ไตรมาสมูลค่า 44.9 พันล้านดอลลาร์ของ Alphabet: บทเรียนระดับคณะกรรมการเรื่องวินัยด้านเงินทุน AI

Alphabet รายงานผลประกอบการไตรมาสที่สองของปี 2026 ในสัปดาห์นี้ และตัวเลขพาดหัว ในแวบแรก นั้นไม่ธรรมดา รายได้ 119.8 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 24 เปอร์เซ็นต์จากปีก่อน กำไรสุทธิ 112.1 พันล้านดอลลาร์สหรัฐ ธุรกิจคลาวด์ที่เติบโต 82 เปอร์เซ็นต์ สำหรับ CEO หรือ CTO คนใดก็ตามที่ติดตามว่าการใช้จ่ายด้าน AI ขององค์กรกำลังไปที่ไหนจริง และกำลังคืนผลตอบแทนอะไรจริง ไตรมาสนี้เป็นหนึ่งในจุดข้อมูลที่ชัดเจนที่สุดที่เรามีมาตลอดทั้งปี

แต่ตัวเลขพาดหัวไม่ใช่เรื่องราวทั้งหมด เรื่องราวคือสิ่งที่อยู่ใต้ตัวเลขเหล่านั้น: บริษัทที่ใช้จ่ายเงินทุนในระดับความเร็วที่มีบริษัทไม่กี่แห่งจะทนได้ เพื่อไล่ล่าความได้เปรียบด้านโครงสร้างพื้นฐาน AI ที่เชื่อว่าจะทบต้นไปตลอดทศวรรษหน้า นั่นคือส่วนที่ผู้นำด้านเทคโนโลยีทุกคนควรอ่านอย่างตั้งใจ

ทำไมเรื่องนี้จึงสำคัญตอนนี้

ผู้นำด้านเทคโนโลยีขององค์กรทุกคนกำลังตัดสินใจในรูปแบบหนึ่งของการตัดสินใจเดียวกับที่ Alphabet กำลังทำในระดับ hyperscale: ควรลงทุนในโครงสร้างพื้นฐานและแพลตฟอร์ม AI มากแค่ไหนก่อนที่ผลตอบแทนจะได้รับการพิสูจน์อย่างสมบูรณ์ และควรจัดโครงสร้างการลงทุนนั้นอย่างไรให้ไม่กระทบงบดุล ผลประกอบการ Q2 2026 ของ Alphabet คือกรณีศึกษาสด (case study) ของการตัดสินใจนั้น ที่ดำเนินการในระดับขนาดและความโปร่งใสที่องค์กรเอกชนส่วนใหญ่ไม่เคยเปิดเผย CEO และ CTO ที่กำหนดงบประมาณ AI สำหรับ 12 ถึง 18 เดือนข้างหน้าควรมองการเปิดเผยผลประกอบการครั้งนี้เป็นมาตรฐานอ้างอิง (benchmark) ไม่ใช่แค่พาดหัวข่าว

เกิดอะไรขึ้น

รายได้รวมของ Alphabet แตะ 119.8 พันล้านดอลลาร์สหรัฐในไตรมาสนี้ เพิ่มขึ้น 24 เปอร์เซ็นต์จากปีก่อน และนี่เป็นไตรมาสที่สิบสองติดต่อกันของการเติบโตรายได้สองหลักของบริษัท ตามที่นักวิเคราะห์ตลาดที่ติดตามการเปิดเผยรายงาน กำไรจากการดำเนินงานอยู่ที่ 40.8 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 30 เปอร์เซ็นต์จากปีก่อน โดยอัตรากำไรจากการดำเนินงานขยายจาก 32 เปอร์เซ็นต์เป็น 34 เปอร์เซ็นต์ กำไรต่อหุ้นแบบปรับลด (diluted earnings per share) แตะ 9.11 ดอลลาร์สหรัฐ

กำไรสุทธิที่รายงานอยู่ที่ 112.1 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 298 เปอร์เซ็นต์จากปีก่อน สิ่งสำคัญคือต้องแม่นยำตรงนี้: ตัวเลขนี้รวมกำไรที่ยังไม่เกิดขึ้นจริง (unrealised gain) จากหลักทรัพย์ส่วนทุน (equity securities) จำนวน 99.0 พันล้านดอลลาร์สหรัฐ ซึ่งเป็นรายการครั้งเดียวและไม่ใช่การดำเนินงาน มาตรวัดที่มีความหมายมากกว่าสำหรับผลการดำเนินงานพื้นฐานของธุรกิจคือกำไรจากการดำเนินงาน ซึ่งเติบโต 30 เปอร์เซ็นต์เป็น 40.8 พันล้านดอลลาร์สหรัฐ การอ่านไตรมาสนี้ใด ๆ ที่เริ่มด้วยตัวเลขกำไรสุทธิโดยไม่มีข้อกำหนดนั้น (qualification) กำลังนำเสนอภาพที่เกินจริงของความสามารถในการทำกำไร และ CEO หรือ CFO ที่รอบคอบจะทำการปรับแบบเดียวกันเมื่อไตรมาสนี้ถูกหารือภายใน

รายได้ Google Services อยู่ที่ 94.5 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 15 เปอร์เซ็นต์ ประกอบด้วย Search และอื่น ๆ ที่ 63.3 พันล้านดอลลาร์สหรัฐ (เพิ่มขึ้น 17 เปอร์เซ็นต์) โฆษณา YouTube ที่ 11.1 พันล้านดอลลาร์สหรัฐ (เพิ่มขึ้น 13 เปอร์เซ็นต์) และการสมัครสมาชิก แพลตฟอร์ม และอุปกรณ์ที่ 12.9 พันล้านดอลลาร์สหรัฐ (เพิ่มขึ้น 15 เปอร์เซ็นต์) รายได้ Google Cloud แตะ 24.8 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 82 เปอร์เซ็นต์จากปีก่อน โดยกำไรจากการดำเนินงานคลาวด์เพิ่มจาก 2.8 พันล้านเป็น 8.8 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้นมากกว่า 200 เปอร์เซ็นต์ Other Bets สร้างรายได้ 382 ล้านดอลลาร์สหรัฐ เทียบกับขาดทุนจากการดำเนินงาน 1.8 พันล้านดอลลาร์สหรัฐ

ความเข้มข้นของเงินทุน (capital intensity) ของการเติบโตนี้คือตัวเลขที่สมควรได้รับความสนใจมากที่สุด รายจ่ายลงทุน (capital expenditure) อยู่ที่ 44.9 พันล้านดอลลาร์สหรัฐเพียงไตรมาสเดียว และกระแสเงินสดอิสระ (free cash flow) ติดลบ 5.9 พันล้านดอลลาร์สหรัฐ ซึ่งเป็นการพลิกผันสำหรับบริษัทที่ในอดีตสร้างกระแสเงินสดอิสระบวกขนาดใหญ่มาก จำนวนพนักงานเติบโตเป็น 198,933 คน เพิ่มจาก 187,103 คนเมื่อปีก่อน เงินปันผลรายไตรมาสยังคงอยู่ที่ 0.22 ดอลลาร์สหรัฐต่อหุ้น จ่ายในเดือนกันยายน 2026

ในด้านผลิตภัณฑ์ AI บริษัทรายงานว่า Gemini Enterprise ถูกใช้งานโดยบริษัท Fortune 100 เกือบ 90 เปอร์เซ็นต์ ว่าโมเดล Gemini กำลังประมวลผล 22 พันล้านโทเคน API ต่อนาที และว่าแอปผู้บริโภค Gemini แตะ 950 ล้านผู้ใช้งานรายเดือน เหล่านี้เป็นตัวเลขที่บริษัทรายงานเอง ไม่ใช่เมตริกที่ได้รับการตรวจสอบอิสระ และควรอ่านในลักษณะนั้น แต่ทิศทางการเดินทาง จากการทดลองไปสู่โครงสร้างพื้นฐานที่ฝังลึก สอดคล้องกับสิ่งที่ผู้นำด้านเทคโนโลยีขององค์กรส่วนใหญ่กำลังสังเกตในองค์กรของตนเอง

นัยเชิงเทคโนโลยีและสถาปัตยกรรม

สัญญาณเชิงสถาปัตยกรรมหลักในไตรมาสนี้คือการเปลี่ยนจาก AI ในฐานะฟีเจอร์ของผลิตภัณฑ์ ไปสู่ AI ในฐานะโครงสร้างพื้นฐาน การเพิ่มขึ้น 82 เปอร์เซ็นต์ของรายได้คลาวด์ ที่มาพร้อมกับการเปลี่ยนแปลงระดับขั้น (step change) ของความสามารถในการทำกำไรจากการดำเนินงานคลาวด์ บ่งชี้ว่าลูกค้าองค์กรกำลังย้ายปริมาณงาน AI (workloads) เข้าสู่การผลิตในระดับขนาด ไม่ใช่แค่รันโครงการนำร่อง การเปลี่ยนแปลงนั้นเปลี่ยนบทสนทนาการจัดซื้อจัดจ้าง (procurement) ของ CTO ทุกคน: คำถามไม่ใช่จะทดลองโมเดลไหนอีกต่อไป แต่คือจะผูกมัดกับสแต็กโครงสร้างพื้นฐาน (stack) ซิลิคอนสั่งทำพิเศษ (custom silicon) ตระกูลโมเดล และสถาปัตยกรรมข้อมูลใดสำหรับสามถึงห้าปีข้างหน้า

การจัดกรอบของ Alphabet เองว่านี่เป็นกลยุทธ์สแต็กเต็ม (full stack) ที่ครอบคลุมโครงสร้างพื้นฐานสั่งทำพิเศษ โมเดลกรรมสิทธิ์ การกระจายผ่านคลาวด์ และแอปพลิเคชันผู้บริโภคและองค์กร คือรูปแบบเชิงสถาปัตยกรรมที่ hyperscaler รายอื่นและองค์กรขนาดใหญ่กำลังมาบรรจบกัน สำหรับ CTO บทเรียนไม่ใช่ว่าทุกองค์กรต้องสร้างในระดับนี้ แต่คือเศรษฐกิจของ AI ในระดับขนาดกำลังเอื้อมากขึ้นเรื่อย ๆ ให้กับองค์กรที่มีโครงสร้างพื้นฐานและการเข้าถึงโมเดลแบบบูรณาการในแนวดิ่ง (vertically integrated) ซึ่งมีนัยโดยตรงต่อการตัดสินใจสร้างเองหรือซื้อ (build versus buy) ความเสี่ยงจากความเข้มข้นของผู้ขาย (vendor concentration risk) และเส้นโค้งต้นทุนระยะยาวของการอนุมาน (inference) ในปริมาณมหาศาล

ตัวเลขที่รายงานว่า 22 พันล้านโทเคน API ถูกประมวลผลต่อนาที เป็นตัวแทนที่มีประโยชน์ (proxy) ของระดับขนาดที่การอนุมานกำลังดำเนินอยู่ภายในบริษัทเทคโนโลยีขนาดใหญ่ในปัจจุบัน สถาปนิกองค์กรควรมองการวางแผนต้นทุนและอัตราความเร็ว (throughput) ของการอนุมานเป็นปัญหาการวางแผนความจุ (capacity planning) ชั้นนำ ในระดับเดียวกับการวางแผนการประมวลผลและการจัดเก็บในช่วงสองทศวรรษที่ผ่านมา มากกว่าเป็นต้นทุนแปรผันที่ถูกดูดซับอยู่ภายในการสมัครสมาชิกซอฟต์แวร์

นัยเชิงธุรกิจและการแข่งขัน

ตัวเลขรายจ่ายลงทุนรายไตรมาส 44.9 พันล้านดอลลาร์สหรัฐ ที่ส่งผลให้กระแสเงินสดอิสระติดลบ คือคำแถลงเจตนาเชิงแข่งขันที่ชัดเจน Alphabet พร้อมที่จะแลกการสร้างเงินสดระยะสั้นกับตำแหน่งโครงสร้างพื้นฐานในตลาดที่มองว่าเป็นรากฐานของทศวรรษธุรกิจถัดไป hyperscaler คู่แข่งกำลังทำข้อผูกมัดที่เปรียบเทียบได้ สำหรับองค์กรที่พึ่งพาแพลตฟอร์มเหล่านี้แพลตฟอร์มใดก็ตาม สิ่งนี้มีผลกระทบโดยตรงสองประการที่ควรวางแผนรับมือ

ประการแรก ความเร็วในการปรับปรุงความสามารถในโครงสร้างพื้นฐานและโมเดล AI เชิงพาณิชย์น่าจะดำเนินต่อในอัตราเร็วตลอด 18 ถึง 24 เดือนข้างหน้า โดยได้รับเงินทุนจากการลงทุนระดับนี้ ซึ่งส่งผลต่ออายุการใช้งานของการตัดสินใจด้านสถาปัตยกรรม AI ใด ๆ ที่ทำในวันนี้ ประการที่สอง การกระจุกตัวของการใช้จ่ายโครงสร้างพื้นฐาน AI ในหมู่ผู้ให้บริการที่มีเงินทุนสูงมากเพียงไม่กี่ราย เพิ่มความสำคัญเชิงกลยุทธ์ของเงื่อนไขสัญญา ความสามารถในการย้ายข้อมูล (data portability) และความยืดหยุ่นแบบหลายคลาวด์หรือหลายโมเดล (multi cloud or multi model resilience) เนื่องจากต้นทุนการเปลี่ยน (switching costs) เพิ่มขึ้นเมื่อแพลตฟอร์มเหล่านี้ฝังลึกเข้าไปในระบบการผลิตมากขึ้น

การเติบโตของรายได้โฆษณา Search และ YouTube ทั้งคู่เร่งตัวขึ้นแม้ขณะที่ฟีเจอร์ AI ถูกผสานเข้ากับผลิตภัณฑ์เหล่านี้ เป็นสัญญาณที่มีประโยชน์สำหรับ CEO คนใดก็ตามที่กังวลว่าการลงทุน AI จะกัดกิน (cannibalises) สายรายได้ที่มีอยู่ ในกรณีนี้ อย่างน้อยจนถึงตอนนี้ การผสาน AI ดูเหมือนจะเสริมความแข็งแกร่งให้ธุรกิจโฆษณาหลักมากกว่าจะกัดกินมัน

ความเสี่ยงและข้อพิจารณาด้านธรรมาภิบาล

ความเสี่ยงสามประการสมควรได้รับความสนใจอย่างชัดเจนในระดับคณะกรรมการเมื่อไตรมาสนี้ถูกใช้เป็นจุดอ้างอิง ประการแรกคือช่องว่างระหว่างกำไรสุทธิที่รายงานกับผลการดำเนินงานพื้นฐาน: ความคิดเห็นภายในหรือภายนอกใด ๆ ที่อ้างอิงตัวเลขกำไรสุทธิ 112.1 พันล้านดอลลาร์สหรัฐโดยไม่ระบุกำไรจากหลักทรัพย์ทุน 99.0 พันล้านดอลลาร์สหรัฐ กำลังบอกเล่าความแข็งแกร่งของธุรกิจหลักเกินจริงอย่างมีนัยสำคัญ และทีมธรรมาภิบาลควรยืนยันให้ใช้ตัวเลขที่ปรับแล้วในการวิเคราะห์เปรียบเทียบใด ๆ

ประการที่สองคือความเสี่ยงด้านการจัดสรรเงินทุน (capital allocation) กระแสเงินสดอิสระติดลบที่ขับเคลื่อนด้วยการใช้จ่ายโครงสร้างพื้นฐาน AI เป็นทางเลือกเชิงกลยุทธ์ที่สมเหตุสมผลสำหรับบริษัทที่มีงบดุลอย่าง Alphabet แต่ไม่ใช่แม่แบบที่ถ่ายทอดตรง ๆ ไปยังองค์กรที่มีความยืดหยุ่นด้านเงินทุนน้อยกว่า CTO ที่เสนอการลงทุนโครงสร้างพื้นฐาน AI ภายใน ควรนำเสนอความเข้มข้นของเงินทุนของการสร้างนี้อย่างซื่อสัตย์ แทนที่จะบอกเป็นนัยว่าระดับการใช้จ่ายที่เปรียบเทียบได้นั้นสมส่วนสำหรับงบดุลที่เล็กกว่า

ประการที่สามคือความเสี่ยงด้านการพึ่งพา (dependency) และธรรมาภิบาล เมื่อลูกค้าองค์กรฝัง Gemini Enterprise และโครงสร้างพื้นฐาน AI ของ Google Cloud ลงในระบบการผลิตลึกขึ้น — โดยตามคำกล่าวของบริษัทเอง มีการนำไปใช้โดย Fortune 100 เกือบ 90 เปอร์เซ็นต์ — คำถามเรื่องธรรมาภิบาลข้อมูล ความโปร่งใสของโมเดล การล็อกกับผู้ขาย (vendor lock-in) และการกำกับดูแล AI อย่างมีความรับผิดชอบ กลายเป็นประเด็นระดับคณะกรรมการ แทนที่จะเป็นรายละเอียดการดำเนินงานทางเทคนิค สิ่งนี้ควรสะท้อนในกรอบธรรมาภิบาล AI (governance frameworks) ไม่ควรปล่อยให้เป็นหน้าที่ของทีมจัดซื้อจัดจ้างและวิศวกรรมเพียงอย่างเดียว

CEO ควรทำอะไร

แยกกำไรสุทธิที่รายงานออกจากผลการดำเนินงานพื้นฐานในทุกการบรรยายสรุปภายในเกี่ยวกับผลประกอบการของ hyperscaler และเรียกร้องวินัยเดียวกันเมื่อผลตอบแทนการลงทุน AI ของคุณเองถูกรายงานต่อคณะกรรมการ

มองไตรมาสนี้เป็นหลักฐานว่าการลงทุนโครงสร้างพื้นฐาน AI กำลังเร่งขึ้นทั่วทั้งอุตสาหกรรม และทบทวนกรอบเวลางบประมาณ AI (budget horizon) ขององค์กรคุณให้สอดคล้อง แทนที่จะสันนิษฐานว่าระดับการใช้จ่ายปัจจุบันเพียงพอสำหรับรอบการวางแผนถัดไป

เรียกร้องให้ CFO และ CTO ของคุณร่วมกันนำเสนอความเข้มข้นของเงินทุน ไม่ใช่แค่ด้านสดใสของผลิตภาพ ของข้อผูกมัดโครงสร้างพื้นฐาน AI ใด ๆ ที่เสนอ เพื่อให้การตัดสินใจจัดสรรเงินทุนเกิดขึ้นพร้อมการมองเห็นเต็มที่ต่อการแลกเปลี่ยนกระแสเงินสด (cash flow trade-off)

ยกระดับความเข้มข้นของผู้ขาย AI และธรรมาภิบาลข้อมูลให้เป็นรายการวาระคณะกรรมการประจำ (standing board agenda) เมื่อพิจารณาว่าการพึ่งพาองค์กรต่อผู้ให้บริการโครงสร้างพื้นฐาน AI เพียงไม่กี่รายกำลังลึกลงเพียงใด

CTO ควรทำอะไร

สร้างแบบจำลองต้นทุนและอัตราความเร็วของการอนุมานเป็นวินัยการวางแผนความจุหลัก โดยใช้ตัวเลขระดับขนาดของไตรมาสนี้เป็นมาตรฐานอ้างอิงเชิงทิศทาง (directional benchmark) ว่าปริมาณงาน AI ในการผลิตกำลังมุ่งไปทางไหน

ประเมินการตัดสินใจสร้างเองหรือซื้อสำหรับโครงสร้างพื้นฐาน AI ใหม่ ในบริบทของโมเดลสแต็กเต็มแบบบูรณาการแนวดิ่งที่พิสูจน์แล้วว่ามีประสิทธิภาพทางเศรษฐกิจในระดับ hyperscale และระบุว่าสถาปัตยกรรมของคุณเองสร้างการล็อกผู้ขายหรือโมเดลที่ไม่จำเป็นไว้ตรงไหน

ทดสอบเงื่อนไขสัญญากับผู้ให้บริการโครงสร้างพื้นฐานและโมเดล AI ด้วยแรงกดดัน (pressure test) ตอนนี้ ในขณะที่ต้นทุนการเปลี่ยนยังจัดการได้ แทนที่จะรอจนกว่าปริมาณงานจะฝังลึกในการผลิตแล้ว

สร้างการควบคุม AI ที่มีความรับผิดชอบและธรรมาภิบาลข้อมูลเข้าไปในสถาปัตยกรรมโครงสร้างพื้นฐานตั้งแต่ต้น แทนที่จะติดตั้งย้อนหลัง (retrofitting) หลังจากการนำไปใช้ขยายตัวแล้ว เมื่อพิจารณาความเร็วที่แพลตฟอร์มอย่าง Gemini Enterprise กำลังถูกนำไปใช้ในองค์กรขนาดใหญ่

ข้อสรุปเชิงกลยุทธ์

ผลประกอบการ Q2 2026 ของ Alphabet อ่านได้ดีที่สุดไม่ใช่ในฐานะเรื่องราวเกี่ยวกับกำไรสถิติ เพราะส่วนแบ่งใหญ่ของตัวเลขกำไรพาดหัวเป็นกำไรทางบัญชีครั้งเดียว แต่ในฐานะเรื่องราวเกี่ยวกับการผูกมัดเงินทุนกับโครงสร้างพื้นฐาน AI ในระดับขนาดที่กำลังปรับรูปเศรษฐกิจเทคโนโลยีองค์กร การเติบโตคลาวด์ 82 เปอร์เซ็นต์ ที่ได้รับเงินทุนจากรายจ่ายลงทุนรายไตรมาส 44.9 พันล้านดอลลาร์สหรัฐ และการหันไปสู่กระแสเงินสดอิสระติดลบ คือสัญญาณที่ชัดเจนที่สุดที่มีอยู่ในวันนี้ว่าการแข่งขัน AI องค์กรในทศวรรษหน้าจะชนะหรือแพ้ที่ไหน: ที่ชั้นโครงสร้างพื้นฐาน ไม่ใช่แค่ชั้นโมเดลหรือชั้นแอปพลิเคชัน CEO และ CTO ที่มองไตรมาสนี้เป็นมาตรฐานการวางแผน แทนที่จะเป็นพาดหัวให้ผ่านตา จะอยู่ในตำแหน่งที่ดีกว่าสำหรับการตัดสินใจด้านเงินทุนและสถาปัตยกรรมข้างหน้า

คำถามเพื่อการมีส่วนร่วม

ถ้า hyperscaler ยินดีที่จะดำเนินการด้วยกระแสเงินสดอิสระติดลบเพื่อรักษาตำแหน่งโครงสร้างพื้นฐาน AI สิ่งนั้นบอกอะไรคุณเกี่ยวกับการตัดสินใจด้านโครงสร้างพื้นฐานและธรรมาภิบาล AI ที่องค์กรของคุณเองควรทำในสองไตรมาสข้างหน้า?

คิดอย่างคณิตศาสตร์ วิศวกรรมอย่างชาญฉลาด นำอย่างมีกลยุทธ์ สร้างอย่างมีความรับผิดชอบ ขยายในระดับโลก สร้างคุณค่าทางธุรกิจที่แท้จริงผ่านปัญญาประดิษฐ์

#ArtificialIntelligence #EnterpriseAI #AIArchitecture #TechnologyStrategy #DigitalTransformation #CTO #CEO #CloudComputing #ResponsibleAI #AIInfrastructure