พันธุ์อาจ ชัยรัตน์
 

ก่อนอื่นเรามาคุยกันว่า "เศรษฐศาสตร์ของดาต้าเซ็นเตอร์" คืออะไร?

Economics of Data Center หรือ เศรษฐศาสตร์ของดาต้าเซ็นเตอร์ คือ การศึกษาโครงสร้างต้นทุน โมเดลรายได้ และพลวัตทางเศรษฐกิจที่ขับเคลื่อนการลงทุนและการดำเนินงานของศูนย์จัดเก็บและประมวลผลข้อมูล ซึ่งถือเป็นโครงสร้างพื้นฐานทางดิจิทัล (Digital Infrastructure) ในยุคเศรษฐกิจดิจิทัลและปัญญาประดิษฐ์ (AI)

โครงสร้างทางเศรษฐศาสตร์ของ Data Center ถูกแบ่งออกเป็นสองส่วนหลัก คือ 

- ต้นทุนการลงทุนเริ่มแรก (Capital Expenditure: CapEx) เช่น ค่าที่ดิน การจัดหาอุปกรณ์เซิร์ฟเวอร์ ระบบระบายความร้อน และการเชื่อมต่อเครือข่ายแรงสูง และ

- ต้นทุนการดำเนินงาน (Operational Expenditure: OpEx) ซึ่งมีค่าไฟฟ้าเป็นปัจจัยกำหนดหลัก โดยคิดเป็นสัดส่วนมากกว่า 40–60% ของค่าใช้จ่ายในการดำเนินงานทั้งหมด 

ความคุ้มค่าทางเศรษฐศาสตร์ จึงขึ้นอยู่กับค่าประหยัดจากขนาด (Economies of Scale) การเลือกทำเลที่มีอัตราค่าไฟฟ้าต่ำและการเข้าถึงพลังงานสะอาด รวมถึงประสิทธิภาพการใช้พลังงาน หรือค่า Power Usage Effectiveness (PUE) ที่ยิ่งเข้าใกล้ 1.0 จะยิ่งสร้างอัตรากำไรที่สูงขึ้น

ในแง่ของผลกระทบเชิงระบบและการสร้างมูลค่า เศรษฐศาสตร์ของ Data Center ได้เปลี่ยนจากการเป็นเพียงศูนย์ต้นทุน (Cost Center) สำหรับองค์กร มาเป็นสินทรัพย์เชิงยุทธศาสตร์ที่สร้างผลตอบแทนแบบทวีคูณ (Multiplier Effect) ต่อระบบเศรษฐกิจในระดับภูมิภาค โดยกระตุ้นการลงทุนในโครงสร้างพื้นฐานพลังงานทดแทน การพัฒนาโครงข่ายสายใยแก้วนำแสงนำแสง และการจ้างงานทักษะสูงในสายงานวิศวกรรมและเทคโนโลยี

นอกจากนี้ โมเดลการสร้างรายได้ของ Data Center ยังมีความหลากหลาย ตั้งแต่รูปแบบ Co-location ที่แบ่งพื้นที่ให้เช่า, Hyperscale Data Center ที่รองรับคลาวด์ระดับโลก ไปจนถึงการให้บริการ AI Infrastructure as a Service ซึ่งสร้างกระแสเงินสดที่มั่นคงและระยะยาว ทำให้ Data Center กลายเป็นหมวดสินทรัพย์ (Asset Class) ที่ดึงดูดเงินทุนหมุนเวียนจากกองทุนโครงสร้างพื้นฐานและ Private Equity ทั่วโลกอย่างต่อเนื่อง

การประกาศลงทุนด้าน AI และ Data Center ในประเทศไทยตลอดช่วงที่ผ่านมา นับเป็นสัญญาณเชิงบวกที่สะท้อนว่าประเทศไทยยังอยู่ในสายตาของนักลงทุนระดับโลก แต่ท่ามกลางความยินดีกับเม็ดเงินลงทุน มีคำถามหนึ่งที่ควรถูกตั้งขึ้นพร้อมกัน คือ ประเทศไทยกำลังได้ "ศักยภาพใหม่" (capability) หรือกำลังได้เพียง "สินทรัพย์ใหม่" (assets)

ตัวชี้วัดความสำเร็จของการเป็นเจ้าที่ของอุตสาหกรรมต้นน้ำแบบนี้ มันเลยสำคัญกว่ามูลค่าการลงทุนเสียอีก สำหรับประเทศที่ไม่มีเม็ดเงินลงทุนทำ LLM หรือ Corporate AI เยอะๆ แบบสหรัฐอเมริกาหรือจีน

ทีนี้หากเรามามองการลงทุน Data Center ในระดับโลก จะพบว่า มันมีสองมุมมองที่แตกต่างกันอย่างน่าสนใจ โดยผมขอยกความเห็นของเจ้าพ่อในวงการลงทุนสองคนในสองแง่มุมมาแบ่งปัน

คนแรก Jim Chanos มองจากมุมของนักวิเคราะห์งบการเงิน (คนนี้แหละที่ทำให้โลกรู้จักคดี Enron) เขาตั้งข้อสังเกตว่าการลงทุนใน Data Center อาจกำลังร้อนแรงเกินกว่าพื้นฐานเศรษฐศาสตร์รองรับ โดยเฉพาะเมื่ออายุของเทคโนโลยี AI สั้นลงอย่างรวดเร็ว ขณะที่แบบจำลองทางการเงินยังตั้งอยู่บนสมมติฐานเดิม หากการเติบโตของ AI ชะลอลง ความเสี่ยงย่อมตกอยู่กับสินทรัพย์ที่ใช้เงินลงทุนสูงที่สุดก่อน

Chanos ชี้ให้เห็นรอยร้าวสำคัญ 3 ประการ

การเสื่อมค่าทางเทคโนโลยีที่เร็วกว่าสัญญาเช่า

ชิป AI และอุปกรณ์ประมวลผลมีอายุการใช้งานจริงในเชิงแข่งขันสั้นมาก ทว่าผู้ลงทุนกลับวาดแบบจำลองการคืนทุนยาวนาน 15–20 ปี ทั้งที่สัญญาเช่าจากกลุ่ม Hyperscalers มักเป็นสัญญาระยะสั้น

อัตราผลตอบแทน (ROIC) ที่กำลังดิ่งลง

ผลตอบแทนต่อเงินลงทุนซ้ำของยักษ์ใหญ่เทคโนโลยีลดลงจาก 40% เหลือเพียงราว 20% และมีแนวโน้มลดลงเรื่อยๆ ขณะที่งบซ่อมบำรุง (Maintenance CapEx) ซ่อนตัวอยู่สูงมาก

การตกแต่งงบด้วยบัญชี Construction in Progress 

หลายบริษัทเลือกชะลอการบันทึกค่าเสื่อมราคาโดยอ้างว่าอุปกรณ์ยังไม่เริ่มเดินเครื่อง ทำให้ผลประกอบการปัจจุบันดูดีเกินจริง ซึ่งหากกระแส AI ชะลอตัวลง ฟองสบู่ในกลุ่มโครงสร้างพื้นฐานจะแตกออกทันที

ในอีกด้าน Ken Griffin มองจากมิติของการแข่งขันและยุทธศาสตร์ชาติ Griffin ยอมรับเรื่องต้นทุนพลังงานและค่าประมวลผลที่แพงขึ้นจนเกิดภาวะเงินเฟ้อ แต่เขายืนยันว่า Data Center คือโครงสร้างพื้นฐานที่ "อย่างไรก็ต้องสร้าง"

สำหรับมหาอำนาจอย่างสหรัฐฯ การปล่อยให้ Data Center ไปตั้งนอกประเทศ คือ ความเสี่ยงต่ออธิปไตยดิจิทัล ส่วนในฝั่งประสิทธิภาพการทำงาน AI จะเข้าไปพังทลายปราการความได้เปรียบ (Moats) แบบเดิมๆ ช่วยให้ SME หรือบริษัทขนาดเล็กสามารถสร้างผลผลิตสู้กับยักษ์ใหญ่ได้ หากไทยต้องการมีตัวตนบนโลกยุคใหม่ การรับการลงทุนและวางระบบพลังงานรองรับ เช่น ก๊าซธรรมชาติ หรือพลังงานสะอาดเพื่อไม่ให้กระทบประชาชน จึงเป็นโจทย์เชิงกลยุทธ์ที่หลีกเลี่ยงไม่ได้

แม้ข้อสรุปของทั้งสองจะแตกต่างกัน แต่กลับสะท้อนข้อเท็จจริงเดียวกัน คือ Data Center ไม่ใช่เป้าหมายสุดท้าย หากเป็นเพียงองค์ประกอบหนึ่งของห่วงโซ่คุณค่า AI

ประเด็นสำคัญจึงไม่ใช่ว่าใครสร้าง Data Center มากที่สุด แต่คือ ใครสามารถสร้างมูลค่าจาก Data Center ได้มากที่สุด

ปรากฏการณ์ Data Center Boom ในไทยขณะนี้ กำลังเดินซ้ำรอยเดิมอย่างน่ากังวล
 

ไทยกินแค่เศษเค้ก แต่แบกรับภาระหนักสุด
 

คนที่ได้กำไรมหาศาลและมี Margin สูงที่สุดในห่วงโซ่ AI คือ ผู้ผลิตชิปอย่าง Nvidia หรือผู้พัฒนาแพลตฟอร์มอย่าง Microsoft และ Google ส่วนสิ่งที่จะมาตั้งบนแผ่นดินไทยคือ "Hard Assets" หรือตัวอาคารคอนกรีตและเซิร์ฟเวอร์ ซึ่งเป็นส่วนที่ได้ Margin ต่ำที่สุด แต่กินทรัพยากรในประเทศสูงที่สุด ทั้งไฟฟ้ามหาศาล และน้ำหล่อเย็นจำนวนมาก

ความเสี่ยงภาวะ Oversupply และการถูกทิ้งไว้ข้างหลัง

หากมองตามคำเตือนของ Chanos เมื่อกลุ่ม Hyperscalers เริ่มชะลอ CapEx หรือเมื่อเกิดภาวะกำลังการประมวลผลล้นตลาด ประเทศที่เป็นเพียง "ผู้ให้เช่าสถานที่" อย่างไทย จะกลายเป็นผู้รับผลกระทบแรกๆ อาคาร Data Center และระบบไฟที่สร้างรองรับไว้อาจกลายเป็นสินทรัพย์เสื่อมค่าที่ไม่คุ้มทุน

ขาดการต่อยอดเชิงปัญญา (Intellectual Value)

สิ่งที่ Griffin ย้ำคือ AI จะเข้ามาเปลี่ยนโครงสร้างแรงงานและการแข่งขัน การที่เรามี Data Center ตั้งอยู่ในประเทศ ไม่ได้แปลว่าคนไทยหรือสตาร์ทอัพไทยจะฉลาดขึ้นหรือมีเทคโนโลยีเป็นของตัวเอง ตราบใดที่เรายังไม่มีการพัฒนาบุคลากร STEM และไม่มีนวัตกรรมระดับ Proprietary Technology ของตัวเอง เราก็ยังคงเป็นได้แค่ "พนักงานเฝ้าห้องเซิร์ฟเวอร์" ในตึกที่ต่างชาติมาสร้างไว้

เมื่อย้อนกลับมามองประเทศไทย คำถามจึงเปลี่ยนจาก "เราดึงการลงทุนมาได้มากหรือไม่" เป็น "เราจะต่อยอดจากการลงทุนนั้นอย่างไร"

บทเรียนจากอุตสาหกรรมยานยนต์และอิเล็กทรอนิกส์ในอดีตควรทำให้เราระมัดระวัง เราประสบความสำเร็จในการเป็นฐานการผลิตของโลก แต่เทคโนโลยีหลัก ทรัพย์สินทางปัญญา และกำไรส่วนใหญ่กลับอยู่ในมือของผู้พัฒนาเทคโนโลยี ไม่ใช่ประเทศที่เป็นฐานการผลิต

หากไม่มีการออกแบบนโยบายที่รอบคอบ Data Center ก็อาจเดินซ้ำรอยเดิม เราอาจมีอาคาร มีระบบไฟฟ้า และมีการจ้างงานเพิ่มขึ้น แต่กิจกรรมที่สร้างมูลค่าสูงที่สุด ตั้งแต่ชิป โมเดล AI ซอฟต์แวร์ ไปจนถึงแพลตฟอร์มดิจิทัล ยังคงเกิดขึ้นนอกประเทศ 

บอกตรงๆ ว่าอ่านบทวิเคราะห์ที่ไปในแนวทางว่า ไทยเราก็มีอุตสาหกรรมแห่งอนาคตแล้วนะ เนี่ย ผมหงุดหงิดน่ะ เพราะเราแทบไม่ได้อะไรเลย บทเรียนมีมาตตั้งแต่ตอนเกาหลีใต้ มาฮ่องกง สิงคโปร์ จีน ล่าสุดมาเวียดนาม เราไม่สนใจเรื่อง local tech capability กันเลย มองแบบ short sighted profit maker กันไปเรื่อย ๆ

ประสบการณ์ที่ผมเคยทำงานด้าน Deep tech promotion มา มันทำให้เห็นบทเรียนสำคัญข้อหนึ่ง การต่อรองที่สำคัญที่สุดเกิดขึ้นก่อนการลงทุน ไม่ใช่หลังจากโครงการได้รับอนุมัติแล้ว

ในโลกของอุตสาหกรรมอวกาศ การป้องกันประเทศ อิเลคทรอนิกส์ต้นน้ำ สิทธิในการใช้วงโคจรและคลื่นความถี่เป็นทรัพยากรที่มีจำกัด การถูกควบคุมจากสนธิสัญญาอาวุธต่างๆ มีผลต่อการถ่ายทอดเทคโนโลยี รวมทั้งเรื่อง tech secret อีก ส่วนในโลกของ AI ทรัพยากรที่มีคุณค่าไม่ต่างกันคือ พลังงาน ระบบส่งไฟฟ้า ที่ดิน และกำลังประมวลผล หากทรัพยากรเหล่านี้ถูกมองเป็นเพียงสิ่งอำนวยความสะดวก มากกว่าจะเป็นแต้มต่อในการเจรจา ประเทศเจ้าบ้านย่อมเหลืออำนาจต่อรองไม่มากเมื่อโครงการเริ่มเดินหน้า

หากเรามองจากเลนส์ซูมนี้แล้ว มันคงทำให้โจทย์เชิงนโยบายของไทยไม่ควรจำกัดอยู่ที่การแข่งขันให้มี Data Center มากที่สุดในภูมิภาค แต่ควรเป็นการออกแบบเงื่อนไขการลงทุนที่สร้างประโยชน์ระยะยาวให้ประเทศ ตั้งแต่การเข้าถึงกำลังประมวลผลของนักวิจัยไทย การพัฒนาบุคลากร การสนับสนุนสตาร์ทอัพ ไปจนถึงการสร้างเทคโนโลยีและทรัพย์สินทางปัญญาที่เกิดขึ้นในประเทศไทย
 

ท้ายที่สุด Data Center เป็นเพียงโครงสร้างพื้นฐาน ไม่ใช่ตัวชี้วัดความสำเร็จของประเทศ
 

ตัวชี้วัดที่แท้จริง คือ หลังจากการลงทุนเกิดขึ้นแล้ว ประเทศไทยสามารถสร้างบริษัทเทคโนโลยี นักวิจัย นวัตกรรม และอุตสาหกรรมใหม่ของตนเองได้มากเพียงใด

หากเราตอบคำถามนี้ไม่ได้ ต่อให้มี Data Center มากที่สุดในอาเซียน ประเทศไทยก็อาจยังเป็นเพียงผู้ให้บริการโครงสร้างพื้นฐานของเศรษฐกิจ AI ขณะที่คุณค่าที่แท้จริงยังคงถูกสร้างและถือครองโดยผู้อื่น

ในโลกที่ AI กำลังกลายเป็นโครงสร้างพื้นฐานของเศรษฐกิจใหม่ การแข่งขันจึงไม่ใช่การแข่งขันเพื่อดึงการลงทุนเพียงอย่างเดียว แต่เป็นการแข่งขันเพื่อสร้างความสามารถของประเทศ และการตัดสินใจในวันนี้ จะเป็นตัวกำหนดว่าไทยจะเป็นเพียง "สถานที่ตั้ง" ของเศรษฐกิจ AI หรือจะเป็นหนึ่งในผู้สร้างเศรษฐกิจนั้นด้วยตนเอง