TPU
Tensor Processing Unit — ชิปประมวลผลที่ออกแบบโดย Google เพื่อเน้นคำนวณคณิตศาสตร์สำหรับ AI โดยเฉพาะ ไม่ใช่ชิปประมวลผลกราฟิกทั่วไป
GPU
Graphics Processing Unit — ชิปประมวลผลของ NVIDIA เดิมสร้างขึ้นสำหรับการเล่นเกม แต่ปัจจุบันกลายเป็นฮาร์ดแวร์หลักในการฝึกฝน (Training) AI
Inference
กระบวนการประมวลผลโมเดล AI ในโลกจริง มีลักษณะการทำงานที่ต่างออกไป มีต้นทุนต่ำกว่า และทวีความสำคัญมากขึ้นเรื่อยๆ เมื่อเทียบกับการประมวลผลช่วงฝึกฝน
CUDA
เลเยอร์ซอฟต์แวร์ของ NVIDIA ถือเป็นคูเมืองสำคัญในเชิงการแข่งขัน เนื่องจากผูกขาดนักพัฒนากว่าหลายล้านรายไว้ด้วยโค้ดไม่ใช่ด้วยตัวชิป
สิ่งที่ Google ประกาศในครั้งนี้
ในงาน Google Cloud Next 2026 ณ ลาสเวกัส Google ได้ประกาศสองประเด็นสำคัญ อย่างแรกคือการเปิดตัวใช้งานจริงอย่างเป็นทางการของ "Ironwood" ซึ่งเป็นชิป TPU รุ่นที่ 7 และเป็นชิปตัวแรกที่สร้างขึ้นเพื่อรองรับสภาวะ "Agentic Era" สำหรับการประมวลผล (Inference) ในระดับสเกลขนาดใหญ่ นอกจากนี้ยังได้เผยโฉมสถาปัตยกรรมรุ่นที่ 8 ออกมาล่วงหน้า ได้แก่ ชิปเฉพาะทางสองตัวคือ TPU 8t สำหรับการฝึกฝนโมเดลขนาดใหญ่ (Training) และ TPU 8i เพื่อการประมวลผลความเร็วสูง (Inference) โดยชิปทั้งสองตัวมุ่งเป้าไปที่การผลิตระดับ 2 นาโนเมตรของ TSMC และคาดว่าจะพร้อมเปิดใช้งานทั่วไปในช่วงปลายปี 2026 นี้ครับ
ชิป TPU ถือเป็นทางเลือกที่ปรับแต่งขึ้นมาโดยเฉพาะของ Google เพื่อท้าชนกับชิปหน่วยประมวลผลกราฟิก (GPU) ของ NVIDIA ในขณะที่ GPU ทำหน้าที่เหมือนม้าศึกสารพัดประโยชน์ ชิป TPU กลับเป็นผู้เชี่ยวชาญเฉพาะทางที่ถูกสร้างขึ้นมาตั้งแต่ฐานรากเพื่อคำนวณด้าน AI โดยเฉพาะ ซึ่ง Google ได้พัฒนาเทคโนโลยีนี้มาตั้งแต่ปี 2016 สำหรับสถาปัตยกรรมรุ่นที่ 8 นี้ถือเป็นความพยายามแยกส่วนชิปที่ทะเยอทะยานที่สุด และเป็นครั้งแรกที่บริษัทออกแบบชิปแยกออกจากกันอย่างชัดเจนตามวงจรชีวิตของระบบ AI
มีรายงานว่าสถาปัตยกรรมกลุ่ม TPU 8t สำหรับการฝึกฝนระบบ สามารถส่งมอบพลังประมวลผลคณิตศาสตร์ได้มากกว่ากลุ่มชิป Ironwood ในระดับเทียบเท่ากันเกือบ 3 เท่าตัว โดยมีประสิทธิภาพต่อวัตต์สูงขึ้นถึงสองเท่า ในขณะที่ชิปประมวลผล TPU 8i ได้รับการออกแบบเพื่อรองรับการทำงานของระบบ AI Agent กว่าหลายล้านระบบพร้อมกันสำหรับกลุ่มลูกค้าองค์กร
การเปิดตัวในส่วนหลังนี้ส่งผลกระทบเชิงโครงสร้างอย่างมีนัยสำคัญ โดยในรายงานผลประกอบการล่าสุด ซีอีโอ Sundar Pichai ได้ระบุว่า เมื่อความต้องการชิป TPU เพิ่มสูงขึ้นจากห้องปฏิบัติการ AI บริษัทหลักทรัพย์จัดการกองทุน และการใช้งานระบบประมวลผลสมรรถนะสูง (HPC) ทาง Google จะเริ่มส่งมอบชิป TPU ไปยังศูนย์ข้อมูลของลูกค้าเฉพาะรายที่ได้รับการคัดเลือก ซึ่งเท่ากับว่า Google ไม่ได้พอใจเพียงแค่การเก็บความได้เปรียบด้านซิลิคอนนี้ไว้ใช้เป็นการภายในอีกต่อไปแล้วครับ
Google ไม่ใช่แค่ผู้ใช้งานชิป TPU อีกต่อไปแล้ว แต่พวกเขากำลังผันตัวมาเป็น "ผู้จัดจำหน่ายชิป TPU" และได้เซ็นสัญญากับลูกค้ารายใหญ่ที่สุดเรียบร้อยแล้ว
กลยุทธ์ด้านระบบประมวลผลของ Anthropic
Anthropic บริษัทผู้พัฒนา AI ผู้อยู่เบื้องหลังโมเดล Claude ได้ยืนยันข้อตกลงด้านโครงสร้างพื้นฐานครั้งใหญ่กับ Google ในการเข้าถึงชิปประมวลผล Ironwood TPU สูงถึงหนึ่งล้านตัว ข้อตกลงดังกล่าวมีมูลค่าหลายหมื่นล้านดอลลาร์สหรัฐฯ และได้รับการประกาศอย่างเป็นทางการร่วมกันจากทั้งสองบริษัท
การจะทำความเข้าใจข้อตกลงนี้ จำเป็นต้องเข้าใจกลยุทธ์ด้านโครงสร้างระบบประมวลผล (Compute Strategy) ของ Anthropic ในภาพรวมทั้งหมดเสียก่อนครับ
ภาพการใช้งานแบบหลายแพลตฟอร์มนี้มีความสำคัญมากครับ เนื่องจากข่าวจากแหล่งอื่นมักจะรายงานในลักษณะที่ว่าดีลของ Google ครั้งนี้คือการที่ Anthropic "เปลี่ยนใจย้ายค่าย" มาจาก NVIDIA ซึ่งการตีความแบบนั้นอาจมองข้ามความตั้งใจในการวางสถาปัตยกรรมกลยุทธ์ระบบประมวลผลของ Anthropic ไป ดีลของ Google ในครั้งนี้เป็นเพียงการขยายขอบเขตการใช้งาน ไม่ใช่การละทิ้ง AWS หรือ NVIDIA แต่อย่างใดครับ
ทำไมเรื่องนี้จึงมีความสำคัญมากกว่าเรื่องผลคะแนนทดสอบ (Benchmark)
หากเปรียบเทียบกันแบบตัวต่อตัวต่อชิป การเปรียบเทียบในรุ่นปัจจุบันนั้นมีความใกล้เคียงกันมากกว่าภาพที่ปรากฏบนพาดหัวข่าวครับ ชิป Ironwood ที่เปิดใช้งานทั่วไปในปัจจุบัน ให้พลังการประมวลผลคณิตศาสตร์อยู่ที่ประมาณ 4.6 Petaflops ในระดับ FP8 ส่วนชิป Blackwell B200 ของ NVIDIA ให้พลังอยู่ที่ราวๆ 4.5 Petaflops ในระดับ FP16 อย่างไรก็ตาม การเปรียบเทียบข้ามระดับความแม่นยำ (Cross-precision) เช่นนี้จำเป็นต้องพิจารณาอย่างรอบคอบ เนื่องจากตัวเลขทั้งสองไม่ได้วัดด้วยมาตรวัดเดียวกันทั้งหมดครับ
แต่การเทียบผลคะแนนทดสอบแบบเดี่ยวๆ อาจทำให้เรามองข้ามภาพรวมที่ใหญ่กว่านั้นไป
ในระดับสเกลเชื่อมต่อรวมเป็นคลัสเตอร์ (Pod Scale) ซึ่งเป็นสเกลที่ชิปเหล่านี้ถูกนำไปใช้งานจริง ช่องว่างระหว่างแบรนด์จะเริ่มขยายกว้างขึ้น ชุดชิปเชื่อมต่อ Ironwood Superpod จำนวน 9,216 ชิป ให้พลังประมวลผลถึง 42.5 Exaflops ส่วนชุดชิปสถาปัตยกรรมรุ่นที่ 8 อย่าง TPU 8t จำนวน 9,600 ชิป ตั้งเป้าพลังประมวลผลไว้ที่ 121 Exaflops ที่ความแม่นยำระดับ FP4 นอกจากนี้ Google ยังเคลมว่าสามารถเชื่อมต่อขยายขีดความสามารถเป็นเส้นตรงได้สูงสุดถึงหนึ่งล้านชิปภายในคลัสเตอร์ตรรกะเดียว สำหรับกลุ่มบริษัท Hyperscaler ที่ต้องรันชิปพร้อมกันทีละหลายแสนตัว เศรษฐศาสตร์ในระดับคลัสเตอร์จึงมีความสำคัญมากกว่าผลคะแนนทดสอบแบบชิปเดี่ยวๆ มากครับ
เกณฑ์มาตรฐานประสิทธิภาพ (Performance benchmark)
การเปรียบเทียบชิป: พลังการประมวลผลและประสิทธิภาพ
หมายเหตุเรื่องความแม่นยำ: การเปรียบเทียบโดยตรงจำเป็นต้องพิจารณาอย่างรอบคอบ พลังประมวลผลของ Ironwood วัดที่ระดับ FP8, NVIDIA B200 วัดที่ FP16, ส่วนตัวเลขของคลัสเตอร์ TPU 8t วัดที่ระดับ FP4 (การหารครึ่งตัวเลข FP4 จะช่วยให้ได้ค่าเทียบเท่า FP8 โดยประมาณ) ข้อมูลประสิทธิภาพต่อวัตต์ถูกอ้างอิงโดยใช้เกณฑ์มาตรฐานของ NVIDIA H100 เป็นฐานที่ 100 และสะท้อนตามข้อมูลที่เผยแพร่โดย Google ไม่ใช่การตรวจสอบจากหน่วยงานอิสระ ผลการทดสอบอาจแตกต่างกันไปตามรูปแบบงานและสภาวะการทำงานครับ
ตำแหน่งทางการตลาดของ NVIDIA
ปัจจุบัน NVIDIA ยังคงเป็นผู้เล่นหลักที่ครองส่วนแบ่งตลาดชิปสำหรับศูนย์ข้อมูล AI อยู่ที่ประมาณ 81% ตามข้อมูลของ IDC ซึ่งถือเป็นการกระจุกตัวของอำนาจเหนือตลาดที่สูงมาก และภาพรวมของอุปสงค์ในระยะสั้นยังคงมีความเหนียวแน่น
การคาดการณ์ล่าสุดจากนักวิเคราะห์ชี้ไปที่การเติบโตของผลกำไรที่แข็งแกร่งของ NVIDIA โดยได้รับแรงหนุนจากความต้องการโครงสร้างพื้นฐาน AI ที่ยังอยู่ในระดับสูง และการนำแพลตฟอร์ม Blackwell ไปใช้งานในวงกว้าง ทาง NVIDIA เองได้คาดการณ์ยอดคำสั่งซื้อล่วงหน้ารวมสำหรับ Blackwell และสถาปัตยกรรมรุ่นถัดไปอย่าง "Vera Rubin" อยู่ที่ประมาณ 1 ล้านล้านดอลลาร์สหรัฐฯ ตลอดช่วงปี 2026 และ 2027
ขณะเดียวกัน AMD กำลังพัฒนาติดตั้งเซิร์ฟเวอร์ในระดับแร็ค (Rack-scale) และสามารถช่วงชิงส่วนแบ่งตลาดมาได้ในระดับที่น่าพอใจ โดยประมาณการจากนักวิเคราะห์รวมถึง IDC ชี้ว่า ปัจจุบัน AMD อาจครองส่วนแบ่งตลาดชิปเร่งความเร็ว AI (AI Accelerator) อยู่ที่ประมาณ 10% ซึ่งเพิ่มขึ้นจากตัวเลขหลักเดียวในระดับต่ำเมื่อสองปีก่อน ส่วน Amazon และ Google ก็ยังคงเดินหน้าขยายธุรกิจชิปที่ปรับแต่งเองอย่างต่อเนื่อง เฉพาะการดำเนินงานด้านชิปของ Amazon ทั้งในส่วน Trainium, Graviton และ Nitro มีอัตราส่วนรายได้ต่อปีทะลุ 2 หมื่นล้านดอลลาร์สหรัฐฯ ไปแล้ว โดยเติบโตในระดับสามหลักเมื่อเทียบปีต่อปี และมีอัตราเติบโตเกือบ 40% ในช่วงไตรมาสแรกของปี 2026 ที่ผ่านมา
ดังนั้น ปัจจัยหนุนฝั่งขาขึ้น (Bull case) ของ NVIDIA จึงยังคงชัดเจน: ความต้องการซื้อในตลาดยังคงแข็งแกร่ง และระบบนิเวศของ NVIDIA ยังคงฝังรากลึกในทุกระดับของโครงสร้างระบบประมวลผล AI
แต่คำถามในระยะยาวอาจไม่ใช่เรื่องของผลกำไรในระยะสั้น แต่น่าจะเป็นเรื่องของ "อำนาจในการตั้งราคา" (Pricing power) ในรอบการอัปเกรดครั้งต่อไป ทุกๆ ช่วงเวลาที่ Google, Amazon และ Microsoft เริ่มมีความมั่นใจในซิลิคอนและชิปที่ตนเองพัฒนาขึ้น จะกลายเป็นจุดเปลี่ยนสำคัญในประเด็นนี้ เนื่องจากแรงจูงใจเชิงโครงสร้างนั้นชัดเจนมากว่า บริษัทเทคโนโลยีเหล่านี้มีเหตุผลทุกประการที่จะลดการพึ่งพาซัพพลายเออร์รายเดี่ยว และพวกเขาก็มีเม็ดเงินทุนมากพอที่จะลงมือทำจริงครับ
โครงสร้างตลาด (Market structure)
ประมาณการส่วนแบ่งตลาดชิปศูนย์ข้อมูล AI ปี 2026
ประมาณการส่วนแบ่งรายได้ของชิปเร่งความเร็ว AI โดยชิปที่ออกแบบเฉพาะ (Custom Silicon) เติบโตขึ้นมาจากระดับเกือบศูนย์เมื่อสามปีก่อน ทั้งนี้ ตัวเลขประมาณการส่วนแบ่งของ AMD อาจแตกต่างกันไปตามระเบียบวิธีวิจัย โดยการคาดการณ์ล่าสุดจากนักวิเคราะห์มีช่วงตั้งแต่ 4% ถึง 10%
หมายเหตุแหล่งที่มา: ประมาณการโดย IDC, บทวิเคราะห์ซิลิคอน, ข้อมูลเปิดเผยต่อสาธารณะ, และรายงานของบริษัท ตัวเลขต่างๆ เป็นค่าประมาณการและอาจมีการแก้ไขเปลี่ยนแปลงตามคำนิยามตลาดและระเบียบวิธีวิจัยที่เลือกใช้ครับ
หุ้นและเซกเตอร์ที่ต้องจับตามอง
สำหรับ NVIDIA เรื่องราวผลกำไรในระยะสั้นและเรื่องราวการแข่งขันในระยะยาวกำลังดำเนินไปในทิศทางที่สวนทางกัน ผลประกอบการที่แข็งแกร่งอาจช่วยยืนยันความถูกต้องของวัฏจักรในปัจจุบัน แต่พลวัตเชิงโครงสร้างที่ลูกค้ารายใหญ่หันมาสร้างชิปซิลิคอนของตนเองนั้น เป็นทิศทางที่ยากจะย้อนกลับครับ
สำหรับ Alphabet การเปิดใช้งานทั่วไปของ Ironwood และการเผยโฉมสถาปัตยกรรมรุ่นที่ 8 ล่วงหน้า ถือเป็นโอกาสในการสร้างรายได้ใหม่ที่นอกเหนือไปจากธุรกิจโฆษณา โดย Google Cloud เติบโตขึ้นถึง 63% เมื่อเทียบปีต่อปีในไตรมาสแรกของปี 2026 ซึ่งถือเป็นหนึ่งในอัตราการเติบโตที่รวดเร็วที่สุดในกลุ่มผู้ให้บริการ Hyperscaler รายใหญ่ ธุรกิจการให้บริการเช่าใช้ TPU (TPU-as-a-service) ที่มีลูกค้ารายใหญ่รายแรกช่วยการันตีความต้องการแล้วอย่าง Anthropic และ Meta อาจช่วยขยายระยะเวลาการเติบโตออกไปได้อีกมาก หากงานประมวลผลขององค์กร (Enterprise Inference Workloads) ยังคงย้ายระบบมาอยู่บนโครงสร้างพื้นฐานของ Google อย่างต่อเนื่องครับ
ส่วนกลุ่มที่น่าสนใจและอาจถูกมองข้ามคือกองทัพซัพพลายเชน ชิป TPU 8t และ 8i ต่างมุ่งเป้าไปที่การผลิตระดับ 2 นาโนเมตรของ TSMC โดยมี Broadcom ร่วมออกแบบชิปสำหรับฝั่งฝึกฝนโมเดล (Training) และ MediaTek ร่วมออกแบบชิปสำหรับฝั่งประมวลผล (Inference) ทำให้ TSMC อาจยังคงเป็นผู้ขับเคลื่อนที่สำคัญไม่ว่าสถาปัตยกรรมชิปค่ายไหนจะเป็นฝ่ายชิงส่วนแบ่งตลาดได้ในแต่ละวัฏจักร เช่นเดียวกับผู้จัดจำหน่ายระบบบรรจุชิปขั้นสูง (Advanced Packaging), บริษัทระบบหล่อเย็นด้วยของเหลว (Liquid Cooling) และกองทรัสต์เพื่อการลงทุนในอสังหาริมทรัพย์ประเภทศูนย์ข้อมูล (Data Centre REITs)
โครงสร้างพื้นฐานด้านพลังงาน ซัพพลายเออร์ระบบหล่อเย็นด้วยของเหลว และกองทรัสต์ศูนย์ข้อมูล อาจได้รับอานิสงส์จากการเติบโตอย่างต่อเนื่องของรายจ่ายฝ่ายทุน (CapEx) โดยรายจ่ายฝ่ายทุนรวมของคลาวด์ Hyperscaler รายใหญ่ทั้ง 4 ราย กำลังมุ่งหน้าไปสู่ระดับ 7 แสนล้านดอลลาร์สหรัฐฯ หรือมากกว่านั้นในปี 2026 ซึ่งเกือบจะเป็นสองเท่าของเงิน 3.88 แสนล้านดอลลาร์สหรัฐฯ ที่ใช้ไปในปี 2025 เม็ดเงินลงทุนมหาศาลที่ทยอยจ่ายต่อเนื่องหลายปีนี้ ถือเป็นสัญญาณในระดับมหภาคในอีกรูปแบบหนึ่งครับ
การลงทุนในห่วงโซ่อุปทาน: หากพิจารณาว่าไม่มีทั้ง NVIDIA หรือ Google ที่เป็นผู้ชนะในสงครามชิปครั้งนี้อย่างเด็ดขาด กลุ่มโครงสร้างพื้นฐานก็อาจยังคงได้รับประโยชน์อยู่ดี เนื่องจาก TSMC เป็นผู้รับจ้างผลิตชิปให้ทั้งฝั่ง Ironwood และชิปรุ่นที่ 8 ที่กำลังจะมาถึง ดังนั้น ซัพพลายเออร์ระบบบรรจุชิปขั้นสูง บริษัทระบบหล่อเย็น และกองทรัสต์ศูนย์ข้อมูล ย่อมมีโอกาสได้รับประโยชน์ไม่ว่าสถาปัตยกรรมชิปค่ายใดจะชิงส่วนแบ่งตลาดได้มากกว่ากันในแต่ละรอบครับ
NASDAQ 100
ตราสารหลักที่สะท้อนผลลัพธ์โดยตรงจากผลประกอบการของ NVIDIA และกลุ่ม Hyperscaler รายใหญ่ โดยตัวเลขผลประกอบการที่เซอร์ไพรส์ตลาดไม่ว่าจะในทิศทางบวกหรือลบ มักจะขับเคลื่อนดัชนีนี้ในภาพรวมเสมอครับ
USD/CNH
คู่เงินที่สะท้อนความอ่อนไหวต่อนโยบายภาษีและการค้า ความไม่แน่นอนที่ดำเนินอยู่ส่งผลให้ค่าสเปรด (Spread) คงอยู่ในระดับสูง และทำให้นักลงทุนเน้นถือครองสถานะด้วยความระมัดระวัง
US10Y
อัตราผลตอบแทนพันธบัตรรัฐบาลสหรัฐฯ อายุ 10 ปี โดยระดับ 4.5% ได้ทำหน้าที่เป็นจุดอ้างอิงสำคัญสำหรับการประเมินมูลค่าหุ้นกลุ่มเทคโนโลยี หากมีการประกาศตัวเลขการคาดการณ์อนาคตที่แข็งแกร่งกว่าคาด ก็อาจเป็นปัจจัยกระตุ้นที่คุ้มค่าต่อการติดตามครับ
บทวิเคราะห์นี้จัดทำขึ้นเพื่อเป็นความเห็นทั่วไปเท่านั้น ไม่ใช่สัญญาณการเทรดหรือคำแนะนำทางการเงินส่วนบุคคล การเทรด CFD มีความเสี่ยงสูงที่จะสูญเสียเงินทุน ผลการดำเนินงานในอดีตไม่ได้เป็นสิ่งบ่งชี้ถึงผลลัพธ์ในอนาคต
จุดที่ความเสี่ยงตั้งอยู่
การใช้จ่ายด้านโครงสร้างพื้นฐาน AI ที่สูงขึ้น ไม่ได้แปลว่าจะเปลี่ยนเป็นกำไรของราคาหุ้นเสมอไปครับ มีปัจจัยหลายประการที่ทำให้เราไม่สามารถลากเส้นตรงจากคำว่า "สงครามชิป" ไปสู่คำว่า "ซื้อทุกอย่าง" ได้ง่ายๆ
ความเสี่ยงด้านมูลค่าหุ้น
การประเมินมูลค่าหุ้น (Valuation) ของ NVIDIA ในปัจจุบันได้สะท้อนความคาดหวังที่สูงมากต่อการเติบโตในอนาคตไปแล้ว ดังนั้น หากการคาดการณ์อนาคตออกมาย่ำแย่กว่าคาด เกิดการบีบอัดของอัตรากำไร หรือมีสัญญาณอุปสงค์โครงสร้างพื้นฐานที่ชะลอตัวลง ก็อาจจุดชนวนให้เกิดการประเมินมูลค่าหุ้นกันใหม่ในวงกว้าง ซึ่งจะส่งผลกระทบไปทั่วทั้งเซกเตอร์ครับ
คูเมืองซอฟต์แวร์ CUDA
ความได้เปรียบในการแข่งขันที่ลึกที่สุดของ NVIDIA ไม่ใช่แค่เรื่องฮาร์ดแวร์ แต่มันคือระบบนิเวศซอฟต์แวร์ที่นักพัฒนากว่าหลายล้านรายใช้สร้างระบบขึ้นมา รวมถึงการลงทุนในคลังไลบรารี เครื่องมือ และเวิร์กโฟลว์มานานนับทศวรรษ แม้ว่าโครงการ "TorchTPU" ของ Google จะเป็นความพยายามตั้งใจลดต้นทุนในการเปลี่ยนย้ายระบบดังกล่าว แต่ระบบนิเวศดั้งเดิมนั้นเป็นสิ่งที่เปลี่ยนแปลงได้ช้ามาก นี่คือความเสี่ยงข้อที่ง่ายที่สุดที่จะประเมินค่าต่ำไปครับ
ความเสี่ยงด้านการดำเนินการ
Google เคยประกาศเปิดตัวชิปที่น่าทึ่งมาก่อนหน้านี้หลายครั้ง ปัจจุบัน Ironwood พร้อมใช้งานทั่วไปแล้ว ส่วนชิปรุ่นที่ 8 ก็เผยโฉมล่วงหน้าแล้วเช่นกัน ทว่าการส่งมอบชิปเหล่านี้ในระดับสเกลใหญ่ให้ตรงเวลา แก่กลุ่มลูกค้าองค์กรภายนอก พร้อมข้อตกลงระดับการให้บริการ (SLA) เกรดเชิงพาณิชย์ ถือเป็นความท้าทายคนละรูปแบบกับการประกาศสเปกชิปที่น่าประทับใจบนหน้ากระดาษครับ
ส่วนแบ่งการตลาดเทียบกับรายได้
เมื่อ AMD, Google และ Amazon เริ่มชิงส่วนแบ่งตลาดไปได้ สัดส่วนเปอร์เซ็นต์เค้กของ NVIDIA ในตลาดที่กำลังเติบโตอย่างรวดเร็วนี้อาจจะลดลง แม้ว่าตัวเลขรายได้รวมที่เป็นจำนวนเต็ม (Absolute Revenue) ของบริษัทยังคงเติบโตขึ้นก็ตาม นักลงทุนที่ประเมินสมมติฐานด้านการแข่งขันจึงควรแยกแยะความแตกต่างระหว่าง "การสูญเสียส่วนแบ่งการตลาด" กับ "ผลกระทบต่อรายได้รวม" เพราะทั้งสองสิ่งนี้ไม่ใช่เรื่องเดียวกันครับ
สิ่งที่นักลงทุนอาจนำไปพิจารณาต่อ
สงครามชิป AI ไม่ใช่เรื่องราวที่มีผู้ชนะหนึ่งรายและผู้แพ้หนึ่งรายครับ แต่มันคือเรื่องราวของตลาดที่มีขนาดใหญ่เกินไปและมีความสำคัญเชิงยุทธศาสตร์มากเกินกว่าที่จะมีบริษัทใดบริษัทหนึ่งผูกขาดครอบครองไว้ได้ตลอดไป
NVIDIA สร้างความเป็นผู้นำขึ้นมาด้วยความเป็นเลิศทางเทคนิคที่แท้จริงและการลงทุนในซอฟต์แวร์นานนับทศวรรษ ความเป็นผู้นำนั้นคือของจริง และผลกำไรในระยะสั้นก็มีแนวโน้มที่จะสะท้อนภาพความจริงนั้นต่อไป
ทว่ากลุ่มผู้ท้าชิงในปัจจุบันไม่ใช่บริษัทสตาร์ทอัพที่มีแค่สไลด์โชว์ผลทดสอบอีกต่อไปแล้ว แต่พวกเขาคือบริษัทระดับล้านล้านดอลลาร์ที่มีเทคโนโลยีซิลิคอนของตนเอง มีโครงสร้างพื้นฐานคลาวด์เป็นของตัวเอง และมีแรงจูงใจเต็มเปี่ยมที่จะลดการพึ่งพาซัพพลายเออร์รายเดียว พร้อมทั้งมีงบประมาณรายจ่ายฝ่ายทุนที่พร้อมจ่ายเพื่อพิสูจน์ว่าพวกเขากำลังเอาจริงครับ
วิธีหนึ่งในการวางกรอบคำถามระยะยาวคือ ความต้องการระบบประมวลผล AI อาจไม่ใช่ตัวแปรหลักตัวเดียวที่นักลงทุนควรโฟกัส แต่ประเด็นที่ว่า "ใครจะเป็นผู้เก็บเกี่ยวส่วนต่างกำไร (Margin) จากอุปสงค์นั้น" และ "ภายใต้ระดับมูลค่าหุ้น (Valuation Multiple) เท่าใด" อาจมีความสำคัญไม่แพ้กันเลยครับ ซึ่งประเด็นเหล่านี้เป็นสิ่งที่นักลงทุนแต่ละรายอาจจำเป็นต้องนำไปชั่งน้ำหนักเทียบกับระดับความเสี่ยงที่ยอมรับได้และเป้าหมายการลงทุนของตนเองต่อไปครับ
ข้อความปฏิเสธความรับผิดชอบต่อสถานการณ์จำลอง: สถานการณ์ "30 วันข้างหน้า" และ "3 เดือนข้างหน้า" เป็นเพียงแบบจำลองสถานการณ์สมมติเพื่อทดสอบสมมติฐานของตลาดและระบุปัจจัยกระตุ้นที่อาจเกิดขึ้นเท่านั้น ไม่ถือเป็นความเห็นอย่างเป็นทางการ การพยากรณ์ การรับประกัน หรือการทำนายความเคลื่อนไหวของตลาดในอนาคต เป้าหมายราคาน้ำมัน Brent การอ้างถึงนโยบายของ Fed หรือเกณฑ์มาตรฐานตลาดอื่นๆ เป็นเพียงการสมมติขึ้นเท่านั้น สภาวะในโลกแห่งความเป็นจริงอาจมีความผันผวนและการเปลี่ยนแปลงที่คาดไม่ถึงได้เสมอครับ