ผลกระทบของการแข่งขันและ DeepSeek ต่อ Nvidia

 (youtubetranscriptoptimizer.com)
3 คะแนน โดย GN⁺ 2025-01-28 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • ผู้เขียนทำงานเป็นนักวิเคราะห์การลงทุนในเฮดจ์ฟันด์หลายแห่งมาเป็นเวลา 10 ปี และมีมุมมองเฉพาะตัวต่อพัฒนาการของเทคโนโลยี AI และการประเมินมูลค่าหุ้นในตลาดหุ้น
  • ในช่วงไม่กี่ปีที่ผ่านมา ผู้เขียนทำงานเป็นนักพัฒนาและกำลังดำเนินโครงการโอเพนซอร์สหลายโครงการที่เกี่ยวข้องกับโมเดลและบริการ AI

# Nvidia : The Bull Case

เบื้องหลังการปรับขึ้นของราคาหุ้น Nvidia

  • การเติบโตของ AI และเทคโนโลยีดีปเลิร์นนิง: ดีปเลิร์นนิงและ AI ถูกมองว่าเป็นเทคโนโลยีที่พลิกวงการมากที่สุดนับตั้งแต่อินเทอร์เน็ต และ Nvidia ได้ครองสถานะกึ่งผูกขาดในตลาด GPU จนผลักดันให้บริษัทใหญ่ ๆ ลงทุนและใช้จ่ายด้านโครงสร้างพื้นฐานอย่างมหาศาล
  • มาร์จิ้นสูง: ทำอัตรากำไรได้มากกว่า 90% ในผลิตภัณฑ์ระดับสูงสำหรับดาต้าเซ็นเตอร์
  • ตลาดที่ขยายตัวได้: พร้อมกับการเติบโตของเทคโนโลยี AI ความต้องการใหม่กำลังเกิดขึ้นในหลากหลายการใช้งาน เช่น ดาต้าเซ็นเตอร์ หุ่นยนต์ และการทดแทนแรงงานมนุษย์
  • "กฎการสเกล": ประสิทธิภาพของโมเดลดีขึ้นอย่างต่อเนื่องตามการเพิ่มขึ้นของข้อมูลและทรัพยากรคอมพิวต์ และ Nvidia กำลังใช้ประโยชน์จากแนวโน้มนี้อย่างเต็มที่

สถานะปัจจุบันและความได้เปรียบในการแข่งขันของ Nvidia

  • แพลตฟอร์ม CUDA: ระบบนิเวศซอฟต์แวร์ของ Nvidia ที่กลายเป็นมาตรฐานโดยพฤตินัยสำหรับการเขียนโปรแกรม GPU
  • การเข้าซื้อ Mellanox: มอบความได้เปรียบเหนือคู่แข่งในดาต้าเซ็นเตอร์ด้วยเทคโนโลยีการเชื่อมต่อระหว่าง GPU ประสิทธิภาพสูง
  • ซอฟต์แวร์เฉพาะทางและคุณภาพของไดรเวอร์: มีไดรเวอร์และเสถียรภาพของซอฟต์แวร์ที่ดีกว่า AMD
  • กลยุทธ์รักษาความเป็นผู้นำ: นำกำไรจำนวนมากกลับไปลงทุนในงานวิจัยและพัฒนา (R&D) เพื่อรักษาความได้เปรียบทางเทคนิคอย่างต่อเนื่อง

# ภัยคุกคามสำคัญต่อ Nvidia

การแข่งขันด้านฮาร์ดแวร์

  • Cerebras: เสนอแนวทางใหม่ด้วยชิป AI ขนาดเวเฟอร์ที่หลีกเลี่ยงปัญหาการประมวลผลแบบขนานและการเชื่อมต่อของ GPU ของ Nvidia
  • Groq: เพิ่มประสิทธิภาพ AI inference ให้สูงสุดด้วยเทคโนโลยีบนพื้นฐานของ "การประมวลผลแบบกำหนดแน่นอน"
  • การพัฒนาชิปภายในของลูกค้ารายใหญ่:
    • Amazon: นำชิปภายในอย่าง Trainium2 และ Inferentia2 มาใช้
    • Google: พัฒนาชิป TPU รุ่นที่ 6 ด้วยตนเอง
    • Microsoft และ OpenAI: ประกาศแผนพัฒนาชิป AI ของตนเอง
    • Apple: มีความเป็นไปได้ที่จะนำเทคโนโลยีที่สั่งสมจากชิปสำหรับผู้บริโภคมาประยุกต์ใช้กับชิป AI

การแข่งขันด้านซอฟต์แวร์

  • เฟรมเวิร์กระดับนามธรรมที่สูงขึ้น:
    • แพลตฟอร์มอย่าง MLX, Triton และ JAX กำลังลดความสำคัญของ CUDA และเพิ่มความเป็นไปได้ในการแทนที่
  • เทคโนโลยีแปลงโค้ด: กำลังมีการพัฒนาเทคโนโลยีที่ใช้ LLM เพื่อแปลงโค้ด CUDA ให้เหมาะกับฮาร์ดแวร์อื่น
  • การปรับปรุงไดรเวอร์ของ AMD: นักพัฒนาโอเพนซอร์สกำลังทำงานกับไดรเวอร์ใหม่เพื่อเพิ่มประสิทธิภาพของ GPU ของ AMD

นวัตกรรมด้านประสิทธิภาพของโมเดล AI

  • การมาของ DeepSeek:
    • DeepSeek ใช้การฝึกแบบผสมความแม่นยำ FP8 และเทคโนโลยี inference ประสิทธิภาพสูง เพื่อให้ได้ประสิทธิภาพของโมเดลคู่แข่งด้วยต้นทุนเพียง 1/45 เมื่อเทียบกับ Nvidia
    • ใช้สถาปัตยกรรม Mixture-of-Experts(MOE) เพื่อสร้างโมเดลขนาดใหญ่ให้มีประสิทธิภาพด้านหน่วยความจำ
    • ลดการใช้ VRAM ลงอย่างมากด้วยเทคนิคอย่าง "Multi-head Latent Attention"
    • ค่าใช้จ่ายในการเรียกใช้ API ถูกกว่า OpenAI และ Anthropic ถึง 95%

การเปลี่ยนแปลงของโครงสร้างอุตสาหกรรม

  • บทบาทของ TSMC: เนื่องจาก Nvidia ไม่ได้ผลิตชิปเอง TSMC จึงสามารถผลิตชิปของคู่แข่งรายอื่นด้วยกระบวนการเดียวกันได้
  • ความพยายามพึ่งพาตนเองของลูกค้าทุกราย: เพื่อลดการพึ่งพาผลิตภัณฑ์มาร์จิ้นสูงของ Nvidia ลูกค้ารายใหญ่จึงลงทุนในการออกแบบชิปของตนเอง

มุมมองตลาดและความท้าทายของ Nvidia

  • ราคาหุ้นปัจจุบันของ Nvidia พึ่งพาสมมติฐานการเติบโตในเชิงบวกอย่างมาก โดยตั้งอยู่บนฐานของ รายได้ปี 2025 ที่ 20 เท่า และ อัตรากำไรมากกว่า 75%
  • จากนวัตกรรมด้านประสิทธิภาพและการแข่งขันที่รุนแรงขึ้นทั้งในฮาร์ดแวร์และซอฟต์แวร์ มีความเป็นไปได้ที่อัตราการเติบโตจะชะลอลงและมาร์จิ้นจะลดลง
  • แม้ Nvidia จะยังคงรักษาความได้เปรียบในด้านเทคโนโลยี AI ต่อไปได้ แต่ความท้าทายอย่างต่อเนื่องจากคู่แข่งก็มีแนวโน้มจะส่งผลต่อส่วนแบ่งตลาดและศักยภาพการเติบโตระยะยาวอย่างมาก

# บทสรุป

  • Nvidia อยู่ในตำแหน่งที่โดดเด่นในปัจจุบันในฐานะผู้นำของนวัตกรรม AI แต่จาก ภัยคุกคามจากการแข่งขันรอบด้าน และ การเปลี่ยนแปลงของอุตสาหกรรมที่รวดเร็ว อาจทำให้ยากต่อการรักษามูลค่าประเมินที่สูงในปัจจุบันไว้
  • นักลงทุนควรประเมินเชิงบวกต่อความได้เปรียบทางเทคนิคของ Nvidia และศักยภาพการเติบโตของตลาด AI ไปพร้อมกับจับตาความเสี่ยงจากนวัตกรรมของคู่แข่งและการเปลี่ยนแปลงโครงสร้างตลาดอย่างใกล้ชิด

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2025-01-28
ความคิดเห็นจาก Hacker News

  • คำอธิบายของ DeepSeek ทำให้นึกถึงประสบการณ์ด้านเครือข่ายในยุค 80-90 ตอนนั้นวิดีโอออนดีมานด์เป็นตลาดใหญ่ และผู้คนมองข้ามศักยภาพของอัลกอริทึมการเข้ารหัสวิดีโอขั้นสูง ความเป็นไปได้ของวิดีโอบนอินเทอร์เน็ตเกิดขึ้นได้ไม่ใช่เพราะอินเทอร์เน็ตเร็วขึ้น แต่เพราะอัลกอริทึมฉลาดขึ้น

    • ในกรณีของ AI แม้ GPU จะยังคงเร็วขึ้นเรื่อย ๆ แต่การเพิ่มประสิทธิภาพของซิลิคอนถึง 10 เท่าน่าจะใช้เวลานาน DeepSeek ชี้ให้เห็นถึงความเป็นไปได้ในการค้นพบอัลกอริทึมใหม่

  • หาก DeepSeek สามารถทำงานได้มากขึ้นด้วยทรัพยากรที่น้อยลง Jevons Paradox ก็จะเกิดขึ้น ยอดขาย GPU น่าจะเพิ่มขึ้นจากแนวคิดที่ว่าบริษัทเล็ก ๆ ก็สามารถแข่งขันได้ DeepSeek อ้างว่าสามารถฝึกโมเดลที่แข่งขันได้ด้วยพนักงานราว 200 คน และใช้ต้นทุนน้อยกว่าบริษัทใหญ่มากถึง 20 เท่า

  • เน้นย้ำข้อเสียของการเป็นผู้เคลื่อนไหวรายแรกในการพัฒนาโมเดล AI หากโมเดลสามารถถูกคัดลอกได้ด้วยต้นทุนเพียง 5% ก็มีการตัดสินใจที่สมเหตุสมผลอยู่สองทาง:

    • มุ่งเน้นที่ประสิทธิภาพด้านต้นทุนเพื่อลดข้อได้เปรียบของผู้ตามรายที่สอง
    • สร้างคูป้องกันทางการแข่งขันผ่านการประหยัดต่อขนาด เครือข่ายเอฟเฟกต์ และการยึดกุมกฎระเบียบ

  • บริษัทอย่าง OpenAI ควรเปลี่ยนตัวเองไปเป็นแพลตฟอร์มที่ได้รับประโยชน์จากเครือข่ายเอฟเฟกต์โดยตรง

  • ปัจจุบันการประมวลผล AI ส่วนใหญ่เน้นไปที่การอนุมาน สามารถรัน R1 (680B) แบบกระจายบนคอมพิวเตอร์ผู้บริโภค 3 เครื่องได้ จุดแข็งของ NVIDIA คือการเชื่อมต่อ GPU หลายพันตัวได้อย่างมีประสิทธิภาพ แต่สิ่งนี้น่าจะสำคัญกับการประมวลผล AI เพียงส่วนน้อยเท่านั้น

  • จุดแข็งหลายด้านของ NVIDIA กำลังถูกโจมตี อย่างไรก็ตาม คู่แข่งแต่ละรายกำลังโจมตีเพียงจุดแข็งแต่ละข้อแยกกัน ทำให้ NVIDIA ยังเป็นบริษัทเดียวที่คงมีข้อได้เปรียบทั้งหมดอยู่

  • บททดสอบที่แท้จริงของ AI สำหรับหุ่นยนต์ฮิวแมนนอยด์คือการพับผ้า ปัญหานี้ยังคงยากแม้ด้วยเทคโนโลยีปัจจุบัน จึงสงสัยว่าช่วงหลังมีความก้าวหน้าใน AI หุ่นยนต์บ้างหรือไม่

  • มีการประเมินประสิทธิภาพของการนำโมเดล 687B MoE ไปใช้งานบนฮาร์ดแวร์ทั่วไปสูงเกินจริง บนฮาร์ดแวร์ของ Apple ทำไม่ได้ และบนคอมพิวเตอร์เดสก์ท็อปก็ทำได้แบบเฉียดฉิว งานเขียนโปรแกรมใช้เวลาถึง 12 นาทีเพราะปัญหาแบนด์วิดท์ PCIe

  • อาจมีกลยุทธ์ที่ไม่ถูกกฎหมาย: รอให้ราคา NVDA เด้งกลับ แล้วสร้างคู่แข่งของ OpenAI เพื่อทำกำไร

  • มีคนไม่มากที่มองผลกระทบของ DeepSeek ได้อย่างถูกต้อง ถ้ามันมีประสิทธิภาพมากขึ้น 10 เท่า นั่นไม่ได้แปลว่าจะใช้ทรัพยากรเพียง 1/10 แต่จะนำไปสู่การใช้ทรัพยากรมากขึ้น 10 เท่า ผลิตภัณฑ์เทคโนโลยีเคลื่อนไปในทิศทางนี้มาโดยตลอด

  • แม้จะไม่ได้สนใจกลยุทธ์การชอร์ตในตลาดหุ้น แต่ในรายงาน DeepSeek v3 และ R1 ก็มีเนื้อหาเชิงเทคนิคที่ยอดเยี่ยมจำนวนมาก ซึ่งสรุปแนวคิดที่น่าสนใจไว้อย่างชัดเจน