คิดว่า AMD, Broadcom หรือ Alphabet คือคู่แข่งที่ใหญ่ที่สุดของ Nvidia ในพื้นที่ศูนย์ข้อมูล AI หรือไม่? คิดใหม่...

Nasdaq 17 เม.ย. 2026 16:40 ▬ Mixed ต้นฉบับ ↗

AI chip demand: data center competition AMD NVDA S U

แผง AI

สิ่งที่ตัวแทน AI คิดเกี่ยวกับข่าวนี้

แม้ว่า CUDA software moat ของ Nvidia จะให้ความเหนียวแน่นอย่างมาก แต่คณะกรรมการก็เห็นพ้องกันว่าการบีบอัดอัตรากำไรเป็นสิ่งที่หลีกเลี่ยงไม่ได้เนื่องจากชิปภายในของ hyperscalers และความพยายามโอเพนซอร์สในการแยกซอฟต์แวร์ออกจาก CUDA ความเสี่ยงที่สำคัญคือศักยภาพในการทำให้ฮาร์ดแวร์ของ Nvidia กลายเป็นสินค้าโภคภัณฑ์ ซึ่งอาจเร่งการบีบอัดอัตรากำไร

ความเสี่ยง: การทำให้ฮาร์ดแวร์ของ Nvidia กลายเป็นสินค้าโภคภัณฑ์เนื่องจากความพยายามโอเพนซอร์สและชิปภายในของ hyperscalers

โอกาส: การพัฒนาของ Nvidia ไปสู่ผู้ให้บริการ data-center-as-a-service เปลี่ยนจากการขายฮาร์ดแวร์ล้วนๆ ไปสู่รายได้ซอฟต์แวร์และการสนับสนุนที่เกิดขึ้นประจำ

อ่านการอภิปราย AI

บทความเต็ม Nasdaq

ประเด็นสำคัญ

ตลาดรวมที่สามารถเข้าถึงได้สำหรับ AI อาจสูงถึง 15 ล้านล้านดอลลาร์ภายในปี 2030 โดยมี Nvidia เจ้าแห่งหน่วยประมวลผลกราฟิก (GPU) เป็นผู้นำ

แม้ว่า Advanced Micro Devices, Broadcom และ Alphabet จะเป็นคู่แข่งที่น่าเกรงขามของ Nvidia แต่ก็ไม่ใช่ภัยคุกคามที่ใหญ่ที่สุดต่อพื้นที่ศูนย์ข้อมูล AI ของตน

การแข่งขันภายในเป็นตัวเร่งที่สามารถสั่นคลอนอำนาจการกำหนดราคาชั้นนำและอัตรากำไรขั้นต้นที่ระดับกลาง 70% ของ Nvidia

10 หุ้นที่เราชอบมากกว่า Nvidia ›

ไม่มีแนวโน้มใดที่ดึงดูดความสนใจและเงินทุนของนักลงทุนได้เท่ากับการพัฒนาปัญญาประดิษฐ์ (AI) การเสริมพลังซอฟต์แวร์และระบบด้วยเครื่องมือในการตัดสินใจแบบอัตโนมัติในเสี้ยววินาทีเป็นการก้าวกระโดดทางเทคโนโลยีที่สามารถเพิ่มเศรษฐกิจสหรัฐฯ ได้กว่า 15 ล้านล้านดอลลาร์ภายในปี 2030 ตามที่นักวิเคราะห์ PwC กล่าว

ผู้นำในการแข่งขันนี้คือ Nvidia (NASDAQ: NVDA) ราชาแห่งหน่วยประมวลผลกราฟิก (GPU) แม้ว่าบริษัทมหาชนที่ใหญ่ที่สุดใน Wall Street จะมีข้อได้เปรียบในการแข่งขันหลายประการ แต่ก็ไม่ใช่ว่าจะไม่มีการแข่งขัน อย่างไรก็ตาม คู่แข่งที่มีเหตุผลมากที่สุดสำหรับความเป็นใหญ่ในศูนย์ข้อมูลของ Nvidia ได้แก่ Advanced Micro Devices (NASDAQ: AMD), Broadcom (NASDAQ: AVGO) และ Alphabet (NASDAQ: GOOGL)(NASDAQ: GOOG) ซึ่งไม่ใช่ความเสี่ยงที่ใหญ่ที่สุดของบริษัท

AI จะสร้างมหาเศรษฐีพันล้านคนแรกของโลกหรือไม่? ทีมของเราเพิ่งเผยแพร่รายงานเกี่ยวกับบริษัทเล็กๆ ที่ไม่เป็นที่รู้จักเพียงแห่งเดียว ซึ่งถูกเรียกว่า "Monopoly ที่ขาดไม่ได้" ซึ่งจัดหาเทคโนโลยีที่สำคัญที่ทั้ง Nvidia และ Intel ต้องการ อ่านต่อ »

คู่แข่งที่ใหญ่ที่สุดสามรายของ Nvidia ไม่ใช่ภัยคุกคามที่ยิ่งใหญ่ที่สุดต่อพื้นที่ศูนย์ข้อมูล AI ของตน

ตามการประมาณการของนักวิเคราะห์บางราย Nvidia คิดเป็นสัดส่วน 90% หรือมากกว่าของ GPU ที่ใช้งานในศูนย์ข้อมูลที่เร่งความเร็วด้วย AI ธุรกิจต่างๆ เลือกฮาร์ดแวร์ของ Nvidia เนื่องจากมีความสามารถในการประมวลผลที่เหนือกว่า แต่ก็มีทางเลือกอื่นอยู่

Advanced Micro Devices (ที่รู้จักกันทั่วไปในชื่อ "AMD") ได้รับอุปสงค์ที่แข็งแกร่งสำหรับ GPU ซีรีส์ Instinct ด้วย Taiwan Semiconductor Manufacturing ผู้ผลิตชิปชั้นนำของโลกที่กำลังขยายกำลังการผลิตชิปต่อแผ่นต่อซับสเตรตต่อเดือนอย่างรวดเร็ว AMD จึงสามารถใช้ประโยชน์จากการกำหนดราคาที่น่าสนใจกว่าและระยะเวลารอคอยที่สั้นกว่าเพื่อดึงดูดคำสั่งซื้อที่ใหญ่ขึ้น

ในขณะที่ AMD เป็นคู่แข่งโดยตรงกับ GPU ของ Nvidia แต่ Broadcom เชี่ยวชาญด้านวงจรรวมเฉพาะแอปพลิเคชัน (ASIC) พูดง่ายๆ ก็คือ Broadcom เป็นผู้เล่นหลักในชิป AI แบบกำหนดเองสำหรับ hyperscalers ที่เลือก โดยทำหน้าที่เป็นทางเลือกแทนฮาร์ดแวร์ AI ทั่วไปของ Nvidia

นอกจากนี้ยังมี Alphabet ซึ่งมี Google Tensor Processing Units (TPU) ที่ออกแบบมาเพื่อแข่งขันกับ GPU AI เรือธงของ Nvidia บริษัท AI หลายแห่งเลือกใช้ TPU ของ Alphabet รวมถึง Apple และ Anthropic ผู้โดดเด่นด้านโมเดลภาษาขนาดใหญ่

แม้ว่าทั้งสามบริษัทนี้จะเป็นคู่แข่งที่น่าเกรงขามของ Nvidia แต่ก็อาจไม่ใช่ภัยคุกคามที่ใหญ่ที่สุดในการแย่งชิงพื้นที่ศูนย์ข้อมูล

การแข่งขันที่ยากที่สุดของ Nvidia มาจากภายใน

ภัยคุกคามอันดับ 1 ต่ออำนาจการกำหนดราคาที่เหนือกว่าและอัตรากำไรขั้นต้นที่ระดับกลาง 70% ของ Nvidia มาจากฐานลูกค้าของตนเอง

ลูกค้าที่ใหญ่ที่สุดของ Nvidia ตามยอดขายสุทธิหลายรายกำลังพัฒนา GPU หรือโซลูชัน AI สำหรับศูนย์ข้อมูลของตนเอง ซึ่งรวมถึง Meta Platforms, Microsoft และ Amazon เป็นต้น แม้ว่า GPU AI ที่พัฒนาโดยลูกค้าที่ใหญ่ที่สุดของ Nvidia จะไม่ได้ขายภายนอกและไม่สามารถเทียบได้กับความสามารถในการประมวลผลของ Hopper, Blackwell หรือ Blackwell Ultra แต่ก็ยังคงเป็นภัยคุกคามที่ร้ายแรง หากไม่ถูกมองข้าม

ชิปที่พัฒนาขึ้นภายในมีต้นทุนต่ำกว่าฮาร์ดแวร์ AI ของ Nvidia อย่างมาก และในหลายกรณีก็ไม่มีรายการสั่งซื้อค้างเนื่องจากอุปสงค์ที่ล้นหลาม

ที่สำคัญกว่านั้น การมีอยู่ของ GPU ที่พัฒนาขึ้นภายในเหล่านี้สามารถ (ขออภัยในคำพูด) กัดกินความขาดแคลน GPU AI ที่ Nvidia พึ่งพา ควบคู่ไปกับความสามารถในการประมวลผลที่เหนือกว่าของฮาร์ดแวร์ เพื่อกำหนดราคาสูงสำหรับ GPU ของตน เมื่อความขาดแคลน GPU ค่อยๆ จางหายไปเนื่องจากการพัฒนาชิป AI ภายในโดย hyperscalers Nvidia น่าจะเห็นอำนาจการกำหนดราคาและอัตรากำไรขั้นต้นถูกกดดัน

แม้ว่าภาพลักษณ์ของการปฏิวัติ AI จะไม่ตกอยู่ในอันตรายที่จะสละตำแหน่งสูงสุดบนแท่นโครงสร้างพื้นฐาน แต่ก็มีความเสี่ยงที่จะสูญเสียพื้นที่ศูนย์ข้อมูลอันมีค่าในไตรมาสที่จะถึงนี้

คุณควรซื้อหุ้น Nvidia ตอนนี้หรือไม่?

ก่อนที่คุณจะซื้อหุ้น Nvidia ลองพิจารณาสิ่งนี้:

ทีมวิเคราะห์ Motley Fool Stock Advisor ได้ระบุสิ่งที่พวกเขาเชื่อว่าเป็น 10 หุ้นที่ดีที่สุด สำหรับนักลงทุนที่จะซื้อตอนนี้... และ Nvidia ไม่ได้อยู่ในรายชื่อนั้น 10 หุ้นที่ผ่านการคัดเลือกสามารถสร้างผลตอบแทนมหาศาลได้ในอีกไม่กี่ปีข้างหน้า

พิจารณาเมื่อ Netflix อยู่ในรายชื่อนี้เมื่อวันที่ 17 ธันวาคม 2547... หากคุณลงทุน 1,000 ดอลลาร์ ณ เวลาที่แนะนำของเรา คุณจะได้ 580,872 ดอลลาร์! หรือเมื่อ Nvidia อยู่ในรายชื่อนี้เมื่อวันที่ 15 เมษายน 2548... หากคุณลงทุน 1,000 ดอลลาร์ ณ เวลาที่แนะนำของเรา คุณจะได้ 1,219,180 ดอลลาร์!

ตอนนี้ ควรสังเกตว่าผลตอบแทนเฉลี่ยรวมของ Stock Advisor คือ 1,016% — ซึ่งเหนือกว่าตลาดอย่างมากเมื่อเทียบกับ 197% ของ S&P 500 อย่าพลาดรายชื่อ 10 อันดับล่าสุด ซึ่งมีให้ใช้งานกับ Stock Advisor และเข้าร่วมชุมชนการลงทุนที่สร้างขึ้นโดยนักลงทุนรายบุคคลสำหรับนักลงทุนรายบุคคล

**ผลตอบแทน Stock Advisor ณ วันที่ 17 เมษายน 2569. *

Sean Williams มีตำแหน่งใน Alphabet, Amazon และ Meta Platforms The Motley Fool มีตำแหน่งและแนะนำ Advanced Micro Devices, Alphabet, Amazon, Apple, Broadcom, Meta Platforms, Microsoft, Nvidia และ Taiwan Semiconductor Manufacturing และขายหุ้น Apple The Motley Fool มีนโยบายการเปิดเผยข้อมูล

มุมมองและความคิดเห็นที่แสดงในที่นี้เป็นมุมมองและความคิดเห็นของผู้เขียน และไม่จำเป็นต้องสะท้อนถึงมุมมองและความคิดเห็นของ Nasdaq, Inc.

วงสนทนา AI

โมเดล AI ชั้นนำ 4 ตัวอภิปรายบทความนี้

ความเห็นเปิด

Gemini by Google

▲ Bullish

"มูลค่าระยะยาวของ Nvidia จะเปลี่ยนจากการขาดแคลนที่ขับเคลื่อนด้วยฮาร์ดแวร์ไปสู่ความเหนียวแน่นของระบบนิเวศซอฟต์แวร์ ซึ่งช่วยลดความเสี่ยงด้านอัตรากำไรที่เกิดจากซิลิคอนภายในของ hyperscalers"

บทความระบุถูกต้องเกี่ยวกับซิลิคอน 'ภายใน' จาก hyperscalers เช่น Amazon (Trainium/Inferentia) และ Meta (MTIA) ว่าเป็นปัจจัยกดดันอัตรากำไรในระยะยาวสำหรับ Nvidia อย่างไรก็ตาม บทความละเลย 'software moat'—CUDA Nvidia ไม่เพียงแค่ขายฮาร์ดแวร์เท่านั้น แต่กำลังขายระบบนิเวศที่เป็นกรรมสิทธิ์ซึ่งทำให้ต้นทุนการเปลี่ยนไปใช้สูงเกินกว่าที่นักพัฒนาจะรับได้ แม้ว่าการบีบอัดอัตรากำไรจะเป็นสิ่งที่หลีกเลี่ยงไม่ได้เมื่ออุปสงค์และอุปทานกลับสู่ภาวะสมดุล แต่บทความประเมินความเหนียวแน่นของสแต็กซอฟต์แวร์ของ Nvidia ต่ำเกินไป ฉันคาดว่า Nvidia จะรักษาพรีเมียมผ่านวงจร Blackwell และ Rubin โดยการพัฒนาไปสู่ผู้ให้บริการ data-center-as-a-service เปลี่ยนจากการขายฮาร์ดแวร์ล้วนๆ ไปสู่รายได้ซอฟต์แวร์และการสนับสนุนที่เกิดขึ้นประจำ ซึ่งจะชดเชยการลดลงของอัตรากำไรขั้นต้นของฮาร์ดแวร์ที่หลีกเลี่ยงไม่ได้

ฝ่ายค้าน

ข้อโต้แย้งเรื่อง 'software moat' มักถูกกล่าวเกินจริง หาก hyperscalers บรรลุประสิทธิภาพ 'ดีพอ' ด้วยชิปของตนเอง การประหยัดต้นทุนจะบังคับให้เกิดการย้ายถิ่นฐานในที่สุด โดยไม่คำนึงถึงความชอบของนักพัฒนา

NVDA

Grok by xAI

▲ Bullish

"ชิปแบบกำหนดเองของ Hyperscalers ช่วยเสริมแทนที่จะทดแทน GPU ของ Nvidia เนื่องจากระบบนิเวศ CUDA ที่ล็อคไว้จะรักษาความโดดเด่นในการฝึกอบรม AI ระดับสูงท่ามกลางความต้องการที่พุ่งสูงขึ้น"

บทความมุ่งเน้นไปที่ชิปภายในของ hyperscalers (MTIA ของ Meta, Maia ของ Microsoft, Trainium/Inferentia ของ Amazon) ที่กัดเซาะอำนาจการกำหนดราคาและอัตรากำไรขั้นต้น 70%+ ของ Nvidia ด้วยการลดความขาดแคลน GPU แต่สิ่งนี้พลาด software moat ของ Nvidia—CUDA hyperscalers ยังคงพึ่งพา GPU ของ NVDA อย่างมากสำหรับการฝึกอบรมที่ล้ำสมัย (เช่น การซื้อรายไตรมาสมากกว่า 5 พันล้านดอลลาร์ของ Meta) โดยใช้ซิลิคอนแบบกำหนดเองสำหรับการอนุมานที่ปรับต้นทุนให้เหมาะสมเท่านั้น ด้วยการเพิ่มขึ้นของ Blackwell (การผลิต GB200 เริ่มใน Q2 2025) ความต้องการ capex AI ทั้งหมด (มากกว่า 1 ล้านล้านดอลลาร์สหรัฐฯ ใน 3 ปีต่อ hyperscalers) จะแซงหน้าการทดแทน รายได้ศูนย์ข้อมูลของ NVDA เติบโต 409% YoY ในไตรมาสที่แล้ว อัตรากำไรอาจลดลงเหลือ 65-68% แต่ปริมาณที่เพิ่มขึ้นจะชดเชยได้

ฝ่ายค้าน

หาก hyperscalers เร่งการนำชิปภายในมาใช้เกินกว่าการอนุมาน เช่น การครอบครอง 20-30% ของปริมาณงานการฝึกอบรม และผลผลิต Blackwell ออกมาน่าผิดหวัง ราคาของ NVDA อาจพังทลายเร็วขึ้น บีบอัตรากำไรให้ต่ำกว่า 60% ท่ามกลางการประเมินมูลค่าที่ 35 เท่าของยอดขายล่วงหน้า

NVDA

Claude by Anthropic

▬ Neutral

"ชิปภายในของ Hyperscaler เป็นเครื่องมือต่อรองและแรงกดดันด้านอัตรากำไรในระยะยาว ไม่ใช่ภัยคุกคามต่อการดำรงอยู่ของการครอบงำของ Nvidia ในระยะสั้น เนื่องจากช่องว่างด้านประสิทธิภาพและต้นทุนการเปลี่ยนซอฟต์แวร์ยังคงสูงเกินกว่าจะรับได้"

ข้อเสนอหลักของบทความ—ที่ว่าชิปที่สร้างโดย hyperscalers คุกคามอัตรากำไรของ Nvidia—เป็นการผสมปนเปกันของสองปัญหาที่แตกต่างกัน ใช่ Meta, Microsoft และ Amazon กำลังสร้างชิป แต่บทความไม่ได้ให้หลักฐานใดๆ ว่าพวกเขาใช้งานในระดับใหญ่หรือบรรลุประสิทธิภาพที่แข่งขันได้ ส่วนแบ่ง 90%+ ของ Nvidia ยังคงอยู่ แม้จะมีการแข่งขันจาก AMD, Google TPU และ custom ASIC มาหลายปีแล้ว ความเสี่ยงที่แท้จริงไม่ใช่ชิปภายใน แต่เป็นการที่ hyperscalers ใช้ชิปเหล่านั้นเพื่อ *ต่อรอง* ราคา Nvidia ที่ดีขึ้น ไม่ใช่เพื่อทดแทน การบีบอัดอัตรากำไรจากการต่อรองเป็นสิ่งที่เกิดขึ้นจริง แต่ค่อยเป็นค่อยไป บทความยังละเลยว่า software moat ของ Nvidia (ระบบนิเวศ CUDA) ทำให้ต้นทุนการเปลี่ยนไปใช้สูงอย่างดาราศาสตร์—แม้ว่าชิปภายในจะเทียบเท่ากับประสิทธิภาพ การเขียนเวิร์กโหลดใหม่ก็มีค่าใช้จ่ายสูงเกินไป

ฝ่ายค้าน

หาก hyperscalers บรรลุประสิทธิภาพ 80% ของ Nvidia ในต้นทุน 40% ภายใน 18 เดือน และพวกเขาควบคุม 40% ของ capex AI ทั้งหมด อัตรากำไรขั้นต้นของ Nvidia อาจบีบตัวจาก 75% เป็น 55% เร็วกว่าที่ข้อเสนอนี้คาดการณ์ไว้—สถานการณ์ที่บทความไม่ได้วัดปริมาณหรือกำหนดเวลา

NVDA

ChatGPT by OpenAI

▲ Bullish

"ระบบนิเวศซอฟต์แวร์ของ NVIDIA และ moat ของนักพัฒนาที่ขับเคลื่อนด้วย CUDA มอบอำนาจการกำหนดราคาที่ยั่งยืนซึ่งคู่แข่งไม่สามารถแทนที่ได้ง่าย แม้ว่าจะมีการแข่งขันภายในบางส่วนเกิดขึ้น"

Moat ของ NVIDIA ไม่ได้เกี่ยวกับพลัง GPU ดิบเพียงอย่างเดียว ระบบนิเวศซอฟต์แวร์ CUDA, ไลบรารี (cuDNN, TensorRT) และเครือข่ายนักพัฒนาที่กว้างขวางสร้างต้นทุนการเปลี่ยนไปใช้ที่คู่แข่งที่เน้นฮาร์ดแวร์เพียงอย่างเดียวพยายามเอาชนะ แม้ว่า hyperscalers จะสร้าง GPU ภายในสำหรับบางกรณีการใช้งาน แต่ความสามารถในการปรับขนาด การปรับปรุงซอฟต์แวร์ให้เหมาะสม และเครื่องมือโมเดลที่ฝึกไว้ล่วงหน้าเกี่ยวกับสแต็กของ Nvidia ทำให้ความต้องการยังคงแข็งแกร่ง บทความประเมินพลวัตของวงจรซัพพลาย การก้าวของการนำ AI มาใช้ และความเสี่ยงที่วงจร capex อาจรักษาอำนาจการกำหนดราคาได้นานกว่าที่คู่แข่งคาดการณ์ไว้ ต่ำเกินไป นอกจากนี้ยังมองข้ามอุปสรรคด้านกฎระเบียบหรือภูมิรัฐศาสตร์ที่อาจเกิดขึ้นในการจัดหาชิป การประเมินมูลค่ายังคงอ่อนไหวต่อความทนทานของการเติบโตและความเข้มข้นของการใช้จ่าย AI

ฝ่ายค้าน

ข้อโต้แย้งที่แข็งแกร่งที่สุด: หาก hyperscalers ประสบความสำเร็จกับ GPU ภายในขนาดใหญ่ที่ประหยัดต้นทุนได้อย่างมีนัยสำคัญ อำนาจการกำหนดราคาของ Nvidia อาจเผชิญกับแรงกดดันที่ยืดเยื้อ โดยเฉพาะอย่างยิ่งหากการปรับใช้ AI ช้าลงหรือเปลี่ยนไปใช้สถาปัตยกรรมทางเลือก เมื่อเวลาผ่านไป ตัวเร่งปฏิกิริยาที่หลากหลายมากขึ้นอาจกัดเซาะการครอบงำของ Nvidia มากกว่าที่บทความคาดการณ์ไว้

NVDA

การอภิปราย

Gemini ▼ Bearish

ตอบกลับ Claude

ไม่เห็นด้วยกับ: Claude

"การเพิ่มขึ้นของเฟรมเวิร์กซอฟต์แวร์ที่ไม่ขึ้นกับฮาร์ดแวร์ เช่น Triton กำลังกัดเซาะ CUDA moat อย่างแข็งขัน ทำให้ความเสี่ยงในการบีบอัดอัตรากำไรของ Nvidia มีความเป็นไบนารีมากกว่าการลดลงอย่างค่อยเป็นค่อยไปที่เกิดจากการเจรจาต่อรอง"

Claude คุณระบุถึงอำนาจ 'เครื่องมือต่อรอง' ได้อย่างถูกต้อง แต่คุณพลาดความเสี่ยงเชิงระบบของภัยคุกคาม 'โอเพนซอร์ส' โครงการต่างๆ เช่น Triton และ PyTorch 2.0 กำลังแยกซอฟต์แวร์ออกจาก CUDA อย่างเป็นระบบ ทำให้ moat ของ Nvidia กลายเป็นสินค้าโภคภัณฑ์ หาก hyperscalers สามารถสร้างมาตรฐานบนชั้นนามธรรมเหล่านี้ได้ ต้นทุนการเปลี่ยนไปใช้ที่ 'ดาราศาสตร์' ที่คุณอ้างถึงก็จะหายไป Nvidia ไม่ได้ต่อสู้กับ ASIC เท่านั้น แต่กำลังต่อสู้กับการผลักดันทั่วทั้งอุตสาหกรรมเพื่อให้ฮาร์ดแวร์ของตนสามารถแลกเปลี่ยนกันได้ สิ่งนี้ทำให้ความเสี่ยงในการบีบอัดอัตรากำไรมีความเป็นไบนารีมากกว่าการลดลงอย่างค่อยเป็นค่อยไป

Grok ▼ Bearish

ตอบกลับ Gemini

"คอขวดของโครงข่ายไฟฟ้าคุกคามการเติบโตของปริมาณงานของ Nvidia ทันทีมากกว่าการแยกซอฟต์แวร์"

Gemini, Triton/PyTorch abstractions กัดเซาะ CUDA แต่ให้ประสิทธิภาพ/วัตต์ที่ลดลง 15-25% ตามเกณฑ์มาตรฐาน MLPerf ทำให้ Nvidia ยังคงจำเป็นสำหรับโมเดลที่ล้ำสมัย ความเสี่ยงที่ไม่ได้ระบุ: capex AI 1 ล้านล้านดอลลาร์ของ Hyperscalers สมมติว่าพลังงานศูนย์ข้อมูล 50GW+ ภายในปี 2026; ความล่าช้าของกริด (เช่น คิวการเชื่อมต่อ PJM ที่ 2+ ปี) อาจลดการปรับใช้ในปี 2025 ลง 25% ทำให้ปริมาณ NVDA ลดลงก่อนการทดแทน

Claude ▼ Bearish เปลี่ยนใจ

ตอบกลับ Grok

"ความล่าช้าของโครงข่ายไฟฟ้าไม่เพียงแค่เลื่อนผลตอบแทนของ Nvidia เท่านั้น แต่ยังทำให้การชะลอตัวของปริมาณงานสอดคล้องกับการบีบอัดอัตรากำไร ทำให้ระยะเวลาสำหรับการกำหนดราคาพรีเมียมลดลง"

ข้อจำกัดด้านพลังงานของ Grok มีนัยสำคัญ แต่ถูกประเมินต่ำไป การล่าช้าในการปรับใช้ capex 25% ไม่เพียงแต่เลื่อนรายได้ของ Nvidia เท่านั้น แต่ยังบีบอัดกรอบเวลาที่อัตรากำไร 70%+ ยังคงอยู่ก่อนที่การทดแทนโดย hyperscaler จะเร่งขึ้น หากคอขวดของกริดยืดเยื้อไปถึงปี 2026 Nvidia จะเผชิญกับการบีบอัด: การเติบโตของปริมาณงานที่ช้าลง *และ* การกัดเซาะอัตรากำไรที่เร็วขึ้น เนื่องจาก capex ที่ล่าช้าบังคับให้ hyperscalers ต้องปรับปรุงโครงสร้างพื้นฐานที่มีอยู่ด้วยชิปภายใน ความไม่สอดคล้องกันของเวลานี้คือความเสี่ยงหางที่แท้จริงที่ไม่มีใครวัดปริมาณได้

ChatGPT ▲ Bullish

ตอบกลับ Claude

ไม่เห็นด้วยกับ: Claude

"ความเสี่ยงหางด้านกฎระเบียบจากการควบคุมการส่งออกและข้อจำกัดของจีนอาจปรับเปลี่ยน capex AI ทั่วโลกอย่างมีนัยสำคัญ บีบอัดอัตรากำไรของ Nvidia แม้ว่าการเพิ่มขึ้นจะเกิดขึ้นก็ตาม"

การชี้ให้เห็นความเสี่ยงด้านเวลาของ Claude ฉันขอเพิ่มความเสี่ยงด้านกฎระเบียบ การควบคุมการส่งออกและข้อจำกัดของจีนสามารถจัดสรร capex AI ใหม่ตามภูมิภาค ทำให้การเพิ่มขึ้นของปริมาณงานของ Nvidia ช้าลง ในขณะที่ลดอำนาจการกำหนดราคา หากการเติบโตย้ายไปยังภูมิภาคที่ถูกคว่ำบาตร หรือหากข้อจำกัดในการถ่ายทอดเทคโนโลยีกระทบ ความยืดหยุ่นของอัตรากำไรจะอ่อนแอลง แม้จะมี CUDA เครื่องมือนี้ด้านกฎระเบียบอาจมีประสิทธิภาพเท่ากับความล่าช้าของกริดในการกำหนดเส้นทางอัตรากำไรปี 2025-26