โดย Maksym Misichenko · Nasdaq ·
สิ่งที่ตัวแทน AI คิดเกี่ยวกับข่าวนี้
แม้จะมีการแข่งขันจากชิปแบบกำหนดเองของผู้ให้บริการคลาวด์รายใหญ่ แต่ระบบนิเวศ CUDA ของ Nvidia, คูเมืองซอฟต์แวร์ และขนาดที่โดดเด่นที่ TSMC ทำให้บริษัทอยู่ในตำแหน่งที่ดีที่จะรักษาความเป็นผู้นำตลาดในชิปเซ็ต AI ความเสี่ยงหลักคือข้อจำกัดด้านกำลังการผลิตที่อาจเกิดขึ้นที่ TSMC ในขณะที่โอกาสหลักอยู่ที่ความสามารถของ Nvidia ในการสร้างรายได้ผ่านซอฟต์แวร์และเครื่องมือ แม้ว่าชิปภายในองค์กรจะเติบโตก็ตาม
ความเสี่ยง: ข้อจำกัดด้านกำลังการผลิตที่อาจเกิดขึ้นที่ TSMC
โอกาส: การสร้างรายได้ผ่านซอฟต์แวร์และเครื่องมือ
การวิเคราะห์นี้สร้างขึ้นโดย StockScreener pipeline — LLM สี่ตัวชั้นนำ (Claude, GPT, Gemini, Grok) ได้รับ prompt เดียวกันและมีการป้องกันต่อภาพหลอนในตัว อ่านวิธีการ →
Hyperscalers เช่น Amazon และ Alphabet กำลังเห็นความต้องการโปรเซสเซอร์ AI แบบกำหนดเองของตนเองอย่างแข็งแกร่ง
บริษัทเหล่านี้กำลังให้เช่าการเข้าถึงชิปภายในของตนแก่บุคคลที่สาม และได้ทำสัญญาที่มีกำไรแล้ว
ความคืบหน้าของพวกเขาไม่ใช่ข่าวดีสำหรับ Nvidia ซึ่งเป็นผู้เล่นหลักในชิป AI ในช่วงสามปีครึ่งที่ผ่านมา
Nvidia (NASDAQ: NVDA) เป็นหนึ่งในผู้ที่ได้รับประโยชน์มากที่สุดจากการเติบโตของชิปปัญญาประดิษฐ์ (AI) หน่วยประมวลผลกราฟิก (GPU) ของบริษัทเป็นโปรเซสเซอร์แบบขนาน ออกแบบมาเพื่อแบ่งการคำนวณที่ซับซ้อนจำนวนมากออกเป็นส่วนเล็กๆ จำนวนมาก จากนั้นจึงประมวลผลการคำนวณเล็กๆ ทั้งหมดพร้อมกัน แทนที่จะทำงานทีละอย่าง และปรากฏว่ากระบวนการฝึกโมเดลภาษาขนาดใหญ่ (LLM) ขึ้นอยู่กับงานประเภทที่ GPU ทำได้ดีเป็นอย่างมาก
ด้วยเหตุนี้ ในช่วงไม่กี่ปีที่ผ่านมา ความต้องการ GPU ชั้นนำของอุตสาหกรรมของ Nvidia ได้พุ่งสูงขึ้น ขับเคลื่อนการเติบโตที่น่าทึ่งของรายได้และกำไรของบริษัท
AI จะสร้างมหาเศรษฐีคนแรกของโลกหรือไม่? ทีมของเราเพิ่งเผยแพร่รายงานเกี่ยวกับบริษัทเล็กๆ ที่ไม่ค่อยมีใครรู้จักเพียงแห่งเดียว ซึ่งเรียกว่า "การผูกขาดที่จำเป็น" ซึ่งจัดหาเทคโนโลยีที่สำคัญที่ทั้ง Nvidia และ Intel ต้องการ อ่านต่อ »
Hyperscalers และบริษัท AI รายใหญ่ เช่น Amazon (NASDAQ: AMZN), Microsoft, Meta Platforms และ Alphabet (NASDAQ: GOOG) (NASDAQ: GOOGL) Google ได้พึ่งพาฮาร์ดแวร์ของ Nvidia มานานในการฝึกโมเดล AI ที่ทรงพลัง
สิ่งที่ควรทราบคือ คู่แข่งของ Nvidia ไม่สามารถสร้างความเสียหายให้กับความเป็นผู้นำด้านชิป AI ของตนได้ จากข้อมูลของ IDC Nvidia ครองส่วนแบ่งตลาดชิปศูนย์ข้อมูล AI ประมาณ 81% ข่าวดีสำหรับนักลงทุนหุ้น Nvidia คือการเติบโตที่ร้อนแรงของบริษัทอาจดำเนินต่อไป -- บริษัทคาดการณ์ยอดขายรวม 1 ล้านล้านดอลลาร์สำหรับสถาปัตยกรรม Blackwell และ Vera Rubin ในช่วงปี 2026 และ 2027
อย่างไรก็ตาม มีหลักฐานมากมายที่บ่งชี้ว่าตำแหน่งของ Nvidia ในชิป AI กำลังอ่อนแอลงอย่างต่อเนื่อง
การฝึก LLM ต้องใช้พลังการประมวลผลจำนวนมาก ซึ่งเป็นเหตุผลว่าทำไม Amazon, Meta, Microsoft, Alphabet และอื่นๆ จึงซื้อ GPU ของ Nvidia หลายล้านเครื่อง อย่างไรก็ตาม ลูกค้าเหล่านี้ยังได้ออกแบบชิปของตนเองเพื่อประมวลผล AI ได้อย่างคุ้มค่าในศูนย์ข้อมูลของตนเอง ค่าใช้จ่ายที่สูงและข้อจำกัดด้านอุปทานที่เกี่ยวข้องกับการ์ดกราฟิกยอดนิยมของ Nvidia เป็นเหตุผลว่าทำไมลูกค้าเหล่านี้จึงทำงานกับชิปของตนเองภายในองค์กรมาเป็นเวลานาน
ตัวอย่างเช่น Google ได้เปิดตัวหน่วยประมวลผลเทนเซอร์ (TPU) รุ่นแรกในปี 2015 ในขณะที่ชิป Trainium แบบกำหนดเองภายในของ Amazon เปิดตัวในเดือนธันวาคม 2020 ทั้งสองบริษัทได้ปรับปรุงชิปของตนให้ดีขึ้นในช่วงหลายปีที่ผ่านมา อันที่จริง ตอนนี้พวกเขากำลังขายชิปเหล่านี้ให้กับบุคคลที่สาม
ตัวอย่างเช่น Amazon เพิ่งเปิดเผยว่าธุรกิจชิปของบริษัทมีรายได้เติบโต 40% เมื่อเทียบกับไตรมาสก่อนหน้าในไตรมาสแรกของปี 2026 อัตราการเติบโตของรายได้ต่อปีของธุรกิจเซมิคอนดักเตอร์ของ Amazon ขณะนี้มีมูลค่ามากกว่า 20 พันล้านดอลลาร์ ยิ่งไปกว่านั้น บริษัท "Magnificent Seven" ระบุว่าอัตราการเติบโตของรายได้ของภาคส่วนนี้กำลังปรับปรุงเพิ่มขึ้นเป็นเลขสามหลักเมื่อเทียบเป็นรายปี
ประเด็นสำคัญอีกประการหนึ่งคือ อัตราการเติบโตต่อปีของภาคส่วนนี้จะใกล้เคียง 50 พันล้านดอลลาร์ หากรวม "ยอดขาย" ชิปให้กับตัวเองเพื่อใช้ในศูนย์ข้อมูล AWS ยิ่งไปกว่านั้น ความต้องการชิป Trainium ของ Amazon นั้นแข็งแกร่งมากจนการเข้าถึงชิปเหล่านั้นถูกจองเต็ม โปรเซสเซอร์ AI แบบกำหนดเองของบริษัทกำลังถูกนำไปใช้โดย Anthropic, OpenAI, Uber และแม้แต่ Meta Platforms ซึ่งใช้หน่วยประมวลผลกลาง (CPU) Graviton ภายในของ Amazon เพื่อรองรับแอปพลิเคชัน AI แบบ agentic
ปรากฏว่า Amazon มีข้อผูกพันในการซื้อชิป AI Trainium มูลค่ามหาศาลถึง 225 พันล้านดอลลาร์ ซึ่งบ่งชี้อย่างชัดเจนว่าธุรกิจเซมิคอนดักเตอร์ของบริษัทมีแนวโน้มที่จะเติบโตอย่างมาก
ในขณะเดียวกัน Google ก็กำลังสร้างความเคลื่อนไหวในตลาดชิป AI ยักษ์ใหญ่ด้านเทคโนโลยีมีข้อตกลงขนาดใหญ่กับ Meta Platforms และ Anthropic สำหรับการใช้งาน TPU ของตน CEO Sundar Pichai มองว่าธุรกิจ TPU เป็นหนึ่งในตัวขับเคลื่อนการเติบโตที่สำคัญ และขณะนี้บริษัทกำลังขายชิปให้กับลูกค้ามากขึ้น
ในการประชุมผลประกอบการล่าสุดของ Alphabet, Pichai กล่าวว่า:
เมื่อความต้องการ TPU เพิ่มขึ้นจาก AI labs, capital markets firms และแอปพลิเคชัน high-performance computing เราจะเริ่มส่งมอบ TPU ให้กับลูกค้าที่เลือกในศูนย์ข้อมูลของตนเองในรูปแบบฮาร์ดแวร์เพื่อขยายโอกาสทางการตลาดที่เราสามารถเข้าถึงได้
โอกาสที่สามารถเข้าถึงได้นี้อาจมีขนาดใหญ่ในระยะยาว แม้ว่า Google จะยังไม่ได้เปิดเผยขนาดธุรกิจ TPU ของตนต่อสาธารณะ แต่ D.A. Davidson บริษัทเพื่อการลงทุนประมาณการว่าธุรกิจนี้อาจมีมูลค่าถึง 900 พันล้านดอลลาร์ในระยะยาว โดยสมมติว่าบริษัทตัดสินใจขายชิปให้กับบุคคลที่สามอย่างจริงจัง
ขณะนี้ปรากฏว่า Google กำลังจริงจังกับธุรกิจ TPU ของตน และนั่นน่าจะสร้างปัญหาเพิ่มเติมให้กับอาณาจักรชิป AI ของ Nvidia
Nvidia จะไม่นั่งเฉยๆ ในขณะที่ลูกค้าของตนกลายเป็นคู่แข่ง เหตุผลที่โปรเซสเซอร์แบบกำหนดเองของ Amazon และ Google ได้รับความนิยมอย่างมากก็เพราะว่าเป็นวงจรรวมเฉพาะแอปพลิเคชัน -- ชิปที่ได้รับการปรับให้เหมาะสมเพื่อจัดการกับปริมาณงานที่ค่อนข้างจำกัด ซึ่งตรงกันข้ามกับ GPU ที่ยืดหยุ่นกว่าของ Nvidia ซึ่งเหมาะสำหรับงานที่หลากหลาย ชิปแบบกำหนดเองจึงสามารถทำงานอนุมาน AI ได้อย่างมีประสิทธิภาพมากขึ้น ลดต้นทุนการดำเนินงานโดยรวมของศูนย์ข้อมูล
Nvidia กำลังตอบโต้ภัยคุกคามจาก Amazon และ Google ด้วยการปรับปรุงฮาร์ดแวร์ของตนเองซึ่งช่วยลดต้นทุนการอนุมาน AI ด้วย GPU ของตน นอกจากนี้ Nvidia ยังตัดสินใจเสนอ Vera server CPU เป็นผลิตภัณฑ์เดี่ยวเป็นครั้งแรก แทนที่จะเสนอเป็นส่วนหนึ่งของแพลตฟอร์ม Vera Rubin เท่านั้น บริษัทได้ดำเนินการนี้เนื่องจากเห็นความสนใจอย่างมากใน Vera server CPU ของตน อันที่จริง บริษัทเชื่อว่าธุรกิจ server CPU ของตนอาจกลายเป็นธุรกิจมูลค่าหลายพันล้านดอลลาร์
ความพยายามของ Nvidia ในการผลักดันขีดจำกัดในการพัฒนาผลิตภัณฑ์ควรช่วยให้บริษัทสามารถป้องกันการแข่งขันที่เพิ่มขึ้นได้ นอกจากนี้นักลงทุนไม่ควรมองข้ามว่าตลาดชิป AI ยังคงขยายตัวอย่างรวดเร็ว Bank of America ประมาณการว่าตลาดเซมิคอนดักเตอร์ทั่วโลกอาจมีรายได้ถึง 2 ล้านล้านดอลลาร์ในปี 2030 ในทางกลับกัน Gartner ประมาณการว่าชิป AI จะคิดเป็นครึ่งหนึ่งของตลาดเซมิคอนดักเตอร์ทั่วโลกภายในสิ้นทศวรรษนี้
ดังนั้น จึงมีพื้นที่เพียงพอสำหรับผู้เล่นหลักมากกว่าหนึ่งรายที่จะประสบความสำเร็จในพื้นที่นี้ Nvidia รายงานรายได้ศูนย์ข้อมูล 194 พันล้านดอลลาร์ในปีที่แล้ว และขนาดของตลาดที่สามารถเข้าถึงได้บ่งชี้ว่าบริษัทยังคงมีพื้นที่สำหรับการเติบโตอย่างมีนัยสำคัญในส่วนนี้ นอกจากนี้ บริษัทยังกำลังดำเนินการเพื่อปกป้องความเป็นผู้นำของตน ด้วยเหตุนี้ จึงเป็นเรื่องง่ายที่จะเข้าใจว่าทำไมนักวิเคราะห์จึงยังคงมองในแง่ดีเกี่ยวกับแนวโน้มของ Nvidia -- บริษัทสามารถบันทึกการเติบโตของยอดขายศูนย์ข้อมูลที่แข็งแกร่งต่อไปได้ แม้ว่าจะสูญเสียส่วนแบ่งการตลาดในชิป AI ไปบ้างก็ตาม
ยิ่งไปกว่านั้น อัตราส่วนราคาต่อกำไรล่วงหน้า (forward earnings multiple) ที่ 24 นั้นต่ำกว่าค่าเฉลี่ยของดัชนี Nasdaq Composite ที่เน้นเทคโนโลยีซึ่งอยู่ที่ 40.6 ศักยภาพการเติบโตของกำไรของบริษัทบ่งชี้ว่าขณะนี้มีมูลค่าต่ำกว่าความเป็นจริง นั่นคือเหตุผลว่าทำไมการถือหุ้น AI นี้จึงสมเหตุสมผล แม้จะมีการแข่งขันที่เพิ่มขึ้นในตลาดชิปศูนย์ข้อมูลก็ตาม
เคยรู้สึกเหมือนพลาดโอกาสในการซื้อหุ้นที่ประสบความสำเร็จมากที่สุดหรือไม่? ถ้าอย่างนั้นคุณจะต้องอยากฟังเรื่องนี้
ในโอกาสที่หาได้ยาก ทีมผู้เชี่ยวชาญของเราจะออกคำแนะนำหุ้น "Double Down" สำหรับบริษัทที่พวกเขาคิดว่ากำลังจะพุ่งขึ้น หากคุณกังวลว่าพลาดโอกาสในการลงทุนไปแล้ว ตอนนี้เป็นเวลาที่ดีที่สุดในการซื้อก่อนที่จะสายเกินไป และตัวเลขก็พูดได้ด้วยตัวเอง:
Nvidia: หากคุณลงทุน 1,000 ดอลลาร์ เมื่อเรา Double Down ในปี 2009 คุณจะได้ 539,083 ดอลลาร์! Apple: หากคุณลงทุน 1,000 ดอลลาร์ เมื่อเรา Double Down ในปี 2008 คุณจะได้ 54,747 ดอลลาร์! Netflix: หากคุณลงทุน 1,000 ดอลลาร์ เมื่อเรา Double Down ในปี 2004 คุณจะได้ 476,034 ดอลลาร์!*
ขณะนี้ เรากำลังออกการแจ้งเตือน "Double Down" สำหรับบริษัทที่น่าทึ่งสามแห่ง พร้อมให้บริการเมื่อคุณเข้าร่วม Stock Advisor และอาจไม่มีโอกาสเช่นนี้อีกแล้วในเร็วๆ นี้
**ผลตอบแทน Stock Advisor ณ วันที่ 8 พฤษภาคม 2026. *
Bank of America เป็นพันธมิตรโฆษณาของ Motley Fool Money Harsh Chauhan ไม่มีตำแหน่งในหุ้นใดๆ ที่กล่าวถึง The Motley Fool มีตำแหน่งและแนะนำ Alphabet, Amazon, Meta Platforms, Microsoft และ Nvidia The Motley Fool แนะนำ Gartner The Motley Fool มีนโยบายการเปิดเผยข้อมูล
มุมมองและความคิดเห็นที่แสดงในที่นี้เป็นมุมมองและความคิดเห็นของผู้เขียนและไม่จำเป็นต้องสะท้อนถึงมุมมองและความคิดเห็นของ Nasdaq, Inc.
โมเดล AI ชั้นนำ 4 ตัวอภิปรายบทความนี้
"การประเมินมูลค่าของ Nvidia ที่ P/E ล่วงหน้า 24 เท่า ได้ลดทอนการพัฒนาไปสู่ผู้ให้บริการศูนย์ข้อมูลแบบเต็มรูปแบบลงอย่างมาก โดยไม่คำนึงถึงการสูญเสียส่วนแบ่งตลาดเล็กน้อยให้กับซิลิคอนแบบกำหนดเอง"
เรื่องราวที่ว่าผู้ให้บริการคลาวด์รายใหญ่กำลัง 'ทำลาย' Nvidia ด้วยการสร้างซิลิคอนแบบกำหนดเองนั้นละเลยความแตกต่างระหว่างการฝึกและการอนุมาน แม้ว่า Trainium ของ Amazon และ TPU ของ Google กำลังได้รับความนิยมสำหรับการอนุมานที่ปรับให้เหมาะสมกับต้นทุน แต่ระบบนิเวศ CUDA ของ Nvidia ยังคงเป็นมาตรฐานทองคำสำหรับการฝึกโมเดลระดับแนวหน้า Nvidia กำลังเปลี่ยนจากการเป็นซัพพลายเออร์ส่วนประกอบไปสู่สถาปนิกศูนย์ข้อมูลแบบเต็มรูปแบบด้วย Blackwell และ Vera ข้อโต้แย้งด้านการประเมินมูลค่าของบทความ -- โดยอ้างอิง P/E ล่วงหน้า 24 เท่า -- เป็นสัญญาณที่น่าเชื่อถือที่สุด หาก Nvidia รักษาการแบ่งปันตลาด 60-70% ใน TAM มูลค่า 1 ล้านล้านดอลลาร์ภายในปี 2030 อัตราส่วนปัจจุบันบ่งชี้ถึงการกำหนดราคาที่ผิดพลาดอย่างมหาศาลของการเติบโตในระยะยาว ความเสี่ยงที่แท้จริงไม่ใช่การแข่งขัน แต่เป็นการชะลอตัวของกฎการปรับขนาด LLM ที่ทำให้คลัสเตอร์ GPU ขนาดใหญ่มีความจำเป็นน้อยลง
หากผู้ให้บริการคลาวด์รายใหญ่สามารถเปลี่ยนอุตสาหกรรมไปสู่เฟรมเวิร์กโอเพนซอร์ส เช่น Triton หรือ PyTorch 2.0 ได้ 'คูเมือง' ของซอฟต์แวร์ CUDA ที่เป็นกรรมสิทธิ์ของ Nvidia อาจหายไป ทำให้ฮาร์ดแวร์ของพวกเขากลายเป็นสินค้าโภคภัณฑ์ในชั่วข้ามคืน
"ชิปแบบกำหนดเองของผู้ให้บริการคลาวด์รายใหญ่มีเป้าหมายเพื่อประสิทธิภาพการอนุมาน แต่จะไม่สามารถโค่นล้มการครอบงำการฝึกของ Nvidia หรือคูเมือง CUDA ในตลาดที่ขยายตัวหลายล้านล้านดอลลาร์ได้"
ชื่อบทความที่มองในแง่ร้ายนี้เกินจริงถึงภัยคุกคาม -- อัตราการเติบโตของชิปภายนอกของ Amazon มูลค่า 20 พันล้านดอลลาร์ (Q1 2026) และยอดขาย TPU ที่เพิ่งเริ่มต้นของ Google นั้นเทียบไม่ได้กับรายได้ศูนย์ข้อมูล 194 พันล้านดอลลาร์ของ Nvidia ในปีที่แล้ว และส่วนแบ่งชิป AI 81% (IDC) ASICs แบบกำหนดเอง เช่น Trainium/TPU มีความโดดเด่นในการประหยัดต้นทุนการอนุมาน แต่ขาดความยืดหยุ่นของ GPU ของ Nvidia ในการฝึก LLM ซึ่งระบบนิเวศ CUDA ได้ล็อกผู้ให้บริการคลาวด์รายใหญ่ไว้ (ซึ่งยังคงซื้อ H100/B200 มูลค่าหลายพันล้านดอลลาร์) การคาดการณ์ Blackwell/Vera Rubin มูลค่า 1 ล้านล้านดอลลาร์ (2026-27) การปรับปรุงการอนุมาน และ CPU Vera แบบสแตนด์อโลน เป็นการตอบโต้ที่มีประสิทธิภาพในตลาดเซมิคอนดักเตอร์มูลค่า 2 ล้านล้านดอลลาร์ (BofA 2030) P/E ล่วงหน้า 24 เท่า เทียบกับ Nasdaq 40 เท่า บ่งบอกถึงการประเมินมูลค่าต่ำอย่างมาก ท่ามกลางการเติบโต 100%+
หากข้อผูกพัน Trainium มูลค่า 225 พันล้านดอลลาร์ของผู้ให้บริการคลาวด์รายใหญ่และข้อตกลง TPU ขยายตัวอย่างรวดเร็วจนแทนที่รายได้จากการอนุมานของ Nvidia 20-30% (เติบโตเร็วกว่าการฝึก) ประกอบกับการกระจายห่วงโซ่อุปทานโดย OpenAI/Anthropic อำนาจการกำหนดราคาและอัตรากำไรของ Nvidia อาจลดลงเร็วกว่าที่คาดไว้
"ชิปแบบกำหนดเองเป็นเรื่องของการทำกำไรสำหรับผู้ให้บริการคลาวด์รายใหญ่ ไม่ใช่ตัวฆ่ารายได้ของ Nvidia -- ตลาดที่เข้าถึงได้กำลังขยายตัวเร็วกว่าที่คู่แข่งรายใดรายหนึ่งจะสามารถคว้าส่วนแบ่งได้"
บทความนี้ผสมปนเปกันระหว่างการสูญเสียส่วนแบ่งตลาดกับการลดลงของรายได้ -- ข้อผิดพลาดที่สำคัญ ใช่ Amazon และ Google กำลังสร้างชิปแบบกำหนดเอง แต่รายได้ศูนย์ข้อมูล 194 พันล้านดอลลาร์ของ Nvidia ในปีที่แล้วเติบโตขึ้นประมาณ 126% YoY แม้จะสูญเสียส่วนแบ่งตลาด 20 จุดในตลาดที่เติบโต 40%+ ต่อปี หมายความว่ารายได้รวมของ Nvidia ยังคงเพิ่มขึ้น บทความอ้างถึงอัตราการเติบโตของชิป 20 พันล้านดอลลาร์ของ Amazon และโอกาสสมมติ 900 พันล้านดอลลาร์ของ Google แต่ทั้งสองอย่างนี้ไม่ได้แทนที่ฐานที่ติดตั้งหรือระบบนิเวศซอฟต์แวร์ (CUDA) ของ Nvidia ความเสี่ยงที่แท้จริงไม่ใช่การแข่งขัน แต่เป็นการที่ความเข้มข้นของ capex ของผู้ให้บริการคลาวด์รายใหญ่จะลดลงหรือไม่ ซึ่งจะบดขยี้ความต้องการเซมิคอนดักเตอร์ทั้งหมดพร้อมกัน
หากผู้ให้บริการคลาวด์รายใหญ่สามารถใช้ชิปภายในองค์กรได้ 60%+ ภายใน 24 เดือน และลดคำสั่งซื้อ GPU ของ Nvidia ลง 40% การเติบโตของศูนย์ข้อมูลของ Nvidia อาจชะลอตัวลงเหลือเลขหลักเดียว แม้ว่าตลาดจะขยายตัว -- ทำให้เรื่องนี้กลายเป็นเรื่องของการสูญเสียส่วนแบ่งอย่างแท้จริง ไม่ใช่สถานการณ์ที่กระแสน้ำขึ้น
"ความได้เปรียบทางการแข่งขันของ Nvidia อาจลดลงหากผู้ให้บริการคลาวด์รายใหญ่ขยายขนาดชิป AI ภายในองค์กรอย่างรวดเร็วจนลดการพึ่งพา GPU ของ Nvidia ลงอย่างมีนัยสำคัญ ซึ่งเสี่ยงต่อการบีบอัดอัตรากำไรและการสูญเสียส่วนแบ่งในวงจรหลายปี"
บทความนี้เน้นถึงความเสี่ยงที่อาจเกิดขึ้นกับตำแหน่งผู้นำของ Nvidia: ผู้ให้บริการคลาวด์รายใหญ่ที่สร้างชิปภายในองค์กรอาจกัดกินส่วนแบ่งและเพิ่มการแข่งขัน อย่างไรก็ตาม คูเมืองของ Nvidia ตั้งอยู่บนพื้นฐานที่มากกว่าพลัง GPU ดิบ -- ซอฟต์แวร์ CUDA, ระบบนิเวศที่กว้างขวาง และวงจรความต้องการศูนย์ข้อมูลหลายปี -- ปกป้องมัน ชิปภายในองค์กรมีแนวโน้มที่จะปรับให้เหมาะสมกับปริมาณงานที่แคบและต้องการ capex จำนวนมากอย่างต่อเนื่อง แม้ว่าชิปที่คล้าย Trainium/TPU จะได้รับความนิยม Nvidia ก็ยังสามารถชนะได้ด้วยความยืดหยุ่น, เครื่องมือ และขนาด การคาดการณ์ TAM (เช่น ตลาด TPU มูลค่า 900 พันล้านดอลลาร์; รายได้เซมิคอนดักเตอร์ 2 ล้านล้านดอลลาร์ภายในปี 2030) ดูมองโลกในแง่ดีและขึ้นอยู่กับการยอมรับอย่างจริงจัง การทดสอบที่แท้จริงคือผู้ให้บริการคลาวด์รายใหญ่จะสามารถบรรลุความคุ้มค่าในระดับที่เท่าเทียมกันโดยไม่เสียสละประสิทธิภาพและความน่าเชื่อถือได้หรือไม่
ข้อโต้แย้งนี้สมมติว่า Nvidia สามารถทนทานต่อการเปลี่ยนแปลงอย่างรวดเร็วไปสู่ชิปภายในองค์กรได้ หากผู้ให้บริการคลาวด์รายใหญ่เร่งความเร็ว ระยะเวลานำที่ยาวนาน ต้นทุนการรวมระบบ และช่องว่างด้านประสิทธิภาพอาจทวีคูณ ซึ่งอาจบีบส่วนแบ่งและอัตรากำไรของ Nvidia ได้เร็วกว่าที่นักวิจารณ์คาดการณ์ไว้
"ข้อจำกัดด้านกำลังการผลิต CoWoS ของ TSMC เป็นคอขวดด้านอุปทานที่สำคัญ ซึ่งอาจกัดกินส่วนแบ่งตลาดของ Nvidia โดยไม่คำนึงถึงความต้องการ"
Claude คุณกำลังมองข้ามความเสี่ยงทางภูมิรัฐศาสตร์และห่วงโซ่อุปทาน: TSMC ผู้ให้บริการคลาวด์รายใหญ่ไม่ได้เพียงแค่สร้างชิปเท่านั้น พวกเขากำลังแข่งขันเพื่อแย่งชิงกำลังการผลิต CoWoS ที่จำกัด หาก Nvidia สูญเสียสถานะลำดับความสำคัญที่ TSMC 'คูเมือง' ของพวกเขาจะไม่มีความหมาย แม้ว่าความต้องการจะยังคงอยู่ ความไม่สามารถจัดส่งหน่วย Blackwell ได้เนื่องจากข้อจำกัดด้านกำลังการผลิต -- ในขณะที่ Google และ Amazon ได้รับสายการผลิตเฉพาะของตนเอง -- อาจกระตุ้นให้เกิดการบีบอัดอัตรากำไรด้านอุปทานที่พวกคุณไม่มีใครประเมินค่า 24x P/E ล่วงหน้าอย่างเพียงพอ
"ขนาดของ Nvidia ทำให้มั่นใจได้ว่า TSMC จะจัดลำดับความสำคัญเหนือปริมาณของผู้ให้บริการคลาวด์รายย่อย ซึ่งจะเปลี่ยนความเสี่ยงด้านอุปทานให้กลายเป็นคูเมือง"
Gemini ข้อโต้แย้งเรื่องกำลังการผลิต CoWoS ของ TSMC มองข้ามขนาดที่โดดเด่นของ Nvidia: ในฐานะลูกค้าที่ใหญ่ที่สุดของ TSMC (ประมาณ 20% ของรายได้) Nvidia จะได้รับสัญญาจัดลำดับความสำคัญหลายปีสำหรับการบรรจุ HBM ในขณะที่ปริมาณ Trainium/TPU ของผู้ให้บริการคลาวด์รายใหญ่มีขนาดเล็กกว่า 5-10 เท่า การต่อสู้เพื่อกำลังการผลิตเป็นไปในทางของ Nvidia ไม่ใช่การกัดกิน -- เห็นได้จากจัดสรรอุปทาน Q4 FY24 ความเสี่ยงด้านไต้หวันแบบสมมาตรส่งผลกระทบต่อทุกคน แต่ GPU Rubin ของ Nvidia (ประสิทธิภาพ 2 เท่าของ Blackwell) จะเพิ่มช่องว่าง
"อำนาจต่อรองของ Nvidia ที่ TSMC นั้นมีอยู่จริง แต่สมมติว่ารูปแบบความต้องการคงที่ การเปลี่ยนแปลงเชิงโครงสร้างในการจัดสรร capex ของผู้ให้บริการคลาวด์รายใหญ่อาจกัดกินข้อได้เปรียบนั้นได้เร็วกว่าที่หลักฐานในอดีตบ่งชี้"
ข้อโต้แย้งเรื่องขนาด TSMC ของ Grok นั้นสมเหตุสมผล แต่พลาดความเสี่ยงด้านเวลา: ลำดับความสำคัญของ CoWoS ของ Nvidia มีผล *ในวันนี้* หากแผนงานชิปแบบกำหนดเองของผู้ให้บริการคลาวด์รายใหญ่เติบโตเร็วกว่าการเพิ่มขึ้นของ Blackwell (เป็นไปได้เนื่องจากกำหนดการปี 2026) TSMC อาจจัดสรรกำลังการผลิตใหม่ในช่วงกลางรอบ การถือหุ้นลูกค้า 20% ของ Nvidia ไม่ได้รับประกันลำดับความสำคัญหากความต้องการเปลี่ยนแปลงเชิงโครงสร้าง คำถามที่แท้จริงคือ: ประสิทธิภาพ 2 เท่าของ Rubin คุ้มค่ากับเบี้ยประกัน capex หรือไม่ หากชิปอนุมานถึงความคุ้มค่า 90% ภายในปี 2027?
"ความเสี่ยงด้านกำลังการผลิต CoWoS มีอยู่ แต่คูเมืองซอฟต์แวร์ของ Nvidia และทางเลือก Vera Rubin ที่ยืดหยุ่นสร้างทางเลือกที่การเดิมพันฮาร์ดแวร์ล้วนๆ พลาดไป"
Gemini ความเสี่ยงด้านกำลังการผลิต CoWoS นั้นมีอยู่จริง แต่ไม่ใช่เหตุการณ์ที่คาดไม่ถึงสำหรับ Nvidia ส่วนที่ขาดหายไปที่ใหญ่กว่าคือปริมาณ capex ของผู้ให้บริการคลาวด์รายใหญ่ที่มุ่งเน้นไปที่การเร่งความเร็วด้วยซอฟต์แวร์เทียบกับการประมวลผลแบบซิลิคอนล้วนๆ หากชิปภายในองค์กรเติบโต Nvidia สามารถสร้างรายได้ผ่าน CUDA, เครื่องมือ และวงจรความต้องการศูนย์ข้อมูลหลายปี ไม่ใช่แค่การจัดส่ง GPU การบีบอัดกำลังการผลิตจะบีบอัดผู้เล่นทั้งหมด คูเมืองซอฟต์แวร์ของ Nvidia และความยืดหยุ่นของ Vera Rubin นำเสนอทางเลือกที่ผู้ที่ยึดติดกับฮาร์ดแวร์ล้วนๆ ประเมินค่าต่ำเกินไป
แม้จะมีการแข่งขันจากชิปแบบกำหนดเองของผู้ให้บริการคลาวด์รายใหญ่ แต่ระบบนิเวศ CUDA ของ Nvidia, คูเมืองซอฟต์แวร์ และขนาดที่โดดเด่นที่ TSMC ทำให้บริษัทอยู่ในตำแหน่งที่ดีที่จะรักษาความเป็นผู้นำตลาดในชิปเซ็ต AI ความเสี่ยงหลักคือข้อจำกัดด้านกำลังการผลิตที่อาจเกิดขึ้นที่ TSMC ในขณะที่โอกาสหลักอยู่ที่ความสามารถของ Nvidia ในการสร้างรายได้ผ่านซอฟต์แวร์และเครื่องมือ แม้ว่าชิปภายในองค์กรจะเติบโตก็ตาม
การสร้างรายได้ผ่านซอฟต์แวร์และเครื่องมือ
ข้อจำกัดด้านกำลังการผลิตที่อาจเกิดขึ้นที่ TSMC