนาคมที่เกี่ยวข้องกับ WorldCom และ Global Crossing ซึ่งรายจ่ายลงทุนมหาศาลสร้างกำลังการให้บริการส่วนเกินอย่างรุนแรงและทำลายมูลค่าหุ้น แม้ว่าทิศทางการใช้อินเทอร์เน็ตในระยะยาวจะถูกต้องในท้ายที่สุดก็ตาม

## 3. ชิป หน่วยความจำ และเศรษฐศาสตร์ของแบบจำลอง: การกลายเป็นสินค้าโภคภัณฑ์กับแนวหน้าที่เคลื่อนตัว

แม้แบบจำลองทางทฤษฎีจะสมมติว่าคอขวดด้านฮาร์ดแวร์จะคลายตัวตามธรรมชาติเมื่อเวลาผ่านไปและกำลังการผลิตกลับสู่ภาวะปกติ แต่ข้อจำกัดด้านอุปทานเซมิคอนดักเตอร์ยังคงรุนแรง หน่วยความจำแบนด์วิดท์สูงและการบรรจุชิปขั้นสูงเป็นคอขวดเชิงโครงสร้างที่กินเวลาหลายปี ไม่ใช่อุปสรรคชั่วคราว สำนักงานพลังงานระหว่างประเทศคาดการณ์ว่าภาวะขาดแคลนหน่วยความจำแบนด์วิดท์สูงจะดำเนินต่อไปอย่างน้อยจนถึงสิ้นปี 2027 ส่วนแบ่งตลาดยังคงกระจุกตัวสูง ข้อมูลของ Counterpoint สำหรับ Q2 2026 ประเมินส่วนแบ่งรายได้หน่วยความจำแบนด์วิดท์สูงไว้ดังนี้:

*   **SK Hynix:** 50%
*   **Samsung:** 33%
*   **Micron:** 18%

คูเมืองทางเศรษฐกิจของฮาร์ดแวร์สมัยใหม่ไม่ได้พึ่งพาไดชิปประมวลผลแบบเดี่ยว แต่พึ่งพาการบูรณาการทั้งระบบ ได้แก่ ไดชิปหน่วยประมวลผลกราฟิก/วงจรรวมเฉพาะงานที่ผสานกับหน่วยความจำแบนด์วิดท์สูงผ่านชั้นเชื่อมต่อ การบรรจุชิปขั้นสูง เครือข่ายความเร็วสูง (เช่น NVLink) ระบบจ่ายไฟ และระบบระบายความร้อนเฉพาะทาง การบูรณาการระบบนี้ยิ่งสำคัญขึ้นเมื่อภาระงานเปลี่ยนจากการฝึกแบบจำลองไปสู่การอนุมาน McKinsey คาดการณ์ว่าการอนุมานจะคิดเป็นประมาณ 60% ของความต้องการปัญญาประดิษฐ์ทั้งหมดภายในปี 2030 ดังนั้น สมรภูมิการแข่งขันจึงกำลังเปลี่ยนไปสู่แบนด์วิดท์หน่วยความจำ ความจุ ความหน่วง ประสิทธิภาพทางความร้อน และการใช้พลังงานต่อโทเคนผลลัพธ์ที่เป็นประโยชน์โดยตรง ซึ่งช่วยเสริมความแข็งแกร่งให้คูเมืองทางเศรษฐกิจเชิงโครงสร้างของผู้จำหน่ายฮาร์ดแวร์แบบบูรณาการ

ขณะเดียวกัน เศรษฐศาสตร์ของแบบจำลองปัญญาพื้นฐานแสดงให้เห็นการลดลงอย่างรวดเร็วของต้นทุน ข้อมูลจากดัชนีปัญญาประดิษฐ์ของ Stanford ระบุว่าต้นทุนการใช้งานแบบจำลองที่มีประสิทธิภาพการวัดความเข้าใจภาษาแบบครอบคลุมหลายงานระดับ GPT-3.5 ลดลงจากประมาณ $20 ต่อล้านโทเคนในเดือนพฤศจิกายน 2022 เป็นราว $0.07 ในเดือนตุลาคม 2024—ลดต้นทุนลง 280 เท่าภายใน 18 เดือน นอกจากนี้ งานศึกษาขององค์การเพื่อความร่วมมือทางเศรษฐกิจและการพัฒนาแสดงให้เห็นว่าราคาแบบจำลองภาษาที่ปรับตามคุณภาพลดลงเกือบ 80% ระหว่างเดือนมกราคม 2024 ถึงเดือนเมษายน 2026

| ตัวชี้วัด / ประเด็นที่วัด | ฐานอ้างอิงในอดีต | ระดับล่าสุด / ที่คาดการณ์ | ความสำคัญเชิงวิเคราะห์ |
| :--- | :--- | :--- | :--- |
| **ต้นทุนโทเคนของ GPT-3.5 ในการวัดความเข้าใจภาษาแบบครอบคลุมหลายงาน** | $20.00 / ล้านโทเคน (พฤศจิกายน 2022) | $0.07 / ล้านโทเคน (ตุลาคม 2024) | ต้นทุนต่อหน่วยปัญญาลดลง 280x (Stanford) |
| **ราคาแบบจำลองภาษา** | ระดับฐาน (มกราคม 2024) | ลดลง ~80% (เมษายน 2026) | ราคาผลลัพธ์ที่ปรับตามคุณภาพทรุดตัวอย่างรวดเร็ว (องค์การเพื่อความร่วมมือทางเศรษฐกิจและการพัฒนา) |
| **ช่องว่างประสิทธิภาพระหว่างแบบจำลองปิดกับแบบจำลองเปิด** | ช่องว่างกว้าง (2023) | ช่องว่าง 3.3%–3.4% (มีนาคม 2026) | ความสามารถพื้นฐานกลายเป็นสินค้าโภคภัณฑ์ (ดัชนีปัญญาประดิษฐ์ปี 2026 ของ Stanford) |
| **ส่วนแบ่งการใช้จ่ายขององค์กร** | แบบจำลองแนวหน้า 35% (Q3 2025) | แบบจำลองแนวหน้า 63% (Q3 2026) | ความเต็มใจจ่ายส่วนเพิ่มเพื่อความสามารถในการให้เหตุผลที่ล้ำสมัยที่สุด (Menlo) |

แม้ราคาจะทรุดตัวเช่นนี้ แบบจำลองพื้นฐานยังไม่ได้กลายเป็นสินค้าโภคภัณฑ์อย่างสมบูรณ์ ปัญญาขั้นพื้นฐานกำลังกลายเป็นสินค้าโภคภัณฑ์—โดยดัชนีปัญญาประดิษฐ์ปี 2026 ของ Stanford แสดงให้เห็นว่าแบบจำลองแนวหน้าชั้นนำ (Anthropic, xAI, Google, OpenAI) มีคะแนน Arena Elo ต่างกันเพียง 25 คะแนน และแบบจำลองปิดนำทางเลือกที่เปิดเผยค่าน้ำหนักเพียง 3.3% ถึง 3.4% ณ เดือนมีนาคม 2026 อย่างไรก็ตาม ลูกค้าองค์กรยังคงยอมจ่ายส่วนเพิ่มเพื่อความสามารถระดับแนวหน้า งานวิจัยของ Menlo แสดงให้เห็นว่าส่วนแบ่งการใช้จ่ายด้านปัญญาประดิษฐ์ขององค์กรที่จัดสรรให้แบบจำลองแนวหน้าเพิ่มขึ้นจาก 35% ใน Q3 2025 เป็น 63% ใน Q3 2026 

ชั้นแบบจำลองดำเนินงานในฐานะแนวหน้าทางเศรษฐกิจที่เคลื่อนตัวอยู่เสมอ: ความสามารถพื้นฐานกลายเป็นสินค้าโภคภัณฑ์อย่างรวดเร็ว ขณะที่ความสามารถในการให้เหตุผลที่ล้ำสมัยที่สุดยังคงรักษาอำนาจในการกำหนดราคา ทำให้ผู้พัฒนาแบบจำลองต้องแบกรับการลงทุนมหาศาลอย่างต่อเนื่องเพียงเพื่อรักษาระดับให้ทัดเทียมแนวหน้า
## 4. ชั้นการดำเนินงาน ปัญญาประดิษฐ์ทางกายภาพ และปฏิทรรศน์เจวอนส์

เมื่อโมเดลพื้นฐานกลายเป็นสินค้าโภคภัณฑ์ มูลค่าทางเศรษฐกิจจะย้ายไปสู่ชั้นการดำเนินงานและการควบคุม ชั้นซอฟต์แวร์ตัวกลางนี้ครอบคลุมการเลือกเส้นทางไปยังโมเดลแบบพลวัต หน่วยความจำสถานะแบบถาวร การจัดการตัวตน การกำหนดสิทธิ์ การประเมินผล การผสานเครื่องมือ และการประสานการทำงาน เมื่อพิจารณาผ่านมุมมองงบดุลของบริษัท ผู้ซื้อซอฟต์แวร์องค์กรไม่ได้ซื้อโทเคนดิบจากโมเดลพื้นฐาน แต่ซื้อผลลัพธ์ทางธุรกิจที่สำเร็จสมบูรณ์ ชั้นการดำเนินงานทำหน้าที่เป็น “ซอฟต์แวร์ตัวกลาง” ขององค์กร ซึ่งคล้ายกับ Kubernetes การจัดการตัวตนและสิทธิ์การเข้าถึง และการติดตามสังเกตระบบในการประมวลผลบนคลาวด์ โดยตรึงต้นทุนการเปลี่ยนผู้ให้บริการขององค์กรและปกป้องอัตรากำไร แม้โมเดลพื้นฐานที่อยู่เบื้องล่างจะเปลี่ยนแปลงไปก็ตาม ผลสำรวจการใช้งานจริงของ LangChain ปี 2026 ยืนยันว่าสถาปัตยกรรมองค์กรที่ใช้หลายโมเดลได้กลายเป็นมาตรฐานแล้ว โดยคอขวดหลักในการนำไปใช้งานเปลี่ยนจากต้นทุนโทเคนต่อหน่วยไปสู่ความน่าเชื่อถือในการดำเนินงาน ความปลอดภัย และการทำงานให้สำเร็จ

ในทำนองเดียวกัน ข้อมูลฝึกทั่วไปจากเว็บกำลังกลายเป็นสินค้าโภคภัณฑ์เมื่อเทียบกับวงจรข้อมูลป้อนกลับเฉพาะกรรมสิทธิ์ที่อิงผลลัพธ์ คูเมืองทางเศรษฐกิจที่ยั่งยืนเกิดขึ้นเมื่อแอปพลิเคชันซอฟต์แวร์ฝังตัวโดยตรงในกระบวนการปฏิบัติงานเฉพาะสาขา ซึ่งการดำเนินการก่อให้เกิดผลการประเมินในโลกจริงที่ตรวจสอบได้

ตัวอย่างสำคัญของพลวัตนี้คือ **Harvey** ในภาคกฎหมาย Harvey ไม่ได้แข่งขันในฐานะซอฟต์แวร์ครอบโมเดลพื้นฐานที่เปราะบางซึ่งขายการสร้างโทเคนทั่วไป แต่ฝังตัวโดยตรงในกระบวนการทำงานด้านกฎหมาย โดยผสานระบบบันทึกข้อมูลหลักทางกฎหมาย ช่องทางการจัดจำหน่าย การปฏิบัติตามกฎระเบียบ ความไว้วางใจของลูกค้า และวงจรข้อมูลป้อนกลับเฉพาะกรรมสิทธิ์เข้าด้วยกัน (การวิเคราะห์สัญญา $\rightarrow$ การแก้ไขโดยทนายความ $\rightarrow$ การยื่นเอกสารต่อศาลขั้นสุดท้าย/การยุติคดี) เนื่องจาก Harvey เป็นเจ้าของกระบวนการทำงานตั้งแต่ต้นจนจบและข้อมูลผลลัพธ์ที่เกิดขึ้น จึงสร้างต้นทุนการเปลี่ยนผู้ให้บริการที่สูงและปกป้องอำนาจในการกำหนดราคา ทำให้การเลือกโมเดลพื้นฐานที่อยู่เบื้องล่างมีความสำคัญรองจากผลลัพธ์ทางธุรกิจที่บรรลุ วงจรข้อมูลป้อนกลับที่อิงผลลัพธ์ในลักษณะเดียวกันกำลังเกิดขึ้นในสาขาเฉพาะทาง เช่น การเขียนโค้ด (ชุดแก้ไขโค้ด $\rightarrow$ ผลการทดสอบ $\rightarrow$ ผลลัพธ์การนำไปใช้งาน) การแพทย์ (การวินิจฉัย $\rightarrow$ การรักษา $\rightarrow$ ผลลัพธ์สุขภาพของผู้ป่วย) และการเงิน (ใบแจ้งหนี้ $\rightarrow$ การหักบัญชี $\rightarrow$ การระงับข้อพิพาท)

ในระบบปัญญาประดิษฐ์ทางกายภาพ พลวัตการจัดสรรเงินทุนแตกต่างโดยพื้นฐานจากเศรษฐศาสตร์ของธุรกิจซอฟต์แวร์ล้วน ซอฟต์แวร์ขยายขนาดได้ด้วยต้นทุนส่วนเพิ่มที่เกือบเป็นศูนย์ ขณะที่หุ่นยนต์ทางกายภาพต้องใช้เงินทุนจำนวนมากสำหรับรายการวัสดุและชิ้นส่วน McKinsey ประเมินว่าชุดขับเคลื่อนความแม่นยำสูงคิดเป็น 40% ถึง 60% ของรายการวัสดุและชิ้นส่วนของหุ่นยนต์รูปร่างมนุษย์ เทียบกับ 5% ถึง 10% สำหรับโมดูลแบตเตอรี่ นอกจากนี้ CRU ประเมินว่าหุ่นยนต์รูปร่างมนุษย์แต่ละตัวต้องใช้แม่เหล็กแร่หายากนีโอดิเมียม-เหล็ก-โบรอน 2 ถึง 3 กิโลกรัม แม้ชิ้นส่วนปัญญาประดิษฐ์ทางกายภาพจะเป็นโอกาสเชิงกลยุทธ์ระยะยาว แต่สินทรัพย์ด้านการประมวลผลและหน่วยความจำของศูนย์ข้อมูลสร้างกระแสเงินสดที่ตรวจสอบได้ทันทีในปัจจุบัน

| ส่วนประกอบฮาร์ดแวร์ปัญญาประดิษฐ์ทางกายภาพ | สัดส่วนรายการวัสดุและชิ้นส่วน / ทรัพยากรโดยประมาณ | ปัจจัยขับเคลื่อนหลักด้านเศรษฐกิจและห่วงโซ่อุปทาน |
| :--- | :--- | :--- |
| **ชุดขับเคลื่อนความแม่นยำสูง** | 40% – 60% ของรายการวัสดุและชิ้นส่วนทั้งหมด (McKinsey) | ข้อต่อความแม่นยำสูง กระปุกเกียร์ มอเตอร์ และชุดทดรอบ |
| **โมดูลแบตเตอรี่** | 5% – 10% ของรายการวัสดุและชิ้นส่วนทั้งหมด (McKinsey) | การจัดสรรเงินทุนในสัดส่วนที่ต่ำกว่าเมื่อเทียบกับระบบขับเคลื่อน |
| **แม่เหล็กแร่หายากนีโอดิเมียม-เหล็ก-โบรอน** | 2 – 3 กิโลกรัมต่อหุ่นยนต์รูปร่างมนุษย์ (CRU) | ปัจจัยขับเคลื่อนอุปสงค์เชิงโครงสร้างสำหรับธาตุแร่หายากหนัก |

การทำความเข้าใจการขยายตัวของรายจ่ายลงทุนเชิงโครงสร้างนี้ต้องอาศัยปฏิทรรศน์เจวอนส์ การลดลง 100 เท่าของต้นทุนโทเคนต่อหน่วยไม่ได้ทำให้รายจ่ายรวมด้านการประมวลผลลดลง แต่ราคาต่อหน่วยที่ต่ำลงกลับกระตุ้นให้การใช้โทเคนโดยรวมขยายตัวอย่างก้าวกระโดด เมื่อปฏิสัมพันธ์แบบคำถามและคำตอบครั้งเดียวถูกแทนที่ด้วยวงจรการให้เหตุผลของตัวแทนหลายตัวที่ดำเนินการจำลองเบื้องหลังอย่างต่อเนื่องและเรียกใช้เครื่องมือโดยอัตโนมัติ อุปสงค์รวมด้านฮาร์ดแวร์ประมวลผลจึงเร่งตัวขึ้น แม้ราคาต่อหน่วยจะลดลงอย่างรุนแรง

สำหรับนักลงทุนระยะยาวที่อิงปัจจัยพื้นฐานและประเมินการจัดสรรเงินทุน การเก็บเกี่ยวมูลค่าอย่างยั่งยืนต้องหลีกเลี่ยงการพึ่งพาความขาดแคลนทางกายภาพเพียงอย่างเดียว และให้ความสำคัญกับธุรกิจที่มี ROIC ส่วนเพิ่มสูง มีอำนาจในการกำหนดราคา และมีวงจรข้อมูลป้อนกลับที่ฝังอยู่ในกระบวนการทำงาน นักลงทุนที่สนใจโมเดลประเมินมูลค่าเชิงลึกและการคำนวณกำไรของเจ้าของกิจการตามปัจจัยพื้นฐาน สามารถศึกษางานวิจัยบริษัทแบบเปิดเผยต่อสาธารณะของเราบนเว็บไซต์ DeepValues Research หรือประเมินมูลค่าที่แท้จริงและส่วนเผื่อความปลอดภัยของหุ้นใดก็ได้ด้วยแอป DeepValues

## 5. ตัวเลขสำคัญ

*   **78%**: ส่วนแบ่งตลาดโดยประมาณของบริษัทญี่ปุ่นในยอดขายสารไวแสงสำหรับเซมิคอนดักเตอร์ จำแนกตามสัญชาติของบริษัท
*   **>$700 พันล้าน**: รายจ่ายลงทุนโดยประมาณของผู้ให้บริการคลาวด์ขนาดยักษ์ในปี 2026 ตามข้อมูลของสำนักงานพลังงานระหว่างประเทศ โดยส่วนใหญ่เป็นการขยายศูนย์ข้อมูล
*   **485 เทราวัตต์-ชั่วโมง ถึง ~950 เทราวัตต์-ชั่วโมง**: การเพิ่มขึ้นที่คาดการณ์ของการใช้ไฟฟ้าในศูนย์ข้อมูลจากปี 2025 ถึง 2030 (สำนักงานพลังงานระหว่างประเทศ)
*   **สิ้นปี 2027**: ระยะเวลาที่คาดว่าภาวะขาดแคลนอุปทานหน่วยความจำแบนด์วิดท์สูงจะยังคงอยู่ (สำนักงานพลังงานระหว่างประเทศ)
*   **50% / 33% / 18%**: ส่วนแบ่งรายได้หน่วยความจำแบนด์วิดท์สูงโดยประมาณใน Q2 2026 ของ SK Hynix, Samsung และ Micron ตามลำดับ (Counterpoint)
*   **$20 ถึง $0.07 ต่อล้านโทเคน**: การลดลงของต้นทุนการใช้งานเพื่อให้ได้ผลการทดสอบความเข้าใจภาษามัลติทาสก์ขนาดใหญ่ระดับ GPT-3.5 ระหว่างเดือนพฤศจิกายน 2022 และเดือนตุลาคม 2024 คิดเป็นการลดลง 280x (ดัชนีปัญญาประดิษฐ์ของมหาวิทยาลัยสแตนฟอร์ด)
*   **~80%**: การลดลงของราคาโมเดลภาษาที่ปรับตามคุณภาพ ตั้งแต่เดือนมกราคม 2024 ถึงเดือนเมษายน 2026 (องค์การเพื่อความร่วมมือทางเศรษฐกิจและการพัฒนา)
*   **25 คะแนนอีโลของอารีนา**: ช่วงความแตกต่างด้านประสิทธิภาพที่แคบระหว่างโมเดลแนวหน้าของ Anthropic, xAI, Google และ OpenAI ณ เดือนมีนาคม 2026 (ดัชนีปัญญาประดิษฐ์ปี 2026 ของมหาวิทยาลัยสแตนฟอร์ด)
*   **3.3%–3.4%**: ช่องว่างด้านประสิทธิภาพระหว่างโมเดลซอร์สปิดที่ดีที่สุดและโมเดลเปิดค่าน้ำหนักที่ดีที่สุดในเดือนมีนาคม 2026 (ดัชนีปัญญาประดิษฐ์ของมหาวิทยาลัยสแตนฟอร์ด)
*   **35% ถึง 63%**: การเพิ่มขึ้นของสัดส่วนโมเดลแนวหน้าในรายจ่ายด้านปัญญาประดิษฐ์ขององค์กรระหว่าง Q3 2025 และ Q3 2026 (งานวิจัยของ Menlo)
*   **40%–60% เทียบกับ 5%–10%**: สัดส่วนโดยประมาณของรายการวัสดุและชิ้นส่วนของหุ่นยนต์รูปร่างมนุษย์ที่เป็นชุดขับเคลื่อนเทียบกับโมดูลแบตเตอรี่ (McKinsey)
*   **2–3 กิโลกรัม**: ปริมาณแม่เหล็กแร่หายากนีโอดิเมียม-เหล็ก-โบรอนโดยประมาณที่ต้องใช้ต่อหุ่นยนต์รูปร่างมนุษย์ (CRU)

## 6. สิ่งที่จะเปลี่ยนมุมมองของเรา

*   **การล้าสมัยอย่างรวดเร็วของสถาปัตยกรรม CUDA และหน่วยความจำแบนด์วิดท์สูง:** การเร่งตัวของเทคโนโลยีเชื่อมต่อหรือสถาปัตยกรรมหน่วยความจำทางเลือกที่สามารถแทนที่หน่วยความจำแบนด์วิดท์สูงและ NVLink ได้สำเร็จ ทำลายคูเมืองทางเศรษฐกิจด้านเครือข่ายระดับระบบก่อนปี 2027
*   **การลดรายจ่ายลงทุนของผู้ให้บริการคลาวด์ขนาดยักษ์:** การปรับลดอย่างรุนแรงของแนวโน้มรายจ่ายลงทุนประจำปีของผู้ให้บริการคลาวด์ขนาดยักษ์ที่ >$700 พันล้าน เนื่องจากอัตราผลตอบแทนต่อเงินทุนที่ลงทุน (ROIC) ต่ำกว่าที่คาด หรือความล่าช้าอย่างรุนแรงในการเชื่อมต่อกับโครงข่ายไฟฟ้า
*   **การสร้างรายได้อย่างรวดเร็วและการชะงักงันของโมเดลเปิดค่าน้ำหนัก:** การหมดไปของช่องว่างประสิทธิภาพระดับแนวหน้า 3.3–3.4% ทำให้ลูกค้าองค์กรละทิ้งโมเดลปิดระดับพรีเมียม และหันไปใช้โมเดลเปิดค่าน้ำหนักราคาถูกที่ปรับใช้เฉพาะพื้นที่
*   **การนำปัญญาประดิษฐ์ทางกายภาพไปใช้งานอย่างรวดเร็ว:** การนำหุ่นยนต์รูปร่างมนุษย์ออกสู่ตลาดเชิงพาณิชย์ในวงกว้างและการผลิตปริมาณสูงจนถึงระดับหลายล้านหน่วยก่อนปี 2030 เป็นเวลานาน ทำให้การเก็บเกี่ยวมูลค่าจากกระแสเงินสดในทันทีย้ายไปสู่ห่วงโซ่อุปทานชุดขับเคลื่อนและแม่เหล็ก

## 7. แหล่งข้อมูล

ถอดรหัสมูลค่าปัญญาประดิษฐ์, Chamath Palihapitiya (จดหมายประจำปี 2025 และกรอบแนวคิดที่เกี่ยวข้อง)
ดัชนีปัญญาประดิษฐ์ของมหาวิทยาลัยสแตนฟอร์ด (มหาวิทยาลัยสแตนฟอร์ด, ข้อมูลปี 2024–2026)
รายงานไฟฟ้าและรายจ่ายลงทุนของสำนักงานพลังงานระหว่างประเทศ
Counterpoint Research (การวิเคราะห์ตลาดเซมิคอนดักเตอร์และหน่วยความจำแบนด์วิดท์สูง Q2 2026)
งานวิจัยรายการวัสดุและชิ้นส่วนหุ่นยนต์ของ McKinsey & Company
งานวิจัยวัสดุและแร่หายากของ CRU Group
การศึกษาราคาโมเดลภาษาขององค์การเพื่อความร่วมมือทางเศรษฐกิจและการพัฒนา (2024–2026)
งานวิจัยรายจ่ายด้านปัญญาประดิษฐ์ขององค์กรโดย Menlo Ventures (2025–2026)
งานวิจัยโครงสร้างพื้นฐานและพลังงานศูนย์ข้อมูลของมหาวิทยาลัยจอห์นส์ฮอปกินส์
ผลสำรวจปัญญาประดิษฐ์ในการใช้งานจริงของ LangChain (2026)

## From DeepValues

- DeepValues app: intrinsic value, stances and the latest reports for 300+ stocks. [iPhone](https://apps.apple.com/us/app/deepvalues/id6775568608?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android](https://play.google.com/store/apps/details?id=app.deepvalues.android&referrer=utm_source%3Dresearch%26utm_medium%3Dweb%26utm_campaign%3Dmarkdown) · [Web](https://app.deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown)
- [Deep Value Intelligence](https://deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown): the multi-agent AI analyst behind these reports, for any listed company
- [Margin of Safety Weekly](https://app.deepvalues.ai/letter?utm_source=research&utm_medium=web&utm_campaign=markdown): free weekly email, every Saturday
- YouTube: videos on investing and on AI. [@TheDeepValues](https://www.youtube.com/@TheDeepValues?utm_source=research&utm_medium=web&utm_campaign=markdown) (investing) · [@deep-values](https://www.youtube.com/@deep-values?utm_source=research&utm_medium=web&utm_campaign=markdown) (AI)
- Podcasts: 6 shows in English and Chinese (Deep Values, 深度价值, Deep Values Frontier, 深度價值前沿, Deep Value Intelligence, 深度价值情报站). [all shows on Apple Podcasts](https://podcasts.apple.com/us/channel/deepvalues/id6826606342)
- Buffett Indicator: market-valuation gauge. [iPhone](https://apps.apple.com/us/app/buffett-indicator/id6747404614?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android (Buffett Indicator & Shiller PE)](https://play.google.com/store/apps/details?id=com.luluventures.bubblewatch.android&utm_source=research&utm_medium=web&utm_campaign=markdown)
