Agentic AI จุดชนวน Memory Supercycle: กำไร S&P 500 ไตรมาส 2 ทุบสถิติ — Overweight Semiconductor และ AI Infrastructure

กำไร S&P 500 ไตรมาส 2 ปี 2569: Earnings Momentum ยังส่งผ่านไปข้างหน้า

ในเดือนมิถุนายน 2569 ข้อมูล FactSet ณ วันที่ 29 พฤษภาคม 2569 เผยให้เห็นสัญญาณที่น่าสนใจอย่างยิ่ง โดยอัตราการรายงานกำไร 1Q26 ของ S&P 500 ที่ดีกว่าคาดอยู่ที่ 82% พร้อมการเติบโต YoY ที่ 27.66% ยิ่งไปกว่านั้น Q2 EPS estimate กลับถูกปรับขึ้น +2.5% ในช่วงสองเดือนแรกของไตรมาส ซึ่งปกติแล้วค่าเฉลี่ยย้อนหลังมักถูกปรับลง โดยค่าเฉลี่ย 5 ปีอยู่ที่ -1.6%, 10 ปีที่ -2.2%, 15 ปีที่ -2.6% และ 20 ปีที่ -3.2% ดังนั้น +2.5% จึงเป็นการปรับขึ้นแรงสุดนับตั้งแต่ 3Q21 ที่ +3.8%

เรื่องราวจึงเปลี่ยนจาก "Q1 งบดีกว่าคาด" ไปเป็น "กำไรไตรมาสถัดไปถูกยกขึ้นต่อ" และยืนยันว่า earnings momentum ยังส่งผ่านไปข้างหน้า โดยแรงปรับขึ้นไม่ได้กระจายเท่ากันทุก sector กลุ่ม Energy ถูกปรับ Q2 EPS estimate ขึ้นแรงสุดที่ +59.2% ตามทิศทางราคาพลังงาน ขณะที่ Technology +5.6% และ Materials +5.4% ยังเป็นกลุ่มที่ถูกยกประมาณการขึ้นต่อ สอดคล้องกับธีม AI, semiconductor, memory และ commodity cycle ส่วน Health Care ถูกปรับลง -15.2% แย่สุดในทุก sector

Agentic AI: กลไกขับเคลื่อน Token Demand สู่ 120 Quadrillion ต่อเดือนในปี 2573

Jensen Huang ยืนยันว่า Agentic AI ได้มาถึงแล้ว และ Yuanta CIO อธิบายว่า AI แบบ Agent ทำงานต่อเนื่องและแยกงานออกเป็นหลายขั้นตอนคู่ขนาน เรียกใช้เครื่องมือซ้ำหลายรอบจนงานเสร็จ ทำให้ปริมาณ token ต่อหนึ่งงานสูงกว่า AI แบบถาม-ตอบเดิมหลายเท่า Goldman Sachs ประมาณการว่า token consumption ทั่วโลกจะเพิ่มขึ้นสู่ 120 quadrillion ต่อเดือนภายในปี 2030 เพิ่มขึ้น 24 เท่าจากปัจจุบัน โดย enterprise agents เป็นกลุ่มที่ใช้ token มากที่สุดด้วยสัดส่วนเกินครึ่งของทั้งหมด

ความต้องการ token ที่พุ่งสูงผลักดันให้ inference workload เพิ่มขึ้นอย่างรวดเร็ว และ hyperscaler รายใหญ่ยืนยันว่ารายได้ AI ทุกหนึ่งดอลลาร์ต้องการ compute มากกว่ายุค cloud หลายเท่า ความต้องการกระจายไปทุกส่วนของ data center ทั้ง GPU, CPU สำหรับจัดการ workflow, HBM ที่ Micron ยืนยัน supply shortage ยาวเกิน 2026, optical networking สำหรับเชื่อม GPU cluster และ power infrastructure สำหรับรองรับ rack density ที่พุ่งจาก 10–20 kW ในยุค cloud สู่ 600 kW ในรุ่น Rubin Ultra ปี 2027 นอกจากนี้ KLA และ Applied Materials ยืนยันว่า WFE ปี 2027 จะเติบโตสูงกว่าปี 2026 โดยผู้บริหารระบุว่ามองเห็น visibility ของ demand ชัดเจนกว่าทุกครั้งที่ผ่านมา

Memory Supercycle: TrendForce ปรับประมาณการตลาดโลกปี 2026 ขึ้น +61.2%

TrendForce ปรับประมาณการตลาด Memory ขึ้นแรง สะท้อนว่า Agentic AI กำลังเปลี่ยน demand จากรอบวัฏจักรราคาเดิมไปเป็นการขยายตัวเชิงโครงสร้าง

สำหรับ DRAM ถูกปรับขึ้น 53.0% ในปี 2026 และ 35.4% ในปี 2027 จากแรงหนุน HBM, Server DRAM และการใช้ KV Cache ที่เพิ่มขึ้นใน AI inference ขณะที่ NAND เป็นอีกจุดที่ตลาดอาจประเมินต่ำเกินไป เพราะปี 2026 ถูกปรับขึ้นแรงสุดถึง +83.7% สะท้อนว่า SSD ประสิทธิภาพสูงเริ่มกลายเป็นส่วนสำคัญของ AI infrastructure ไม่ใช่แค่ storage ธรรมดาอีกต่อไป โดยเฉพาะเมื่อ HBM ยังมีต้นทุนสูงและ HDD ไม่เหมาะกับงาน AI Data Center ที่ต้องการความเร็วสูงแบบ real-time

สัญญาณยืนยันจากข้อมูลจริงมาจากการส่งออกเซมิคอนดักเตอร์เกาหลีใต้เดือนพฤษภาคม ซึ่งอยู่ที่ $37.16 bn ทำระดับ record high เติบโต 169.4% YoY และ 16.5% MoM โดยแรงขับหลักมาจาก Memory cycle ชัดเจน DRAM exports โต 369.8% YoY เป็น $18.6 bn, NAND exports โต 206.8% YoY เป็น $1.7 bn และ Computer exports โต 290.7% YoY เป็น $4.18 bn

ผลกระทบต่อสินทรัพย์การลงทุน

• Semiconductor (Memory): Micron และ SK Hynix ได้รับแรงหนุนโดยตรงจาก HBM supply shortage และการขยายตัวของ DRAM/NAND เชิงโครงสร้างจาก Agentic AI
• WFE Equipment: KLA, AMAT (Applied Materials) และ LRCX ยืนยัน visibility ของ demand ชัดเจน และ WFE ปี 2027 จะเติบโตสูงกว่าปี 2026
• AI Software: MSFT19, ORCL19 และ PLTR06 อยู่ในกลุ่มที่ถูกระบุว่ากำไรยังเติบโตได้พร้อมการปรับประมาณการขึ้น
• Technology Sector โดยรวม: Q2 EPS estimate ถูกปรับขึ้น +5.6% สอดคล้องกับธีม AI และ semiconductor
• Health Care: ถูกปรับ Q2 EPS estimate ลง -15.2% แย่สุดในทุก sector — Yuanta CIO ไม่ได้ระบุมุมมองเชิงบวก
• กองทุน IGV: ถูกระบุเป็นตัวอย่างในกลุ่ม Software ที่ยังมีการปรับประมาณการขึ้น

มุมมองการลงทุน

Yuanta CIO มีมุมมองเชิงบวกต่อกลุ่ม Technology จาก earnings revision ที่เป็นบวกจาก core business และแนะนำ Overweight Semiconductor และ AI Infrastructure โดยเฉพาะ Memory (Micron, SK Hynix), WFE equipment (KLA, AMAT, LRCX) และ AI Software (MSFT19, ORCL19, PLTR06) พร้อมกองทุน IGV สำหรับกลุ่ม Software ทั้งนี้แนะนำใช้กลยุทธ์ทยอยลงทุนเมื่อปรับฐานมากกว่าไล่ซื้อ เนื่องจาก earnings momentum ที่แข็งแกร่งยืนยันว่า AI Supercycle ยังมีโครงสร้างรองรับในระยะยาว