การประกาศขึ้นภาษีศุลกากรของประเทศสหรัฐอเมริกา โดย โดนัลด์ ทรัมป์ อย่างเอาแน่เอานอนอะไรไม่ได้จนสุ่มเสี่ยงต่อการเกิดวิกฤตการณ์ทางเศรษฐกิจครั้งประวัติศาสตร์ที่เกิดขึ้นจากความตั้งใจของฝ่ายบริหาร มีวัตถุประสงค์สำคัญประการหนึ่ง ได้แก่ การมุ่งสู่การกลับมาของอุตสาหกรรมภายในประเทศของสหรัฐอเมริกาเอง ซึ่งย่อมจะก่อให้เกิดการจ้างงานและนำไปสู่การเติบโตทางเศรษฐกิจที่แข็งแรงกว่าเดิมตามที่โดนัลด์ ทรัมป์เคยหาเสียงเอาไว้
แต่เหตุด้วยโครงสร้างทางเศรษฐกิจทุกวันนี้ไม่เหมือนกับร้อยปีที่แล้วที่ความเชื่อมโยงของแต่ละประเทศไม่ซับซ้อนพัวพัน และอาจจะไม่ได้พึ่งพิงเทคโนโลยีขั้นสูงเท่าใดนัก การใช้เครื่องมือทางภาษีผ่านอากรนำเข้าเพื่อปกป้องอุตสาหกรรมภายในประเทศอาจจะไม่ใช่ทางเลือกเชิงนโยบายที่ดีสำหรับการบริหารเศรษฐกิจมหภาคในสายตาของนักเศรษฐศาสตร์และนักบริหาร โดยเฉพาะการมุ่งสร้างนวัตกรรมเพื่อการแข่งขันของอุตสาหกรรมภายในประเทศ
บทความเรื่อง ‘Will Tariffs Drive Domestic Innovation?’ ที่ตีพิมพ์ในวารสาร Harvard Business Review ฉบับวันที่ 2 เมษายน 2025 ซึ่งเขียนโดย Willy C. Shih และ Chigozie Ukachi กล่าวถึงเรื่องนี้ไว้อย่างน่าสนใจอย่างยิ่ง โดยเฉพาะการยกตัวอย่างอุตสาหกรรมแบตเตอรี่และยานยนต์ไฟฟ้าที่สร้างสรรค์นวัตกรรมจนทำให้อุตสาหกรรมยานยนต์ไฟฟ้าของประเทศจีนก้าวมายืนเป็นอันดับหนึ่งของโลกได้อย่างน่าภูมิใจ
แม้ว่าในทางทฤษฎี อากรนำเข้าอาจจะช่วยให้บริษัทท้องถิ่นในสหรัฐอเมริกาสามารถสร้างการเติบโตของธุรกิจ แต่ก็ต้องยอมรับว่า หลายๆ บริษัทของอเมริกากลับล้าหลังคู่แข่งจากต่างประเทศมากเกินไป จนยากที่จะสร้างความได้เปรียบในการแข่งขันไปต่อกรกับคนอื่นได้อย่างสมน้ำสมเนื้อ ยกตัวอย่างเช่น อุตสาหกรรมแบตเตอรี่และรถยนต์ไฟฟ้า (EV) ผู้ผลิตจากประเทศจีนอย่าง CATL และ BYD ได้นำหน้าคนอื่นไปไกลมากจนแทบจะไม่มีใครท้าทายได้
สาเหตุสำคัญประการหนึ่ง คือ บริษัทเหล่านี้สร้างข้อได้เปรียบด้านต้นทุนขึ้นมาโดยใช้ประโยชน์จากความต้องการภายในประเทศที่มีอยู่ในปริมาณมาก ไม่เพียงเพื่อให้เกิดการประหยัดจากขนาด (Economies of Scale) เท่านั้น แต่ยังเรียนรู้วิธีลดต้นทุนในกระบวนการผลิตของตนเองอีกด้วย หรือที่เราเรียกกันว่า ‘เส้นแห่งการเรียนรู้’ (Learning Curve)
Theodore P. Wright วิศวกรด้านการบินและอวกาศ เป็นผู้ที่บันทึกปรากฏการณ์ซึ่งปัจจุบันรู้จักกันในชื่อ ‘เส้นแห่งการเรียนรู้’ เป็นครั้งแรกในปี ค.ศ. 1936 เมื่อพบว่า หากปริมาณการผลิตสะสมเพิ่มขึ้นเป็น 2 เท่า ต้นทุนจะลดลงในอัตราที่สามารถคาดการณ์ได้ แรงงานทำงานได้เร็วขึ้น เมื่อพวกเขาเรียนรู้จากการปฏิบัติงานจริง กระบวนการผลิตก็มีประสิทธิภาพมากขึ้นจากการนำเครื่องมือหรือวิธีการใหม่ๆ มาใช้ รวมถึงอาจมีการเปลี่ยนมาใช้วัตถุดิบหรือชิ้นส่วนที่มีต้นทุนต่ำกว่า และยังได้ประโยชน์จากการประหยัดจากขนาดรวมเข้าไปด้วย
แนวคิดเรื่องเส้นแห่งการเรียนรู้ได้รับความสนใจอย่างมากในช่วงสงครามโลกครั้งที่ 2 เมื่อผู้รับเหมาของรัฐบาลสหรัฐอเมริกาพยายามหาวิธีในการคาดการณ์ต้นทุนสำหรับการสร้างเรือและเครื่องบิน และในช่วงทศวรรษ 1960 Boston Consulting Group (BCG) บริษัทที่ปรึกษาทางธุรกิจชั้นนำของโลกได้นำแนวคิดนี้มาพัฒนาเป็น ‘การตั้งราคาล่วงหน้า’ (Forward Pricing) ในเทคโนโลยีอย่างเช่นอุตสาหกรรมเซมิคอนดักเตอร์ โดยเป็นการตั้งราคาขายสินค้าให้ต่ำกว่าต้นทุนในช่วงเริ่มต้น เพื่อเร่งให้ยอดขายเพิ่มขึ้นโดยเร็ว และสามารถลดต้นทุนได้เร็วขึ้นผ่านเส้นแห่งการเรียนรู้ และก็เป็นข้อเท็จจริงที่ว่า ผู้ผลิตจำนวนมากใช้กลยุทธ์นี้มาโดยตลอด โดยเสนอราคางานที่ต่ำกว่าต้นทุนการผลิตในช่วงแรก โดยคาดหวังว่า ต้นทุนจะลดลงได้ในภายหลังผ่านการเรียนรู้และการเปลี่ยนวัสดุที่ใช้ในกระบวนการผลิต
การประยุกต์ใช้เส้นแห่งการเรียนสามารถอธิบายสิ่งที่กำลังเกิดขึ้นในอุตสาหกรรมแบตเตอรี่ลิเธียมไอออนได้อย่างเป็นรูปธรรม ตั้งแต่แบตเตอรี่ชนิดนี้เริ่มนำมาใช้งาน ต้นทุนก็ลดลงอย่างรวดเร็วและมากมาย ในช่วงต้นทศวรรษ 1990 ความจุแบตเตอรี่ลิเธียมไอออนต่อหนึ่งกิโลวัตต์ชั่วโมงมีต้นทุนประมาณ 7,500 ดอลลาร์ แต่ในปี ค.ศ. 2024 ต้นทุนลดลงต่ำกว่า 100 ดอลลาร์ การลดลงของต้นทุนในลักษณะนี้ไม่ได้เกิดขึ้นโดยบังเอิญ แต่เกิดขึ้นเพราะความก้าวหน้าทางเทคโนโลยีในด้านวัสดุ เช่น การเปลี่ยนจากขั้วไฟฟ้าบวกที่เป็นแบบ Cobalt-heavy Cathodes ไปเป็น Lithium Iron Phosphate (LFP) Chemistries ที่มีต้นทุนต่ำกว่า หรือนวัตกรรมในการผลิตแบบ Cell-to-pack (CTP) ที่ช่วยลดน้ำหนักและวัสดุส่วนเกินที่ไม่จำเป็น เป็นต้น รวมถึงประสิทธิภาพที่เพิ่มขึ้นจากการผลิตในปริมาณที่มหาศาล ยิ่งบริษัทผลิตแบตเตอรี่ได้มากเท่าไร แบตเตอรี่ก้อนถัดก็สามารถผลิตได้อย่างมีประสิทธิภาพมากขึ้นเท่านั้น
คำถามสำคัญที่น่ากระทบการแข่งขัน คือ ต้นทุนสามารถลดลงได้มากกว่านี้หรือไม่ และลดลงได้มากเท่าใด ค่า Progress Ratio ซึ่งใช้วัดว่า ต้นทุนลดลงมากขนาดไหน เมื่อปริมาณการผลิตสะสมเพิ่มขึ้นเป็น 2 เท่า ถูกประเมินว่าอยู่ที่ประมาณ 0.80 หรือต่ำกว่านั้นในปัจจุบัน กล่าวอีกนัยหนึ่งได้ว่า นั่นหมายถึง ต้นทุนจะลดลงร้อยละ 20 ทุกครั้งที่ปริมาณการผลิตสะสมเพิ่มขึ้นเป็น 2 เท่า ยกตัวอย่างเช่น CATL ครอบครองกำลังการผลิตแบตเตอรี่ทั่วโลกถึงร้อยละ 38 และในจีนเองอยู่ที่ร้อยละ 44 และเพียงแค่ในเดือนกุมภาพันธ์ ปี 2025 เพียงเดือนเดียว CATL ก็ติดตั้งกำลังการผลิตที่สามารถผลิตเซลล์แบตเตอรี่ได้ถึง 15 กิกะวัตต์ชั่วโมงต่อปี และเปรียบเทียบกับโรงงาน Gigafactory ของ Tesla ในรัฐเนวาดาสามารถผลิตได้ประมาณ 37 กิกะวัตต์ชั่วโมงต่อปี ต้นทุนส่วนเพิ่มในการขยายกำลังการผลิตของ CATL นั้นต่ำมาก จนยากที่บริษัทอื่นๆ จะตามได้ทัน
บริษัทแบตเตอรี่ของประเทศจีนสามารถใช้ประโยชน์จากเส้นแห่งการเรียนรู้ได้ เพราะผู้ผลิตมีอุปสงค์จากตลาดรถยนต์นั่งส่วนบุคคลในประเทศจีน ซึ่งเป็นตลาดที่ใหญ่ที่สุดในโลก โดยมีอัตราการนำรถยนต์ไฟฟ้ามาใช้งานที่นำหน้าสหรัฐอเมริกาและยุโรปแบบเทียบไม่ติด เกือบร้อยละ 50 ของยอดขายรถยนต์ใหม่ในประเทศจีนเป็นรถยนต์ไฟฟ้าที่ขับเคลื่อนด้วยแบตเตอรี่ ในขณะที่ในสหรัฐอเมริกามีเพียงร้อยละ 9 เท่านั้น นอกจากนี้ รัฐบาลจีนมีบทบาทสำคัญอย่างมากในการผลักดันอุตสาหกรรมนี้ โดยสนับสนุนอุปทานสำหรับการผลิตแบตเตอรี่ควบคู่กับการกระตุ้นความต้องการในฝั่งผู้บริโภคด้วยการให้สิทธิประโยชน์กับผู้ซื้อรถยนต์ไฟฟ้า นโยบายเหล่านี้ก็ได้สร้างระบบนิเวศที่ทำให้ผู้ผลิตจากประเทศจีนมีความได้เปรียบอย่างท่วมท้น
แล้วสงครามการค้าที่ประธานาธิบดีทรัมป์กำลังดำเนินอยู่อาจส่งผลกระทบเชิงกลยุทธ์ที่สำคัญต่ออุตสาหกรรมต่างๆ ที่พึ่งพิงการเรียนรู้จากปริมาณการผลิต แม้ว่าการเก็บภาษีศุลกากรกับสินค้านำเข้า เช่น เซมิคอนดักเตอร์ หรืออุตสาหกรรมเกิดใหม่ เช่น การแปรรูปโลหะหายาก หรือการผลิตเอนไซม์และกรดอะมิโนโดยใช้เทคโนโลยีชีวภาพ เป็นต้น อาจเปิดโอกาสให้บริษัทภายในประเทศสามารถขยายกำลังการผลิต และเข้าสู่เส้นแห่งการเรียนรู้ได้เร็วขึ้น แต่กลยุทธ์นี้จะได้ผลก็ต่อเมื่อผู้ผลิตภายในประเทศไม่ได้ล้าหลังคู่แข่งมากเกินไป และผู้บริโภคภายในประเทศยินดีซื้อสินค้าจากผู้ผลิตภายในประเทศ และหากเซมิคอนดักเตอร์ที่ผลิตภายในประเทศต้องเผชิญกับการเก็บภาษีตอบโต้จากต่างประเทศ หรือถูกจำกัดการส่งออกจนทำให้ตลาดที่สามารถเข้าถึงได้มีขนาดเล็กลง ก็จะส่งผลกระทบอย่างมีนัยสำคัญต่อความเร็วที่บริษัทสามารถพัฒนาและลดต้นทุนตามเส้นแห่งการเรียนรู้ได้อย่างชัดเจน
เพราะฉะนั้น การค้นหาวิธีแข่งขันในอุตสาหกรรมที่ต้องพึ่งพิงการเรียนรู้จากปริมาณการผลิตนั้นเป็นเรื่องยากมาก ในยุคที่ตลาดโลกกำลังแตกตัวและแยกออกจากกัน และบริษัทที่ล้าหลัง การฝากความหวังไว้กับนโยบายกีดกันทางการค้าเป็นเรื่องเสี่ยงมาก เพราะหากกำแพงภาษีเหล่านั้นถูกยกเลิกขึ้นมา บริษัทเหล่านี้ก็อาจถึงคราวล่มสลายก็เป็นได้
ภาพ: Jian Fan / Getty Images
