Cloud Platform & Hyperscalers: จุดที่ AI ถูกนำไปใช้ในระดับโลก

AI ในวันนี้ไม่ได้ถูกใช้งานผ่านการซื้อชิปหรือเซิร์ฟเวอร์มาตั้งไว้เองเหมือนในอดีต แต่ถูกเข้าถึงผ่าน cloud ซึ่งทำหน้าที่เหมือนระบบ “สาธารณูปโภค” อย่างไฟฟ้า เราไม่ต้องลงทุนสร้าง data center ไม่ต้องดูแลเครื่อง ไม่ต้องมีทีมวิศวกรขนาดใหญ่ แค่เชื่อมต่ออินเทอร์เน็ตก็สามารถเรียกใช้พลังประมวลผลระดับเดียวกับบริษัทเทคขนาดใหญ่ได้ทันที

 

ในทางปฏิบัติ องค์กรสามารถเลือกใช้ได้ตั้งแต่การเช่า GPU สำหรับ train โมเดล ไปจนถึงการเรียกใช้ AI model สำเร็จรูปผ่าน API เช่น การสร้างข้อความ แปลภาษา หรือวิเคราะห์ข้อมูล โดยจ่ายตามการใช้งานจริง ทำให้ต้นทุนเปลี่ยนจากการลงทุนก้อนใหญ่ (CapEx) มาเป็นค่าใช้จ่ายตามการใช้งาน (OpEx) โมเดลแบบนี้ทำให้ AI เข้าถึงได้ง่ายขึ้นมาก และเป็นเหตุผลที่ cloud กลายเป็นช่องทางหลักที่ทำให้ AI ถูกนำไปใช้ในวงกว้างอย่างรวดเร็ว

 

Microsoft, Amazon, Alphabet และ Meta คือผู้ที่นำพลังประมวลผล (compute) จากทั้ง value chain มาสร้างเป็นบริการที่ลูกค้าสามารถใช้งานได้ทันที

 

จุดเด่นคือ Microsoft (MSFT23) นำ AI เข้าไปฝังใน workflow ขององค์กรผ่าน Azure (โครงสร้างคลาวด์) และ Microsoft 365 Copilot (AI ผู้ช่วยใน Word, Excel, Teams, Outlook) จุดเด่นคือลูกค้าไม่ต้องเรียนรู้เครื่องมือใหม่ เพราะ AI ถูกฝังในซอฟต์แวร์ที่ใช้อยู่แล้วทุกวัน ปัจจุบันมีองค์กรซื้อ Microsoft 365 Copilot รวมกันกว่า 20 ล้าน seats สะท้อนการนำ AI ไปใช้จริงในระดับ enterprise

 

Amazon (AMZN23) ให้บริการ AI ผ่าน AWS โดยมี Bedrock เป็นแพลตฟอร์มกลางที่ลูกค้าเลือกใช้ AI model ได้หลายค่ายในที่เดียว ทั้ง Claude (Anthropic), Llama (Meta) และ Titan (Amazon เอง) จุดเด่นคือไม่ผูกลูกค้ากับ model ค่ายใดค่ายเดียว เปลี่ยนได้โดยไม่ต้องเขียน code ใหม่

 

Alphabet (GOOG23) มีความได้เปรียบจากการพัฒนาทั้ง AI chip (TPU), AI model (Gemini) และผลิตภัณฑ์ปลายทาง (Search, YouTube, Google Cloud) เองทั้งหมด ทำให้ optimize ต้นทุนและประสิทธิภาพได้ทั้งระบบ ส่งผลให้ Gemini app สิ้นปี 2025 มีผู้ใช้กว่า 750 ล้านคนต่อเดือน เพิ่มจากต้นปีที่ 350 ล้าน ซึ่งช่วยต่อยอดรายได้ Google Cloud ให้โตตามกันได้ดี

 

Meta (META23) ใช้ AI เพื่อเพิ่มประสิทธิภาพของโฆษนาบน platform ตัวเอง เช่น Facebook, Instagram, WhatsApp ผ่านการพัฒนาระบบ recommendation และ advertising ซึ่งเป็นแหล่งรายได้หลัก ทำให้ AI มีผลต่อรายได้โดยตรง

กลุ่มนี้คือจุดที่ AI ถูก deploy ในระดับใหญ่ และเป็นจุดที่ demand จากทั้ง ecosystem ถูกแปลงเป็นบริการที่ขายได้จริง

 

AI Platform & Software: เครื่องมือที่ทำให้ AI ใช้งานได้จริงในองค์กร

แม้ cloud จะทำให้เข้าถึง AI ได้ แต่การนำ AI ไปใช้จริงในองค์กรยังต้องมี platform ที่ช่วยจัดการข้อมูล และแปลง model ให้กลายเป็น workflow ที่ใช้งานได้จริง

 

Snowflake (SNOW23) คือ ผู้ให้บริการ data cloud platform ที่ช่วยแก้ปัญหา ที่ข้อมูลในบริษัทกระจัดกระจาย และมีการเก็บแยกในหลายระบบ และหลาย platform โดยทำหน้าที่รวบรวมข้อมูลไว้ในที่เดียวผ่านคลังข้อมูลกลางบนคลาวด์ แล้วเปิดให้ทีมวิเคราะห์ ทีม AI และผู้บริหารเรียกใช้พร้อมกันได้แบบ real-time

 

Palantir (PLTR23) นำ AI ไปใช้ในระดับองค์กรผ่านสองแพลตฟอร์มหลัก ได้แก่ Foundry และ AIP จุดเด่นคือสามารถนำข้อมูลขนาดมหึมาที่กระจัดกระจายและไม่ได้จัดระเบียบ มาแปลงเป็นเครื่องมือช่วยตัดสินใจในสถานการณ์ที่ความผิดพลาดจะก่อความเสียหายสูง Platform จาก Palantir ถูกใช้ตั้งแต่การวิเคราะห์ข้อมูลดาวเทียมเพื่อระบุเป้าหมาย บริหารข้อมูลผู้ป่วยทั่วประเทศ ไปจนถึง ใช้พัฒนาสมรรถภาพรถแข่ง F1

 

กลุ่มนี้คือ ตัวเร่งที่ทำให้ AI ถูกนำไปใช้จริง เพราะเป็นชั้นที่แปลงเทคโนโลยีให้กลายเป็น productivity และ decision-making

 

Application & Enterprise AI: จุดที่ AI สร้างมูลค่าทางธุรกิจจริง

ปลายทางสุดของ AI คือการถูกนำไปใช้ใน application และ workflow จริง ไม่ว่าจะเป็น automation, analytics, recommendation หรือ generative AI

 

สิ่งที่น่าสนใจคือหลายบริษัทไม่ได้ขาย AI โดยตรง แต่ใช้ AI เป็นส่วนหนึ่งของผลิตภัณฑ์เพื่อเพิ่มประสิทธิภาพ เช่น การแนะนำคอนเทนต์, การโฆษณาแบบ personalized หรือการช่วยพนักงานทำงานเร็วขึ้น

 

จุดนี้คือที่ที่ AI ถูกพิสูจน์ด้วยพฤติกรรมผู้ใช้จริง และเป็นจุดที่ลูกค้ายอมจ่ายเงิน เพราะเห็น value ที่ชัดเจน

 

ปลายน้ำคือจุดที่ AI ถูกพิสูจน์ด้วยรายได้

ถ้าต้นน้ำคือเทคโนโลยี และกลางน้ำคือการลงทุนในภาคการผลิตและโครงสร้าง ปลายน้ำก็คือผลลัพธ์ของทุกขั้นตอนรวมกัน Microsoft (MSFT23), Amazon (AMZN23), Alphabet (GOOG23) และ META (META23) เป็นตัวแทนของการนำ AI ไปให้บริการในระดับโลก

Snowflake (SNOW23) และ Palantir (PLTR23) เป็นตัวแทนของการนำ AI ไปใช้งานจริงในองค์กร

 

สิ่งที่น่าสนใจคือในระยะยาวคือ value ของ AI จะไม่ได้อยู่แค่ที่การสร้างเทคโนโลยี แต่จะอยู่ที่ความสามารถในการใช้และสร้างรายได้ได้จริง

 

การเข้าใจปลายน้ำช่วยให้เห็นภาพสุดท้ายของ AI Value Chain ว่าทุกอย่างตั้งแต่ชิป ไปจนถึง data center จะถูกสะท้อนออกมาเป็นรายได้ กำไร และการเติบโตของบริษัทในชั้นนี้อย่างไร และนี่คือจุดที่ story ของ AI กลายเป็นธุรกิจจริงอย่างสมบูรณ์

 

 

 

⚠️ คำเตือน: ผู้ลงทุนควรทำความเข้าใจลักษณะสินค้า เงื่อนไขผลตอบแทน และความเสี่ยงก่อนตัดสินใจลงทุน ผู้ลงทุนควรทำความเข้าใจผลิตภัณ์ฑ DR ก่อนการลงทุน เนื่องจาก DR มีความเสี่ยงจากความผันผวนของอัตราแลกเปลี่ยน ความผันผวนของราคาของหลักทรัพย์ต่างประเทศ และความเสี่ยงจากความผันผวนของราคา DR เอง