How to View the AI Pullback: Morgan Stanley's 120-Page Report Deep Dive

Odaily资深作者

2026-08-03 02:00

บทความนี้มีประมาณ 3164 คำ การอ่านทั้งหมดใช้เวลาประมาณ 5 นาที

Morgan Stanley pointed out that the main driver of the pullback is technical factors, rather than a breakdown in fundamental logic.

สรุปโดย AI

ขยาย

Core View: Morgan Stanley believes that the recent pullback in the global AI sector is mainly driven by technical factors such as crowded positioning and deleveraging, rather than fundamental deterioration; the structural shortage in AI computing power demand remains unchanged, and Time to Power is the investment direction with the largest pricing deviation in the current market.
Key Elements:
1. Enterprise AI application ROI exceeds 10x (each call saves approximately $55, with costs of only $2-5), so concerns about token budget caps are unfounded; Blackwell data center token sales net margin is approximately 58%, and future generations of GPUs could raise profit margins to 80%-90%, supporting price cuts to unlock demand.
2. The Jevons paradox applies to AI: improvements in computing efficiency will push up total consumption; Google expects computing power demand to increase 1,000x over 5 years, but NVIDIA's AI chip CAGR from 2025-2028 is approximately 140%, and extrapolating over 5 years, supply would cover less than 10% of Google's demand alone, leaving a huge supply-demand gap.
3. Supply-side 3P constraints (labor shortages, 5-7 year grid interconnection queues, and increasing political resistance) are a "speed bump" rather than a structural obstacle; U.S. data center electricity demand from 2026-2028 is 68GW, and after deducting facilities under construction and already contracted capacity, the potential gap reaches 38GW.
4. Bitcoin mining sites can convert 10-19GW of interconnection capacity, gas turbines contribute 15-20GW, and fuel cells 5-8GW; even accounting for these solutions, there is still a net gap of approximately 1GW in the base case, expanding to 11GW in the bear case.
5. Powered Shell Providers (such as TeraWulf, Cipher Mining, HUT 8, etc.) currently trade at an EV/Watt of only $2-4, compared to mature data center operators at 20-25x valuations; Morgan Stanley assigns a target valuation of 15x, believing the market has not fully priced this in.

ผู้เขียนต้นฉบับ: เฟย ปินเจี๋ย

ที่มา: Alpha Engineer

ตั้งแต่ช่วงปลายเดือนมิถุนายนเป็นต้นมา กลุ่มหุ้น AI ทั่วโลกเผชิญกับการปรับฐานอย่างมีนัยสำคัญ

นี่คือการปรับฐานทางเทคนิคช่วงสั้น ๆ หรือสัญญาณว่าวัฏจักรกำลังถึงจุดสูงสุด? นี่คือคำถามที่มีคุณค่ามหาศาล

Morgan Stanley เผยแพร่รายงานเชิงลึกความยาว 120 หน้าเมื่อวันที่ 27 กรกฎาคม เพื่อสำรวจคำถามนี้ ภายใต้ชื่อเรื่อง "Playing the AI Infrastructure Dip"

รายงานให้ข้อสรุปที่ชัดเจนว่า: ปัจจัยหลักที่ขับเคลื่อนการปรับฐานคือปัจจัยทางเทคนิค รวมถึงการย่อยสลายของตำแหน่งพอร์ตที่หนาแน่น การลดเลเวอเรจจากการให้กู้ยืมแบบมีหลักประกัน และการกลับตัวของโมเมนตัมแฟกเตอร์ ไม่ใช่การทำลายพื้นฐานทางตรรกะ

ฉันอ่านรายงานนี้อย่างละเอียดและได้ประโยชน์ไม่น้อย ขอสรุปเนื้อหาหลักให้ทุกคนได้ทราบ

(1) ข้อกังวลแรกของตลาดทุน: การพลิกกลับของธีม "Tokenmaxxing"?

สัญญาณลบแรกที่ตลาดให้ความสนใจเมื่อเร็ว ๆ นี้คือการพลิกกลับของธีม "Tokenmaxxing"

มีบริษัทจำนวนไม่น้อยเริ่มกำหนดเพดานงบประมาณสำหรับปริมาณการใช้ AI Token ของพนักงาน ซึ่งก่อให้เกิดข้อกังขาต่อความยั่งยืนของการเติบโตของรายได้ของบริษัทโมเดลขนาดใหญ่

ข้อกังวลนี้ไม่มีน้ำหนักเพียงพอ

ประการแรก ฐานการใช้จ่าย Token ของพนักงานในปัจจุบันอยู่ในระดับต่ำมาก และ ROI สูงมาก

การศึกษาของ Morgan Stanley เกี่ยวกับกรณีการใช้งาน AI ในองค์กรจำนวนมากพบว่า โดยเฉลี่ยแล้ว การเรียกใช้ AI หนึ่งครั้งสามารถประหยัดต้นทุนแรงงานได้ประมาณ 55 ดอลลาร์สหรัฐ ขณะที่ต้นทุนเฉลี่ยในการทำงานระดับองค์กรหนึ่งงานให้สำเร็จผ่านการทำงานร่วมกันของ Agent อยู่ที่เพียง 2-5 ดอลลาร์สหรัฐ คิดเป็น ROI มากกว่า 10 เท่า

สำหรับเครื่องมือที่มี ROI มากกว่า 10 เท่า การนำไปใช้ไม่ใช่ปัญหาการตัดสินใจด้านงบประมาณ แต่เป็นปัญหาความสามารถในการแข่งขันหลัก องค์กรที่ไม่ได้ลงทุนในการปรับใช้ความสามารถด้าน AI อย่างจริงจังจะเผชิญกับความเสียเปรียบทางการแข่งขันที่เพิ่มมากขึ้นเรื่อย ๆ

ประการที่สอง วิวัฒนาการของ GPU รุ่นต่อรุ่นจะช่วยเพิ่มอัตรากำไรของศูนย์ข้อมูล ซึ่งหมายความว่าในอนาคต Token สามารถลดราคาลงได้อย่างมากโดยไม่กระทบต่อความสามารถในการทำกำไร ซึ่งจะช่วยปลดปล่อยอุปสงค์เพิ่มเติม

การคำนวณแบบจำลอง Intelligence Factory ของ Morgan Stanley แสดงให้เห็นว่า อัตรากำไรสุทธิจากการขาย Token ของศูนย์ข้อมูลที่ใช้สถาปัตยกรรม Blackwell อยู่ที่ประมาณ 58%

เมื่อปรับใช้ GPU รุ่น Rubin และ Feynman แล้ว อัตรากำไรจะเพิ่มขึ้นเป็นประมาณ 80% และ 90% ตามลำดับ

ซึ่งหมายความว่า Hyperscaler สามารถลดราคา Token ลงได้ประมาณ 75% ในขณะที่รักษาอัตรากำไรไว้เท่าเดิม พื้นที่ในการลดต้นทุนมีมากพอ และทั้งการลดราคาและการทำกำไรสามารถเกิดขึ้นพร้อมกันได้

(2) ข้อกังวลที่สองของตลาดทุน: ช่วงเวลาแบบ Kimi พิสูจน์หักล้างความสมเหตุสมผลของรายจ่ายลงทุนหรือไม่?

การเปิดตัว Kimi K3 ทำให้ตลาดทุนต้องทบทวนสมมติฐานหลักอีกครั้ง: หากจีนสามารถฝึกฝนโมเดล前沿ที่มีประสิทธิภาพใกล้เคียงกันได้ในต้นทุนที่ต่ำกว่า แล้วรายจ่ายลงทุนด้าน AI (Capex) กว่าหนึ่งล้านล้านดอลลาร์สหรัฐต่อปีของ Hyperscaler อเมริกันจะเผชิญกับการปรับลดอัตราผลตอบแทนหรือไม่?

Morgan Stanley เชื่อว่าการแสวงหาประสิทธิภาพสูงสุดของบริษัทโมเดลขนาดใหญ่ทั้งจีนและอเมริกาจะไม่ลดทอนความต้องการใช้พลังประมวลผล ตรงกันข้าม มันตอกย้ำข้อสรุปเชิงโครงสร้างที่ว่า "อุปสงค์เกินกว่าอุปทานอย่างมาก"

วิลเลียม สแตนลีย์ เจวอนส์ นักเศรษฐศาสตร์ในศตวรรษที่ 19 สังเกตว่า การปรับปรุงเครื่องจักรไอน้ำของวัตต์ช่วยเพิ่มประสิทธิภาพการเผาไหม้ถ่านหินอย่างมาก แต่ปริมาณการใช้ถ่านหินทั้งหมดของอังกฤษกลับเพิ่มขึ้นอย่างรวดเร็ว เนื่องจากเมื่อเครื่องจักรไอน้ำมีความคุ้มค่าทางเศรษฐกิจ มันจึงถูกนำไปใช้งานในโรงงานและเหมืองมากกว่าที่เคยเป็นมาอย่างมาก

ดังนั้นเขาจึงเสนอ Jevons Paradox อันเลื่องชื่อ: เมื่อประสิทธิภาพการใช้ทรัพยากรบางอย่างเพิ่มขึ้น ปริมาณการใช้ทรัพยากรนั้นโดยรวมกลับเพิ่มขึ้นแทนที่จะลดลง

Jevons Paradox ใช้ได้เช่นกันกับคลื่นการปฏิวัติ AI ในปัจจุบัน: ประสิทธิภาพการประมวลผลที่เพิ่มขึ้นช่วยลดต้นทุนต่อหน่วย Token และต้นทุนที่ต่ำลงหมายถึงการใช้งานในหลายสถานการณ์ ผู้ใช้มากขึ้น และความถี่ในการเรียกใช้ที่สูงขึ้น ซึ่งท้ายที่สุดจะผลักดันปริมาณการใช้พลังประมวลผลโดยรวมให้สูงขึ้น

Morgan Stanley อ้างอิงชุดข้อมูลเพื่อวัดความรุนแรงของความไม่สมดุลระหว่างอุปสงค์และอุปทาน:

ผู้บริหารระดับสูงของ Google กล่าวเมื่อเร็ว ๆ นี้ว่า บริษัทอาจต้องเพิ่มพลังประมวลผลเป็นสองเท่าทุก ๆ 6 เดือน ซึ่งเท่ากับการเติบโต 1,000 เท่าภายใน 5 ปี

อย่างไรก็ตาม จากด้านอุปทาน อัตราการเติบโตต่อปีแบบทบต้น (CAGR) ของยอดขายชิป AI ของ NVIDIA ในช่วงปี 2025-2028 อยู่ที่ประมาณ 140% แม้จะคาดการณ์ต่ออีก 5 ปีด้วยอัตรานี้ พลังประมวลผลที่ส่งมอบสะสมก็ยังไม่ถึง 10% ของความต้องการที่คาดการณ์ของ Google เพียงรายเดียว

กล่าวอีกนัยหนึ่ง แม้แต่ผู้จัดหาพลังประมวลผลที่ใหญ่ที่สุดในโลกที่ผลิตอย่างเต็มกำลังด้วยอัตราการเติบโตสูงสุดเป็นประวัติการณ์ ก็ยังครอบคลุมได้เพียงเศษเสี้ยวของความต้องการของลูกค้ารายเดียว

(3) ข้อกังวลที่สามของตลาดทุน: ข้อจำกัดด้านอุปทานเป็นเพดานแข็งหรือไม่?

ข้อกังวลที่สามของตลาดทุนคือ: แม้ความแน่นอนด้านอุปสงค์จะเพียงพอ แต่ข้อจำกัดทางกายภาพของโลกจะทำให้โครงสร้างพื้นฐานด้านพลังประมวลผลไม่สามารถส่งมอบได้ตามความต้องการหรือไม่?

Morgan Stanley เรียกข้อจำกัดทางกายภาพของโลกรวมกันว่า 3P: People, Power, Politics

People: แรงงานฝีมือที่จำเป็นสำหรับการก่อสร้างศูนย์ข้อมูล (ช่างไฟฟ้า ช่างเชื่อม ช่างประปา) อยู่ในภาวะขาดแคลนเชิงโครงสร้าง

Power: ระยะเวลารอคอยในการเชื่อมต่อโครงข่ายไฟฟ้าในบางภูมิภาคขยายเป็น 5-7 ปีแล้ว ซึ่งกลายเป็นคอขวดด้านเวลาที่ใหญ่ที่สุดเพียงรายการเดียวสำหรับการเริ่มดำเนินการศูนย์ข้อมูล

Politics: การก่อสร้างศูนย์ข้อมูลกำลังเผชิญกับการต่อต้านทางการเมืองหลายระดับ ตั้งแต่ระดับท้องถิ่นไปจนถึงระดับรัฐบาลกลาง และทิศทางกำลังเกิดการพลิกกลับเชิงโครงสร้าง

ในช่วงไม่กี่ปีที่ผ่านมา แต่ละรัฐต่างแข่งขันกันเสนอแนวนโยบายส่งเสริมการลงทุนที่เอื้อเฟื้อเพื่อดึงดูดศูนย์ข้อมูล แต่ตอนนี้แนวโน้มกลับตาลปัตร รัฐต่าง ๆ เริ่มระงับ เพิ่มเงื่อนไข หรือเพิกถอนสิทธิประโยชน์ทางภาษีสำหรับศูนย์ข้อมูลโดยตรง

ประเด็นต่าง ๆ เช่น การชะลอความเร็วของการพัฒนาศูนย์ข้อมูล และการปกป้องค่าไฟของประชาชนจากต้นทุนโครงสร้างพื้นฐานของศูนย์ข้อมูล กำลังกลายเป็นส่วนหนึ่งของเวทีการหาเสียงของผู้ว่าการรัฐมากขึ้นเรื่อย ๆ และคาดว่าจะเป็นประเด็นสำคัญสำหรับผู้มีสิทธิเลือกตั้งในการเลือกตั้งเดือนพฤศจิกายน

ในขณะเดียวกัน ในระดับรัฐบาลกลาง มีความพยายามที่จะจัดตั้ง "ภาษีศูนย์ข้อมูล" ในระดับประเทศ

สภาผู้แทนราษฎรกำลังพิจารณาRatepayer Protection Act ซึ่งเป็นการพยายามครั้งแรกในระดับรัฐบาลกลางที่จะออกกฎหมายเกี่ยวกับการแบ่งสรรต้นทุนโครงสร้างพื้นฐาน โดยกำหนดให้บริษัทสาธารณูปโภคของแต่ละรัฐพิจารณาสร้าง "มาตรฐานโหลดขนาดใหญ่" เพื่อให้ศูนย์ข้อมูลเป็นผู้จ่ายค่าใช้จ่ายในการอัปเกรดโครงข่ายไฟฟ้า

ก่อนหน้านี้ (เดือนมีนาคม) Amazon, Google, Meta, Microsoft, Oracle, xAI และอื่น ๆ ได้ลงนามใน Ratepayer Protection Pledge ของทำเนียบขาว โดยสมัครใจให้คำมั่นที่จะปกป้องผู้บริโภคปัจจุบันจากผลกระทบของต้นทุนโครงสร้างพื้นฐานของศูนย์ข้อมูล

ร่างกฎหมายนี้จะเปลี่ยนคำมั่นโดยสมัครใจให้เป็นกฎหมาย ซึ่งในทางปฏิบัติจะก่อให้เกิดระบบค่าธรรมเนียมเพิ่มเติมสำหรับค่าไฟฟ้าของศูนย์ข้อมูลในระดับประเทศ

Morgan Stanley ยอมรับว่าข้อกังวลนี้สมเหตุสมผล แต่จัดว่าเป็น "speed bumps" (เนินชะลอความเร็ว) มากกว่า "structural barriers" (อุปสรรคเชิงโครงสร้าง)

เมื่อระยะเวลารอคอยในการเชื่อมต่อโครงข่ายไฟฟ้าในบางภูมิภาคเกิน 5 ปี และศูนย์ข้อมูลเผชิญแรงกดดันที่เพิ่มขึ้นในการ "ผลิตไฟฟ้าใช้เอง" การผลิตไฟฟ้าในพื้นที่ด้วยตนเองกำลังกลายเป็นโซลูชันหลัก

(4) Time to Power: การทำ Arbitrage ด้านเวลาไฟฟ้าที่ถูกประเมินค่าต่ำเกินไป

Morgan Stanley ทำการคำนวณเชิงปริมาณเกี่ยวกับช่องว่างไฟฟ้าของศูนย์ข้อมูลในสหรัฐฯ

ข้อสรุปคือ ความต้องการไฟฟ้าของศูนย์ข้อมูลสหรัฐฯ ในปี 2026-2028 อยู่ที่ประมาณ 68GW เมื่อหักสิ่งอำนวยความสะดวกที่อยู่ระหว่างการก่อสร้าง (15GW) และกำลังการผลิตไฟฟ้าจากโครงข่ายที่เซ็นสัญญาแล้ว (15GW) ช่องว่างที่อาจเกิดขึ้นอยู่ที่ 38GW และระยะเวลารอคอยในการเชื่อมต่อโครงข่ายไฟฟ้าในบางภูมิภาคสูงถึง 5-7 ปีแล้ว

ในบริบทนี้ Morgan Stanley เชื่อว่ามูลค่าของเวลาในการเข้าถึงไฟฟ้า (Time to Power) เป็นทิศทางที่มีความคลาดเคลื่อนในการกำหนดราคาของตลาดมากที่สุดในขณะนี้

ห่วงโซ่ตรรกะเบื้องหลังชัดเจนมาก: การเริ่มดำเนินการศูนย์ข้อมูลถูกจำกัดด้วยแหล่งจ่ายไฟฟ้า → การรอคิวเชื่อมต่อโครงข่ายไฟฟ้า 5-7 ปี → โซลูชันทางเลือกที่สามารถจ่ายไฟฟ้าได้ภายใน 1-3 ปีจึงมีมูลค่า Arbitrage ด้านเวลาอย่างมีนัยสำคัญ

สองเส้นทางหลักที่ Morgan Stanley ระบุเพื่อ "ขจัดคอขวด":

ฟาร์มขุด Bitcoin: บริษัทเหล่านี้มีกำลังการผลิตไฟฟ้าจากโครงข่ายและพื้นที่ทางกายภาพที่มากเพียงพออยู่แล้ว ซึ่งสามารถแปลงเป็นการใช้งานศูนย์ข้อมูลได้ 10-19GW
โซลูชันการผลิตไฟฟ้าที่รองรับการปรับใช้อย่างรวดเร็ว: ให้ความได้เปรียบด้านเวลา 1-3 ปีเมื่อเทียบกับการเชื่อมต่อโครงข่ายไฟฟ้า โดยกังหันก๊าซธรรมชาติสามารถให้ได้ 15-20GW และเซลล์เชื้อเพลิงให้ได้ 5-8GW

แม้จะนำโซลูชัน "Time-to-Power" เช่น กังหันก๊าซธรรมชาติ เซลล์เชื้อเพลิง การจ่ายไฟตรงจากโรงไฟฟ้านิวเคลียร์ และการแปลงฟาร์มขุด Bitcoin เข้ามาคิดคำนวณด้วยน้ำหนักความน่าจะเป็นแล้ว ในสถานการณ์ฐานยังคงมีช่องว่างสุทธิประมาณ 1GW และในสถานการณ์เลวร้าย ช่องว่างจะขยายเป็น 11GW