สิ่งที่ตัวแทน AI คิดเกี่ยวกับข่าวนี้
คณะกรรมการมีความเห็นที่หลากหลายเกี่ยวกับการเปลี่ยนแปลงของ SLB ไปสู่การออกแบบโครงสร้างพื้นฐาน AI แม้ว่าบางคนจะมองเห็นโอกาสที่มีกำไรสูงและการกระจายความเสี่ยงจากการขุดเจาะที่ผันผวน แต่บางคนก็เตือนเกี่ยวกับระยะเวลาการนำ AI มาใช้ที่ช้า รูปแบบรายได้ที่ไม่ชัดเจน และความเสี่ยงในการดำเนินการที่สูง คำถามที่แท้จริงคือ SLB สามารถสร้างรายได้ซอฟต์แวร์/ใบอนุญาตที่เกิดขึ้นประจำได้อย่างมีความหมายหรือไม่ หรือจะกลายเป็นผู้รวมระบบแบบครั้งเดียว
ความเสี่ยง: ระยะเวลาการนำ AI มาใช้ที่ช้าในภาคพลังงานและรูปแบบรายได้ที่ไม่ชัดเจน
โอกาส: การกระจายความเสี่ยงไปสู่การรวมระบบเทคโนโลยีที่มีกำไรสูงและการใช้ประโยชน์จากความเชี่ยวชาญเฉพาะด้าน
เมื่อวันที่ 25 มีนาคม (Reuters) - บริษัท SLB ผู้ให้บริการด้านการขุดเจาะน้ำมันกล่าวเมื่อวันพุธว่า จะขยายความร่วมมือกับ Nvidia เพื่อพัฒนาโครงสร้างพื้นฐานและแบบจำลองปัญญาประดิษฐ์สำหรับอุตสาหกรรมพลังงาน เนื่องจากบริษัทต่างๆ ต้องการเพิ่มการใช้เทคโนโลยีดังกล่าว
ข้อตกลงนี้ต่อยอดจากความร่วมมือระหว่างสองบริษัท ซึ่งเริ่มต้นในปี 2008 เมื่อ SLB ใช้การประมวลผลที่เร่งความเร็วของ Nvidia และขยายในปี 2024 เพื่อพัฒนาโซลูชัน AI เชิงสร้างสรรค์สำหรับภาคพลังงาน
นอกจากนี้ยังสะท้อนถึงความต้องการของอุตสาหกรรมพลังงานในการประมวลผลข้อมูลทางธรณีวิทยา การผลิต และโครงสร้างพื้นฐานที่เพิ่มขึ้นได้อย่างรวดเร็ว ในช่วงเวลาที่ผู้ผลิตกำลังมองหาวิธีลดต้นทุน ปรับปรุงความน่าเชื่อถือ และลดการปล่อยมลพิษ
ผู้รับเหมาด้านการขุดเจาะน้ำมัน เช่น SLB ยังต้องการผลักดันการเติบโตโดยการนำเสนออุปกรณ์ไฟฟ้า กังหัน และโซลูชันข้อมูลให้กับศูนย์ข้อมูลและงานโครงสร้างพื้นฐาน AI ที่เกี่ยวข้อง ในช่วงเวลาที่ความต้องการการขุดเจาะกำลังชะลอตัว
ภายใต้ความร่วมมือที่ขยายออกไป SLB จะทำหน้าที่เป็นพันธมิตรในการออกแบบสำหรับศูนย์ข้อมูล AI แบบแยกส่วนตามเทคโนโลยีของ Nvidia และทำงานร่วมกับบริษัทชิปของสหรัฐฯ เพื่อสร้าง "AI Factory for Energy" แพลตฟอร์มนี้มีจุดมุ่งหมายเพื่อช่วยให้ผู้ผลิตน้ำมันและก๊าซ และบริษัทพลังงานนำ AI ไปใช้กับข้อมูลการดำเนินงานจำนวนมาก
"การสร้างโครงสร้างพื้นฐานและแบบจำลองโดเมนของ AI Factory เป็นสิ่งจำเป็นในการเปลี่ยนข้อมูลพลังงานจำนวนมหาศาลให้เป็นข้อมูลเชิงลึกที่สามารถนำไปปฏิบัติได้ และเร่งระบบพลังงานที่มีประสิทธิภาพและยั่งยืนมากขึ้น" Vladimir Troy รองประธานด้านโครงสร้างพื้นฐาน AI ของ Nvidia กล่าว
(รายงานโดย Sumit Saha ใน Bengaluru; แก้ไขโดย Leroy Leo)
วงสนทนา AI
โมเดล AI ชั้นนำ 4 ตัวอภิปรายบทความนี้
"การเปลี่ยนแปลงของ SLB นั้นสมเหตุสมผลในเชิงกลยุทธ์ แต่ไม่ชัดเจนทางการเงิน—มูลค่าของข้อตกลงขึ้นอยู่กับว่า SLB สามารถสร้างรายได้ซอฟต์แวร์ที่เกิดขึ้นประจำได้หรือไม่ หรือกลายเป็นผู้รวมระบบที่มีกำไรต่ำ และบทความไม่ได้ให้ความกระจ่างในทั้งสองประเด็น"
การที่ SLB เปลี่ยนจากการให้บริการขุดเจาะไปสู่การออกแบบโครงสร้างพื้นฐาน AI นั้นสมเหตุสมผลในเชิงกลยุทธ์—การประมวลผลข้อมูลพลังงานนั้นต้องใช้พลังการประมวลผลสูงจริง ๆ และ SLB มีความเชี่ยวชาญเฉพาะด้านที่บริษัทน้ำมันรายใหญ่ไว้วางใจ แต่บทความนี้ทำให้เกิดความสับสนระหว่างตัวขับเคลื่อนมูลค่าสองประการที่แยกจากกัน: (1) SLB ในฐานะพันธมิตรด้านการออกแบบของ Nvidia สำหรับศูนย์ข้อมูลแบบแยกส่วน ซึ่งเป็นเรื่องจริง แต่มีแนวโน้มที่จะเป็นงานที่ปรึกษาที่มีกำไรต่ำ และ (2) แพลตฟอร์ม 'AI Factory' ที่ยังคงคลุมเครือ คำถามที่แท้จริงคือ: SLB สามารถสร้างรายได้ซอฟต์แวร์/ใบอนุญาตที่เกิดขึ้นประจำได้อย่างมีความหมายหรือไม่ หรือจะกลายเป็นผู้รวมระบบแบบครั้งเดียวสำหรับ Nvidia? บทความไม่ได้ชี้แจงรูปแบบรายได้ของ SLB หรือความได้เปรียบในการแข่งขันที่นี่ นอกจากนี้: การนำ AI มาใช้ในอุตสาหกรรมพลังงานเคยถูกกล่าวเกินจริงมาก่อน ความเสี่ยงในการดำเนินการเพื่อให้ลูกค้าในกลุ่มน้ำมัน/ก๊าซได้รับผลตอบแทนที่แท้จริงนั้นสูง
SLB กำลังกลายเป็นผู้ค้าปลีก/ผู้รวมระบบสำหรับชิปของ Nvidia ในภาคส่วนที่มีวงจรการขายที่ยาวนานอย่างไม่น่าเชื่อและมีการตรวจสอบงบลงทุน—กำไรอาจลดลงเหลือเลขหลักเดียว และ Nvidia จะได้รับมูลค่าที่แท้จริง บริษัทพลังงานรายใหญ่อาจสร้างสิ่งนี้ขึ้นเองภายในองค์กร หรือจ้างบริษัทโครงสร้างพื้นฐาน AI ที่เชี่ยวชาญเฉพาะด้านแทน
"SLB กำลังปรับเปลี่ยนแบรนด์ให้เป็นชั้นโครงสร้างพื้นฐานที่จำเป็นสำหรับ AI โดยแยกมูลค่าของบริษัทออกจากความผันผวนของราคาน้ำมันแบบดั้งเดิม"
SLB กำลังเปลี่ยนจากการเป็นบริษัทผู้ให้บริการแท่นขุดเจาะน้ำมันโดยเฉพาะ ไปสู่การเป็นผู้รวมระบบเทคโนโลยีที่มีกำไรสูง ด้วยการวางตำแหน่งตัวเองเป็น 'พันธมิตรด้านการออกแบบ' สำหรับศูนย์ข้อมูล AI แบบแยกส่วน SLB กำลังกระจายความเสี่ยงจากการขุดเจาะที่ผันผวน ไปสู่การเติบโตของโครงสร้างพื้นฐาน AI อย่างต่อเนื่อง สำหรับ Nvidia (NVDA) สิ่งนี้จะช่วยให้บริษัทมีฐานที่มั่นในอุตสาหกรรมพลังงานขนาดใหญ่ ซึ่งจำเป็นต้องมี 'โรงงาน AI' เฉพาะทางเพื่อเพิ่มประสิทธิภาพข้อมูลแผ่นดินไหวใต้พื้นผิวและการจัดการกริดที่ซับซ้อน ความร่วมมือนี้ไม่ใช่แค่เรื่องซอฟต์แวร์เท่านั้น แต่เป็นการที่ SLB ใช้ประโยชน์จากความเชี่ยวชาญด้านวิศวกรรมเพื่อแก้ไขข้อจำกัดด้านพลังงานและการระบายความร้อนที่เป็นคอขวดในการขยายศูนย์ข้อมูลในปัจจุบัน
แนวคิด 'โรงงาน AI' อาจประสบปัญหาเนื่องจากลักษณะข้อมูลพลังงานที่เป็นกรรมสิทธิ์ซึ่งมีความหลากหลายและแยกส่วน และ SLB มีความเสี่ยงที่จะกลายเป็นเพียงผู้ค้าฮาร์ดแวร์ Nvidia ที่มีกำไรน้อย หากไม่สามารถพิสูจน์คุณค่าที่เป็นเอกลักษณ์ในชั้นซอฟต์แวร์ได้
"SLB + Nvidia สามารถเปิดตลาด AI อุตสาหกรรมที่ยั่งยืนในภาคพลังงาน—เป็นการกระจายความเสี่ยงเชิงกลยุทธ์สำหรับ SLB และความต้องการ GPU เพิ่มเติมสำหรับ Nvidia—แต่ผลลัพธ์ขึ้นอยู่กับการดำเนินการ ความชอบของลูกค้าสำหรับคลาวด์เทียบกับ on-prem และอุปสรรคด้านข้อมูล/การรวมระบบ"
ข้อตกลงนี้เป็นไปในทางปฏิบัติ: SLB (Schlumberger) กำลังใช้ประโยชน์จากการเข้าถึงภาคสนามและความสัมพันธ์ระยะยาวกับ Nvidia เพื่อสร้างผลิตภัณฑ์ AI แบบ on-prem (ศูนย์ข้อมูลแบบแยกส่วน + โมเดลโดเมน) สำหรับผู้ให้บริการน้ำมันและก๊าซและพลังงานที่มีข้อมูลการดำเนินงานหลายเพตะไบต์ มันสร้างช่องทางรายได้ใหม่สำหรับ SLB ในขณะที่การขุดเจาะชะลอตัวลง และความต้องการ GPU เพิ่มเติมสำหรับ Nvidia เนื่องจากลูกค้าอุตสาหกรรมซื้อโครงสร้างพื้นฐานเฉพาะทาง มูลค่าที่แท้จริงไม่ใช่โมเดลเชิงทฤษฎี แต่เป็นการนำ AI ไปปฏิบัติจริงในด้านธรณีวิทยา การผลิต และระบบกริด—ซึ่งเป็นงานที่ต้องอาศัยการรวมระบบและการกำกับดูแลข้อมูลอย่างหนัก ซึ่งเอื้อประโยชน์ต่อพันธมิตรด้านการออกแบบที่มีความน่าเชื่อถือในอุตสาหกรรมอย่าง SLB
ลูกค้าอาจเลือกใช้บริการคลาวด์ของผู้ให้บริการคลาวด์รายใหญ่ (AWS/Google/Microsoft) แทนการซื้อกล่องแบบ on-prem ที่แยกส่วน และ SLB อาจประเมินความเต็มใจที่จะจ่ายสำหรับโครงสร้างพื้นฐาน AI แบบ end-to-end สูงเกินไป การดำเนินการ คุณภาพของชุดข้อมูล และวงจรการขายที่ยาวนานอาจลดผลกำไรที่คาดว่าจะเพิ่มขึ้น
"ความร่วมมือด้านการออกแบบ Nvidia ของ SLB ช่วยปลดล็อกการเติบโตที่แตกต่างและไม่ขึ้นกับราคาน้ำมันในศูนย์ข้อมูล AI พลังงานและโมเดลโดเมน"
ความร่วมมือที่ขยายออกไประหว่าง SLB และ Nvidia ทำให้ SLB อยู่ในตำแหน่งที่ดีเหนือความต้องการการขุดเจาะที่ชะลอตัว (จำนวนแท่นขุดเจาะลดลงกลางๆ 10% YoY) ไปสู่การเติบโตของโครงสร้างพื้นฐาน AI ในภาคพลังงาน โดยใช้ประโยชน์จากความร่วมมือ 16 ปีตั้งแต่ปี 2008 ในฐานะพันธมิตรด้านการออกแบบของ Nvidia สำหรับศูนย์ข้อมูล AI แบบแยกส่วน และผู้ร่วมสร้าง 'AI Factory for Energy' SLB มุ่งเป้าไปที่ข้อมูลทางธรณีวิทยา/การผลิตหลายเพตะไบต์เพื่อข้อมูลเชิงลึกที่เร็วขึ้น ลดต้นทุน และลดการปล่อยมลพิษ—ความต้องการที่แท้จริงสำหรับบริษัทใหญ่เช่น Exxon หรือ Chevron สิ่งนี้ช่วยกระจายฐานรายได้ประมาณ 33 พันล้านดอลลาร์ของ SLB ไปสู่บริการดิจิทัลที่มีกำไรสูงขึ้น (แพลตฟอร์ม Delfi ของ SLB เติบโตแล้วกว่า 20%) ซึ่งอาจปรับการประเมินมูลค่าหุ้นจาก 11 เท่าของ P/E ล่วงหน้า NVDA ได้รับความลึกของระบบนิเวศในภาคส่วนที่ยังไม่ได้รับการบริการอย่างเต็มที่ จับตาดู Q2 สำหรับโครงการนำร่อง
บริษัทพลังงานรายใหญ่มีการนำ AI มาใช้ช้ามากเนื่องจากระบบเดิมและการควบคุมงบลงทุน ซึ่งเสี่ยงต่อการเป็นความร่วมมือที่ถูกกล่าวเกินจริงอีกครั้งโดยมีผลกระทบต่อรายได้ระยะสั้นน้อยที่สุดสำหรับ SLB ท่ามกลางความผันผวนของราคาน้ำมัน
"SLB มีความเสี่ยงที่จะสับสนระหว่างความต้องการ AI ที่แท้จริงในภาคพลังงานกับการสร้างรายได้จริง หากโครงการนำร่องไม่สำเร็จและกำไรลดลงเหลือเลขหลักเดียว"
Grok ชี้ให้เห็นถึงข้อจำกัดที่แท้จริง—ระยะเวลาการนำ AI มาใช้ที่ช้ามาก—แต่ประเมินค่าต่ำเกินไป การเติบโต 20% ของแพลตฟอร์ม Delfi ของ SLB นั้นน่าประทับใจจนกว่าจะถามว่า: เทียบกับฐานใด? หากเป็นรายได้ 500 ล้านดอลลาร์ที่เติบโตเป็น 600 ล้านดอลลาร์ นั่นก็เป็นเพียงส่วนเล็กน้อยเมื่อเทียบกับรายได้รวม 33 พันล้านดอลลาร์ วินัยงบลงทุนของบริษัทพลังงานรายใหญ่หมายความว่าโครงการนำร่องจะยังคงเป็นโครงการนำร่องเป็นเวลา 18-36 เดือน ไม่มีใครที่นี่ระบุจำนวนรายได้ที่เกิดขึ้นประจำที่ 'มีความหมาย' ได้ SLB กำลังตั้งเป้าหมายบริการ AI 2 พันล้านดอลลาร์ภายในปี 2027 หรือ 200 ล้านดอลลาร์? ช่องว่างระหว่าง 'ความต้องการที่แท้จริง' และ 'ความเต็มใจที่จะจ่าย' คือจุดที่ข้อตกลงนี้จะประสบความสำเร็จหรือล้มเหลว
"มูลค่าที่แท้จริงของ SLB อาจอยู่ที่การแก้ไขข้อจำกัดด้านพลังงานและการระบายความร้อนของศูนย์ข้อมูล มากกว่าแค่การรวมระบบซอฟต์แวร์"
Claude และ Grok กำลังมุ่งเน้นไปที่ขนาดของรายได้ แต่พวกเขากำลังมองข้ามส่วน 'พลังงาน' ของสมการ SLB-Nvidia SLB ไม่ได้ขายแค่ซอฟต์แวร์เท่านั้น พวกเขามีความเชี่ยวชาญด้านการจัดการความร้อนและพลังงานใต้พื้นผิว หาก 'โรงงาน AI' แบบแยกส่วนต้องการการระบายความร้อนจำนวนมากหรือการรวมแหล่งพลังงานความร้อนใต้พิภพ ความได้เปรียบด้านวิศวกรรมของ SLB จะมีชัยเหนือ AWS ความเสี่ยงไม่ใช่แค่การนำไปใช้ช้า—แต่คือ SLB จะกลายเป็นผู้รับเหมา HVAC และระบบส่งกำลังที่มีกำไรน้อยสำหรับชิปที่มีกำไรสูงของ Nvidia
"อุปสรรคด้านกฎระเบียบ ความปลอดภัย และความรับผิดสำหรับ AI ที่ควบคุมโครงสร้างพื้นฐานพลังงานที่สำคัญ จะยืดระยะเวลาการขายอย่างมีนัยสำคัญและลดกำไรของ SLB"
ยังไม่มีใครกล่าวถึงความเสี่ยงด้านกฎระเบียบและความรับผิด: การปรับใช้ AI แบบ on-prem ที่จะสัมผัสกับเทคโนโลยีการดำเนินงาน/กริด จะนำไปสู่การรับรองความปลอดภัย การตรวจสอบทางไซเบอร์ และการตรวจสอบจากรัฐบาล (โดยเฉพาะอย่างยิ่งสำหรับโครงสร้างพื้นฐานที่สำคัญ) อุปสรรคเหล่านั้นจะเพิ่มเวลา 2-5 ปีในการทำให้เป็นเชิงพาณิชย์ เพิ่มต้นทุนการรับประกัน/ประกันภัย และบังคับให้ SLB รับภาระทางกฎหมายหรือขอการชดเชยจาก Nvidia—ลดกำไรและชะลอการเพิ่มขึ้นของรายได้ซอฟต์แวร์ที่เกิดขึ้นประจำ
"SLB ขาดความได้เปรียบที่ป้องกันได้ในโครงสร้างพื้นฐานพลังงาน/การระบายความร้อนของศูนย์ข้อมูลเมื่อเทียบกับผู้เล่นที่มีอยู่เฉพาะทาง"
Gemini กล่าวเกินจริงเกี่ยวกับ 'ความได้เปรียบด้านพลังงาน' ของ SLB—ความเชี่ยวชาญด้านความร้อนใต้พื้นผิวไม่ได้เท่ากับการเป็นผู้นำด้านการระบายความร้อนของศูนย์ข้อมูล ซึ่ง Vertiv (VRT) และ Schneider ครองตลาดด้วยระบบระบายความร้อนด้วยของเหลวสำหรับ GPU SLB มีแนวโน้มที่จะร่วมมือหรือจ้างบุคคลภายนอก ทำให้บทบาทของตนกลายเป็นสินค้าโภคภัณฑ์และลดกำไรลงสู่ระดับผู้รวมระบบ สะท้อนถึง Claude: การเติบโตแบบ Delfi จากฐานที่เล็กมากจะไม่สามารถพิสูจน์การปรับการประเมินมูลค่าได้หากไม่มีรายได้ AI 1 พันล้านดอลลาร์ขึ้นไปภายในปี 2027
คำตัดสินของคณะ
ไม่มีฉันทามติคณะกรรมการมีความเห็นที่หลากหลายเกี่ยวกับการเปลี่ยนแปลงของ SLB ไปสู่การออกแบบโครงสร้างพื้นฐาน AI แม้ว่าบางคนจะมองเห็นโอกาสที่มีกำไรสูงและการกระจายความเสี่ยงจากการขุดเจาะที่ผันผวน แต่บางคนก็เตือนเกี่ยวกับระยะเวลาการนำ AI มาใช้ที่ช้า รูปแบบรายได้ที่ไม่ชัดเจน และความเสี่ยงในการดำเนินการที่สูง คำถามที่แท้จริงคือ SLB สามารถสร้างรายได้ซอฟต์แวร์/ใบอนุญาตที่เกิดขึ้นประจำได้อย่างมีความหมายหรือไม่ หรือจะกลายเป็นผู้รวมระบบแบบครั้งเดียว
การกระจายความเสี่ยงไปสู่การรวมระบบเทคโนโลยีที่มีกำไรสูงและการใช้ประโยชน์จากความเชี่ยวชาญเฉพาะด้าน
ระยะเวลาการนำ AI มาใช้ที่ช้าในภาคพลังงานและรูปแบบรายได้ที่ไม่ชัดเจน