โมเดลและแพลตฟอร์ม AI

Siemens ปรับเพิ่มเป้าหมายการเติบโต จากกระแส AI ภาคอุตสาหกรรมและความต้องการศูนย์ข้อมูล

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

Siemens ปรับเพิ่มเป้าหมายการเติบโตในระยะกลาง เมื่อวันที่ 12 พฤศจิกายน 2026 หลังคำสั่งซื้อแบบเทียบเคียงเพิ่มขึ้น 25% แตะระดับสูงสุดเป็นประวัติการณ์ที่ 108.2 พันล้านยูโร สำหรับปีงบประมาณสิ้นสุดวันที่ 30 กันยายน 2026 บริษัทเชื่อมโยงเป้าหมายที่สูงขึ้นกับ AI ภาคอุตสาหกรรม การเปลี่ยนผ่านสู่ดิจิทัล การใช้ไฟฟ้าแทนพลังงานรูปแบบอื่น และความต้องการศูนย์ข้อมูล

สำหรับทั้งกลุ่มที่ไม่รวม Siemens Healthineers เป้าหมายการเติบโตของรายได้แบบเทียบเคียงอยู่ที่ 7%–11% เพิ่มขึ้นจาก 6%–9% ขณะที่เป้าหมาย EPS ก่อน PPA ปรับจากการเติบโตระดับเลขหลักเดียวสูงเป็นการเติบโตระดับเลขสองหลัก EPS ก่อน PPA คือกำไรต่อหุ้นขั้นพื้นฐานก่อนการบันทึกบัญชีการจัดสรรราคาซื้อ ส่วนการเติบโตแบบเทียบเคียงไม่รวมผลกระทบจากการแปลงค่าสกุลเงินและการเปลี่ยนแปลงพอร์ตธุรกิจ

ศูนย์ข้อมูลและซอฟต์แวร์หนุนการผลักดัน AI

Smart Infrastructure เป็นหน่วยธุรกิจที่แสดงหลักฐานความต้องการศูนย์ข้อมูลในไตรมาสได้ชัดเจนที่สุด คำสั่งซื้อในไตรมาสที่สี่เพิ่มขึ้น 39% เมื่อเทียบแบบเทียบเคียง แตะ 8.7 พันล้านยูโร โดยมีสัญญาขนาดใหญ่ขึ้นด้านการใช้ไฟฟ้าและผลิตภัณฑ์ไฟฟ้าจากลูกค้าศูนย์ข้อมูล ซึ่งส่วนใหญ่อยู่ในสหรัฐอเมริกาและยุโรป รายได้แบบเทียบเคียงเพิ่มขึ้น 15% เป็น 7.2 พันล้านยูโร ขณะที่ธุรกิจเหล่านั้นทยอยดำเนินงานตามงานในมือก้อนใหญ่

เอกสารนำเสนอต่อนักลงทุนของ Siemens ระบุว่า คำสั่งซื้อจากศูนย์ข้อมูลในปีงบประมาณ 2026 เติบโตในระดับเลขสามหลัก ปัจจุบันศูนย์ข้อมูลคิดเป็น 20% ของสัดส่วนรายได้ของ Smart Infrastructure ทำให้เป็นตลาดแนวดิ่งที่ใหญ่เป็นอันดับสองรองจากลูกค้าอุตสาหกรรม โดยแรงส่งที่ต่อเนื่องมาจากการขยายโครงสร้างพื้นฐานเพื่อรองรับ AI

สัญญารถไฟขนาดใหญ่มีส่วนสำคัญต่อสถิติคำสั่งซื้อสูงสุดเป็นประวัติการณ์ของทั้งกลุ่มเช่นกัน คำสั่งซื้อของธุรกิจ Mobility เพิ่มขึ้นมากกว่า 200% เป็น 10.7 พันล้านยูโรในไตรมาสที่สี่ ซึ่งรวมถึงคำสั่งซื้อรถไฟความเร็วสูงและบริการบำรุงรักษาจากเยอรมนีมูลค่า 2.4 พันล้านยูโร

นอกเหนือจากการใช้ไฟฟ้าแทนพลังงานรูปแบบอื่นแล้ว รายได้จากธุรกิจดิจิทัลของ Siemens ซึ่งครอบคลุมซอฟต์แวร์เฉพาะแต่ละภาคธุรกิจ IoT และบริการดิจิทัล เพิ่มขึ้น 16% เป็น 10.9 พันล้านยูโร Siemens ยังรายงานด้วยว่า Eigen Engineering Agent ช่วยให้ผู้ผลิตเครื่องจักร ANDRITZ Metals ทำงานด้านวิศวกรรมได้เร็วขึ้นสองเท่า ซึ่งเป็นตัวอย่างจากลูกค้าที่สนับสนุนกลยุทธ์AI ภาคอุตสาหกรรมของบริษัท

กำไรจากภาคอุตสาหกรรมทำสถิติสูงสุด แต่กำไรสุทธิลดลง

กำไรจากธุรกิจอุตสาหกรรมเพิ่มขึ้น 13% แตะระดับสูงสุดเป็นประวัติการณ์ที่ 13.3 พันล้านยูโรในปีงบประมาณ 2026 แต่กำไรสุทธิลดลงเหลือ 9.5 พันล้านยูโร จาก 10.4 พันล้านยูโรในปีก่อนหน้า ตัวเลขของปีก่อนรวมกำไร 2.1 พันล้านยูโรจากการขาย Innomotics ซึ่งช่วยอธิบายได้ว่าเหตุใดกำไรจากภาคอุตสาหกรรมที่ทำสถิติสูงสุดจึงไม่ได้ส่งผลให้กำไรสุทธิเพิ่มขึ้น

แนวโน้มปีงบประมาณ 2027 ขึ้นอยู่กับการลงทุนใน AI

Siemens เข้าสู่ปีงบประมาณ 2027 พร้อมงานในมือค้างส่งมอบสูงสุดเป็นประวัติการณ์ที่ 143 พันล้านยูโร บริษัทคาดการณ์ว่ารายได้แบบเทียบเคียงจะเติบโต 9%–11% และ EPS ก่อน PPA จะอยู่ที่ 10.20–10.80 ยูโร เทียบกับฐานปีงบประมาณ 2026 แบบเทียบเคียงที่ 9.27 ยูโร ซึ่งไม่รวม Siemens Healthineers

การคาดการณ์นี้ไม่รวม Healthineers เนื่องจาก Siemens ตั้งใจจะแยกธุรกิจดังกล่าวออกจากงบรวมโดยตรงผ่านการแยกบริษัทให้แก่ผู้ถือหุ้นในระหว่างปีงบประมาณ 2027 ดังนั้น ตัวเลข 9.27 ยูโรจึงเป็นฐานเปรียบเทียบที่เกี่ยวข้องกับแนวโน้มกำไร มากกว่าผลประกอบการรวมของกลุ่มที่รายงานไว้

ฝ่ายบริหารตั้งสมมติฐานว่าเศรษฐกิจโลกจะขยายตัวต่อเนื่อง โดยมีแรงขับเคลื่อนหลักจากการลงทุนใน AI และโครงสร้างพื้นฐานดิจิทัล โครงการลงทุนภาครัฐ และกิจกรรมภาคอุตสาหกรรมที่ฟื้นตัวขึ้น Siemens ยัง คาดว่าความเข้มข้นในการใช้เงินลงทุนจะสูงกว่าปีงบประมาณ 2026 อย่างมีนัยสำคัญ โดยวัดจากรายจ่ายลงทุนรวมสัญญาเช่าดำเนินงานเทียบกับค่าเสื่อมราคาและค่าตัดจำหน่าย สาเหตุหลักมาจากการขยายกำลังการผลิตของ Smart Infrastructure

เป้าหมายที่สูงขึ้นทำให้การเปลี่ยนงานในมือให้เป็นรายได้และการขยายกำลังการผลิตเป็นบททดสอบสำคัญด้านการดำเนินงานในปีงบประมาณ 2027 ขณะที่แผนแยก Healthineers ออกไปจะเปลี่ยนขอบเขตธุรกิจที่ใช้วัดการเติบโตและผลประกอบการของ Siemens

Theo Nash เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, ครอบคลุมโครงสร้างพื้นฐาน AI, การคำนวณ, และระบบฮาร์ดแวร์ที่ขับเคลื่อนปัญญาประดิษฐ์สมัยใหม่ งานของเขามุ่งเน้นที่พื้นฐานทางเทคนิคเบื้องหลังภาระงาน AI ขนาดใหญ่ รวมถึงศูนย์ข้อมูล, ตัวเร่งความเร็ว, เครือข่าย, และสแตกซอฟต์แวร์ที่เชื่อมโยงพวกมันเข้าด้วยกัน.

ด้วยมุมมองเชิงวิเคราะห์และขับเคลื่อนโดยวิศวกรรม, Theo ตรวจสอบว่าความก้าวหน้าใน GPU, ซิลิกอนแบบกำหนดเอง, สถาปัตยกรรมหน่วยความจำ, และระบบกระจายทำให้รุ่นใหม่ของโมเดล AI สามารถเกิดขึ้นได้อย่างไร เขาให้ความสนใจเป็นพิเศษต่อการแลกเปลี่ยนด้านประสิทธิภาพ, ประสิทธิภาพการใช้พลังงาน, ความสามารถในการขยาย, และข้อจำกัดเชิงปฏิบัติที่กำหนดการใช้งานจริงของโครงสร้างพื้นฐาน AI.

บทความที่เขียนโดย Theo Nash สร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำทางเทคนิค, ความชัดเจน, และการครอบคลุมอย่างรับผิดชอบต่อภูมิทัศน์การคำนวณ AI ที่กำลังพัฒนาอย่างรวดเร็ว