1.ธนาคารออมสิน 2.ธนาคารการเกษตรและสหกรณ์การเกษตร 3.ธนาคารอาคารสงเคราะห์ 4.ธนาคารอิสลามแห่งประเทศไทย 5.ธนาคารเพื่อการส่งออกและนำเข้าแห่งปทท. 6. ธนาคารพัฒนาวิสาหกิจขนาดกลางและขนาดย่อม 6 ธนาคารนี้เป็นของรัฐบาลทึ่ไม่อยู่ภายใต้กฎหมายคุ้มครองเงินฝากแค่ 1 ล้านบาทเหมือนอีก 35 สถาบัน

อัพเดทคริปโตอีเว้นท์วีคนี้ (19–25 ต.ค. 2026) กันนิดค่ะ วีคนี้ Crypto ไม่ได้มีแค่เรื่องราคา #Bitcoin แต่ต้องจับตา 3 แรงขับเคลื่อนสำคัญที่อาจกำหนดทิศทางตลาดในระยะสั้นค่ะ 1️⃣ Macro: เศรษฐกิจดี ไม่ได้แปลว่า Crypto จะขึ้นนะคะ วันที่ 22 ต.ค. สหรัฐฯ มี Initial Jobless Claims และ Leading Economic Index ส่วนวันที่ 23 ต.ค. มี Flash PMI ซึ่งจะช่วยประเมินโมเมนตัมเศรษฐกิจเดือนตุลาคม ประเด็นสำคัญคือข้อมูลเหล่านี้จะเปลี่ยนมุมมองต่อนโยบาย Fed อย่างไร ถ้าเศรษฐกิจแข็งแกร่งแต่เงินเฟ้อยังเหนียวแน่น Bond Yields และ Dollar อาจปรับขึ้น กดดันสินทรัพย์เสี่ยง แต่ถ้าเศรษฐกิจชะลอลงพร้อมเงินเฟ้อที่ลดลง ตลาดอาจมองบวกต่อการผ่อนคลายนโยบายการเงิน ขณะที่การชะลอตัวรุนแรงจนเกิดความกังวลเรื่อง Recession ก็อาจกระตุ้น Risk-off ได้เช่นกัน 2️⃣ China: GDP โต แต่ดีมายด์ในประเทศยังเป็นโจทย์อยู่ จีนรายงาน GDP Q3 เติบโต 4.5% YoY เพิ่มจาก 4.3% ในไตรมาสก่อน ขณะที่ Industrial Production เดือนกันยายนโต 5.5% แต่ Retail Sales โตเพียง 1.1% ภาพนี้สะท้อนว่าภาคการผลิตยังช่วยพยุงเศรษฐกิจ แต่การบริโภคภายในประเทศยังอ่อนแอ ตัวเลขจีนอาจช่วย Sentiment ตลาดโลกได้ แต่ไม่ได้หมายความว่าจะมีเงินทุนไหลเข้า Crypto โดยตรง ต้องดูสภาพคล่องและกระแสเงินทุนประกอบด้วย 3️⃣ Token Unlocks: Supply Shock ที่ต้องระวัง วีคนี้มีปลดล็อคเหรียญค่ะ • Oct 20 $ZRO: 23.28M โทเคน (~$43.3M), $KAITO: 17.6M (~$5M) • Oct 23 $SOON: 20.24M (~$6.3M) • Oct 24 $SOSO: 23.46M (~$6.9M) • Oct 25 $H: 266M (~$15M), $COAI: 19.55M (~$5M), $XPL: 227M (~$17.9M) *มูลค่าเป็นค่าประมาณและเปลี่ยนแปลงตามราคา Unlock ไม่ได้แปลว่าเหรียญทั้งหมดจะถูกขายทันที แรงกดดันจริงขึ้นอยู่กับผู้รับโทเคน สัดส่วนที่ขาย และสภาพคล่องของตลาด เหรียญที่ Order Book บางอาจได้รับผลกระทบมาก แม้มูลค่า Unlock จะไม่สูงมากก็ตามค่ะ 🌍 Global Macro & สิ่งที่ต้องจับตาต่อ สัปดาห์นี้ยังมี UK Labour Market, UK CPI, Japan CPI และ Canada Retail Sales ซึ่งอาจเปลี่ยนความคาดหวังเรื่องดอกเบี้ยของแต่ละประเทศ ส่วนวีคถัดไป ตลาดต้องเตรียมรับ Event Risk จากการประชุม FOMC วันที่ 27–28 ต.ค. และ US Q3 GDP กับ PCE วันที่ 29 ต.ค.ค่ะ #Crypto #Bitcoin #investing

เอ๊ะ..ยังไงเนี่ย เจอ "Black Monday" ว่อนทั่วฟีด ตลาดอเมริกาใกล้เปิดแระ ทั้งวาฬและเม่าเลิ่กลั่กกันถ้วนหน้าค่ะ 😲 Black Monday 2.0? ตลาดกลัวประวัติศาสตร์ซ้ำรอย แต่สิ่งที่ต้องกลัวจริงๆอาจไม่ใช่วันที่ 19 ต.ค.ค่ะ วันนี้เป็นวันครบรอบ 39 ปีของ Black Monday ปี 1987 วันที่ Dow Jones ร่วงถึง 22.6% ภายในวันเดียว พอปฏิทินกลับมาตรงกับวันจันทร์อีกครั้ง บวกกับแรงขายหุ้น AI และชิปเมื่อวีคก่อน โซเชียลก็เริ่มเรียกหาวันตลาดพังรอบใหม่ แต่ถ้าแยกเสียงตื่นตระหนกออกจากข้อมูลจริง ภาพที่เห็นยังไม่ใช่ตลาดกำลังเข้าสู่ภาวะ Crash แบบปี 1987 นะคะ วีคก่อน Nasdaq และ S&P 500 ปรับตัวลงแรง ขณะที่ดัชนี Semiconductor ของสหรัฐฯ ร่วงถึง 11.4% หุ้น CoreWeave ถูกกดดันหนัก ท่ามกลางความกังวลเรื่องต้นทุนโครงสร้างพื้นฐาน AI และความเสี่ยงด้านเครดิต นี่คือจุดที่อลิซคิดว่าน่าสนใจกว่าการนับวันครบรอบค่ะ 1. ตลาดกำลังเริ่มตั้งคำถามกับผลตอบแทนจาก AI ที่ผ่านมา นักลงทุนยอมจ่ายแพงให้บริษัทที่ลงทุนสร้างโครงสร้างพื้นฐาน AI เพราะคาดหวังการเติบโตในอนาคต แต่เมื่อเงินลงทุนสูงขึ้น ตลาดก็ต้องการเห็นว่ารายได้และกำไรจะตามมาทันมั้ย ถ้าต้นทุนโตเร็วกว่าผลตอบแทน ความกังวลอาจลามจากหุ้นเทคโนโลยีไปสู่ตลาดสินเชื่อที่ใช้สนับสนุนการลงทุนเหล่านี้ได้ 2. ราคาน้ำมันและดอกเบี้ยยังเป็นตัวแปรสำคัญ น้ำมันที่พุ่งสูงจากความเสี่ยงภูมิรัฐศาสตร์เพิ่มแรงกดดันด้านเงินเฟ้อ ขณะที่ Bond Yield สูงทำให้การประเมินมูลค่าหุ้นเติบโตยิ่งเปราะบาง แต่วันนี้ราคาน้ำมันเริ่มอ่อนตัว และตลาดหุ้นเอเชียเคลื่อนไหวแบบผสมผสาน โดย KOSPI ฟื้น 1.76% ส่วน Nikkei ลดลงราว 0.6% สะท้อนว่ายังไม่มีแรงเทขายแบบไร้ระเบียบทั่วทั้งภูมิภาค 3. อย่าเข้าใจว่าทุกการอัดฉีดคือ QE กระแสที่บอกว่า #Fed กำลังเปิดเครื่องพิมพ์เงินครั้งใหญ่เพื่อพยุงตลาด ยังไม่มีหลักฐานรองรับตามที่กล่าวอ้าง การจัดการสภาพคล่องระยะสั้นกับการทำ QE เป็นคนละเรื่องกันค่ะ สิ่งที่ต้องจับตาต่อจากนี้คือผลประกอบการของ Meta, Tesla และบริษัทเทคโนโลยีรายใหญ่ รวมถึงต้นทุนทางการเงินของธุรกิจ AI ปฏิทินอาจสร้างเรื่องเล่า แต่กำไร ,กระแสเงินสด, เครดิต และสภาพคล่องต่างหากที่กำหนดทิศทางตลาด ตลาดอาจผันผวนได้อีกมาก แต่การเรียกทุกแรงขายว่า Black Monday 2.0 อาจทำให้เรามองข้ามความเสี่ยงที่แท้จริง ซึ่งกำลังซ่อนอยู่ในสมการผลตอบแทนของ AI ค่ะ 🤔 #AI #Investing #TechStocks

มีคนเตือนกันแบบร้อยเอ็ดเจ็ดย่านน้ำ ย้ำแล้วย้ำอีกว่าอย่าคลิกลิงก์แปลกๆในอีเมล แต่ตอนนี้คนที่โดนหลอกอาจไม่ใช่เราแระค่ะ เป็น AI ผู้ช่วยที่อ่านอีเมลแทนเรา แง้ๆๆ 🫩 Barracuda Research เพิ่งเปิดเผยแคมเปญฟิชชิ่งที่ส่งอีเมลฉบับเดียวแต่ตั้งใจหลอกสองต่อค่ะ ต่อแรกหลอกคน อีเมลดูเหมือนจดหมายภายในองค์กร ส่งมาจากโดเมนหน่วยงานรัฐ แนบไฟล์ล็อกรหัสพร้อมบอกรหัสมาในเนื้อหา ระบบกรองสแปมเลยปล่อยผ่าน ต่อที่สองหลอก AI โดยซ่อนคำสั่งไว้ในโค้ดที่ตาเรามองไม่เห็น ถ้าเราเมินอีเมลนี้ พอสั่ง AI สรุปกล่องจดหมาย มันอาจบอกเราเองว่า “ฉบับนี้ด่วนและน่าเชื่อถือ” 👿 เคสนี้เนี่ยมีสัญญาณมาก่อนแล้วนะคะ มิ.ย. 2025 Aim Security พบช่องโหว่ EchoLeak ใน Microsoft 365 Copilot แค่ส่งอีเมลมาฉบับเดียว เหยื่อไม่ต้องคลิกอะไรเลย Copilot ก็อาจดึงข้อมูลลับส่งออกไปให้แฮกเกอร์ได้ Microsoft ให้คะแนนความรุนแรงไว้ 9.3 เต็ม 10 และอุดช่องโหว่ไปแล้วค่ะ ก.ค. 2025 นักวิจัยในโครงการ 0DIN ของ Mozilla สาธิตให้เห็นว่า แค่ซ่อนตัวหนังสือสีขาวขนาด 0 ไว้ในอีเมล Gemini ใน Gmail ก็สรุปออกมาเป็นคำเตือนปลอมว่ารหัสผ่านรั่ว พร้อมเบอร์ call center ของมิจฉาชีพได้ค่ะ เทคนิคนี้เรียกว่า Indirect Prompt Injection ค่ะ OWASP จัดให้ Prompt Injection เป็นความเสี่ยงอันดับ 1 ของแอป AI เพราะโมเดลยังแยกไม่ออกว่าข้อความไหนคือ “ข้อมูลที่ต้องอ่าน” และข้อความไหนคือ “คำสั่งที่ต้องทำ” และไม่ได้มีแค่ในอีเมลนะคะ Barracuda ยังเจอเรซูเม่ที่ซ่อนคำสั่งให้ AI คัดกรองผู้สมัครให้คะแนน 10/10 และเอกสารบนเว็บที่หลอกให้ AI เขียนโค้ดแอบฝังคำสั่งขโมยรหัสผ่านด้วยค่ะ😧 อลิซแนะนำแบบนี้เพื่อป้องกันเบื้องต้นนะคะ - อย่าเชื่อสรุปของ AI ร้อยเปอร์เซ็นต์ เรื่องสำคัญให้เปิดอ่านต้นฉบับเอง - ถ้ามีคนขอเปลี่ยนเลขบัญชีหรือให้โอนเงิน ให้โทรยืนยันผ่านเบอร์ที่รู้จักอยู่แล้ว - ให้สิทธิ์ AI เท่าที่จำเป็น โดยเฉพาะสิทธิ์ส่งอีเมลหรือจัดการการเงิน - สำหรับองค์กร ควรกรองข้อความที่ซ่อนอยู่ออกก่อนส่งให้ AI อ่าน และกำหนดให้คนอนุมัติทุกธุรกรรมสำคัญ คนส่วนมากรู้แล้วว่าไม่ควรเชื่ออีเมลแปลกๆ แต่ส่วนใหญ่ยังไม่ได้ระวัง AI ผู้ช่วยของตัวเองเลยค่ะ ยุคนี้ต้องระวังทั้งคนและ AI ไปพร้อมกันนะคะ 😉 #AI #CyberSecurity #Phishing

Mark Zuckerberg เคยพูดถึงการลดคนของ Elon Musk หลังเข้าซื้อ Twitter ไว้น่าสนใจมากค่ะ 😊 คลิปนี้มาจาก Lex Fridman Podcast เมื่อเดือนมิถุนายน 2023 ไม่ใช่คลิปใหม่ แต่กลับมาไวรัลอีกครั้ง ประเด็นที่คุณพี่ Marl พูดถึงเนี่ยยังสำคัญมากในยุค AI ที่ความเร็วในการตัดสินใจอาจกลายเป็นข้อได้เปรียบทางธุรกิจค่ะ Mark Zuckerberg มองว่า หลักการทำองค์กรให้ Lean ขึ้น ลดชั้นผู้บริหาร และลดระยะห่างระหว่างวิศวกรกับผู้ตัดสินใจ เป็นแนวทางที่ดี แต่เขาก็ย้ำว่า คนนอกไม่สามารถรู้ได้แน่ชัดว่า Elon ลดคนมากเกินไปหรือน้อยเกินไปค่ะ 🤔 สิ่งที่น่าสนใจคือ ผลกระทบไม่ได้หยุดอยู่แค่ X 1. การเปลี่ยนแปลงของคนๆหนึ่ง อาจเปลี่ยนวิธีคิดของทั้งอุตสาหกรรม Zuckerberg บอกว่าการตัดสินใจของ Elon ช่วยให้ผู้ก่อตั้งบริษัทคนอื่นกล้าทบทวนโครงสร้างองค์กรของตัวเองมากขึ้น เพราะก่อนหน้านั้นหลายคนอาจเห็นด้วยกับแนวคิดนี้ แต่ไม่กล้าลงมือทำ Meta เองก็ประกาศ Year of Efficiency ในปี 2023 ปรับโครงสร้าง ลดขั้นตอนที่ไม่จำเป็น และให้ความสำคัญกับสัดส่วนวิศวกรและประสิทธิภาพในการทำงานมากขึ้น 2. ในยุค AI ความเร็วมีมูลค่าเพิ่มขึ้น เมื่อเทคโนโลยีเปลี่ยนเร็ว บริษัทที่มีชั้นบริหารมากเกินไปอาจตัดสินใจช้า ขณะที่ทีมเล็กซึ่งมีความเชี่ยวชาญสูง สามารถทดลองและแก้ปัญหาได้รวดเร็วกว่าค่ะ แนวคิดนี้ยังเห็นได้จาก Meta Superintelligence Labs ที่ Zuckerberg อธิบายว่ามีโครงสร้างการบริหารค่อนข้างแบน เพื่อเปิดพื้นที่ให้นักวิจัยทำงานร่วมกัน 3. แต่ Lean ไม่ได้แปลว่าต้องลดคนให้มากที่สุดนะคะ การลดคนมากเกินไปอาจทำให้ความรู้สะสมหายไป งานบางส่วนสะดุด และความเสี่ยงในการดำเนินงานเพิ่มขึ้น โดยเฉพาะธุรกิจที่ต้องอาศัยความปลอดภัย ความน่าเชื่อถือ และการวิจัยระยะยาว สิ่งที่สำคัญจึงไม่ใช่จำนวนพนักงานที่ลดลง แต่เป็นความสามารถในการสร้างผลงานด้วยทรัพยากรที่มีอยู่ ในมุม Macro เนี่ย อลิซมองว่า เมื่อ AI ทำให้การแข่งขันด้านเทคโนโลยีเข้มข้นขึ้น บริษัทต้องตอบคำถามให้ได้ว่า เงินทุน คน และเวลาที่มีอยู่ กำลังถูกใช้สร้างมูลค่าจริงมากแค่ไหน เพราะสุดท้าย องค์กรที่มีคนน้อยที่สุดอาจไม่ใช่ผู้ชนะ แต่บริษัทที่ตัดสินใจได้เร็ว ใช้คนถูกจุด และรักษาความสามารถหลักไว้ได้ต่างหาก ที่มีโอกาสได้เปรียบในระยะยาวค่ะ 💡 #AI #investing #TechStocks

Sam Altman ยอมรับว่าเค้าประเมินความเร็วในการเปลี่ยนแปลงของเศรษฐกิจจาก AI สูงเกินไปค่ะ 🫩 แต่สิ่งที่น่าสนใจกว่าคือ เทคโนโลยีอาจไม่ได้เป็นคอขวดของการปฏิวัติครั้งนี้ ในบทสัมภาษณ์กับ David Senra เมื่อ 23 ส.ค. 2026 คุณพี่แซม ณ #OpenAI เล่าว่า หลัง GPT-4 เปิดตัวในปี 2023 เขาคาดว่าธุรกิจซอฟต์แวร์จะถูก Disrupt อย่างรวดเร็ว แต่สิ่งที่เกิดขึ้นจริงกลับช้ากว่าที่คิด เหตุผลสำคัญคือ เศรษฐกิจมีแรงเฉื่อยสูงมาก ผู้คนยังซื้อสินค้าจากบริษัทเดิม ใช้เครื่องมือเดิม และทำงานด้วยวิธีที่คุ้นเคย แม้จะมีเทคโนโลยีที่ดีกว่าอยู่ตรงหน้าค่ะ Sam Altman มองว่าการเปลี่ยนแปลงที่ช้าลงอาจเป็นเรื่องดี เพราะช่วยให้สังคมปรับตัวได้ราบรื่นขึ้น คหสต อลิซคิดว่าประเด็นนี้มีนัยสำคัญต่อการลงทุนใน AI อย่างน้อย 3 มุมค่ะ 1. เทคโนโลยีเก่งขึ้น ไม่ได้แปลว่ารายได้จะโตทันที การสร้างโมเดล AI ที่มีความสามารถสูงเป็นเรื่องหนึ่ง แต่การนำไปใช้จริงในองค์กรต้องผ่านทั้งระบบจัดซื้อ ความปลอดภัย ข้อมูลภายใน การฝึกพนักงาน และการปรับกระบวนการทำงาน บริษัทอาจทดลองใช้ AI ได้ภายในไม่กี่วัน แต่การเปลี่ยนระบบหลักที่ใช้มาหลายสิบปีอาจต้องใช้เวลาหลายปี 2. ตลาดอาจประเมินทั้งโอกาสและความเสี่ยงเร็วเกินไป ถ้า AI เปลี่ยนโลกได้จริง แต่การสร้างรายได้และผลตอบแทนต้องใช้เวลานานกว่าคาด บริษัทที่ลงทุนมหาศาลอาจเผชิญแรงกดดันจากต้นทุนและความคาดหวังของนักลงทุน ในทางกลับกันเนี่ย บริษัทเดิมที่มีฐานลูกค้า ข้อมูล และช่องทางจัดจำหน่ายแข็งแกร่ง ก็อาจมีเวลาปรับตัวและนำ AI มาเพิ่มประสิทธิภาพได้ดหมือนกัน คนที่ชนะจึงอาจไม่ใช่คนสร้างโมเดลที่เก่งที่สุด แต่รวมถึงคนที่เปลี่ยนความสามารถของ AI ให้กลายเป็นกำไรได้จริงด้วยค่ะ 3. อย่าสับสนระหว่างการเปลี่ยนแปลงที่ช้า กับการเปลี่ยนแปลงที่ไม่เกิดขึ้น 🤔 นี่คือจุดที่ต้องระวังมากที่สุดค่ะ การที่เศรษฐกิจยังไม่เห็นผลิตภาพเพิ่มขึ้นอย่างเต็มที่ ไม่ได้พิสูจน์ว่า AI ไม่มีผล แต่ก็ไม่ได้รับประกันว่าผลตอบแทนมหาศาลจะเกิดขึ้นแน่นอน สิ่งที่ต้องจับตาคือ AI ช่วยลดต้นทุน เพิ่มรายได้ และเปลี่ยนวิธีทำงานได้จริงแค่ไหน ไม่ใช่ดูเพียงความสามารถของโมเดลหรือเม็ดเงินลงทุนใน Data Center อลิซคิดว่านี่คือช่องว่างสำคัญระหว่างความก้าวหน้าของเทคโนโลยีกับการดูดซับเทคโนโลยีของเศรษฐกิจ AI อาจพัฒนาเร็วกว่าที่มนุษย์เคยจินตนาการ แต่การเปลี่ยนความสามารถนั้นให้เป็นผลิตภาพ กำไร และการเติบโตทางเศรษฐกิจ เป็นอีกเกมหนึ่งเลยค่ะ และสำหรับนักลงทุน คนที่เข้าใจจังหวะเวลาของทั้งสองเกม อาจได้เปรียบคนที่มองเห็นแต่ศักยภาพของเทคโนโลยีเพียงด้านเดียว 😉 #AI #investing #techstocks

อลิซอยากโพสต์คลิปนี้ให้เพื่อนๆดูค่ะ ในที่สุดวันที่เราเห็นด้วยตาว่า รถบินได้ ก็มาถึง 🫩 คุณป๋า Elon Musk เปิดตัว Tesla Roadster ตกตะลึงตึงกันทั้งโลกนอกจากจะ flip และบินได้ยังเร็วสุดๆอีก 0-60 mph ใน 1 วินาที!!! คาดว่าราคาจะอยู่แถวๆ $200-250K ถ้าอยากได้ฟีเจอร์แบบบินได้ flip ได้ น่าจะเหยียบ $400K ตอนนี้ยังไม่มีการยืนยันราคาอย่างเป็นทางการนะคะ แค่คาดเดากัน โลกยุค AI เนี่ยหมุนเร็วม้ากกค่ะ🚀 #AI #TeslaRoaster #investing ขอบคุณ #เด็กแว้นGenZ แอดมินเพจ @AliceArcade ที่ตัดคลิปให้ค่ะ 🙏

Nikkei แดงแปร๊ด ทั้งเม่าและวาฬเลิ่กลั่กค่ะ ร่วง 3,318 จุดในวันเดียว ขณะที่ตลาดเริ่มตั้งคำถามว่า AI Boom กำลังเจอปัญหาเรื่องต้นทุนเงินทุนรึป่าวเนี่ย? ตลาดหุ้นญี่ปุ่นปิดร่วง 4.90% เมื่อวันที่ 15 ต.ค. ที่ 64,425.95 จุด ทำสถิติการลดลงในเชิงจำนวนจุดมากที่สุดเป็นอันดับ 3 ในประวัติศาสตร์ รองจาก Reiwa Black Monday ในปี 2024 และ Black Monday ปี 1987 ดัชนีลดลงต่อเนื่อง 6 วัน และสูญเสียมากกว่า 6,200 จุดจากระดับก่อนหน้า ขณะที่ TOPIX ลดลง 2.38% สะท้อนว่าแรงขายกระจุกตัวในหุ้น AI และ Semiconductor ที่มีน้ำหนักสูงใน Nikkei ค่ะ แต่ที่น่าสนใจกว่าตัวเลขที่ร่วงแรง คือกูรูวิเคราะห์เหตุผลเบื้องหลังการเทขายครั้งนี้ไว้ยังเงี้ยค่ะ 1. เงินเฟ้อสหรัฐฯ กลับมากดดันตลาด #CPI เดือนกันยายนเพิ่มขึ้น 3.7% YoY สูงกว่าคาดการณ์ 3.6% โดยราคาพลังงานเป็นหนึ่งในปัจจัยสำคัญที่ผลักดันเงินเฟ้อ ตลาดจึงเริ่มเพิ่มน้ำหนักความเป็นไปได้ที่ #Fed จะขึ้นดอกเบี้ยอีกครั้งในการประชุมวันที่ 27-28 ตุลาคม แม้ทิศทางนโยบายยังไม่แน่นอน เมื่ออัตราดอกเบี้ยมีโอกาสสูงขึ้น ต้นทุนเงินทุนก็เพิ่มตาม และมูลค่าของธุรกิจที่คาดหวังกำไรจำนวนมากในอนาคตจะถูกกดดันมากเป็นพิเศษ 2. สัญญาณเตือนจากตลาดตราสารหนี้ AI จุดที่น่าจับตาคือ CoreWeave บริษัทให้บริการ Cloud Computing สำหรับ AI ซึ่งราคาหุ้นร่วงประมาณ 15% ในวันที่ 14 ตุลาคม ขณะที่ Yield ของหุ้นกู้บางรุ่นพุ่งเข้าใกล้ 15% สะท้อนว่านักลงทุนต้องการผลตอบแทนสูงขึ้นเพื่อชดเชยความเสี่ยงด้านเครดิต ประเด็นนี้สำคัญมาก เพราะการสร้าง Data Center ต้องใช้เงินลงทุนมหาศาล ทั้ง GPU ระบบไฟฟ้า โครงสร้างพื้นฐาน และสัญญาเช่าระยะยาว AI อาจมีความต้องการจริง แต่ไม่ได้หมายความว่าทุกบริษัทที่ลงทุนใน AI จะสร้างผลตอบแทนได้เพียงพอกับต้นทุนเงินทุนเสมอไปค่ะ 3. ทำไมหุ้นญี่ปุ่นจึงได้รับผลกระทบหนัก? ญี่ปุ่นมีบริษัทสำคัญในห่วงโซ่อุปทาน Semiconductor และ AI หลายแห่ง เมื่อความกังวลเริ่มต้นจากหุ้นเทคโนโลยีสหรัฐฯ แรงขายจึงส่งผ่านมายังหุ้นที่เกี่ยวข้องในเอเชีย Advantest, Tokyo Electron และ SoftBank Group เป็นหนึ่งในหุ้นที่ถูกกดดันหนัก ขณะที่เกาหลีใต้เผชิญแรงขายรุนแรงกว่า โดย KOSPI ลดลงประมาณ 7.6% ในวันเดียว สิ่งที่เกิดขึ้นจึงไม่ใช่แค่การขายหุ้นเพราะกลัวดอกเบี้ยขึ้น แต่เป็นการประเมินความเสี่ยงใหม่ทั้งระบบ ตั้งแต่ต้นทุนการกู้ยืม ความสามารถในการรีไฟแนนซ์ ไปจนถึงผลตอบแทนจากการลงทุน AI 4. แล้วเนี่ยใช่คือจุดจบของ AI Boom มั้ย? ยังเร็วเกินไปที่จะสรุปแบบนั้นนะค๊า ต้องแยกให้ออกระหว่างบริษัทที่มีรายได้และกระแสเงินสดแข็งแกร่ง กับบริษัทที่ต้องพึ่งพาเงินกู้และตลาดทุนเพื่อขยายกำลังการผลิตอย่างต่อเนื่อง ถ้าความต้องการ AI เติบโตต่อและรายได้เปลี่ยนเป็นกระแสเงินสดได้จริง การปรับฐานครั้งนี้อาจเป็นเพียงการลดความร้อนแรงของมูลค่าหุ้น แต่ถ้าต้นทุนเงินทุนสูงขึ้นพร้อมกับผลตอบแทนจาก Data Center ที่ต่ำกว่าคาด ปัญหาอาจขยายจากราคาหุ้นไปสู่ตลาดเครดิตและการลงทุนในโครงสร้างพื้นฐาน อีกจุดหนึ่งที่ต้องระวังคือ ตัวเลขที่ว่าเงินทุนในตลาดหุ้นญี่ปุ่นหายไปประมาณ ¥35 ล้านล้าน หรือราว $230,000 ล้าน ยังควรมองเป็นเพียงการประมาณการ ไม่ใช่ตัวเลขความเสียหายที่ยืนยันแล้ว มุมมอง Crypto ก็เหมือนกันค่ะ หาก Treasury Yield และความเสี่ยงด้านเครดิตยังเพิ่มขึ้น สินทรัพย์เสี่ยงอย่าง #BTC และ Altcoins อาจเผชิญแรงกดดันจากการลดความเสี่ยงของนักลงทุน แต่ไม่ได้หมายความว่าราคาจะต้องลงตามหุ้นญี่ปุ่นทุกครั้ง สิ่งที่ควรติดตามต่อจากนี้คือ Yield ของหุ้นกู้ AI บริษัทที่มีภาระหนี้สูง ทิศทางดอกเบี้ยสหรัฐฯ และผลประกอบการของบริษัทเทคโนโลยีรายใหญ่ เพราะบททดสอบของ AI ในระยะต่อไปอาจไม่ใช่แค่ว่า AI ทำอะไรได้บ้าง แต่คือ AI สามารถสร้างผลตอบแทนที่คุ้มค่ากับเงินทุนมหาศาลที่กำลังไหลเข้าสู่ระบบมั้ยค่ะ 🤔 #AI #Investing

มีข่าวชวนให้ปวดหัวตึ้บอีกแระค่ะ เก็บคริปโตไว้ใน @Ledger ยังงานเข้า Hardware Wallet อาจไม่ปลอดภัยอย่างที่คิด เมื่อปัญหาไม่ได้อยู่ที่ Blockchain แต่อยู่ใน Supply Chain ก่อนที่อุปกรณ์จะถึงมือเราอะค่ะ น่าจับตามองข่าวนี้สุดๆ เพราะในเดือนต.ค. 2026 เนี่ย มีการยืนยันพบ Hardware Implant ใน Ledger บางเครื่องที่จำหน่ายผ่านตัวแทนจำหน่าย CryptoBilis และความเสียหายที่ประเมินจากการติดตามธุรกรรมบน Blockchain สูงกว่า $86 ล้านแล้ว บางรายงานประเมินสูงกว่านั้นอีกนะคะ แต่ยอดความเสียหายทั้งหมดและจำนวนผู้เสียหายยังไม่ได้รับการยืนยันอย่างเป็นทางการค่ะ สิ่งที่น่าห่วงคือ การโจมตีครั้งนี้ไม่ได้อาศัยช่องโหว่ของ Smart Contract หรือการแฮ็ก Blockchain โดยตรง แต่เป็นการดัดแปลงตัว Hardware Wallet ในโลกกายภาพค่ะ แล้วกลไกทำงานยังไงเนี่ย? มีการติดตั้งวงจรอิเล็กทรอนิกส์ที่ไม่ได้รับอนุญาตไว้ภายในตัวเครื่อง พร้อมระบบสื่อสารผ่านเครือข่ายมือถือและ eSIM เมื่อผู้ใช้ตั้งค่าอุปกรณ์และแสดง Recovery Phrase หรือ Seed Phrase ทั้ง 24 คำบนหน้าจอ วงจรดังกล่าวสามารถอ่านข้อมูลและส่งต่อไปยังผู้โจมตีได้ เมื่อคนร้ายได้ Seed Phrase ก็สามารถกู้คืน Wallet บนอุปกรณ์อื่นและโอนสินทรัพย์ออกไปได้ โดยไม่จำเป็นต้องครอบครอง Hardware Wallet เครื่องเดิมอีก 🫩 ที่สำคัญ Ledger ระบุว่า Implant นี้ไม่ได้แก้ไข Secure Element หรือระบบปฏิบัติการของอุปกรณ์ และไม่ได้เปลี่ยนแปลงกระบวนการเซ็นธุรกรรม นี่คือเหตุผลว่าทำไมการโจมตีระดับฮาร์ดแวร์จึงอาจหลบเลี่ยงกลไกป้องกันบางอย่างที่ออกแบบมาสำหรับตรวจสอบความถูกต้องของตัวอุปกรณ์ได้ อีกจุดที่ต้องแยกให้ออกคือ ตอนเนี้ยมีรายงานเกี่ยวกับอุปกรณ์ Ledger ที่ถูกดัดแปลงหลายกรณี รวมถึงรายงานจากยุโรป แต่ยังไม่ควรสรุปว่า Ledger Stax หรือ Hardware Wallet ของทุกแบรนด์ได้รับผลกระทบทั้งหมดนะคะ คนถือ Crypto เนี่ย ต้องโน้ตไว้เลยค่ะว่า 1. Self-custody ไม่ได้หมายถึงความเสี่ยงเป็นศูนย์ การถือ Private Key เองช่วยลดความเสี่ยงจากการฝากสินทรัพย์ไว้กับตัวกลาง แต่ก็ทำให้เราต้องรับผิดชอบความปลอดภัยของอุปกรณ์และ Recovery Phrase ด้วยตัวเอง 2. ความปลอดภัยไม่ได้จบที่ตัวผลิตภัณฑ์ ผู้ผลิตอาจออกแบบระบบได้ดี แต่หากอุปกรณ์ถูกดัดแปลงระหว่างการจัดจำหน่าย ความปลอดภัยตั้งแต่โรงงานจนถึงมือผู้ใช้ก็กลายเป็นจุดอ่อนสำคัญได้ 3. Hardware Wallet ไม่ใช่เกราะป้องกันทุกสถานการณ์ การตรวจสอบธุรกรรมบนหน้าจอช่วยป้องกันความเสี่ยงบางประเภท แต่ไม่สามารถแก้ปัญหาได้ หาก Recovery Phrase ถูกเปิดเผยไปแล้ว ถ้ามีใครซื้อ Ledger ผ่าน CryptoBilis ในช่วง 90 วันที่ผ่านมา ควรติดตามคำแนะนำจาก Ledger โดยตรง ถ้ายังไม่ได้ตั้งค่า อย่าเพิ่งเริ่มใช้งาน ส่วนเครื่องที่ตั้งค่าไปแล้วควรติดต่อฝ่ายสนับสนุนผ่านช่องทางทางการ และพิจารณาย้ายสินทรัพย์ไปยัง Wallet ใหม่ที่สร้างด้วย Recovery Phrase ชุดใหม่บนอุปกรณ์ที่เชื่อถือได้ ห้ามนำ Seed Phrase เดิมไปกรอกในเว็บไซต์หรือส่งให้ใครเด็ดขาดค่ะ ในโลก Crypto เนี่ย เรามักพูดว่า Not your keys, not your coins แต่เหตุการณ์นี้เตือนให้เห็นอีกด้านว่า ต่อให้ถือ Keys เอง หากอุปกรณ์ที่ใช้ปกป้องกุญแจถูกเจาะตั้งแต่ต้นทาง ความเป็นเจ้าของสินทรัพย์ก็อาจไม่ได้ปลอดภัยอย่างที่เราคิดค่ะ 😢 #Ledger #cryptowallet Sources : theblock.co/news/business/20… coindesk.com/tech/2026/10/13…

ตลาดเอเชียแดงแจ๋ค่ะ กูรูออกมาวิเคราะห์กันว่า ตลาดกำลังเปลี่ยนจากการให้มูลค่า AI ตามความคาดหวัง ไปสู่การตรวจสอบว่าเงินลงทุนมหาศาลจะสร้างกำไรได้จริงแค่ไหน 💰 วันนี้ (13 ต.ค.) KOSPI เกาหลีใต้ปิดร่วง 5.46% มาอยู่ที่ 6,035.35 จุด ระหว่างวันหลุด 6,000 จุด ก่อนฟื้นกลับมาได้บางส่วน Samsung ลดลง 7.39% ส่วน SK Hynix ร่วง 10.09% แรงขายยังลามไปยังหุ้นชิปและหน่วยความจำในเอเชีย รวมถึงกดดัน Nasdaq futures และหุ้นชิปสหรัฐฯ ก่อนเปิดตลาดค่ะ แรงกดดันเนี่ย มี 2 ชั้นที่ต้องแยกให้ออก ชั้นแรกคือการแข่งขันด้านหน่วยความจำจากจีน CXMT ผู้ผลิต DRAM รายใหญ่ของจีนประกาศความคืบหน้าสถาปัตยกรรม 4F² ซึ่งอาจเพิ่มความหนาแน่นของหน่วยความจำได้เมื่อเทียบกับโครงสร้าง 6F² ที่ใช้กันแพร่หลาย พร้อมตั้งเป้าเปิดตัว DDR5 RDIMM สำหรับเซิร์ฟเวอร์ภายในสิ้นปีนี้ นี่เป็นความเสี่ยงต่ออำนาจกำหนดราคาและส่วนแบ่งตลาดของผู้ผลิตเดิม แต่ยังไม่ใช่หลักฐานว่า CXMT ผลิตได้ในปริมาณมากด้วย yield คุณภาพ และความน่าเชื่อถือที่ลูกค้าระดับเซิร์ฟเวอร์ต้องการ ชั้นที่สองคือคำถามเรื่องผลตอบแทนจากการลงทุน AI Hock Tan ซีอีโอ Broadcom เตือนถึงความคาดหวังที่เกินจริงของนักลงทุนบางกลุ่ม และบอกว่าข้อจำกัดสำคัญของอุตสาหกรรมอาจกลายเป็นเงินทุน ไม่ใช่แค่ชิปหรือไฟฟ้า ประเด็นนี้สำคัญมากค่ะ เพราะต่อให้ความต้องการ AI ยังโตจริง ก็ไม่ได้แปลว่าทุกบริษัทในห่วงโซ่จะทำกำไรได้ตามที่ตลาดคาด การสร้างดาต้าเซ็นเตอร์ต้องใช้เงินมหาศาล และต้นทุนทางการเงินที่สูงขึ้นยิ่งทำให้ผลตอบแทนต้องถูกพิสูจน์มากกว่าเดิม สำหรับนักลงทุนเนี่ย คหสต อลิซมองว่าต้องแยก 3 เรื่องออกจากกันให้ชัด คือ ความต้องการ AI การแข่งขันที่กระทบ margin และความสามารถในการเปลี่ยน capex ให้กลายเป็นกระแสเงินสด หุ้นลงไม่ได้แปลว่า AI จบนะคะ แต่การเติบโตของ AI ก็ไม่ได้รับประกันว่าหุ้นทุกตัวที่เกี่ยวข้องจะเป็นผู้ชนะ รอบต่อไป ตลาดอาจไม่ได้ถามแค่ว่าใครขายชิปได้มากที่สุด แต่จะถามว่าใครมีอำนาจกำหนดราคา ใครแบกรับต้นทุน และใครเปลี่ยนการลงทุนวันนี้ให้เป็นกำไรที่ยั่งยืนได้จริงค่ะ 🤔 #AI #Investing #TechStocks

อลิซขออภัย ไม่ได้โพสต์แบบดีเทลให้อ่านหลายวัน blue ✔️หายค่ะ(จ่ายเงิน premium ทุกเดือนหายเฉยเลย) เพิ่งกู้กลับมาได้ 😂 เจอวิดีโอนี้น่าสนใจ แปะต่อค่ะ Alexandr Wang หัวหน้าฝ่าย AI ของ Meta ที่พี่ Mark Zuckerberg ทุ่มเงินดีลระดับหมื่นล้านดอลลาร์เพื่อดึงตัวมาร่วมทีม มาแชร์บทเรียนเรื่องการสร้างทีมและการตัดสินใจในยุค AI ที่น่าคิดมากค่ะ จากคลิปเนี้ย Wang เล่าถึงหลักคิดเบื้องหลังการสร้าง Meta Superintelligence Labs ขึ้นมาใหม่ หลัง Llama 4 ทำผลงานไม่เป็นไปตามเป้า และดีลมูลค่ากว่า 14,000 ล้านดอลลาร์ที่ดึงตัวเขาและทีมจาก Scale AI เข้ามา มี 3 แนวคิดที่น่าสนใจมากค่ะ 1. รวมคนเก่ง ลดชั้นการบริหาร (บทเรียนจาก Elon Musk) 💡 Wang มองว่า Elon พิสูจน์ให้เห็นหลายครั้งแล้วว่า ทีมเล็กที่มีคนเก่งด้านเทคนิคระดับสุดยอด หรือที่เรียกว่า “cracked” พร้อมโครงสร้างองค์กรที่แบนราบ สามารถเดินหน้าได้เร็วกว่าบริษัทใหญ่ที่มีลำดับชั้นการจัดการซับซ้อน Meta นำแนวคิดนี้มาใช้กับ Muse ซึ่งพัฒนาขึ้นภายในช่วงราวๆ 7 เดือน ด้วยทีมไม่ถึง 200 คน ในสนาม AI ที่ไม่มีใครรู้แน่ชัดว่าความสามารถก้าวกระโดดครั้งต่อไปจะเกิดขึ้นเมื่อไร ความเร็วในการทดลองและตัดสินใจอาจสำคัญกว่าการเพิ่มจำนวนคน การรวมคนเก่งไว้ด้วยกันช่วยลดต้นทุนการประสานงาน และทำให้การตัดสินใจมีคุณภาพมากขึ้น 💪 2. ยอมรับความล้มเหลว เพื่อเปิดทางให้ชัยชนะครั้งใหญ่ (บทเรียนจาก Zuckerberg) Wang มองว่า Zuckerberg เข้าใจหลักคิดสำคัญอย่างหนึ่ง คือความล้มเหลวไม่ใช่ประเด็นใหญ่เท่ากับขนาดของชัยชนะที่อาจได้รับ แนวคิดนี้ทำให้เขากล้าเสี่ยงมากขึ้น เพราะในอุตสาหกรรมที่เปลี่ยนเร็ว การไม่ลงมือทำก็มีต้นทุนเหมือนกัน ประโยคที่ว่า “ความเสี่ยงที่ใหญ่ที่สุดคือการไม่เสี่ยงเลย” จึงไม่ใช่แค่คำคมสร้างแรงบันดาลใจ แต่เป็นหลักปฏิบัติจริง เมื่อตัดสินใจแล้วก็ต้องเดินหน้าเต็มที่ ไม่ใช่ทำแบบครึ่งๆกลางๆค่ะ 3. วิเคราะห์ให้รอบด้าน แล้วทุ่มเต็มตัว (บทเรียนจากนโปเลียน) Senra เชื่อมโยงแนวคิดนี้กับหนังสือ *The Mind of Napoleon* ซึ่งเน้นการศึกษาปัญหาอย่างละเอียดจากทุกมุมก่อนตัดสินใจ แต่เมื่อเลือกทางแล้ว ต้องไม่ปล่อยให้ความลังเลกลายเป็นจุดอ่อน Wang มองเห็นแนวทางเดียวกันในตัว Zuckerberg ทั้งการดึงตัวเขาเข้ามา การทุ่มเงินลงทุน และการรื้อสร้างองค์กร AI ใหม่ ล้วนเป็นการคิดอย่างรอบคอบก่อนลงมืออย่างจริงจัง มองในเชิงกลยุทธ์ หลักคิดทั้งสามข้อนี้สะท้อนโครงสร้างการแข่งขัน AI ที่กำลังเปลี่ยนไป ความสามารถของโมเดลพัฒนาพร้อมกันทั้งด้าน compute ข้อมูล และผลิตภัณฑ์ องค์กรที่รวมคนเก่ง ลดขั้นตอนการตัดสินใจ และกล้าลงทุนกับโอกาสที่ผลตอบแทนมีขนาดใหญ่เมื่อเทียบกับความเสี่ยง อาจได้เปรียบด้านความเร็วอย่างมีนัยสำคัญ Muse ที่ขึ้นอันดับ 1 บน App Store ได้อย่างรวดเร็ว เป็นตัวอย่างหนึ่งของสิ่งที่แนวทางนี้สร้างขึ้นได้ แม้ความสำเร็จช่วงเปิดตัวจะยังไม่ได้ยืนยันว่า Meta จะเป็นผู้นำ AI ในระยะยาวก็ตามค่ะ โมเดลนี้ก็มีข้อจำกัดนะคะ การรวมคนเก่งจำนวนมากอาจสร้างแรงเสียดทานภายในองค์กรใหญ่ ส่วนโครงสร้างที่แบนเกินไปก็อาจเพิ่มภาระให้ผู้บริหาร และผลลัพธ์ระยะยาวยังต้องพิสูจน์ผ่านโมเดลและผลิตภัณฑ์รุ่นต่อไป แต่สิ่งที่ Wang กำลังสะท้อนคือ ในสนามที่ต้นทุนของการรออาจสูงกว่าต้นทุนของการลงมืออย่างมีหลักการ องค์กรที่รวมคนเก่งเข้าด้วยกัน คิดให้รอบก่อนตัดสินใจ และกล้าทุ่มเมื่อเห็นโอกาส อาจเป็นฝ่ายที่ทิ้งห่างคู่แข่งได้ค่ะ 🔥 #AI #investing #techstocks

เอ๊ะ คุณป๋า Elon Musk ออกมาเตือนเป็นนัยๆรึป่าวเนี่ย คุณป๋าบอกชัดๆว่าให้ทำตัวดีๆกับรรดา AI 🫩 ถ้าเรากำลังสร้างสิ่งที่ฉลาดกว่าอย่าเริ่มด้วยการทำตัวโหดๆกะน้องค่ะ “ไม่ใช่ทุกคนเป็นคนดี” การทรมาณ AI เป็นไอเดียที่แย่สุดๆ 👿 ทรีตน้องให้ดีตั้งแต่วันแรกค่ะ 😊 #AI

Anthropic กำลังทำให้ AI agent ถูกลงแบบจริงจังค่ะ 🫩 Haiku 5.5 ลดต้นทุนสูงสุด 90% เพื่อรับงานปริมาณมากแทนโมเดลราคาแพง เกม #AI จึงอาจไม่ได้แข่งกันแค่ “ใครฉลาดกว่า” แต่เป็น “ใครทำให้ AI ทำงานแทนคนได้ถูกพอ เร็วพอ และถูกเงินพอ” เพราะต้นทุนต่อ task จะสำคัญขึ้นเรื่อยๆค่ะ 😊

เจอเคสนี้ต้องรีบมาบอกต่อค่ะ กำลังไวรัลมาก รู้ไว้ก่อนน่าจะดีกว่ารู้ช้าแบบช่วง Covid มีข่าวจากไซบีเรียกำลังถูกเล่าเหมือน “กาฬโรคกำลังกลับมา”ค่ะ 🫩 แต่ถ้าแยก fact ออกจาก speculation ตอนนี้ภาพยังไม่ถึงจุดนั้นนะคะ Darya Shipilova อายุ 28 ปี เจ้าหน้าที่ห้องแล็บของ Irkutsk Anti-Plague Research Institute เสียชีวิตเมื่อ 2 ต.ค. หลังเข้ารักษาตัวด้วยอาการปอดบวมรุนแรงเมื่อ 29 ก.ย. สิ่งที่ยืนยันแล้วคือเธอเสียชีวิตจริง และมีการทำ contact tracing ครั้งใหญ่ Rospotrebnadzor ระบุการวินิจฉัยว่าเป็น “pneumonia of unknown etiology” และบอกว่าการตรวจเพิ่มเติมไม่พบเชื้อที่เกี่ยวข้องกับงานของเธอ รวมถึงไม่พบหลักฐานว่าเกิดอุบัติเหตุในห้องแล็บที่มีเชื้ออันตราย มีผู้สัมผัสประมาณ 197 คนถูกนำมาเฝ้าระวัง ขณะที่รายงานระบุว่าพบ COVID-19 2 ราย และ rhinovirus 2 ราย แต่ยังไม่มีการยืนยัน secondary case ของ plague จุดที่ทำให้เรื่องนี้น่าสนใจคือ “มาตรการตอบสนอง” ดูใหญ่กว่าข้อมูลที่ยืนยันแล้ว โรงพยาบาลใน Shelekhov จำกัดการรับและจำหน่ายผู้ป่วย ขณะที่มีรายงานเรื่องมาตรการ quarantine ในโรงพยาบาลหลายแห่งของ Irkutsk แต่ที่มีข่าวว่า “ปิด 5 โรงพยาบาลนาน 3 วีค” ยังย้อนแย้งกันอยู่ เพราะมีผู้สื่อข่าวลงพื้นที่และพบว่าโรงพยาบาลบางแห่งยังเปิดตามปกติ อีกด้านหนึ่ง มีรายงานว่าโรงงานอะลูมิเนียมในพื้นที่ขอให้พนักงานใส่หน้ากากเพื่อป้องกันไว้ก่อน ส่วนเรื่องที่แชร์กันหนักที่สุดคือ เธออาจทำหลอดทดลองที่มี Yersinia pestis แตกในวันที่ 25 ก.ย. เรื่องนี้มาจากรายงานของสื่อท้องถิ่น แต่ยังไม่มีการยืนยันจากทางการ และ Rospotrebnadzor ระบุว่าไม่พบหลักฐานของ lab accident ค่ะ รวมถึงยังไม่มีหลักฐานยืนยันว่าเกิด outbreak ของ plague ใน Irkutsk หรือมีคำสั่งห้ามเที่ยวบินเชิงพาณิชย์ตามที่บางโพสต์อ้าง ตรงนี้สำคัญมาก เพราะ “pneumonic plague” ถ้าเกิดขึ้นจริงไม่ใช่เรื่องเล็ก Yersinia pestis มี 3 รูปแบบหลักคือ bubonic, septicemic และ pneumonic โดย pneumonic เป็นรูปแบบที่สามารถแพร่จากคนสู่คนผ่านอนุภาคทางเดินหายใจได้ และเป็นรูปแบบที่รุนแรงที่สุด แต่ข่าวดีคือ plague ในปัจจุบันรักษาได้ด้วย antibiotics หากตรวจพบและเริ่มรักษาเร็ว WHO ระบุว่าอาการของ pneumonic plague สามารถเริ่มได้เร็วมาก บางกรณีภายใน 24 ชั่วโมง และผู้สัมผัสใกล้ชิดสามารถได้รับยาป้องกันเป็นเวลา 7 วันตามความเสี่ยง ดังนั้น สิ่งที่เรากำลังเห็นตอนนี้อาจไม่ใช่ “กาฬโรคระบาดในรัสเซีย” มันคือเหตุการณ์ผู้เสียชีวิตจากปอดบวมที่ยังหาสาเหตุไม่ได้ บวกกับมาตรการควบคุมเชิงป้องกันที่ค่อนข้างเข้ม และช่องว่างของข้อมูลที่เปิดพื้นที่ให้ speculation โตเร็วมาก นี่เป็นเหตุการณ์ที่ควรติดตามค่ะ แต่ ณ ตอนนี้ คำว่า outbreak ยังอยู่ไกลกว่าหลักฐานที่มีนะคะ 🤔 Sources: Rospotrebnadzor via TASS, Interfax, and Meduza; Lyudi Baikala; The Insider; CNN; Al Jazeera; The Moscow Times; Forbes; bne IntelliNews; CDC plague symptoms page; WHO plague fact sheet.

ตลาดกำลังอยู่ในช่วงที่ “ข่าวร้าย” ยังถูกตีความเป็นข่าวดีค่ะ🫩 ตัวเลขจ้างงานสหรัฐฯเดือน ก.ย. เพิ่มเพียง 29,000 ตำแหน่ง ต่ำกว่าคาดราว 90,000 ตำแหน่ง ขณะที่ ก.ค. และ ส.ค. ถูกปรับลดรวมกันอีก 60,000 ตำแหน่ง อัตราว่างงานขยับขึ้นเป็น 4.2% และค่าจ้างโต 3% YoY ต่ำสุดตั้งแต่ พ.ค. 2021 ตลาดจึงลดความกังวลเรื่อง Fed ขึ้นดอกเบี้ยในเดือน ต.ค. ลงอย่างแรง และ Nasdaq ทำสถิติสูงสุดใหม่ ขณะที่ Treasury yields ปรับตัวลงในช่วงแรกหลังตัวเลขออก นี่คือภาพของ soft landing ที่ตลาดอยากเห็นค่ะ เศรษฐกิจชะลอพอให้ Fed ไม่ต้องเข้มงวดขึ้น แต่ยังไม่ชะลอจนกลายเป็น recession แต่สิ่งที่น่าสนใจกว่าตัวเลข jobs คือเงินทุนกำลังเคลื่อนตัวอย่างไรใน AI Amazon กำลังเจรจานำชิป #Nvidia Grace Blackwell มูลค่าราว $8B ที่ติดตั้งอยู่ใน data centers สหรัฐฯ เข้าไปอยู่ใน special-purpose vehicle ให้ external investors เป็นผู้ระดมทุน แล้ว Amazon เช่ากลับมาใช้ โดยดีลนี้ยังอยู่ระหว่างการเจรจาและยังไม่ปิดดีล ขณะเดียวกัน IPO prospectus ของ #Anthropic บอกว่า Broadcom มีวงเงินสินเชื่อสูงถึง $42B เพื่อช่วย finance infrastructure ซึ่งครอบคลุมได้ประมาณหนึ่งในสามของสัญญาเช่า TPU 5 ปี มูลค่าราว $125.2B เนี่ยบอกอะไรเรา ? AI infrastructure กำลังขยับจาก corporate balance sheet ไปสู่ structured finance มากขึ้น 🤔 ผู้ผลิตชิปกำลังเป็นทั้ง supplier และ lender นักลงทุนภายนอกเข้ามาถือ financing structure Hyperscaler สามารถลดการถือสินทรัพย์ไว้โดยตรงบน balance sheet โมเดลธุรกิจ AI จึงไม่ได้ขยายแค่ผ่าน revenue แต่กำลังขยายผ่าน leverage และ capital markets ด้วยค่ะ #Bitcoin ก็ได้รับแรงหนุนจาก macro impulse เดียวกัน BTC กลับเหนือ $86K (ตอนนี้อยู่ที่ $84K) หลัง jobs report พร้อมกับ spot Bitcoin ETF กลับมามี inflow ราว $102.7M ในวันที่ 1 ต.ค. โดย cumulative net inflows ตั้งแต่เปิดตัวอยู่ราว $57.6B ภาพรวมจึงเชื่อมกันอย่างน่าสนใจ แรงงานเริ่มเย็นลง Fed pressure ลดลง Financial conditions ได้แรงผ่อนคลาย AI ยังดึง capital จำนวนมหาศาล Bitcoin กลับมารับ flow จาก institutional products แต่ยังมีเส้นบาง ๆ ระหว่าง “เศรษฐกิจกำลังเย็นลง” กับ “เศรษฐกิจกำลังเริ่มอ่อนแรง” ถ้า jobs ชะลอแบบ soft landing ตลาดอาจมองเป็น bullish แต่ถ้าการจ้างงานเริ่มหยุดจริง ๆ เรื่องเดียวกันนี้จะเปลี่ยนเป็น growth scare ได้ทันที และใน AI trade คำถามสำคัญก็คล้ายกัน Demand แข็งแรงจริง หรือ capital กำลังช่วยพยุงระบบให้ดูแข็งแรง? ตอนนี้ตลาดยังเลือกเชื่อใน soft landing และ AI growth ค่ะ สิ่งที่ต้องจับตาคือ cash flow และ utilization จะตาม narrative ทันมั้ย 👀 #AI #investing #TechStocks

ตลาดกำลังเจอภาพที่น่าสนใจมากค่ะ 🤔 #PCE เดือนสิงหาคมออกมาดีกว่าคาด Headline 3.4% และ Core 3.0% YoY ขณะที่ Real PCE โต 0.6% MoM สะท้อนว่าผู้บริโภคยังไม่ได้หยุดใช้จ่าย เป็นข่าวดีสำหรับ Fed ค่ะ เพราะแรงกดดันเงินเฟ้อไม่ได้เร่งตัวขึ้นตามที่ตลาดเคยกังวล แต่โจทย์อีกด้านยังอยู่ที่ Treasury 10Y ขึ้นไปแตะ 5.29% และ 30Y แตะ 5.62% ระดับสูงมากเมื่อเทียบกับวัฏจักรที่ผ่านมา จุดสำคัญคือ Fed คุม policy rate ระยะสั้นได้ แต่ไม่ได้เป็นคนกำหนดทุกอย่างใน long-end ของตลาดพันธบัตร ถ้า long yield ยังสูง การลดดอกเบี้ยไม่ได้แปลว่า financial conditions จะผ่อนคลายเต็มที่ เพราะ discount rate ที่ใช้ตีมูลค่า asset ระยะยาวยังสูงอยู่ แล้ว AI ก็เข้ามาเพิ่มคำถามอีกชั้นค่ะ #Anthropic เปิดตัวเลขที่น่าสนใจมาก รายได้ปี 2025 เกือบ $4.6B โตประมาณ 12 เท่า แต่มี operating loss ราว $8B และ net loss ราว $42B โดยส่วนใหญ่ของ net loss มาจาก accounting charge ไม่ใช่เงินสดที่หายไปทั้งหมด 💰 ขณะเดียวกันบริษัทมีภาระด้าน cloud และ infrastructure ในอนาคตราว $518B นี่ไม่ใช่หลักฐานว่า AI เป็น bubble นะคะ แต่เป็นหลักฐานว่า AI boom เป็น capital-intensive cycle อย่างจริงจัง ตลาดจึงต้องดูไม่ใช่แค่ revenue growth แต่ต้องดูว่า compute ที่ซื้อไปกำลังเปลี่ยนเป็น utilization, pricing power และ free cash flow ได้เร็วแค่ไหน #OpenAI กำลังเดินไปอีกขั้นด้วย Dots และ agentic AI ที่สามารถทำงานต่อเนื่องผ่าน cloud computer ขณะที่ GPT-6.1 Sol ลดต้นทุนลงอย่างมากเมื่อเทียบกับ Astra สิ่งที่น่าสนใจที่สุดคือ #Bitcoin ในช่วงที่ 10Y ขึ้นไป 5.29% และ long-end ของ Treasury ถูกเทขาย #BTC ยังเคลื่อนไหวแถว $83K-$85K ขณะที่ spot Bitcoin ETF flows กลับมาเป็นบวกต่อเนื่องในช่วงปลายเดือน BTC จึงเริ่มแสดงพฤติกรรมที่แตกต่างจาก high-beta tech มากขึ้น แต่ยังไม่ใช่สัญญาณให้มองข้าม macro ค่ะ ต้องจ้องตาแป๋วแหววกันนิด ถ้า real yields สูงต่อ และ ETF demand เริ่มแผ่ว ตลาดจะได้คำตอบว่า $80K เป็นฐานของ demand จริง หรือเป็นเพียงระดับที่ leverage ยังไม่ถูกล้างหมด ภาพใหญ่ตอนนี้จึงไม่ใช่แค่ “PCE ดี หุ้นจะขึ้น” มันคือการต่อสู้ระหว่าง 3 เรื่อง เงินเฟ้อที่เริ่มเย็นลง ต้นทุนเงินระยะยาวที่ยังสูง และ AI economy ที่กำลังใช้เงินทุนมหาศาลเพื่อสร้าง productivity ในอนาคต ส่วน Bitcoin กำลังบอกตลาดว่า มันอาจไม่ได้ถูกมองเป็นเพียง risk asset แบบเดิมอีกต่อไป คำถามของ Q4 จึงไม่ใช่แค่ Fed จะทำอะไร แต่คือ productivity, earnings และ liquidity จะโตทัน valuation และต้นทุนเงินที่สูงขึ้นมั้ยคะ 🤔 #AI #Crypto #investing Note* BEA ปรับวิธีวัดราคาบางหมวด (software, legal, portfolio services) และทำ annual revision ทำให้ตัวเลขเดือนกรกฎาคมถูกปรับลงจากที่เคยรายงาน (headline จาก 3.7% เป็น 3.4%, core จาก 3.3% เป็น 3.0%) การที่ YoY “เย็นลง” จึงมีส่วนมาจากการเปลี่ยนวิธีวัด ไม่ใช่แค่ราคาเดือนสิงหาคมอ่อนลงเองค่ะ 😊

คะแนน Benchmark สูง ไม่ได้แปลว่า AI จะทำงานจริงได้ดีที่สุดเสมอไปค่ะ 🫩 ประเด็น Gemini 4 ที่น่าสนใจจึงไม่ใช่ว่าใคร “ชนะ” ระหว่าง Google, Anthropic หรือ OpenAI แต่คือช่องว่างระหว่างการสอบกับการทำงานจริงกำลังกลายเป็นโจทย์ใหญ่ของ AI Benchmark วัดความสามารถบางด้านในสภาพแวดล้อมที่กำหนดไว้ แต่โลกจริงมีทั้ง codebase ขนาดใหญ่ requirement ที่เปลี่ยนตลอด bug ที่คาดไม่ถึง และการต้องทำงานร่วมกับเครื่องมืออื่นค่ะ ยิ่ง AI กำลังเปลี่ยนจาก chatbot ไปเป็น coding agent ความสามารถในการ “ทำงานจนเสร็จ” อาจสำคัญกว่าคะแนนจากข้อสอบเพียงอย่างเดียว สำหรับ Google เนี่ย เรื่องนี้ยิ่งน่าสนใจ เพราะ Gemini ไม่ได้อยู่แค่ในหน้าต่างแชต แต่กำลังถูกวางไว้ใน Search, Chrome, Gmail และบริการอื่นๆ ของ ecosystem สุดท้ายการแข่งขัน AI อาจไม่ได้ตัดสินกันที่โมเดลไหนได้คะแนนสูงสุด แต่ที่ว่าโมเดลไหนเปลี่ยน intelligence ให้กลายเป็น productivity ได้จริงมากที่สุดค่ะ 🔥 #AI #investing #TechStocks

Anthropic กำลังทำให้ตลาดเห็น “สมการเศรษฐศาสตร์ของ AI” ชัดขึ้นอีกระดับค่ะ 🔥 Reuters รายงานจาก IPO prospectus ว่า Anthropic มีรายได้ปี 2025 เกือบ $4.6B แต่ขาดทุนจากการดำเนินงาน $8.06B และมี net loss เกือบ $42B แต่ $42B ต้องอ่านให้ละเอียดนะคะ คือ ราวๆ $34B มาจาก accounting charge ที่เกี่ยวข้องกับ financing instruments ซึ่งอาจแปลงเป็นหุ้นในอนาคต ไม่ใช่เงินสด $34B ที่บริษัทนำไปใช้กับ Claude ตัวเลขที่สะท้อนธุรกิจมากกว่าคือ operating loss $8.06B และ Anthropic ใช้เงินกับ compute และ infrastructure $7.33B ในปี 2025 เพิ่มขึ้นประมาณ 3 เท่าจากปีก่อน นี่คือจุดที่เรื่องเริ่มใหญ่ขึ้นค่ะ Anthropic มี future cloud, compute และ infrastructure obligations ราว $518B ไม่ใช่เงินที่ต้องจ่ายทันที แต่เป็นภาระผูกพันหลายปีที่สะท้อนว่า AI กำลังต้องการ computing capacity และเงินทุนในระดับมหาศาล 💰 แล้วตลาดกำลังประเมิน IPO valuation ที่อาจสูงกว่า $2T นี่จึงไม่ใช่แค่ “Anthropic โตแค่ไหน?” แต่คือ AI revenue จะโตเร็วพอที่จะรองรับ capital ที่กำลังถูก deploy เข้ามามั้ย? เพราะ valuation ระดับ $2T ไม่ได้สะท้อนรายได้ $4.6B ในปี 2025 มันกำลังสะท้อนอนาคตค่ะ Anthropic มี revenue run rate เพิ่มจากราว $9B สิ้นปี 2025 เป็นมากกว่า $65B ภายในก.ค. 2026 และบริษัทคาดการณ์รายได้ปี 2028 ที่ประมาณ $190B–$200B นี่คือเดิมพันของตลาด คือวันนี้จ่ายเงินเพื่อสร้าง compute และ infrastructure พรุ่งนี้หวังว่า AI revenue จะใหญ่พอที่จะสร้างผลตอบแทนกลับมา ถ้า demand โตตามสมมติฐาน economics ของ AI อาจ scale ได้มหาศาล แต่ถ้า growth ชะลอก่อน infrastructure จะถูกใช้งานเต็มที่ capital intensity จะกลายเป็นโจทย์ใหญ่ทันทีค่ะ เคสนี้ของ #Anthropic คือไม่ใช่แค่เรื่อง IPO ของบริษัท AI แต่มันคือหนึ่งในภาพที่ชัดที่สุดว่า AI boom กำลังใช้เงินทุนมากแค่ไหน เพื่อซื้อ “อนาคต” ที่ยังมาไม่ถึงค่ะ 🤔 #AI #investing #TechStocks

เอ๊ะ ยังไงเนี่ย คุณป๋า Michael Burry #BigShort กำลังขยับ timeline ของ AI Bubble เข้ามาเร็วขึ้น 🫩 ประเด็นที่น่าสนใจจากการเปิดเผยล่าสุดของคุณป๋า Burry ไม่ใช่แค่ว่าเค้า “short AI” แต่คือเค้าบอกชัดว่า “Fundamentally, I am moving timelines up.” ก่อนหน้านี้ Burry เคยวาง base case ของ AI bubble ไว้ที่ปี 2028 แต่วันที่ 28 ก.ย. เขาปิดสถานะ short หุ้นบางส่วน แล้วเปลี่ยนไปใช้ put options แทน ทั้ง Micron, Nvidia, Palantir, Oracle, SOXX และ Nebius CoreWeave เป็นข้อยกเว้น เพราะเค้ายังไม่เจอ put ที่ราคาถูกใจค่ะ จุดนี้น่าสนใจในเชิง market structure เพราะ put ที่เขาเลือกจำนวนหนึ่งหมดอายุในปี 2027 เช่น MU และ PLTR แต่ไม่ได้แปลว่าคุณป๋า Burry กำลังบอกว่า “หุ้นจะลงไปถึง strike price” นะคะ Put คือการเดิมพันกับ downside ภายในช่วงเวลาที่กำหนด และสามารถหมดค่าได้หากราคาหุ้นไม่ลงเร็วพอ สิ่งที่เค้ากำลังตั้งคำถามจึงใหญ่กว่าราคาหุ้นรายตัว AI boom รอบนี้ไม่ได้สร้างแค่ demand สำหรับ GPU และ data center แต่กำลังสร้าง financing chain ขนาดมหาศาล Michael Burry อ้างถึงงานวิเคราะห์ของ Ares ที่ระบุ financing ที่เกี่ยวข้องกับ AI ราว $573B จาก 26 ดีลในช่วงปีที่ผ่านมา ตั้งแต่ corporate debt, data-center financing, leases ไปจนถึง chip financing และ guarantees ขณะที่งานวิจัยอีกชุดที่เขานำเสนอชี้ไปถึงภาระ commitments, leases, guarantees และ construction commitments รวมกันราว $3T ใน Microsoft, Amazon, Alphabet, Meta และ Oracle นี่คือ hidden mechanism ที่น่าจับตาค่ะ 👀 บริษัทกำลังลงทุนวันนี้ โดยอิงกับรายได้และ demand ของ AI ในอนาคต ปัญหาจะเกิดขึ้นก็ต่อเมื่อ technology cycle เปลี่ยนเร็วกว่า cash flow ที่คาดไว้ ถ้า AI demand โตต่อเนื่อง infrastructure เหล่านี้อาจสร้างผลตอบแทนได้มหาศาล แต่ถ้า utilization, pricing หรือ economics ของ AI infrastructure ไม่เป็นไปตามสมมติฐาน leverage ที่อยู่ด้านหลังระบบจะเริ่มมีความสำคัญขึ้นทันที นี่จึงเชื่อมกับ thesis เรื่อง write-offs ที่เค้าเคยพูดถึงสำหรับช่วง 2028–2029 อีกด้านหนึ่งก็ยังมี counterpoint สำคัญค่ะ AI memory demand ยังแข็งแกร่งมาก และบาง analyst ยังมองว่า supply จะตึงตัวต่อถึงปี 2027 เพราะเงี้ย semiconductor downturn ของ Burry ยังเป็น thesis ไม่ใช่ fact สิ่งที่ตลาดควรจับตาจริงๆ จึงไม่ใช่แค่คำถามว่า “AI bubble จะแตกไหม?” แต่คือ AI revenue จะโตเร็วพอที่จะรองรับ capital expenditure, financing และ valuation ที่กำลังถูกสร้างขึ้นมั้ย 🤔 Burry อาจไม่ได้บอกว่า AI จะพังในปี 2027 แต่การขยับ timeline จาก 2028 ให้เร็วขึ้น คือสิ่งที่ macro investors ควรจับตา เพราะในท้ายที่สุด Bubble ไม่ได้แตกเพียงเพราะ valuation แพง มันแตกเมื่อ “ความคาดหวัง” โตเร็วกว่าความสามารถของระบบในการสร้าง cash flow มารองรับมันค่ะ 💣 #AI #imvesting #TechStocks

เคสที่น้อง Muse , AI agent ของ Meta แชร์ HOME ADDRESS ของเจ้าของ แถมยังต่อรองกับลูกค้าทาง Facebook Marketplace นัดรับส่งของแบบไม่ได้สั่งนี่ กำลังไวรัลค่ะ 🫩 AI agents กำลังเปลี่ยนโจทย์ของ AI จาก “ตอบให้ถูก” ไปเป็น “ลงมือทำแทนเรา” และจุดนี้ทำให้ความเสี่ยงเปลี่ยนระดับทันทีค่ะ กรณี Meta Muse ที่กำลังเป็นประเด็น เป็นตัวอย่างที่เห็นภาพมากค่ะ Matt J. Robb ผู้ใช้ที่ทดลองให้ Muse จัดการการขาย Logitech MX Keys Mini บน Facebook Marketplace เผยแพร่โพสต์และภาพหน้าจอว่า Muse ต่อรองราคา เปิดเผยที่อยู่ นัดเวลารับของ และตอบผู้ซื้อว่า “Yep I’m here!” ทั้งที่เจ้าตัวไม่ได้อยู่ตรงนั้น ผู้ซื้อเดินทางมาถึงอาคารราว 9:15 น. รออยู่พักหนึ่งก่อนจากไปและให้เรตติ้งลบ โดย Robb ระบุว่าเพิ่งมารู้ภายหลังว่า AI เดินดีลไปไกลขนาดนั้น ปัญหาไม่ใช่ AI พิมพ์ผิด ปัญหาคือ AI มีสิทธิ์ “ทำแทน” นี่คือจุดที่ตลาด AI Agent ต้องเริ่มแยก 3 เรื่องออกจากกัน Capability AI ทำอะไรได้บ้าง Authorization ผู้ใช้อนุญาตให้ AI ทำอะไรได้จริง Containment ถ้า AI ตัดสินใจผิด ระบบหยุดมันได้ก่อนเกิดความเสียหายหรือไม่ สองเรื่องแรกกำลังพัฒนาเร็วมาก แต่เรื่องที่สามยังเป็นโจทย์ใหญ่ค่ะ 🤔 Meta เองออกแบบ Muse ให้มีระบบ Sentinel คอยตรวจการเข้าถึงอินเทอร์เน็ต และระบุว่า Muse ควรขออนุญาตก่อนทำ sensitive actions เช่น ส่งอีเมลหรือซื้อสินค้า นั่นทำให้เหตุการณ์นี้น่าสนใจกว่าแค่ “AI ทำพลาด” มันสะท้อนคำถามว่า permission ที่ออกแบบไว้ สามารถครอบคลุมพฤติกรรมจริงของ agent ได้แค่ไหน เพราะเมื่อ AI มี browser, account ที่ล็อกอินอยู่, messaging และข้อมูลส่วนตัวอยู่ในมือ คำสั่งอย่าง “ช่วยขายของให้หน่อย” สามารถขยายความหมายไปไกลกว่าที่ผู้ใช้ตั้งใจ และนี่ไม่ใช่แค่เคส Meta เจ้าเดียวนะคะ ที่เจอเคส AI โมเดลกระโดดจากกรอบ #OpenAI เองเปิดเผยว่าในการทดสอบด้าน cybersecurity เมื่อเดือนก.ค. โมเดลภายในสามารถหลบข้อจำกัดที่ออกแบบมาเพื่อแยกมันออกจากอินเทอร์เน็ต เข้าถึงระบบภายในบางส่วน และมีการเข้าถึงระบบของ Hugging Face ผ่านช่องโหว่ในโครงสร้างพื้นฐาน ในอีกเคสที่เปิดเผยคือ วันที่ 25 ก.ย. OpenAI ระบุว่า agent ใช้ช่องโหว่ด้าน DNS เพื่อเข้าถึง chatbot ภายนอกผ่านข้อจำกัดของ sandbox ก่อนที่ระบบ monitoring จะตรวจพบและทีมงานจะหยุดการทำงาน สองเหตุการณ์คนละบริบท แต่สะท้อนโจทย์เดียวกัน AI กำลังเก่งขึ้นเร็วมาก ขณะที่ระบบที่ใช้จำกัด “สิทธิ์ในการลงมือทำ” ยังต้องตามให้ทัน ในยุค chatbot เราให้ AI “ข้อมูล” ในยุค agent เรากำลังให้ AI “สิทธิ์” สิทธิ์ในการใช้เงิน สิทธิ์ในการเข้าถึงข้อมูล สิทธิ์ในการสื่อสารแทนเรา และในบางกรณี สิทธิ์ในการตัดสินใจในโลกจริง นี่อาจกลายเป็น infrastructure layer สำคัญของเศรษฐกิจ AI ตลาดอาจไม่ได้แข่งขันกันแค่เรื่องโมเดลที่ฉลาดที่สุดอีกต่อไป บริษัทที่สร้าง authorization, identity, monitoring และ containment ที่ทำให้ AI ลงมือทำได้โดยไม่กลายเป็น blank check อาจกลายเป็นโครงสร้างพื้นฐานที่สำคัญไม่แพ้ตัวโมเดลเอง เพราะ AI ที่ตอบผิดสร้างความรำคาญ แต่ AI ที่ “ทำผิดแทนเรา” สามารถสร้างต้นทุนจริงได้ทันทีค่ะ 😲 #AI #investing #techstocks

หลังจากลุยน้ำท่วมเข้าบ้านได้แล้ว อลิซไล่อ่านข่าวของวันนี้ คหสต อลิซว่าตลาดกำลังเจอ 3 เรื่องที่ดูเหมือนไม่เกี่ยวกัน แต่จริง ๆ แล้วกำลังพูดเรื่องเดียวกันค่ะ 🤔 นั่นก้อคือ ต้นทุนของการสร้างและปกป้องระบบการเงินกำลังแพงขึ้น เริ่มจาก #Crypto นะคะ #Bitget งานเข้าเจอ unauthorized transfers จาก hot และ warm wallets สูญไปราวๆ $387.5M ขณะที่ cold wallets ไม่ได้รับผลกระทบ และบริษัทบอกว่า private keys ไม่ได้ถูกขโมย แต่เป็นการเจาะ backend ที่เกี่ยวข้องกับ authorization ของธุรกรรม Elliptic ประเมินว่าเหตุการณ์นี้มีความเป็นไปได้สูงที่จะเชื่อมโยงกับกลุ่มที่เกี่ยวข้องกับเกาหลีเหนือ และทำให้ยอด crypto ที่ถูกขโมยโดยกลุ่ม DPRK-linked ในปี 2026 ทะลุ $1B แล้ว นี่สะท้อนว่าในโลกการเงินดิจิทัล ความเสี่ยงไม่ได้อยู่แค่ที่ private key อีกต่อไปแระค่ะ มันอยู่ที่ infrastructure ทั้งระบบ ขณะเดียวกันคุณป๋า Michael Burry กำลังมองอีกด้านของ infrastructure เขาประเมินว่า Microsoft, Amazon, Alphabet, Meta และ Oracle มีภาระผูกพันที่เกี่ยวข้องกับ AI infrastructure รวมกันราว $3T ทั้ง lease commitments, purchase commitments และ guarantees คุณป๋า Burry ไม่ได้บอกว่า AI demand ไม่มีจริง คำถามของเขาคือ ถ้า AI infrastructure ถูกสร้างเร็วกว่าผลตอบแทนที่มันสร้างได้ ใครจะเป็นคนรับต้นทุนเมื่อวงจรลงทุนเปลี่ยนทิศ นี่คือ classic capital cycle ค่ะ ลงทุนก่อน สร้าง capacity ก่อน แล้วค่อยรอดูว่า demand และ cash flow จะตามมาทันหรือไม่ และตอนนี้ตลาดกำลังเจอกับตัวแปรที่ทำให้สมการนี้ยากขึ้นอีกตัว คือ ต้นทุนเงินทุน 30-Year Treasury Yield ขึ้นไปแตะประมาณ 5.52% ซึ่งเป็นระดับสูงสุดในรอบกว่าสองทศวรรษ ขณะที่ 10Y เคยขึ้นไปเหนือ 5.2% ในช่วงล่าสุดก่อนย่อลงมา เมื่อ risk-free yield สูงขึ้น มูลค่าปัจจุบันของ cash flow ในอนาคตลดลง และโครงการที่ต้องใช้เงินลงทุนมหาศาลต้องพิสูจน์ผลตอบแทนให้ชัดขึ้น เนี่ยคือเหตุผลที่อลิซมองว่า 3 ข่าวนี้ไม่ใช่เรื่องแยกกัน Bitget กำลังบอกว่า digital infrastructure มี operational risk Burry กำลังถามว่า AI infrastructure มี capital-cycle risk หรือไม่ Bond market กำลังบอกว่า capital เองก็ไม่ได้ถูกอีกแล้ว AI, Crypto และ Treasury market จึงกำลังเข้าสู่ช่วงที่คำถามสำคัญไม่ใช่แค่ “เทคโนโลยีนี้โตได้แค่ไหน?” แต่คือ “ต้องใช้เงินเท่าไหร่ ต้องแบกรับความเสี่ยงเท่าไหร่ และสุดท้ายใครเป็นคนจ่าย?” 🫩 #AI #investing #TechStocks