การลงทุนในดาต้าเซ็นเตอร์แซงหน้าค่าใช้จ่ายเมกะโปรเจกต์ครั้งประวัติศาสตร์ของสหรัฐภายในเวลาเพียง 6 ปี

 (twitter.com/finmoorhouse)
1 คะแนน โดย GN⁺ 11 일 전 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • capex ของดาต้าเซ็นเตอร์ แตะระดับประมาณ 9.3 แสนล้านดอลลาร์ ภายในเวลาเพียง 6 ปี ซึ่งสูงกว่าค่าใช้จ่ายสะสมของเมกะโปรเจกต์สำคัญของสหรัฐทั้งหมด
  • เป็นกราฟเปรียบเทียบในหน่วย ดอลลาร์ปี 2024 ที่ปรับตามเงินเฟ้อแล้ว
  • เมกะโปรเจกต์เดิมเป็นการลงทุนระยะยาว เช่น Interstate Highway System (6.2 แสนล้านดอลลาร์, 37 ปี), US Railroads (5.5 แสนล้านดอลลาร์, 71 ปี)
  • capex ของดาต้าเซ็นเตอร์แสดงทั้ง จุดอ้างอิงปี 2025 และ ตัวเลขตามแผนปี 2026 โดยมีอัตราการเพิ่มขึ้นที่เหนือกว่าโครงการอื่นอย่างชัดเจน
  • ตัวเลขอ้างอิงจากการประเมินสัดส่วนดาต้าเซ็นเตอร์ของบิ๊ก 5 ไฮเปอร์สเกลเลอร์สหรัฐ ได้แก่ Amazon, Microsoft, Alphabet, Meta, Oracle

ภาพรวมกราฟ

  • ชื่อกราฟคือ "Data centers vs. megaprojects" คำบรรยายรองคือ ต้นทุนสะสมที่ปรับตามเงินเฟ้อแล้ว (หน่วย: พันล้านดอลลาร์)
  • แกน X คือจำนวนปีที่ผ่านไปหลังเริ่มโครงการ และแกน Y คือยอดใช้จ่ายสะสม (สูงสุดระดับ 1 ล้านล้านดอลลาร์)
  • ตัวเลขทั้งหมดแปลงเป็น ดอลลาร์ปี 2024

เส้นทาง capex ของดาต้าเซ็นเตอร์

  • capex ของดาต้าเซ็นเตอร์ มียอดใช้จ่ายสะสมถึงประมาณ 9.3 แสนล้านดอลลาร์ ภายใน 6 ปี โดยแสดงเป็นจุดอ้างอิงปี 2025
  • ตัวเลขตามแผนปี 2026 แสดงด้วยเส้นประ และมีแนวโน้มทะลุ 1 ล้านล้านดอลลาร์
  • ในกราฟมี ความชันสูงกว่ามาก เมื่อเทียบกับเมกะโปรเจกต์อื่นทั้งหมด

เมกะโปรเจกต์ที่ใช้เปรียบเทียบ

  • Interstate Highway System: 6.2 แสนล้านดอลลาร์, ใช้เวลา 37 ปี
  • US Railroads: 5.5 แสนล้านดอลลาร์, ใช้เวลา 71 ปี
  • F-35 Program: 4 แสนล้านดอลลาร์, 25 ปี (สะสมจนถึงปัจจุบัน)
  • Apollo Program: 2.57 แสนล้านดอลลาร์, 14 ปี
  • Marshall Plan: 1.7 แสนล้านดอลลาร์, 4 ปี
  • International Space Station: 1.5 แสนล้านดอลลาร์, 27 ปี
  • Manhattan Project: 3.6 หมื่นล้านดอลลาร์, 5 ปี

วิธีคำนวณข้อมูล

  • capex ด้าน AI คำนวณจาก สัดส่วนดาต้าเซ็นเตอร์ที่ประเมินได้ ภายใน capex ที่บริษัทรายงานในระดับโลกของ ไฮเปอร์สเกลเลอร์สหรัฐ 5 รายใหญ่ (Amazon, Microsoft, Alphabet, Meta, Oracle)
  • ใช้ข้อมูลจาก Epoch AI + Platformonomics
  • สมมติว่าสัดส่วนดาต้าเซ็นเตอร์จะเพิ่มจาก ประมาณ 55% ในปี 2020 เป็น ประมาณ 80% ในปี 2026
  • ไม่รวมไฮเปอร์สเกลเลอร์ของจีน

แหล่งที่มา

  • Company reports, Epoch AI, FHWA, NASA, CRS, GAO, Brookings

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 11 일 전
ความเห็นจาก Hacker News

  • ถ้ามองเป็น สัดส่วนต่อ GDP ของสหรัฐฯ แบบในทวีตนี้ ก็อาจรู้สึกว่าไม่หวือหวาเท่าไร
    แต่ในขณะเดียวกันก็ยิ่งเห็นชัดขึ้นว่ารถไฟเคยเป็น เหตุการณ์ทางอุตสาหกรรม ที่ยิ่งใหญ่แค่ไหน

    • การปรับเทียบตาม GDP เป็นเรื่องจำเป็นก็จริง แต่จริง ๆ แล้วผมคิดว่ามันน่าจะดราม่ากว่าตัวเลขนั้นอีก
      เมกะโปรเจกต์สมัยก่อนมีช่วงค่าเสื่อมราคายาวหลายสิบปี และทางรถไฟ สะพาน อุโมงค์ เขื่อน ที่อายุเกิน 50–100 ปีก็ยังมีหลายแห่งที่ยังใช้งานได้อยู่เพียงแค่ซ่อมบำรุง
      ตรงกันข้าม GPU ซึ่งเป็นแกนหลักของการใช้จ่ายตอนนี้กลับคิดค่าเสื่อมราคาแค่ 6 ปีเท่านั้น ดังนั้นถ้ามองตามเกณฑ์ค่าเสื่อมต่อปี การใช้จ่ายตอนนี้ก็ดูท่วมท้นกว่ามาก
    • ในกราฟนี้ จุดสูงสุดของรถไฟดูเหมือนจะอยู่ที่ราว 9% ของ GDP ซึ่งสูงกว่าที่ผมไปค้นข้อมูลมาเองมากจนสะดุดตา
      ตอนนั้นยังไม่มีแม้แต่แนวคิดเรื่อง GDPด้วยซ้ำ ดังนั้นตัวเลขพวกนี้ล้วนเป็นการคำนวณย้อนหลังและมีช่วงคลาดเคลื่อนสูง
      ตอนนี้เหมือนมีแรงจูงใจจะทำให้การลงทุนด้านดาต้าเซ็นเตอร์ดูเป็นเรื่องที่ไม่เคยมีมาก่อน เลยพยายามตั้งตัวเลขของรถไฟให้สูงที่สุดเท่าที่จะทำได้
    • แต่ผมก็รู้สึกว่าวิธีนี้อาจเป็นการพูดเกินจริงในอีกทางหนึ่งเหมือนกัน
      การเอาการลงทุนในยุคที่การประเมิน GDP แบบสมัยใหม่ ยังไม่แม่นยำมาเทียบเป็นสัดส่วนต่อ GDP นั้น สะท้อนขนาดเศรษฐกิจจริงได้ถูกต้องแค่ไหนก็น่าสงสัย
      ตอนนั้นยังไม่มีการเงินสมัยใหม่ ไม่มีภาษีเงินได้ และแรงงานส่วนใหญ่ก็อยู่ในภาคเกษตร เลยสงสัยว่าความรู้สึกถึงภาระต้นทุนรถไฟของคนทั่วไปในยุคนั้น จะอยู่บนแกนเดียวกับที่ผู้เสียภาษีทุกวันนี้รู้สึกต่อค่าใช้จ่ายของ F-35 ได้จริงหรือเปล่า
    • ผมว่ามันเป็นกราฟิกที่ช็อกจริง ๆ
      แค่ F-35 รุ่นเดียว สหรัฐฯ ก็ใช้เงินพอ ๆ กับ Marshall Plan เพื่อฟื้นฟูยุโรปหลังสงครามโลกครั้งที่ 2, Interstate Highway System หรือแม้แต่การลงทุนดาต้าเซ็นเตอร์ทั้งหมดรวมกัน ซึ่งทำให้เห็นลำดับความสำคัญได้ชัดมาก
    • กลับรู้สึกว่าการเปรียบเทียบนี้ยิ่งดราม่ากว่าอีก
      ในรายการนั้น Apollo, Manhattan Project, ISS, Interstate Highway System, Marshall Plan และ F-35 มีจุดร่วมคือเป็นโครงการที่รัฐลงทุนโดยมองประโยชน์สาธารณะระยะยาว จึงไม่ถูกกดดันให้ต้องมี ROI ระยะสั้น
      ผลตอบแทนของโครงการเหล่านี้มีลักษณะค่อย ๆ กลับมาในรูปการเติบโตทางเศรษฐกิจ ความมั่นคง และความก้าวหน้าทางวิทยาศาสตร์ตลอดหลายสิบปี
      โดยเฉพาะ Marshall Plan นั้นแทบจะจ่ายเงินปันผลยาว 77 ปี และในมุมหนึ่งก็ช่วยไม่ให้ความรู้สึกเชิงบวกของยุโรปต่อสหรัฐฯ กลายเป็นการกีดกันทางการค้าอย่างหนักต่อ Big Tech
      แต่รถไฟกับ AI datacenters เป็นการลงทุนของภาคเอกชน จึงไม่มีเวลารอ 50 ปี
      เช่นเดียวกับที่หลังฟองสบู่รถไฟแตกเกิดแรงกระแทกทางเศรษฐกิจครั้งใหญ่ หาก OpenAI ยังไม่สามารถแสดงการคืนทุนบางส่วนได้ภายในปีนี้หรือใกล้เคียง ก็มีความกังวลว่าอาจเกิดแรงกระแทกคล้ายกันพร้อมกับ IPO ที่ล้มเหลว

  • ผมรู้สึกว่านี่เป็นการเปรียบเทียบคนละหมวดหมู่กันนิดหน่อย
    รถไฟเป็นกรณี การสร้างโครงสร้างพื้นฐาน ที่ภาคเอกชนลงมือทำในวงกว้างจริง ๆ จึงพอจะคล้ายกันอยู่บ้าง
    ถ้าจะเทียบกับบูมดาต้าเซ็นเตอร์ จริง ๆ แล้วตัวอย่างอย่างการสร้างโรงงาน การขยายโครงข่ายไฟฟ้า ระบบประปา ท่อก๊าซ หรือการทำให้เกิดไฟฟ้าใช้อย่างแพร่หลายในช่วงต้นศตวรรษที่ 20 น่าจะเหมาะกว่า

    • มันทำให้นึกถึงเวลาที่มีใครในบริษัทมาบอกว่า “เราทำได้ x ล้านชิ้นในเวลาสั้นมาก”
      ถ้าไม่มี ตัวเทียบที่เท่าเทียมกัน แล้วพูดแต่ตัวเลขใหญ่อย่างเดียว เราก็ตัดสินไม่ได้ว่ามันเป็นเรื่องพิเศษจริงหรือไม่
      เหมือนกับที่ผมจะบอกว่าผมกินอะไรบางอย่างได้จำนวนมหาศาลต่อนาที ถ้าใส่บริบทเข้าไปแล้วก็ไม่มีใครคิดว่ามันน่าทึ่งอะไร
    • มันยังทำให้นึกได้ว่ารถไฟก็เป็นสาเหตุของวิกฤตธนาคารครั้งใหญ่ที่สุดบางครั้งในประวัติศาสตร์เหมือนกัน
      Panic of 1873 เคยถูกเรียกว่า Great Depression อยู่ช่วงหนึ่ง และวิกฤตปี 1893 ก็เกิดจากการลงทุนเกินตัวและฟองสบู่แตก
      ตอนนี้ AI ก็ดูคล้ายกันมากตรงที่มีการลงทุนมหาศาลนำหน้าไปก่อน ทั้งที่ยังไม่เห็นรายได้ที่แน่นอน
      ทุกคนก็รู้ว่าซอฟต์แวร์และฮาร์ดแวร์จะมีประสิทธิภาพสูงขึ้นและราคาถูกลงเรื่อย ๆ ทำให้มูลค่าลดลงตามเวลา และตอนนี้ก็ยังมีหลักฐานไม่มากว่าผลประโยชน์ฝั่งผู้ใช้จะมากพอคุ้มกับขนาดการลงทุนนี้
      ถ้าฟองสบู่แตก คนที่โดนก่อนอาจไม่ใช่ธนาคารแต่เป็น ทุนเอกชน และถ้างบการเงินของ hyperscaler กับ tech unicorn พังลง บริษัทที่ซ้อนอยู่ด้านบน การจ้างงาน และทรัพย์สินครัวเรือนผ่าน S&P 500 ก็อาจโดนแรงกระแทกเป็นลูกโซ่
      และต่างจากวิกฤตธนาคาร ตรงนี้คงหวังการอุ้มชูทางการเงินได้ยาก จึงอาจเกิดแรงกระแทกฉับพลันกว่า
    • ความผิดหมวดหมู่อีกอย่างคือ รถไฟในความเป็นจริงถูกสร้างขึ้นบนฐานของ เงินอุดหนุน มหาศาลจากประชาชนอเมริกัน
      แทบจะยกที่ดินถึง 10% ของประเทศให้บริษัทรถไฟกันเลยกว่าจะสร้างสำเร็จ
    • ประเด็นสำคัญของรถไฟคือ พอสร้างเสร็จแล้วมันก็สร้าง มูลค่าทางเศรษฐกิจ ได้แทบจะทันที
      ส่วน LLM นั้น ณ ตอนนี้ก็น่าจะถึงเวลาที่ต้องเริ่มโชว์เป็นตัวเลขแล้วว่ามันสร้างมูลค่าทางเศรษฐกิจจริงได้เท่าไร
      ผ่านมาหลายปีแล้ว ก็น่าจะพูดถึงผลลัพธ์ที่เป็นรูปธรรมได้เสียที
    • ผมว่าการเรียกสิ่งนี้ว่าเป็นการสร้างโครงสร้างพื้นฐานก็ดูเกินไปหน่อย
      อุปกรณ์ที่ใส่เข้าไปในดาต้าเซ็นเตอร์เป็น สินทรัพย์ที่มูลค่าหายไป ก่อนครบ 10 ปี และไฟฟ้าก็หลายครั้งอาศัยกังหันก๊าซแก้ปัญหาเฉพาะหน้า เลยไม่ค่อยให้ความรู้สึกว่ากำลังทิ้งโครงสร้างพื้นฐานระยะยาวไว้จริง ๆ

  • ความกังวลต่อ AI น่าจะหายไปอย่างรวดเร็วถ้ามันช่วยแก้ปัญหาใหญ่ของมนุษยชาติได้สักข้อหนึ่ง
    เช่น ถ้ามีความก้าวหน้าระดับ คาร์บอนนาโนทิวบ์สำหรับลิฟต์อวกาศ หรือฟิวชันนิวเคลียร์ที่ยั่งยืน บรรยากาศก็น่าจะเปลี่ยนไป

    • เท่าที่เห็นมาจนถึงตอนนี้ การแพทย์เฉพาะบุคคล ดูเป็นตัวเต็งที่มีอนาคตที่สุด แต่ก็อยากถามกลับว่านั่นเพียงพอไหม
    • อย่างน้อยมันก็ทำ killer front end ที่ทำให้นักลงทุนทึ่งได้ดีมาก แบบประชด ๆ นะ
    • จริง ๆ แล้วคำถามแบบนี้ก็ใช้ได้เหมือนกันกับเทคโนโลยี เพิ่มผลิตภาพ ทุกชนิดก่อนยุค AI
      เครื่องพิมพ์ดีดหรือโน้ตบุ๊กเอง ตอนแรกก็คงเคยเจอความกังขาแบบเดียวกัน

  • ผมว่ากรณีใหญ่ที่หายไปจากการเปรียบเทียบนี้คือ อาวุธนิวเคลียร์
    สหรัฐฯ ใช้เงินกับอาวุธนิวเคลียร์ไปราว 12 ล้านล้านดอลลาร์ในมูลค่าเงินปี 2024 ระหว่างปี 1940 ถึง 1996 และส่วนใหญ่กระจุกอยู่ในทศวรรษ 1950 กับต้นทศวรรษ 1960
    ดูตัวเลขที่เกี่ยวข้องได้ใน Wikipedia ของ Nuclear weapons of the United States

  • ผมเริ่มสงสัยมากขึ้นเรื่อย ๆ ว่าการใช้จ่ายและความเสี่ยงระดับนี้เหมาะสมจริงหรือไม่
    น่ากังวลว่าเราในฐานะส่วนรวมอาจกำลัง หลงใหล AI จนตัดสินใจอะไรที่ไม่ค่อยสุขุมกันอยู่หรือเปล่า

    • ผมก็ว่าไม่ค่อยเหมาะสมเหมือนกัน
      ผมเห็น Ed Zitron พูดเรื่องนี้แบบเดือด ๆ บน YouTube บ่อยมาก ซึ่งก็ดูเพลินและชวนเห็นด้วยดี
    • ผมก็เคยคิดคล้าย ๆ กัน แต่ตอนนี้กลับมองว่าการแข่งขันสร้างระบบครั้งนี้ค่อนข้างสมเหตุสมผล
      เพราะแล็บ AI ขนาดใหญ่ยังคงแข่งกันแย่ง compute อยู่ และดูเหมือนความต้องการฝั่ง inference ก็ยังตามแทบไม่ทันด้วย

  • ผมคิดว่านี่ไม่ใช่โครงการเดียว แต่เป็นปรากฏการณ์ที่เทเงินใส่ compute ผ่านโครงการคล้ายกันหลายร้อยถึงหลายพันโครงการ
    ถ้าจะเปรียบก็คงใกล้กับการเอายอดใช้จ่ายรวมของโครงสร้างพื้นฐานด้านคมนาคมทั้งหมดในช่วงเวลาหนึ่งมาพูด มากกว่าจะเป็นเมกะโปรเจกต์รายโครงการ

  • เกี่ยวกับประเด็นนี้ ผมว่าพรีเซนเทชันของ Justin Lebar ดีมากจริง ๆ
    เขาเป็นคนที่สร้าง xla compiler และเคยทำงานที่ OpenAI ด้วย ถ้าดูบรรยายนี้จะช่วยให้เห็นบริบทได้ดี

  • ที่เกี่ยวข้องกับประเด็นนี้ ผมว่ากราฟอีกอันในลิงก์นี้ก็น่าดูเหมือนกัน

  • ผมสงสัยว่านี่เป็น การใช้จ่ายที่เบิกจ่ายจริง หรือเปล่า
    คือเป็นเงินที่จ่ายออกไปจริง หรือเป็นแค่ตัวเลขที่ประกาศว่า “เราจะลงทุน $X” กันแน่
    แล้วข้อตกลงแบบถือหุ้นไขว้กันไปมาจะถูกนับอย่างไรด้วยก็น่าสงสัย

    • หลายส่วนเป็น committed capital และต้องคำนึงด้วยว่าดาต้าเซ็นเตอร์หลายแห่งยังไม่ได้เริ่มก่อสร้างจริงด้วยซ้ำ

  • ผมสงสัยว่า datacenter capex ที่พูดถึงตรงนี้รวมอะไรบ้างกันแน่
    โดยเฉพาะอยากรู้ว่ารวมโรงไฟฟ้าด้วยไหม
    ต่อให้กระแส AI ทำผลงานได้ไม่ถึงที่คาด แต่ถ้ามีการสร้างโครงสร้างพื้นฐานด้านพลังงานอย่างโซลาร์ ลม หรือพลังน้ำไว้มาก ก็อาจถือเป็นผลลัพธ์ที่คุ้มค่าได้ในตัวมันเอง

    • ในความเป็นจริง ดาต้าเซ็นเตอร์คงขับเคลื่อนด้วย solar หรือ wind อย่างเดียวได้ยาก
      ต่อให้มีแบตเตอรี่ช่วยก็ยังไม่พอ และสถานที่ที่กำลังก่อสร้างกันจริง ๆ ตอนนี้ก็มักพึ่งก๊าซกับถ่านหินอยู่มาก อย่างกรณี xAI ของ Musk เป็นต้น