AI Disruption & The Value Investors : Fear, Fundamentals, and the Future
Kittisak Kovintavewat
Billionaire VI Page
VI201 ภาคใต้
### 1. จุดยืนพื้นฐานของ Value Investor (VI) ในยุค AI Disruption
ความจริงของการลงทุนในเทคโนโลยี:
ในโลกของการลงทุนนั้น เทคโนโลยีที่ยอดเยี่ยมที่สุด อาจไม่ได้เท่ากับธุรกิจที่ยอดเยี่ยม และอาจไม่นำไปสู่ผลตอบแทนการลงทุนที่ดีเสมอไป หากนักลงทุนซื้อหุ้นตัวนั้นในราคาที่แพงเกินไป แม้ว่าการเข้ามาของ Generative AI จะเปลี่ยนโลกอย่างแท้จริง แต่หลักการพื้นฐานที่นักลงทุนคุณค่าควรยึดถือยังคงมั่นคงไม่เปลี่ยนแปลง นั่นคือการมุ่งเน้นทำความเข้าใจตัวธุรกิจอย่างลึกซึ้ง ค้นหาบริษัทที่มีคูเมือง (Moat) ที่แข็งแกร่งและป้องกันคู่แข่งได้จริง ประเมินมูลค่าหุ้นโดยมีส่วนเผื่อเพื่อความปลอดภัย (Margin of Safety) และเฟ้นหาผู้บริหารที่มีวินัยในการบริหารเงินทุนและสามารถทบต้นผลตอบแทนจากเงินทุนสะสม (ROIC) ในระยะยาวได้
EQ สำคัญกว่า IQ ในสมรภูมิ AI:
ตลาดหุ้นไม่ได้มีประสิทธิภาพเต็ม 100% เสมอไป จึงทำให้มีโอกาสเกิดฟองสบู่และความตื่นตระหนกเป็นระยะ นักลงทุนที่ประสบความสำเร็จในกลุ่มเทคโนโลยีจึงต้องอาศัยความฉลาดทางอารมณ์ (EQ) มากกว่าความฉลาดทางสติปัญญา (IQ) เพื่อต้านทานความกลัวตกรอด (FOMO) และสามารถรอคอยจังหวะอย่างอดทนจนกว่าจะเจอหุ้นที่ยอดเยี่ยมในราคาที่มีแต้มต่ออย่างแท้จริง
2. ปรากฏการณ์ "SaaS-pocalypse" และแรงสั่นสะเทือนในกลุ่มซอฟต์แวร์และคอนซัลต์
ความเสี่ยงต่อ Terminal Value ของกลุ่ม SaaS:
หุ้นซอฟต์แวร์ระบบคลาวด์หลายตัวปรับตัวลดลงอย่างรุนแรงตั้งแต่ต้นปี 2026 (เช่น HubSpot -47%, Salesforce -27%, Adobe -24%, ServiceNow -18%) เนื่องจากองค์กรธุรกิจเริ่มมองเห็นความเป็นไปได้ในการใช้เครื่องมือ AI และ Developer Tools เพื่อเขียนโค้ดและพัฒนาระบบใช้งานขึ้นมาเองหลังบ้าน ซึ่งช่วยประหยัดค่าใช้จ่ายในการซื้อลิขสิทธิ์ซอฟต์แวร์สำเร็จรูปราคาแพง ความเสี่ยงจากการถูก AI ดิสรัปนี้ส่งผลกระทบอย่างมีนัยสำคัญต่อการคาดการณ์กระแสเงินสดในอนาคตระยะยาวมาก (Terminal Value) ในแบบจำลอง DCF ของนักวิเคราะห์ ทำให้ราคาหุ้นเกิดการแกว่งตัวอย่างรุนแรงเนื่องจากขาดเสถียรภาพและมองอนาคตได้ยาก
*กรณีศึกษาของ Adobe และ Accenture:
Adobe: ที่เคยดูเหมือนเป็นหุ้นที่ไม่มีวันแพ้จากรายได้โมเดลสมัครสมาชิก (Subscription) กลับต้องเผชิญกับคำถามเชิงโครงสร้างเมื่อโมเดลสร้างรูปภาพของ OpenAI และคู่แข่งสามารถสร้างสรรค์ผลงานภาพได้อย่างรวดเร็วผ่านการพิมพ์คำสั่ง (Prompt) ทำให้กระบวนการตบแต่งภาพดั้งเดิมถูกลดทอนบทบาทลง
Accenture (ธุรกิจ Consulting):
ได้รับแรงกดดันจากการที่ AI สามารถทำวิจัย รวบรวมข้อมูลเชิงธุรกิจ และจัดทำรายงานหนาๆ ที่มีคุณภาพเสร็จสิ้นได้ภายใน 20-30 นาที ซึ่งเดิมทีเป็นงานหลักที่บริษัทคอนซัลต์ใช้คิดค่าบริการลูกค้าระดับหลายสิบล้านบาท นอกจากนี้ ความเร็วของ AI ในการเขียนโค้ดยังส่งผลให้จำนวนวันทำงานที่คิดเงินจากลูกค้า (Man-Day) ลดลง ทำให้พวกเขาต้องพยายามเปลี่ยนสัญญากับคู่ค้ามาเป็นรูปแบบคิดเงินตามผลสัมฤทธิ์ของงาน (Outcome-based) แทน
3. โครงสร้างห่วงโซ่อุปทานผ่านกรอบวิเคราะห์ "5-Layer AI Cake"
Layer 1: Energy (พลังงานและระบบวิศวกรรมไฟฟ้า):
หน่วยประมวลผล AI กินไฟเพิ่มขึ้นเป็นทวีคูณ ทำให้พลังงานไฟฟ้าและระบบสายส่งกลายเป็นคอขวดหลัก บริษัทอย่าง GE Vernova (ผู้ผลิตกังหันไฟฟ้าที่เพิ่งแยกตัวออกมาและมี Backlog โครงการสูงถึง 1.7 แสนล้านเหรียญสหรัฐ) และ Vertiv (ผู้นำระบบระบายความร้อนตู้เซิร์ฟเวอร์ใน Data Center) ได้รับประโยชน์อย่างมหาศาล อย่างไรก็ตาม สำหรับนักลงทุนระดับราคานี้อาจถือว่าสะท้อนมูลค่าไปมากแล้วจนอาจสายเกินไปที่จะไล่ราคา
Layer 2: Chips & Memory (เซมิคอนดักเตอร์และหน่วยความจำ):
TSMC: ครองความได้เปรียบเชิงโครงสร้างอย่างเด็ดขาดผ่านพลังทางกระบวนการผลิต (Process Power) ที่สะสมมายาวนาน 30-40 ปี มีทีมวิศวกรที่เก่งและสามารถทำ Yield ในการผลิตชิปสถาปัตยกรรมระดับ 2-3 นาโนเมตรได้สูงกว่าคู่แข่งรายอื่น
ARM: เป็นผู้ควบคุมการดีไซน์ชิป CPU แบบ ARM-based ซึ่งกินไฟน้อยกว่าตระกูล X86 ของค่ายดั้งเดิมอย่างมาก ในยุค Agentic AI คอนเซปต์ศูนย์ข้อมูลจำเป็นต้องใช้ CPU เพิ่มขึ้นถึง 4 เท่าเพื่อช่วยทำงานประสานระบบ การเปลี่ยนมาใช้สถาปัตยกรรม ARM จึงช่วยให้ Data Center ลดต้นทุนพลังงานได้ถึง 30%
SanDisk (SNDK): ได้รับอานิสงส์เนื่องจากการเทรนและประมวลผล AI ต้องใช้พื้นที่จัดเก็บข้อมูลถาวร (NAND Storage) สูงมาก และประกอบกับการที่ค่ายผู้ผลิตเกาหลียักษ์ใหญ่ย้ายกำลังการผลิตไปผลิตหน่วยความจำแบนด์วิดท์สูง (HBM) สำหรับ AI ระดับสูงแทน ส่งผลให้ Supply ของ NAND ทั่วโลกลดลงอย่างรวดเร็ว ดันให้หุ้นปรับตัวเพิ่มขึ้นกว่า 20 เท่าในหนึ่งปี แต่นักลงทุนต้องพึงระวังว่าหุ้นชิปหน่วยความจำยังมีลักษณะเป็นสินค้าวัฏจักร (Cyclical Commodity) ที่มีความผันผวนสูง
NVIDIA: ยักษ์ใหญ่ที่ฉลาดในการทำธุรกิจ ล่าสุดขยายความร่วมมือทางการเงินกับสถาบันการเงินยักษ์ใหญ่ 6 แห่งเพื่อเตรียมวงเงินสนับสนุน (Financing) กว่า 5 แสนล้านเหรียญสหรัฐ เพื่อช่วยปล่อยกู้ให้แก่กลุ่ม Startups นำเงินเหล่านั้นมาสั่งซื้อฮาร์ดแวร์ GPU ของ NVIDIA ไปใช้งานต่อ
Layer 3: Infrastructure (ผู้ดูแลคลาวด์และด่านเก็บเงินทางด่วน): หุ้นกลุ่มผู้ให้บริการคลาวด์ขนาดใหญ่หรือ Hyperscalers (เช่น AWS, Microsoft Azure, Google Cloud) คือหนึ่งในจุดที่ปลอดภัยและน่าลงทุนที่สุดเชิงโครงสร้าง เนื่องจากพวกเขาเป็นเหมือน "เจ้าของถนนและด่านเก็บค่าผ่านทาง" (Tollbooth) ไม่ว่าแอปพลิเคชันหรือสตาร์ตอัป AI ค่ายไหนจะชนะใจผู้ใช้ สุดท้ายก็ต้องมาตั้งระบบประมวลผลและเสียเงินเช่าพื้นที่ระบบคลาวด์ของ Hyperscalers ทั้งสิ้น ตัวเลขระบุว่าการลงทุนตู้เซิร์ฟเวอร์และ Data Center ของยักษ์ใหญ่คลาวด์มีระยะเวลาคืนทุนเฉลี่ยเพียง 2 ถึง 2 ปีครึ่ง ส่งผลให้ปีที่เหลือสามารถทำกำไรส่วนเพิ่มได้มหาศาล (คิดเป็นอัตราผลตอบแทนจากการเช่าใช้ GPU หรือ IaaS ที่มี ROIC ประมาณ 31% และขึ้นไปถึง 46% หากให้บริการโมเดลผ่าน API ของตัวเอง)
Layer 4: Models (สมองกลปัญญาประดิษฐ์): มี การแข่งขันเปิดตัวรุ่นใหม่ที่ดุเดือดมากแทบทุกสองสัปดาห์ (เช่น ค่าย OpenAI, Anthropic, Gemini และโมเดล Open-weights จากค่ายจีน) สำหรับมุมมองลงทุน การเข้าซื้อหุ้นกลุ่มนี้ตอนเปิดตัวขาย IPO มีโอกาสสูงมากที่จะเจอมูลค่าประเมินที่แพงเกินจริง (Overpriced) เกิน 30-40 เท่าของยอดขาย คาดการณ์ว่าองค์กรส่วนใหญ่ในอนาคตจะไม่ได้ผูกขาดกับโมเดลเดี่ยว แต่จะเลือกดึงประสิทธิภาพจากหลากหลายค่ายมาประสานงานกันตามงบประมาณและความยากง่ายของงาน
Layer 5: Applications & Intelligence (ความปลอดภัยและการใช้งานประยุกต์):
ซอฟต์แวร์แอปพลิเคชันที่จะรอดพ้นจากการคุกคามของ AI ได้ ต้องเป็นโปรแกรมที่มีต้นทุนการย้ายค่าย (Switching Cost) มหาศาล เนื่องจากได้รับการผูกเชื่อมโยงและบูรณาการเข้ากับกระบวนการทำงานหลักหลังบ้านขององค์กรอย่างแน่นหนาจนถอดถอนยาก เช่น SAP, Salesforce หรือ Microsoft Office 365
บริการความปลอดภัยไซเบอร์ (Cybersecurity เช่น CrowdStrike) เติบโตขึ้นล้อไปกับการสร้าง AI Agent ขององค์กร เนื่องจากผู้บริหารถูกกดดันด้วยความกังวลว่าผู้ใช้งานอาจเผลอนำข้อมูลที่เป็นความลับสุดยอด (Secret Source) ของบริษัทไปป้อนถามใน AI สาธารณะจนหลุดออกไปข้างนอก ส่งผลให้ยอดการจัดซื้อระบบป้องกันการรั่วไหลข้อมูล (Data Loss Prevention) เติบโตสูงขึ้นอย่างมีนัยสำคัญ
### 4. กลยุทธ์และกรอบการลงทุนสำหรับประยุกต์ใช้จริง
ตรวจสอบคูเมืองด้วย 7 Powers (กรอบของ Hamilton Helmer):
ก่อนเลือกตัดสินใจลงทุนในหุ้นเทคโนโลยีใดๆ นักลงทุนควรนำปัจจัยแห่งความได้เปรียบเชิงโครงสร้างมาตรวจสอบอย่างละเอียด เช่น การประหยัดต่อขนาด (Economies of Scale), ต้นทุนในการสับเปลี่ยนแบรนด์ (Switching Costs), ทักษะในระบบผลิตหลังบ้านที่ลอกเลียนยาก (Process Power) หรือความเชื่อมั่นและพฤติกรรมสาวกต่อตราสินค้า (Branding ของ Apple) หากขาดปัจจัยสำคัญเหล่านี้ หุ้นดังกล่าวอาจเป็นเพียงกระแสชั่วคราวที่ไม่เหมาะแก่การถือยาว
สัญชาตญาณของการรอคอยและส่วนเผื่อเพื่อความปลอดภัย: นักลงทุนคุณค่าควรทำการบ้านเพื่อวิเคราะห์หาขอบเขตความเข้าใจที่แท้จริงของตัวเอง (Circle of Competence) และลิสต์รายชื่อหุ้นชั้นนำไว้ในใจล่วงหน้าเพื่อรอคอยจังหวะวิกฤต การเข้าทำในจังหวะที่ราคาหุ้นปรับตัวย่อลงมาจนปรากฏส่วนเผื่อเพื่อความปลอดภัย (Margin of Safety) สูงถึง 30% - 50% จะช่วยสร้างแต้มต่อสำคัญในการสร้างพอร์ตที่ทนทาน ทบต้นผลตอบแทนได้ดี และไม่สร้างความเครียดในระหว่างทาง
การปรับสมดุลพอร์ตท่ามกลางความท้าทายทางเศรษฐกิจ:
ภายใต้ภาวะตลาดภาพใหญ่ที่มีแรงกดดันของอัตราเงินเฟ้อหรือความผันผวนของทิศทางดอกเบี้ยนโยบาย นักลงทุนควรพิจารณาลดสัดส่วนหุ้นเติบโตสูงบางส่วนที่ยังไม่มีกำไรจริง แล้วหมุนเวียนเม็ดเงินมาพักไว้ในกลุ่มหุ้นที่มีลักษณะเป็น "Compounder" ที่มีความยืดหยุ่น แข็งแกร่ง และสามารถสร้างผลตอบแทนที่สม่ำเสมอในสภาวะเศรษฐกิจตึงตัวเพื่อควบคุมความเสี่ยงของพอร์ตรวม
---