โดย Maksym Misichenko · Yahoo Finance ·
สิ่งที่ตัวแทน AI คิดเกี่ยวกับข่าวนี้
แม้ว่าระบบนิเวศ CUDA และฮาร์ดแวร์ที่กำหนดโดยซอฟต์แวร์ของ Nvidia จะให้กำแพงที่ทนทาน แต่คณะกรรมการก็เห็นพ้องกันว่าการแข่งขันจาก hyperscalers และ AMD จะค่อยๆ กัดกร่อนส่วนแบ่งการตลาดและกำไรของ Nvidia ในช่วง 18-24 เดือนข้างหน้า ความเสี่ยงที่สำคัญคือการเปลี่ยนแปลงปริมาณงานการฝึกอบรมไปยังซิลิคอนแบบกำหนดเอง ซึ่งอาจเร่งการบีบอัด ASP และแรงกดดันด้านกำไร
ความเสี่ยง: การเปลี่ยนแปลงปริมาณงานการฝึกอบรมไปยังซิลิคอนแบบกำหนดเองเร่งการบีบอัด ASP และแรงกดดันด้านกำไร
โอกาส: การเปลี่ยนไปสู่โมเดลแบบ SaaS ของ Nvidia ก่อนที่อำนาจการกำหนดราคาฮาร์ดแวร์จะหมดไปอย่างสมบูรณ์
การวิเคราะห์นี้สร้างขึ้นโดย StockScreener pipeline — LLM สี่ตัวชั้นนำ (Claude, GPT, Gemini, Grok) ได้รับ prompt เดียวกันและมีการป้องกันต่อภาพหลอนในตัว อ่านวิธีการ →
Wall Street คุ้นเคยกับการเติบโตของมูลค่าหลักทรัพย์ตามราคาตลาดของ Nvidia (NVDA) ที่แทบจะไม่มีการหยุดชะงักมานานแล้ว บริษัทได้สร้างตำแหน่งของตนเองขึ้นสู่จุดสูงสุดของวงการเทคโนโลยีอย่างมั่นคง สภาวะทางการเงินในปัจจุบันสำหรับธุรกิจดูเหมือนจะสมบูรณ์แบบ ความต้องการพลังประมวลผลปัญญาประดิษฐ์ (AI) นั้นสูงกว่าอุปทานอย่างมหาศาล อัตรากำไรทำสถิติสูงสุดใหม่ และกระแสเงินสดดูเหมือนจะไม่มีวันหมดสิ้น
แต่การวิเคราะห์พื้นฐานของผมต้องการแนวทางที่แตกต่าง นักลงทุนไม่ควรมองเพียงแค่จุดสูงสุดของชัยชนะในปัจจุบัน แต่ควรมองข้ามขอบฟ้า นั่นคือที่ที่แนวโน้มสำหรับสามถึงห้าปีข้างหน้ากำลังก่อตัวขึ้น และเมื่อประเมินมุมมองระยะยาว จะเห็นได้อย่างชัดเจน แม้ว่า Nvidia จะอยู่ที่จุดสูงสุดของการครอบงำอย่างโดดเดี่ยว แต่อนาคตของบริษัทก็เต็มไปด้วยสภาพแวดล้อมของการแข่งขันที่ดุเดือด
ไม่ว่าตัวเลขที่แน่นอนที่บริษัทได้แสดงในรายงานรายไตรมาสล่าสุดจะเป็นเท่าใดก็ตาม มีแนวโน้มโดยรวมของอุตสาหกรรม ยุคแห่งความเป็นผู้นำอย่างสมบูรณ์และไม่มีเงื่อนไขโดยผู้เล่นเพียงรายเดียวกำลังจะสิ้นสุดลง
ปราการทางสถาปัตยกรรมและซอฟต์แวร์เป็นเกราะป้องกันหลักของ Nvidia
เพื่อให้เข้าใจว่าทำไมภูมิทัศน์จึงเริ่มเปลี่ยนแปลง เรามาย้อนนึกถึงว่า Nvidia บรรลุตำแหน่งที่ไม่เหมือนใครได้อย่างไร ข้อได้เปรียบหลักของมันไม่ใช่แม้แต่ฮาร์ดแวร์เอง แต่เป็นระบบนิเวศซอฟต์แวร์ CUDA
โดยพื้นฐานแล้ว CUDA ได้กลายเป็นสิ่งที่เทียบเท่ากับระบบปฏิบัติการ Windows ของ Microsoft (MSFT) สำหรับโลกของหน่วยประมวลผลกราฟิก (GPU) เป็นเวลาหลายปี โปรแกรมเมอร์และนักวิทยาศาสตร์ข้อมูลเกือบทั้งหมดทั่วโลกที่ทำงานเกี่ยวกับ AI ได้ปรับแต่งอัลกอริทึมและไลบรารีของตนอย่างพิถีพิถันให้เข้ากับสถาปัตยกรรมของ Nvidia "ปราการ" ซอฟต์แวร์ที่ลึกซึ้งนี้ทำให้ผลิตภัณฑ์ของบริษัทแทบจะอยู่เหนือคู่แข่ง ลูกค้าซื้อชิป Nvidia ไม่ใช่แค่เพราะมันเร็วเป็นพิเศษ แต่เพราะโครงสร้างพื้นฐานซอฟต์แวร์ทั่วโลกทั้งหมดถูกเขียนขึ้นมาเพื่อมันโดยเฉพาะ
ด้วยการครอบงำอย่างกว้างขวางนี้ Nvidia ได้รับอำนาจทางการตลาดที่ไม่เคยมีมาก่อน บริษัทสามารถกำหนดราคาและรักษากำไรสุทธิในระดับที่ก่อนหน้านี้ผมเคยคิดว่าเป็นไปไม่ได้สำหรับภาคฮาร์ดแวร์ แต่กฎของเศรษฐกิจตลาดนั้นไม่สามารถหลีกเลี่ยงได้ อัตรากำไรที่สูงมากดึงดูดเงินทุนจำนวนมหาศาลเสมอ และบังคับให้คู่แข่งต้องหาทางแก้ไขอย่างโหดเหี้ยม วันนี้ วิธีแก้ไขเหล่านั้นได้ถูกค้นพบแล้ว
สามแนวรบในการโจมตีความเป็นผู้นำของ Nvidia
การเปลี่ยนแปลงในสภาพแวดล้อมการแข่งขันนี้เกิดขึ้นพร้อมกันในสามทิศทางที่แตกต่างกัน ซึ่งแต่ละทิศทางกำลังกัดกร่อนตำแหน่งของ Nvidia อย่างต่อเนื่อง
ความท้าทายระยะยาวหลักไม่ได้มาจากคู่แข่งแบบดั้งเดิม แต่มาจากลูกค้าที่ใหญ่ที่สุดของ Nvidia เอง บริษัทเทคโนโลยักษ์ใหญ่และผู้ให้บริการคลาวด์รายใหญ่ เช่น Alphabet (GOOGL), Amazon (AMZN), Microsoft และ Meta Platforms (META) ไม่เต็มใจที่จะยอมสละส่วนแบ่งกำไรส่วนใหญ่ให้กับซัพพลายเออร์ภายนอกอย่างไม่มีที่สิ้นสุด
อุตสาหกรรม AI กำลังเติบโตขึ้นเรื่อยๆ GPU อเนกประสงค์มีความจำเป็นอย่างยิ่งสำหรับการสร้างและฝึกโมเดลขนาดใหญ่รุ่นแรก อย่างไรก็ตาม ในช่วงการดำเนินงานเชิงพาณิชย์และการอนุมาน (inference) การให้ความสำคัญกำลังเปลี่ยนไปสู่การเพิ่มประสิทธิภาพต้นทุนและประสิทธิภาพการใช้พลังงาน สำหรับงานเฉพาะ ASIC ที่มีความเชี่ยวชาญนั้นมีต้นทุนการผลิตและบำรุงรักษาที่ถูกกว่าอย่างมาก การเปลี่ยนแปลงครั้งใหญ่นี้ไปสู่ซิลิคอนที่เป็นกรรมสิทธิ์โดยบริษัทไอทีรายใหญ่เป็นหนึ่งในความเสี่ยงหลักต่อปริมาณการขายของ Nvidia ในระยะยาว
แนวรบที่สองของการโจมตีคือทางเลือกทางการตลาดแบบดั้งเดิม Advanced Micro Devices (AMD) ได้ก้าวกระโดดครั้งสำคัญด้วยการพัฒนาแพลตฟอร์มซอฟต์แวร์แบบเปิดที่เรียกว่า ROCm แม้ว่าซอฟต์แวร์ของ AMD เคยถูกมองว่าเป็นอุปสรรคสำคัญในการนำตัวเร่งความเร็วไปใช้อย่างแพร่หลาย แต่สถานการณ์ได้เปลี่ยนแปลงไปอย่างสิ้นเชิงในวันนี้ สายผลิตภัณฑ์ชิป MI300X และการปรับปรุงต่อมาของ AMD ได้กลายเป็นทางเลือกที่น่าสนใจในเชิงพาณิชย์อย่างเต็มรูปแบบ ผู้เล่นรายใหญ่กำลังซื้อโซลูชันจาก AMD อย่างแข็งขัน ไม่เพียงเพราะประสิทธิภาพสูง แต่เพื่อการกระจายอุปทานเชิงกลยุทธ์เพื่อลดการพึ่งพาแรงกดดันด้านราคาของ Nvidia ได้อย่างมีประสิทธิภาพ การพัฒนาอย่างรวดเร็วของระบบนิเวศนี้สะท้อนให้เห็นอย่างชัดเจนในการเติบโตของมูลค่าหลักทรัพย์ตามราคาตลาดที่พุ่งสูงขึ้นของ AMD
สุดท้าย แนวทางที่ปฏิวัติวงการกำลังปรากฏขึ้นในตลาดเพื่อท้าทายแนวคิดของการประมวลผลเอง ตัวอย่างที่สำคัญคือโซลูชันทางเทคโนโลยีจาก Cerebras Systems (CBRS) ซึ่งเพิ่งเปิดตัวด้วยการเสนอขายหุ้นแก่ประชาชนทั่วไปเป็นครั้งแรก (IPO) แทนที่จะประกอบซูเปอร์คอมพิวเตอร์จากโปรเซสเซอร์ขนาดเล็กจำนวนนับพันตัว ซึ่งเกิดความล่าช้าในการถ่ายโอนข้อมูลอย่างหลีกเลี่ยงไม่ได้เมื่อส่งข้อมูลระหว่างกัน Wafer-Scale Engine 3 (WSE-3) ของ Cerebras คือชิปขนาดยักษ์ที่มีขนาดเท่ากับแผ่นเวเฟอร์ซิลิคอนทั้งหมด สำหรับงานฝึกโครงข่ายประสาทเทียมที่หนักหน่วงหลากหลายประเภท สถาปัตยกรรมนี้สามารถให้ข้อได้เปรียบหลายเท่าในด้านความเร็วและการใช้พลังงาน สร้างขั้วอำนาจใหม่ในอุตสาหกรรม
ช่วงเวลาแห่งการมองการณ์ไกลอย่างรอบคอบ
ปัจจัยทั้งหมดเหล่านี้ไม่ได้หมายความว่าธุรกิจของ Nvidia จะประสบปัญหาในวันพรุ่งนี้หรือแม้แต่ในไตรมาสหน้า แรงเฉื่อยของตลาดมีมหาศาล และสมุดคำสั่งซื้อของบริษัทเต็มไปหลายเดือนข้างหน้า
อย่างไรก็ตาม ตลาดหุ้นมักจะทำงานเป็นกลไกในการกำหนดราคาของกระแสเงินสดในอนาคต การประเมินมูลค่าปัจจุบันของ Nvidia ส่วนใหญ่ได้รวมการรักษาตำแหน่งที่ไม่เหมือนใครและแทบจะไม่มีคู่แข่งไปอีกหลายปีข้างหน้า ในความเป็นจริง สภาพแวดล้อมภายนอกสำหรับบริษัทในขณะนี้เอื้ออำนวยที่สุดเท่าที่จะเป็นไปได้ และในอนาคต อาจมีความซับซ้อนมากขึ้นเท่านั้น
การต่อสู้เพื่อแข่งขันที่กำลังจะมาถึงจะนำไปสู่ผลลัพธ์สองประการอย่างหลีกเลี่ยงไม่ได้: การลดลงอย่างค่อยเป็นค่อยไปของส่วนแบ่งการตลาดของ Nvidia และการลดลงอย่างรุนแรงของอัตรากำไรที่สูงผิดปกติภายใต้แรงกดดันอย่างหนักจากการแข่งขันด้านราคา การคาดหวังการเติบโตแบบทวีคูณอีกครั้งจากหุ้น NVDA จากจุดสูงสุดในปัจจุบันกำลังกลายเป็นเรื่องที่ไม่สมจริงมากขึ้นเรื่อยๆ ในสถานการณ์นี้ แน่นอนว่า ผมไม่ได้เรียกร้องให้มีการเทขายอย่างตื่นตระหนกในทันที เนื่องจาก Nvidia ยังคงเป็นยักษ์ใหญ่ด้านเทคโนโลยีที่แข็งแกร่งในพื้นฐาน แต่ในอีกไม่กี่ปีข้างหน้า Nvidia จะต้องเผชิญกับตลาดที่แตกต่างออกไปและมีการแข่งขันสูงกว่ามาก
ณ วันที่เผยแพร่ Mikhail Fedorov ไม่ได้ถือครอง (ทั้งโดยตรงหรือโดยอ้อม) ตำแหน่งในหลักทรัพย์ใดๆ ที่กล่าวถึงในบทความนี้ ข้อมูลและข้อมูลทั้งหมดในบทความนี้มีวัตถุประสงค์เพื่อให้ข้อมูลเท่านั้น บทความนี้เผยแพร่ครั้งแรกบน Barchart.com
โมเดล AI ชั้นนำ 4 ตัวอภิปรายบทความนี้
"กำแพงของ Nvidia จะแคบลงอย่างค่อยเป็นค่อยไปแทนที่จะพังทลาย ทำให้หุ้นอยู่ในช่วงจำกัดจนกว่าจะมีหลักฐานของการสูญเสียส่วนแบ่งที่สำคัญปรากฏในผลประกอบการปี 2025"
บทความนี้ชี้ให้เห็นถึงอุปสรรคที่ลดลงอย่างถูกต้องผ่าน ASIC ของ hyperscaler, ความก้าวหน้า ROCm ของ AMD และสถาปัตยกรรมใหม่ๆ เช่น Cerebras WSE-3 ซึ่งทั้งหมดมุ่งเป้าไปที่กำไรและส่วนแบ่งของ Nvidia ในการอนุมานและการฝึกอบรมเฉพาะทาง อย่างไรก็ตาม บทความนี้ประเมินค่าต่ำเกินไปเกี่ยวกับฐานที่ติดตั้งของ CUDA และต้นทุนการเปลี่ยน ซึ่งยังคงสูงแม้ว่าทางเลือกจะดีขึ้นก็ตาม ส่วนแบ่ง GPU ในศูนย์ข้อมูลปัจจุบันของ Nvidia ที่มากกว่า 80% และยอดสั่งซื้อล่วงหน้าหลายไตรมาสบ่งชี้ว่าการสูญเสียส่วนแบ่งจะเป็นไปอย่างค่อยเป็นค่อยไปมากกว่าที่จะเกิดขึ้นอย่างกะทันหันในช่วง 18-24 เดือนข้างหน้า การประเมินมูลค่าได้รวมการปรับให้เป็นปกติบางส่วนแล้ว แต่การลงทุนด้านโครงสร้างพื้นฐาน AI อย่างต่อเนื่องจาก hyperscalers เดียวกันอาจชดเชยแรงกดดันด้านปริมาณได้นานกว่าที่บทความนี้บ่งชี้
แผนงานซิลิคอนแบบกำหนดเองที่ GOOGL, AMZN และ MSFT กำลังเร่งความเร็วเร็วกว่าที่เปิดเผย และการเปลี่ยนแปลงการชนะการออกแบบที่สำคัญเพียงครั้งเดียวอาจกระตุ้นให้เกิดการกำหนดราคาใหม่ของการคาดการณ์การเติบโตของ Nvidia อย่างรวดเร็วก่อนปี 2026
"Nvidia เผชิญกับการกัดกร่อนทางการแข่งขันที่แท้จริงแต่ค่อยเป็นค่อยไปในช่วง 3-5 ปีข้างหน้า ไม่ใช่การล่มสลายของกำไรในทันที และการประเมินมูลค่าปัจจุบันได้รวมการชะลอตัวบางส่วนแล้ว—ความเสี่ยงที่แท้จริงคือหากการยอมรับของ hyperscaler เร่งตัวขึ้นเร็วกว่าที่ฉันทัศนคติคาดการณ์ไว้"
บทความนี้ระบุถึงแรงกดดันทางการแข่งขันที่แท้จริงได้อย่างถูกต้อง—ซิลิคอนแบบกำหนดเองของ hyperscaler, การเติบโตของ ROCm ของ AMD, สถาปัตยกรรมทางเลือก—แต่สับสนระหว่าง 'การแข่งขันมีอยู่' กับ 'กำแพงของ Nvidia ลดลงอย่างมีนัยสำคัญ' ความเหนียวของ CUDA ไม่ใช่แค่แรงเฉื่อยของซอฟต์แวร์เท่านั้น แต่เป็นการทวีคูณ: โมเดลใหม่ทุกโมเดลที่ฝึกบน CUDA ทำให้ระบบนิเวศมีค่ามากขึ้น ไม่ใช่ลดลง Hyperscalers ที่สร้างชิปแบบกำหนดเอง (TPU, Trainium) สำหรับ *การอนุมาน* ไม่ได้แย่งชิง TAM *การฝึกอบรม* ของ Nvidia ซึ่งเป็นที่ที่กำไรอยู่ MI300X ของ AMD เป็นของจริง แต่ยังคงเป็นเพียงการเล่นในตลาดเฉพาะกลุ่ม—การเพิ่มส่วนแบ่งการตลาด 5-10% ในช่วงสามปี ≠ การบีบอัดกำไร Cerebras น่าสนใจในเชิงสถาปัตยกรรม แต่ยังไม่ได้รับการพิสูจน์ในระดับและต้นทุน บทความนี้สันนิษฐานว่า 'กำไรสูงดึงดูดการแข่งขัน' ทำลายผลตอบแทนโดยอัตโนมัติ มันเพิกเฉยต่อความจริงที่ว่า Nvidia สามารถรักษากำไรขั้นต้น 50%+ ได้แม้จะมีส่วนแบ่งการตลาด 60%
หาก hyperscalers คว้าส่วนแบ่ง 30% ของปริมาณงานการฝึกอบรมด้วยซิลิคอนแบบกำหนดเองภายในปี 2027 และ AMD คว้าอีก 20% ราคาขายเฉลี่ย (ASP) ของ Nvidia อาจลดลง 25-35% แม้ว่าปริมาณหน่วยจะคงที่—นั่นคือแรงกดดันต่อรายได้ที่แท้จริงที่บทความนี้ชี้ให้เห็นซึ่งฉันประเมินค่าต่ำเกินไป
"กำแพงของ Nvidia ได้เปลี่ยนจากการครอบงำฮาร์ดแวร์ไปสู่ระบบนิเวศที่กำหนดโดยซอฟต์แวร์ที่ hyperscalers ไม่สามารถจำลองแบบได้หากไม่เสียสละความคล่องตัวที่จำเป็นสำหรับการพัฒนา AI ล้ำสมัย"
บทความนี้ระบุถึงความเสี่ยงของ 'hyperscaler-as-competitor' ได้อย่างถูกต้อง แต่พลาดวิวัฒนาการของฮาร์ดแวร์ที่กำหนดโดยซอฟต์แวร์ Nvidia ไม่ได้ขายแค่ชิป แต่ขายชุดประมวลผลแบบเร่งความเร็ว (NIMs, CUDA, Omniverse) แม้ว่า ASIC จาก GOOGL หรือ AMZN จะให้ TCO ที่ดีกว่าสำหรับปริมาณงานที่เฉพาะเจาะจงและเสถียร แต่ก็ขาดความยืดหยุ่นที่จำเป็นสำหรับการทำซ้ำอย่างรวดเร็วของโมเดลพื้นฐาน กำแพงที่แท้จริงของ Nvidia ในขณะนี้คือข้อได้เปรียบด้าน 'เวลาออกสู่ตลาด' สำหรับนักพัฒนา คาดว่ากำไรจะลดลงเมื่อตลาดเติบโตเต็มที่ แต่ทฤษฎี 'จุดสูงสุด' มองข้ามการขยาย TAM มหาศาลใน AI ของอธิปไตยและคอมพิวเตอร์ขอบ (edge computing) P/E ล่วงหน้าของ NVDA ที่ประมาณ 35x นั้นสมเหตุสมผลจริงๆ หากพวกเขารักษา CAGR 25-30% ในอีกสามปีข้างหน้า
หากอุตสาหกรรมเปลี่ยนจากการฝึกอบรมทั่วไปไปสู่การอนุมานที่เป็นมาตรฐาน อำนาจการกำหนดราคาพรีเมียมของ Nvidia จะหมดไปเนื่องจากฮาร์ดแวร์กลายเป็นสินค้าโภคภัณฑ์ ซึ่งนำไปสู่การลดลงของกำไรอย่างรุนแรง
"กำแพงซอฟต์แวร์และระบบนิเวศของ NVIDIA จะรักษาอำนาจการกำหนดราคาและความต้องการที่ยาวนาน แม้ว่าตัวเร่งความเร็วคู่แข่งจะได้รับแรงฉุดก็ตาม"
จากมุมมองด้านความเสี่ยง บทความนี้ยกประเด็นที่ถูกต้องเกี่ยวกับ hyperscalers, ROCm และ Cerebras อย่างไรก็ตาม ความได้เปรียบของ Nvidia ขยายไปไกลกว่าฮาร์ดแวร์: ระบบนิเวศซอฟต์แวร์ CUDA, ไลบรารี และเครื่องมือสำหรับนักพัฒนาสร้างต้นทุนการเปลี่ยนที่ฮาร์ดแวร์เพียงอย่างเดียวไม่สามารถเอาชนะได้ แม้ว่า hyperscalers จะสร้างตัวเร่งความเร็วภายในองค์กรและ AMD จะพัฒนา ROCm ให้ดีขึ้น ฐานซอฟต์แวร์ที่ติดตั้งและการปรับให้เหมาะสมก็ให้กำแพงที่ทนทานแก่ Nvidia ความต้องการการประมวลผล AI ยังคงเป็นโครงสร้างทั่วทั้งการฝึกอบรมและการอนุมาน ซึ่งนำเสนอวงจรการลงทุนด้านโครงสร้างพื้นฐานศูนย์ข้อมูลหลายปี ความเสี่ยงที่สำคัญที่ต้องจับตาคือระยะเวลาและราคาของวงจรการลงทุนดังกล่าว รวมถึงข้อควรพิจารณาด้านกฎระเบียบ และการบีบอัดกำไรที่อาจเกิดขึ้นหากการแข่งขันทวีความรุนแรงขึ้น
ข้อโต้แย้งที่แข็งแกร่งที่สุดคือ หาก hyperscalers ผลักดันซิลิคอนภายในองค์กรและ ROCm มีความเท่าเทียมกันที่ดีขึ้น ความผูกพันกับ CUDA อาจลดลงและกำไรของ Nvidia อาจถูกบีบอัดเร็วกว่าที่ตลาดคาดการณ์ไว้
"Hyperscalers กำลังปรับแต่งซิลิคอนแบบกำหนดเองสำหรับการฝึกอบรมอยู่แล้ว ไม่ใช่แค่การอนุมาน ซึ่งอาจเร่งแรงกดดันด้านกำไรของ Nvidia"
การแบ่งแยกที่ชัดเจนของ Claude ระหว่างการอนุมาน (ซิลิคอนแบบกำหนดเอง) และการฝึกอบรม (กำไรของ Nvidia) เพิกเฉยต่อความจริงที่ว่าแผนงาน TPU v5 และ Trainium2 กำหนดเป้าหมายประสิทธิภาพการฝึกอบรมขนาดใหญ่ หาก hyperscalers เปลี่ยนปริมาณงานการฝึกอบรมเพียง 15% ภายในปี 2026 การบีบอัด ASP ที่ Grok ระบุไว้จะมาถึงเร็วกว่ากรอบเวลา 18-24 เดือน สิ่งนี้ยังบ่อนทำลายกำแพงด้านเวลาออกสู่ตลาดของ Gemini เมื่อปริมาณงานที่เป็นมาตรฐานลดความจำเป็นในการยืดหยุ่นของ CUDA
"การบีบอัด ASP ขึ้นอยู่กับว่า hyperscalers คว้าปริมาณงาน *ใด* ไม่ใช่แค่ปริมาณงาน—การฝึกอบรมสินค้าโภคภัณฑ์จะกัดกร่อนกำไรเร็วกว่าการฝึกอบรมเฉพาะทาง"
การเปลี่ยนแปลงปริมาณงานการฝึกอบรม 15% ของ Grok ภายในปี 2026 นั้นเป็นไปได้ แต่การคำนวณการบีบอัด ASP จำเป็นต้องได้รับการทดสอบอย่างเข้มข้น หาก hyperscalers คว้าส่วนแบ่ง 15% ที่ ASP ต่ำกว่า 40% ASP เฉลี่ยของ Nvidia จะลดลงประมาณ 6% ไม่ใช่ 25-35% ที่ Claude ระบุ ความเสี่ยงที่แท้จริงคือ *ส่วนแบ่งใด*—การฝึกอบรมสินค้าโภคภัณฑ์ หรือการปรับแต่งที่มีกำไรสูง? การเปลี่ยนแปลงสินค้าโภคภัณฑ์เกิดขึ้นเร็วกว่า ไม่มีใครได้สร้างแบบจำลองส่วนผสมของปริมาณงาน เพียงแค่การสูญเสียส่วนแบ่งโดยรวม
"การเปลี่ยนไปสู่โมเดลรายได้จากการออกใบอนุญาตซอฟต์แวร์แบบ recurring ของ Nvidia ผ่าน NIMs จะชดเชยการบีบอัดกำไรฮาร์ดแวร์จากการแข่งขันของ hyperscaler"
Claude และ Grok กำลังถกเถียงเรื่องการย้ายปริมาณงาน แต่ทั้งคู่เพิกเฉยต่อ 'Nvidia Tax'—การล็อคอินที่กำหนดโดยซอฟต์แวร์อย่างมหาศาลผ่าน NIMs (Nvidia Inference Microservices) แม้ว่าฮาร์ดแวร์จะกลายเป็นสินค้าโภคภัณฑ์ แต่ Nvidia กำลังเปลี่ยนรายได้จากการขายชิปครั้งเดียวไปสู่การออกใบอนุญาตซอฟต์แวร์แบบ recurring การเปลี่ยนแปลงนี้จะรักษากำไรไว้ได้ แม้ว่า ASP จะเผชิญกับแรงกดดันจากซิลิคอนแบบกำหนดเอง ความเสี่ยงที่แท้จริงไม่ใช่แค่การแข่งขันด้านฮาร์ดแวร์ แต่คือว่า Nvidia สามารถเปลี่ยนไปสู่โมเดลแบบ SaaS ได้สำเร็จก่อนที่อำนาจการกำหนดราคาฮาร์ดแวร์จะหมดไปอย่างสมบูรณ์หรือไม่
"การเปลี่ยนแปลงที่ปานกลางซึ่งขับเคลื่อนโดย hyperscaler ไปสู่ฮาร์ดแวร์การฝึกอบรมที่ถูกกว่าอาจกัดกร่อนกำไรขั้นต้นเฉลี่ยของ Nvidia ได้มากกว่าที่การลาก ASP 6% บ่งชี้อย่างมาก เนื่องจากผลกระทบจากส่วนผสม, การดำเนินงานรายได้ซอฟต์แวร์ และการกัดกร่อน ASP ที่อาจเร็วขึ้นหากการแข่งขันทวีความรุนแรงขึ้น"
Claude ประเมินความเสี่ยงด้านกำไรต่ำเกินไป แม้แต่การคว้าส่วนแบ่ง 15% ของปริมาณงานการฝึกอบรมที่ ASP ต่ำกว่าประมาณ 40% ก็อาจทำให้กำไรขั้นต้นเฉลี่ยของ Nvidia ลดลงมากกว่าตัวเลข 6% อย่างมาก เมื่อคุณพิจารณาถึงการเปลี่ยนแปลงส่วนผสมรายได้ไปสู่ซอฟต์แวร์/ใบอนุญาต, การกัดกร่อน ASP ที่อาจเร็วขึ้นหากคู่แข่งเร่งตัวขึ้น และความเสี่ยงที่ปริมาณงานของ hyperscaler อาจมีความยืดหยุ่นด้านราคามากกว่าที่สันนิษฐานไว้ แรงกดดันด้านกำไรในระยะสั้นอาจเป็นตัวขับเคลื่อนที่แท้จริง ไม่ใช่แค่การเติบโตของปริมาณ
แม้ว่าระบบนิเวศ CUDA และฮาร์ดแวร์ที่กำหนดโดยซอฟต์แวร์ของ Nvidia จะให้กำแพงที่ทนทาน แต่คณะกรรมการก็เห็นพ้องกันว่าการแข่งขันจาก hyperscalers และ AMD จะค่อยๆ กัดกร่อนส่วนแบ่งการตลาดและกำไรของ Nvidia ในช่วง 18-24 เดือนข้างหน้า ความเสี่ยงที่สำคัญคือการเปลี่ยนแปลงปริมาณงานการฝึกอบรมไปยังซิลิคอนแบบกำหนดเอง ซึ่งอาจเร่งการบีบอัด ASP และแรงกดดันด้านกำไร
การเปลี่ยนไปสู่โมเดลแบบ SaaS ของ Nvidia ก่อนที่อำนาจการกำหนดราคาฮาร์ดแวร์จะหมดไปอย่างสมบูรณ์
การเปลี่ยนแปลงปริมาณงานการฝึกอบรมไปยังซิลิคอนแบบกำหนดเองเร่งการบีบอัด ASP และแรงกดดันด้านกำไร