ปัจจุบัน AI เข้ามามีบทบาทในภาคครัวเรือน และธุรกิจทั่วโลก ผ่านการยกระดับผลิตภาพการทำงานในอุตสาหกรรมต่างๆ จนหลายคนกังวลว่าในอนาคตอันใกล้ AI อาจเข้ามาแย่งงานมนุษย์และทำลายโมเดลธุรกิจดั้งเดิม
ประเด็นสำคัญ
ในแง่ของการลงทุน แม้ปีนี้ตลาดหุ้นเอเชียและสหรัฐฯ จะทำจุดสูงสุดใหม่อย่างต่อเนื่อง จากแรงหนุนหุ้นกลุ่ม AI ที่ผลประกอบการออกมาเหนือความคาดหมาย แต่ตอนนี้ตลาดมีมุมมอง bearish มากขึ้นว่า CAPEX ที่ลงทุนมหาศาลในโครงสร้างพื้นฐานด้าน AI จะสร้างกำไรจริงเมื่อไร ให้ผลตอบแทนคุ้มค่าแค่ไหน
รายงาน Mid-Year Outlook 2026 ของ J.P. Morgan ชี้ให้เห็นถึงโอกาสที่ AI กำลังสร้างผลกระทบต่อเศรษฐกิจจริงมากขึ้นใน 3 มิติ พร้อมเปิดกลยุทธ์ลงทุนรับกระแส AI Supercycle ในช่วงครึ่งปีหลัง
1.วัฏจักรการลงทุน AI จะยังคงเป็นเครื่องยนต์หลักขับเคลื่อนเศรษฐกิจโลก
การลงทุนโครงสร้างพื้นฐานรองรับ AI กลายเป็นแรงขับเคลื่อนสำคัญต่อการเติบโตของเศรษฐกิจโลก โดยในปี 2025 GDP ไต้หวัน เติบโตทะลุ 7% ซึ่งเป็นอัตราการเติบโตที่เร็วที่สุดตั้งแต่ปี 2010 แค่บริษัท TSMC เพียงแห่งเดียวก็สร้างมูลค่าเพิ่มให้กับ GDP ไต้หวัน ได้ถึง 5%-6% ขณะที่เกาหลีใต้มูลค่าการส่งออกทะลุ 7 แสนล้านดอลลาร์สหรัฐฯ เป็นครั้งแรก โดยเซมิคอนดักเตอร์คิดเป็นหนึ่งในสี่ของมูลค่าการส่งออกทั้งหมด
ในฝั่งของสหรัฐอเมริกา การลงทุนด้าน AI ช่วยเพิ่มการเติบโตของ GDP ที่แท้จริง (Real GDP) ได้ถึง 0.25% ในช่วงครึ่งแรกของปี 2025 นอกจากนี้การก่อสร้าง Data center ยังเติบโตขึ้นเกือบ 4 เท่า เมื่อเทียบกับการก่อสร้างนอกภาคที่อยู่อาศัยทั้งหมด สอดคล้องกับแผนการลงทุนของบริษัทเทคโนโลยียักษ์ใหญ่ (Hyperscalers) ทั้ง 5 แห่ง ที่เพิ่มงบลงทุน (Capex) รวมกันกว่า 6.5 แสนล้านดอลลาร์สหรัฐฯ ภายในสิ้นปี 2026 เพื่อเพิ่มขีดความสามารถในการประมวลผลและการจัดเก็บข้อมูลเพื่อรองรับระบบ AI
แม้ทั่วโลกจะกังวลว่า AI จะสามารถพัฒนาความเก่งจนแย่งงานมนุษย์ โดยเฉพาะงานประจำในออฟฟิศ แต่ J.P. Morgan มองว่า ปัจจุบันยังมีหลักฐานจำกัดว่า AI สร้างความเสียหายต่อตลาดแรงงานในวงกว้าง
ภาพที่ชัดกว่าคือ AI เริ่มทำงานบางอย่างแทนคนได้ดีขึ้น เช่น ช่วยสร้างใบเสนอราคาค่าขนส่ง กรอกข้อมูลจากเอกสาร จัดลำดับอีเมล ตอบคำถามลูกค้าทั่วไป หรือแปลเอกสาร งานเหล่านี้เป็นงานที่มีรูปแบบค่อนข้างชัด และ AI สามารถช่วยลดเวลาการทำงานได้มาก
แต่ปัญหาคือ ‘งานหนึ่งตำแหน่ง’ ไม่ได้มีแค่งานย่อยงานเดียว แต่การจะทำงานให้สำเร็จจะต้องอาศัยการตัดสินใจและประสบการณ์เฉพาะที่ปรับเปลี่ยนไปตามบริบท ซึ่งเป็นสิ่งที่ AI ยังไม่สามารถแทนที่มนุษย์ได้
เมื่อเปรียบเทียบด้านต้นทุน พนักงานออฟฟิศหนึ่งคนมีต้นทุนราว 50 ดอลลาร์ต่อชั่วโมง ขณะที่การเช่าใช้ Nvidia H100 GPU อยู่ที่ประมาณ 2.50 ดอลลาร์ต่อชั่วโมง ในเชิงตัวเลข AI ต้นทุนถูกกว่าคนมาก ถ้าสามารถทำงานแทนคนได้จริง
แต่ปัจจุบัน แม้โมเดล Claude Opus 4 6 จะทำงานที่ซับซ้อนได้มากขึ้น แต่เมื่อต้องทำงานที่ผู้เชี่ยวชาญซึ่งเป็นมนุษย์ใช้เวลาทำราว 12 ชั่วโมง Opus มีอัตราทำงานสำเร็จอยู่ที่ 50% เท่านั้น แปลว่า AI เก่งขึ้นจริง แต่ยังไม่ได้แม่นพอสำหรับทุกงาน โดยเฉพาะงานที่ซับซ้อน และ ต้องการความรับผิดชอบสูง จึงเป็นเหตุผลว่าทำไม ปัจจุบันเรายังไม่เห็นคลื่นการปลดแรงงานครั้งใหญ่
ข้อมูลจาก Indeed ยังสะท้อนภาพเดียวกัน โดยตำแหน่งงานเปิดรับสำหรับ software engineers กลับมาเร่งตัวขึ้น สวนทางกับตำแหน่งงานโดยรวมในตลาดที่ชะลอลง สะท้อนว่าตำแหน่งนี้ยังมีความสำคัญ แม้งาน coding จะเป็นหนึ่งในทักษะที่ AI ทำงานได้ใกล้เคียงมนุษย์มากที่สุด
อย่างไรก็ตาม J. P. Morgan มองว่า การใช้ AI ทำงานอัตโนมัติแทนพนักงานออฟฟิศจะใช้เวลาหลายปี เพราะแรงงานทักษะสูงไม่ได้ทำงานจากคำสั่งที่ชัดเจนเพียงอย่างเดียว แต่ต้องอาศัยความรู้และประสบการณ์ในการตัดสินใจรับมือกับปัญหาที่ไม่มีรูปแบบตายตัว
นอกจากนี้ การผสานระบบ AI เข้าสู่เศรษฐกิจจริงอย่างเต็มรูปแบบยังต้องใช้เวลา เพราะองค์กรต้องลงทุนในโครงสร้างพื้นฐาน ปรับระบบการทำงาน และรับมือกับแรงเสียดทานด้านกฎระเบียบก่อนที่ AI จะสามารถเปลี่ยนกระบวนการทำงานได้ในวงกว้าง
2. AI ยกระดับผลิตภาพและเพิ่มกำไรหนุนมูลค่าหุ้น
สำหรับภาคธุรกิจ AI คือเครื่องมือทำงานอัตโนมัติที่ช่วยเพิ่มผลิตภาพให้กับพนักงานและองค์กร พบว่าบริษัทที่มีการประยุกต์ใช้ AI มีอัตรากำไรจากการดำเนินงานเฉลี่ยสูงถึง 17% เทียบกับบริษัทที่ไม่ได้ใช้ ซึ่งมีอัตรากำไรอยู่ที่ 13%
ผลลัพธ์จากการนำ AI มาใช้งาน ส่งผลให้อัตรากำไรของบริษัทในดัชนี S&P 500 ทำระดับสูงสุดเป็นประวัติการณ์ที่ 13.3% ในไตรมาสที่ 4 ของปี 2025 และนักวิเคราะห์คาดการณ์ว่าจะปรับตัวสูงขึ้นแตะระดับ 15.5% ภายในปี 2027 แม้ว่าการเปลี่ยนผ่านทางเทคโนโลยีอาจสร้างผลกระทบต่อบางอุตสาหกรรม เช่น กลุ่มซอฟต์แวร์ดั้งเดิม แต่ท้ายที่สุด องค์กรที่ปรับตัวได้ผ่านการยกระดับทักษะแรงงาน จะสามารถรักษาอัตรากำไรและสนับสนุนให้มูลค่าหุ้นเติบโตได้อย่างแข็งแกร่งในระยะยาว
3.AIเพิ่ม productivity เปิดทางเฟดลดทั้งดอกเบี้ยและหนี้สาธารณะ
หาก AI ถูกนำมาใช้อย่างแพร่หลาย และสามารถเพิ่มผลิตภาพให้กับภาคธุรกิจและเศรษฐกิจได้จริงในวงกว้าง อาจทำให้เกิดภาวะ ‘Disinflationary boom’ ที่เศรษฐกิจเติบโตอย่างรวดเร็ว ควบคู่ไปกับเงินเฟ้อที่ชะลอตัวลง
เมื่อ AI สามารถสร้างผลผลิตได้เร็วกว่าต้นทุนค่าจ้างที่เพิ่มขึ้น จะช่วยลดแรงกดดันด้านราคา ส่งผลให้เงินเฟ้อมีความผันผวนน้อยลง และเปิดโอกาสให้ธนาคารกลางสหรัฐฯ (Fed) ลดดอกเบี้ยลงได้ โดยไม่ต้องรอให้เงินปรับเข้าสู่กรอบเป้าหมาย
แม้ตลาดอาจต้องรอถึงปลายทศวรรษจึงจะเห็นผลิตภาพของ AI อย่างชัดเจน แต่ข้อมูลล่าสุดเริ่มสะท้อนสัญญาณบวกว่าผลิตภาพแรงงานของสหรัฐฯ แข็งแกร่งขึ้น โดยผลิตภาพแรงงานนอกภาคเกษตรขยายตัวราว 3% เมื่อเทียบกับปีก่อน ทำให้ค่าเฉลี่ย 5 ปี ปรับขึ้นมาอยู่ที่ 2% ดีขึ้นอย่างมีนัยสำคัญจากระดับเฉลี่ย 1.5% ในช่วงหลังวิกฤตการเงินโลก
นอกจากนี้ เศรษฐกิจที่เติบโตจากการใช้ AI จะส่งผลดีต่อฐานะ ‘การคลัง’ เพราะเมื่อ GDP เติบโตเร็วขึ้นทั้งในเชิงปริมาณและมูลค่า รัฐบาลจะมีรายได้จากการจัดเก็บภาษีเพิ่มขึ้น ทำให้สัดส่วนหนี้สาธารณะต่อ GDP ของสหรัฐฯ ที่คาดว่าจะพุ่งสูงถึง 118% ในปี 2035 ปรับตัวลดลงได้
ปรากฏการณ์นี้คล้ายกับ ‘ยุคบูมของอินเทอร์เน็ต’ โดยในปี 1993 นักวิเคราะห์เคยคาดการณ์ว่าผลิตภาพปี 2000 จะโตเพียง 0.8% และหนี้ต่อ GDP อยู่ที่ 61% แต่ด้วยเทคโนโลยีที่พัฒนาแบบก้าวกระโดด ทำให้ผลิตภาพโตถึง 2% สัดส่วนหนี้ต่อ GDP จึงลดลงเหลือเพียง 34% เท่านั้น
กลยุทธ์จับกระแสลงทุน AI ครึ่งหลังปี 2026
J. P. Morgan ได้เสนอแนวทางการลงทุนกระจายความเสี่ยง เพื่อคว้าโอกาสจากกระแส AI Supercycle แม้ว่าตอนนี้ตลาดจะมีมุมมอง bearish ว่าเม็ดเงินลงทุนมหาศาลในโครงสร้างพื้นฐาน AI จะสามารถสร้างผลตอบแทนที่คุ้มค่าได้หรือไม่
- ลงทุนบริษัทที่ได้ประโยชน์จาก Data Center
กลุ่มที่ J. P Morgan มองว่าน่าสนใจ ได้แก่ บริษัทในห่วงโซ่อุปทานเซมิคอนดักเตอร์ ผู้ผลิตอุปกรณ์เครือข่ายและอุปกรณ์ออปติคัล (Manufacturer of Networking and Optical Equipment) รวมถึงสินทรัพย์ด้านการผลิตและส่งพลังงาน (Energy Generation and Transmission Assets) เพราะโครงสร้างพื้นฐาน AI ไม่ได้พึ่งพาแค่ชิปหรือซอฟต์แวร์ แต่ต้องใช้ทั้งระบบไฟฟ้า การเชื่อมต่อ และกำลังประมวลผลขนาดใหญ่
โดยบริษัทเหล่านี้จะกลายเป็นธีมการลงทุนระดับโลก เพราะได้รับอานิสงส์จากเม็ดเงินลงทุนโครงสร้างพื้นฐานด้าน AI มหาศาล และหลายบริษัทมีพื้นฐานทางการเงินที่แข็งแรง โดยไม่ได้แค่ผ่านเกณฑ์ Rule of 40 ซึ่งใช้ประเมินคุณภาพของบริษัทเทคโนโลยี แต่บางบริษัทสามารถยกระดับไปไกลกว่านั้น
เช่น Nvidia ซึ่ง J.P. Morgan มองว่าเป็นผู้ชนะรายใหญ่ใน AI cycle จนถึงปัจจุบัน และเป็นบริษัทระดับ “Rule of 140” อย่างไรก็ตาม ตลาดเริ่ม price in ความคาดหวังว่ายอดขายกำลังเข้าใกล้จุดอิ่มตัว หุ้น Nvidia ปัจจุบันซื้อขายที่ระดับ Forward P/E ต่ำกว่าค่าเฉลี่ยย้อนหลัง 10 ปีราว 40%
- โอกาสลงทุน Hyperscalers
อีกกลุ่มที่ J.P. Morgan มองว่ายังน่าสนใจคือ Hyperscalers หรือผู้ให้บริการ Cloud ขนาดใหญ่ ซึ่งยังอยู่ในตำแหน่งที่ได้ประโยชน์จากการใช้งาน AI ต่อเนื่อง แม้ตลาดจะเริ่มกังวลกับแผน Capex ที่ขยายตัวเร็ว
รายงานระบุว่า ผู้บริหารในองค์กรส่วนใหญ่มีความเห็นตรงกันว่า ความต้องการ Cloud Capacity จาก AI Applications, Projects และ Companies ยังสูงกว่าอุปทานที่มีอยู่ สะท้อนจากต้นทุนการเข้าถึง AI Computing Power แบบ On-demand หรือค่าเช่า GPU เพิ่มขึ้นประมาณ 40% ตั้งแต่เดือนตุลาคม 2025
ประกอบกับการเติบโตของ Agentic AI และ Reasoning AI Models ที่จะช่วยเพิ่มความต้องการใช้งาน Token Providers เช่น Microsoft Azure และ Google Cloud
- สตาร์ทอัป Physical AI อนาคตผู้นำตลาด
ปัจจุบันบริษัทที่พัฒนาแอปพลิเคชัน AI สำหรับผู้ใช้งานทั่วไปและองค์กรจำนวนมากยังอยู่ในตลาด Private Markets ภายในไม่กี่ปีข้างหน้า สตาร์ทอัปบางรายอาจกลายเป็นบริษัทผู้นำเทคโนโลยีที่มีมูลค่าระดับ Mega-cap โดยบริษัทที่ทำธุรกิจในธีมที่เกี่ยวข้องกับ “Physical AI” เช่น Robotics ซึ่งเป็นการนำ AI เข้ามาเชื่อมโยงกับการทำงานจริงในภาคอุตสาหกรรม
- หุ้นนอกสหรัฐฯ และตราสารหนี้ ลดความเสี่ยงฟองสบู่ AI
แม้ J.P. Morgan จะสนับสนุนการลงทุนใน AI Supercycle แต่หากมุมมองเชิงบวกต่อ AI ผิดพลาด หรือเกิดภาวะฟองสบู่แตก พอร์ตจำเป็นต้องมีเครื่องมือป้องกันความเสี่ยงอย่างหุ้นนอกสหรัฐฯ และตราสารหนี้ ซึ่งจะช่วยลดความผันผวนจากภาวะดังกล่าว โดยเฉพาะพอร์ตที่มีสัดส่วนการลงทุนในหุ้นสหรัฐฯ สูง
เนื่องจากหุ้นนอกสหรัฐฯ มีสัดส่วนการลงทุนในบริษัทกลุ่มเทคโนโลยีและ AI ต่ำกว่าตลาดหุ้นสหรัฐฯ จึงช่วยกระจายความเสี่ยง เมื่อหุ้นธีม AI เข้าสู่ช่วงขาลง สะท้อนจากช่วงฟองสบู่ดอทคอม ที่หุ้นนอกสหรัฐฯ ทำผลงานได้ดีกว่าหุ้นสหรัฐฯ
เช่นเดียวกับตราสารหนี้ที่จะให้ผลตอบแทนดีกว่าสินทรัพย์เสี่ยง หากตลาดต้องเผชิญกับภาวะฟองสบู่ AI แตก สะท้อนจากผลตอบแทนในอดีตช่วง 5 ปี หลังจากฟองสบู่ดอทคอมแตกที่ตราสารหนี้ให้ผลตอบแทนเฉลี่ยต่อปี 5.9% ขณะที่หุ้นโลกให้ผลตอบแทนเฉลี่ยเพียง 2.7% ต่อปีเท่านั้น
