AI เข้าสู่ยุคสร้างระบบนิเวศของตัวเอง ลดการพึ่งพาผู้เล่นรายเดียว

AI เข้าสู่ยุคสร้างระบบนิเวศของตัวเอง ลดการพึ่งพาผู้เล่นรายเดียว

ภาพรวมข่าวของ Meta, Broadcom, Google และ Nvidia สะท้อนว่าอุตสาหกรรม AI กำลังเปลี่ยนจากการ ซื้อโครงสร้างพื้นฐานจากผู้ขายรายเดียวไปสู่การสร้างระบบนิเวศของตัวเองมากขึ้น ทั้งชิปเฉพาะทาง โมเดล ซอฟต์แวร์ และแหล่งเงินทุน เพื่อควบคุมต้นทุนและลดการพึ่งพาซัพพลายเชนภายนอก แนวโน้มนี้เป็นบวกต่อ Broadcom และผู้ผลิตชิปเฉพาะทาง ขณะที่ Nvidia ยังมีสถานะนำ แต่ความเสี่ยงระยะกลางคือสัดส่วนการใช้ชิป Nvidia ต่อหน่วยงานประมวลผลอาจลดลงเมื่อบริษัทเทคโนโลยีรายใหญ่พัฒนาทางเลือกของตนเองมากขึ้น

1. Google เดินหน้าสร้างชิปเอง จาก Data Center ลงมาถึง Robotaxi

• Waymo ของ Alphabet เปิดตัวชิป ASIC ขนาด 5 นาโนเมตรที่ออกแบบเองสำหรับรถไร้คนขับ โดยให้กำลังประมวลผลมากกว่า 1,000 TOPS และผลิตโดย TSMC จุดประสงค์สำคัญไม่ใช่เพียงเพิ่มประสิทธิภาพ แต่ยังเป็นการ กระจายแหล่งชิปออกจากผู้ผลิตภายนอกอย่าง Nvidia และ AMD และควบคุมต้นทุนของระบบได้มากขึ้น
• แนวทางนี้สอดคล้องกับยุทธศาสตร์ของ Google ในศูนย์ข้อมูลที่พัฒนา TPU มานาน กล่าวคือออกแบบชิป เซนเซอร์ และซอฟต์แวร์ร่วมกันให้เหมาะกับงานเฉพาะมากกว่าการใช้ชิปสำเร็จรูป อย่างไรก็ตาม Waymo ยังระบุว่าระบบปัจจุบันเป็นแบบผสม และยังทำงานร่วมกับ Nvidia, AMD, Micron, Samsung และ TSMC จึงยังไม่ใช่การตัด Nvidia ออกจากระบบทั้งหมด

2. Broadcom กำลังกลายเป็นแกนหลักของตลาด Custom AI Chip

• Broadcom กำลังเจรจาระดมเงินกู้มากกว่า $60bn และอาจมีวงเงินรวมสูงถึงราว $100bn เพื่อสนับสนุนการซื้อชิปและโครงสร้างพื้นฐาน AI โดยเฉพาะ Google TPU ที่ Anthropic และบริษัท AI อื่นสามารถเช่าใช้งานผ่านโครงสร้างทางการเงินดังกล่าวได้
• จุดสำคัญคือ Broadcom ไม่ได้แข่งขันกับ Nvidia เฉพาะด้านตัวชิป แต่กำลังสร้าง ระบบครบวงจรตั้งแต่การออกแบบชิปเฉพาะทาง ไปจนถึงการจัดหาเงินทุนเพื่อเร่งการติดตั้ง โดยแผนร่วมกับสถาบันการเงินตั้งเป้าสนับสนุนกำลังประมวลผลมากกว่า 20 GW และ Broadcom คาดว่ายอดขายชิป AI อาจเกิน $100bn ในปีหน้า
• ดังนั้น Broadcom จึงเป็นหนึ่งในคู่แข่งเชิงโครงสร้างที่สำคัญที่สุดของ Nvidia โดยเฉพาะในงานที่ลูกค้ารายใหญ่สามารถออกแบบชิปเฉพาะทางให้ตรงกับงานของตนเองได้

3. Meta กำลังใช้ Supplier ภายนอกไปพร้อมกับสร้างของตัวเอง

• Meta เป็นหนึ่งในลูกค้า AI รายใหญ่ของ Microsoft โดยใช้เงินหลายร้อยล้านดอลลาร์ต่อปีเพื่อเข้าถึงโมเดลผ่าน Azure และมีการใช้งานหลายล้านล้านโทเคนต่อสัปดาห์ Meta ยังใช้โมเดลของ OpenAI และผู้ให้บริการรายอื่นเพื่อเปรียบเทียบและพัฒนาโมเดลของตัวเอง
• แต่ทิศทางระยะยาวคือ Meta ต้องการลดการพึ่งพาผู้ให้บริการภายนอก โดยกำลังพัฒนาบริการให้ลูกค้าเข้าถึงโมเดล AI ของตนเอง ซึ่งอาจแข่งขันกับ Microsoft Foundry และช่วยลดค่าใช้จ่ายที่ต้องจ่ายให้ผู้ให้บริการอื่นในอนาคต นอกจากนี้ Meta ยังลงทุนศูนย์ข้อมูลของตัวเองในขนาดใหญ่มากขึ้น
• ภาพของ Meta จึงคล้าย Google คือ ช่วงแรกใช้โครงสร้างพื้นฐานและโมเดลจากภายนอกเพื่อเร่งการพัฒนา แต่ในระยะยาวพยายามย้ายส่วนสำคัญเข้ามาควบคุมเอง

4. Nvidia ตอบโต้ด้วยการขยายจาก “ผู้ขายชิป” ไปสู่เจ้าของระบบ AI

• ในอีกด้านหนึ่ง Nvidia ก็ไม่ได้อยู่เฉย บริษัทเตรียมจ่ายประมาณ $6bn เพื่อซื้อสิทธิใช้งานโมเดลของ Poolside พร้อมรับทีมวิศวกรส่วนใหญ่เข้ามา และลงทุนเพิ่มอีก $1bn ใน Poolside ที่มูลค่าบริษัท $12bn
• เป้าหมายของ Nvidia คือขยายตัวจากผู้ผลิต GPU ไปสู่ผู้ให้บริการเทคโนโลยี AI ที่ครอบคลุมทั้ง ชิป ระบบคอมพิวเตอร์ โมเดล ข้อมูล และซอฟต์แวร์ เพื่อเร่งการใช้งาน AI และสร้างอุปสงค์ต่อฮาร์ดแวร์ของ Nvidia ในระยะยาว
• ดังนั้น Nvidia เองก็กำลังสร้างระบบนิเวศของตนเพื่อป้องกันความเสี่ยงที่ลูกค้ารายใหญ่จะพัฒนาชิปเอง โดยพยายามทำให้ลูกค้ายังคงอยู่กับ Nvidia ผ่านซอฟต์แวร์ โมเดล และระบบทั้งหมด ไม่ใช่เฉพาะ GPU

5.ภาพรวมนี้สะท้อนได้ว่าบริษัทเทคฯมีกลยุทธ์ “Vertical Integration” มากขึ้น

สิ่งที่เกิดขึ้นพร้อมกันคือบริษัท AI รายใหญ่เริ่มต้องการควบคุมองค์ประกอบสำคัญของระบบด้วยตนเองมากขึ้น

• Google พัฒนาชิปเฉพาะทางทั้งในศูนย์ข้อมูลและรถไร้คนขับ เพื่อลดต้นทุนและการพึ่งพาผู้ผลิตชิปภายนอก
• Meta ยังเช่าโมเดลและกำลังประมวลผลจากภายนอก แต่พัฒนาโมเดล ระบบบริการ และศูนย์ข้อมูลของตัวเองมากขึ้น
• Broadcom ช่วยลูกค้าสร้างชิปเฉพาะทาง พร้อมเพิ่มระบบเงินทุนเพื่อให้ลูกค้าขยายกำลังประมวลผลได้เร็วขึ้น
• Nvidia ขยายจาก GPU ไปสู่ซอฟต์แวร์ โมเดล ข้อมูล และการลงทุนในบริษัท AI เพื่อทำให้ระบบนิเวศของ Nvidia ครอบคลุมมากขึ้น

จุดร่วมจึงไม่ใช่ว่าทุกบริษัทจะผลิตทุกอย่างเองทั้งหมด แต่เป็นการ ลดความเสี่ยงจากการพึ่งพาซัพพลายเออร์รายเดียว และควบคุมต้นทุน ประสิทธิภาพ และกำลังการผลิตได้มากขึ้น

6. แล้วแนวโน้มนี้กระทบ Nvidia แค่ไหน?

• ระยะสั้นยังไม่น่ากังวลมาก เพราะความต้องการกำลังประมวลผล AI ยังเพิ่มเร็วมาก และชิปเฉพาะทางจำนวนมากถูกออกแบบมาเพื่อเสริม GPU มากกว่าทดแทนทั้งหมด ตัวอย่าง Waymo เองยังใช้ระบบแบบผสมและยังร่วมมือกับ Nvidia อยู่ ขณะที่ Nvidia ก็กำลังขยายตัวขึ้นไปในส่วนซอฟต์แวร์และโมเดลเพื่อรักษาความเหนียวแน่นของระบบนิเวศ
• แต่ระยะกลางถึงยาวเป็นความเสี่ยงที่ควรจับตา เพราะลูกค้ารายใหญ่ของ Nvidia เช่น Google, Meta, OpenAI และผู้ให้บริการคลาวด์มีทั้งเงินทุนและขนาดการใช้งานที่มากพอจะทำให้การพัฒนาชิปเฉพาะทางคุ้มค่า หากงานบางประเภท เช่น การประมวลผลเพื่อให้บริการ AI สามารถย้ายไป TPU หรือ ASIC ได้มากขึ้น Nvidia อาจยังมีรายได้เติบโต แต่ ส่วนแบ่งของ GPU ต่อเงินลงทุน AI ทั้งระบบมีโอกาสลดลง
• ความเสี่ยงสำคัญจึงไม่ใช่ “Nvidia จะถูกแทนที่” แต่คือ AI Capex ในอนาคตอาจไหลไป Nvidia น้อยลง และกระจายไปยังชิปเฉพาะทาง เครือข่าย หน่วยความจำ และโครงสร้างพื้นฐานส่วนอื่นมากขึ้น

7. ความเสี่ยง

• การแข่งขันด้านชิปเฉพาะทาง: การพัฒนา TPU และ ASIC ของบริษัทเทคโนโลยีรายใหญ่ทำให้ตลาด AI accelerator กระจายตัวมากขึ้น และอาจกดส่วนแบ่ง Nvidia ในงานบางประเภท
• ความเสี่ยงด้านเงินลงทุน: การสร้างโครงสร้างพื้นฐาน AI ต้องใช้เงินระดับหลายหมื่นถึงหลายแสนล้านดอลลาร์ ตัวอย่างโครงสร้างเงินทุนของ Broadcom สะท้อนว่าการขยายกำลังประมวลผลเริ่มพึ่งพาหนี้มากขึ้น หากรายได้ AI เติบโตไม่ทัน อาจสร้างแรงกดดันต่อทั้งผู้ให้บริการและสถาบันการเงิน
• ความเสี่ยงจากการกระจุกตัว: รายได้ AI ยังพึ่งพาบริษัทเทคโนโลยีขนาดใหญ่เพียงไม่กี่ราย ตัวอย่าง Microsoft มี OpenAI คิดเป็นประมาณ 70% ของรายได้ AI ซึ่งสะท้อนว่าหากการใช้จ่ายของลูกค้ารายใหญ่ชะลอ ผลกระทบต่อซัพพลายเชนอาจสูง
• ความเสี่ยงด้านกฎระเบียบ: รูปแบบการลงทุนและซื้อสิทธิเทคโนโลยีแบบ Nvidia–Poolside หรือ Groq อาจถูกตรวจสอบมากขึ้น เพราะหน่วยงานกำกับมองว่าอาจเป็นวิธีหลีกเลี่ยงการตรวจสอบการควบรวมกิจการ

มุมมองของ InnovestX

• เรามองว่าประเด็นล่าสุดสะท้อนการเปลี่ยนผ่านจากยุค “Nvidia เป็นศูนย์กลางของ AI” ไปสู่ “AI Ecosystem หลายขั้ว” มากขึ้น แต่ยังไม่ใช่จุดเปลี่ยนที่ทำให้ความต้องการ Nvidia ลดลงทันที เพราะตลาด AI โดยรวมยังขยายตัวเร็วกว่าการสูญเสียส่วนแบ่ง
• อย่างไรก็ตาม ในระยะกลางควรให้น้ำหนักกับความเสี่ยงจาก Custom ASIC/TPU มากขึ้น โดยเฉพาะจาก Google และ Broadcom
• ขณะที่ Nvidia จำเป็นต้องรักษาความได้เปรียบผ่านทั้ง GPU, networking, software และ AI models เพื่อให้รายได้เติบโตเร็วกว่าการถูกลดสัดส่วนในงบลงทุน AI สำหรับภาพรวมซัพพลายเชน แนวโน้มดังกล่าวเป็นบวกต่อ Broadcom และ TSMC เพราะไม่ว่าลูกค้าจะเลือก GPU หรือชิปเฉพาะทาง ความต้องการออกแบบและผลิตชิปประสิทธิภาพสูงยังเพิ่มขึ้นต่อเนื่อง

ข้อสงวนสิทธิ์
ข้อมูล ความเห็น บทวิเคราะห์ ราคา การคาดการณ์ และ/หรือ ข้อมูลอื่นใด (“ข้อมูล”) ที่ปรากฏ จัดทำขึ้นเพื่อวัตถุประสงค์ในการให้ข้อมูลทั่วไปเท่านั้น โดยมีที่มาจากแหล่งข้อมูลสาธารณะที่เชื่อว่าเชื่อถือได้ บริษัทหลักทรัพย์ อินโนเวสท์ เอกซ์ จำกัด (“INVX”) ไม่รับรองความถูกต้อง ครบถ้วน หรือความเป็นปัจจุบันของข้อมูลดังกล่าว โดยเป็นข้อมูล ณ วันที่เผยแพร่และอาจเปลี่ยนแปลงได้โดยไม่ต้องแจ้งให้ทราบล่วงหน้า ข้อมูลนี้ไม่ถือเป็นการรับประกันราคาหรือผลตอบแทน คำแนะนำการลงทุน การเสนอซื้อหรือขายหลักทรัพย์ หรือชักชวนให้เสนอซื้อหรือเสนอขายหลักทรัพย์ใด INVX และ/หรือ กรรมการ พนักงาน และลูกจ้างของ INVX ไม่รับผิดชอบต่อความเสียหายอันเป็นผลมาจากหรือเกี่ยวข้องกับการใช้ข้อมูลดังกล่าว

INVX และธนาคารไทยพาณิชย์ จำกัด (มหาชน) (“ธนาคารฯ”) เป็นบริษัทย่อยที่บริษัท เอสซีบี เอกซ์ จำกัด (มหาชน) (SCBX) เป็นผู้ถือหุ้นรายใหญ่ ข้อมูลที่เกี่ยวข้องกับธนาคารฯ มีวัตถุประสงค์เพื่อใช้ในการเปรียบเทียบเท่านั้น INVX และ/หรือ บริษัทในเครือ SCBX อาจเป็นที่ปรึกษาทางการเงิน ผู้จัดจำหน่ายหลักทรัพย์ ผู้ออกและเสนอขายหุ้นกู้ที่มีอนุพันธ์แฝง หรือ ตราสารแสดงสิทธิการฝากหลักทรัพย์ต่างประเทศ บนหลักทรัพย์ที่ปรากฏอยู่ในรายงานฉบับนี้ รวมถึงอาจมีการทำธุรกรรมอื่นใดในหลักทรัพย์ที่ถูกกล่าวถึง อันอาจก่อให้เกิดความขัดแย้งทางผลประโยชน์ได้ ผู้ลงทุนควรทำความเข้าใจลักษณะสินค้า เงื่อนไขผลตอบแทน และความเสี่ยง ก่อนตัดสินใจลงทุน