ดีลมูลค่า 2 หมื่นล้านดอลลาร์ของ Nvidia เพื่อหลบเลี่ยงการผูกขาด

 (ossa-ma.github.io)
3 คะแนน โดย GN⁺ 2025-12-28 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • Nvidia เข้าซื้อ ทรัพย์สินทางปัญญา (IP) และบุคลากรหลัก ของ Groq มูลค่า 2 หมื่นล้านดอลลาร์ แต่ดำเนินการในรูปแบบ โครงสร้างที่ไม่เป็นแบบดั้งเดิม ซึ่งตามกฎหมายไม่ใช่การเข้าซื้อบริษัทโดยตรง
  • ดีลนี้ถูกออกแบบในรูปแบบ สัญญาอนุญาตใช้งานแบบไม่ผูกขาด ทำให้สามารถหลีกเลี่ยงได้ทั้ง การตรวจสอบของ CFIUS และกฎระเบียบการผูกขาด
  • สถาปัตยกรรม LPU(Language Processing Unit) ของ Groq ใช้ SRAM บนชิป ทำให้มี ประสิทธิภาพพลังงานสูงกว่า 10 เท่า และมีค่าหน่วงต่ำกว่า GPU
  • ผ่านโครงสร้างนี้ Nvidia ได้ประโยชน์เชิงกลยุทธ์ 5 ด้าน เช่น สกัดความร่วมมือกับ Meta, หลีกเลี่ยงสัญญากับซาอุดีอาระเบีย, เข้าถึงอำนาจทางการเมือง, และ ตัดหน้าคู่แข่ง
  • ผลลัพธ์คือ นักลงทุนอย่าง Chamath Palihapitiya ได้กำไรหลายพันล้านดอลลาร์ ขณะที่ พนักงานทั่วไปและบุคลากรที่ยังอยู่กับ GroqCloud กลับได้รับผลกระทบ

ภาพรวมดีล Nvidia–Groq

  • วันที่ 24 ธันวาคม 2025 Nvidia เข้าซื้อ IP และบุคลากร ของ Groq มูลค่า 2 หมื่นล้านดอลลาร์
    • แต่ GroqCloud (ธุรกิจโครงสร้างพื้นฐานคลาวด์) ไม่รวมอยู่ในดีลและยังคงเป็นบริษัทอิสระ
    • Jensen Huang ซีอีโอของ Nvidia กล่าวชัดเจนว่า “นี่ไม่ใช่การเข้าซื้อบริษัท Groq”
  • นี่เป็นดีลที่ใหญ่ที่สุดในประวัติศาสตร์ของ Nvidia แซงหน้าการเข้าซื้อ Mellanox ในปี 2019 (7 พันล้านดอลลาร์)
  • โครงสร้างดีลถูกออกแบบมาโดยเจตนาให้ ตัดธุรกิจปฏิบัติการออก เพื่อบรรลุเป้าหมายในการหลีกเลี่ยงการกำกับดูแล

สถาปัตยกรรม LPU ของ Groq

  • LPU(Language Processing Unit) ของ Groq ถูกออกแบบด้วย โครงสร้างหน่วยความจำบนชิปแบบ SRAM
    • เก็บโมเดลทั้งหมดไว้ใน SRAM (230MB, แบนด์วิดท์ 80TB/s) เพื่อตัด ความหน่วงจากการเข้าถึง DRAM/HBM ภายนอก
    • ใช้โครงสร้างการทำงานแบบ deterministic ที่สามารถคาดการณ์การทำงานในแต่ละรอบได้ทั้งหมด
  • ตัวชี้วัดประสิทธิภาพ:
    • Llama 2 7B: 750 tokens/sec
    • Llama 2 70B: 300 tokens/sec
    • Mixtral 8x7B: 480 tokens/sec
  • ให้ ประสิทธิภาพด้านพลังงานสูงกว่า GPU 10 เท่า แต่มี ข้อจำกัด SRAM 14GB ทำให้ไม่สามารถรันโมเดลขนาดใหญ่ (405B) ได้
  • เป็นโครงสร้างที่ ไม่รองรับการฝึกสอน ใช้ได้เฉพาะ inference และรองรับขนาดโมเดลอย่างจำกัด

โครงสร้างดีลและพรีเมียม 1.31 หมื่นล้านดอลลาร์

  • ในเดือนกันยายน 2025 Groq ได้รับ มูลค่าประเมิน 690 ล้านดอลลาร์ (Series E ระดมทุน 750 ล้านดอลลาร์) แต่
    Nvidia จ่าย 2 หมื่นล้านดอลลาร์ เพียง 3 เดือนถัดมา
  • ดีลถูกดำเนินการในรูปแบบ สัญญาอนุญาตใช้งานแบบไม่ผูกขาด เพื่อหลีกเลี่ยงขั้นตอนต่อไปนี้:
    • การตรวจสอบของ CFIUS (เกี่ยวข้องกับสัญญาซาอุดีอาระเบีย)
    • การสอบสวนด้านการผูกขาด
    • การอนุมัติและข้อผูกพันในการเปิดเผยข้อมูลต่อผู้ถือหุ้น
  • Nvidia ได้ทั้ง IP, บุคลากรหลัก และการกำจัดคู่แข่ง ไปพร้อมกับ หลีกเลี่ยงข้อกำหนดทางกฎหมายของการเข้าซื้อกิจการ
  • คำว่า “ไม่ผูกขาด” เป็นเพียงรูปแบบเท่านั้น เพราะในทางปฏิบัติ Nvidia ดูดซับทั้งเทคโนโลยีและบุคลากรทั้งหมด จนได้อำนาจควบคุมแทบผูกขาด

ประโยชน์เชิงกลยุทธ์ 5 ด้านที่ Nvidia ได้รับ

  • การเก็งกำไรจากกฎระเบียบ (Regulatory arbitrage) : ใช้โครงสร้างสัญญาอนุญาตแบบไม่ผูกขาดเพื่อลดทอนการตรวจสอบด้านการผูกขาด
  • ทำให้ Meta/Llama เป็นกลาง: สกัดไม่ให้ Groq ร่วมมือกับ Meta เพื่อขยายสแตก inference แบบโอเพนซอร์ส
  • ตัด GroqCloud ออกและหลีกเลี่ยงสัญญาซาอุดีอาระเบีย: ไม่ต้องรับช่วงสัญญาโครงสร้างพื้นฐานในซาอุดีอาระเบียมูลค่า 1.5 พันล้านดอลลาร์
  • เข้าถึงอำนาจทางการเมือง: ผ่านความสัมพันธ์กับ Chamath (กำไรราว 2 พันล้านดอลลาร์) และ Sacks (ผู้รับผิดชอบด้าน AI ในรัฐบาลทรัมป์) เพื่อสร้าง สภาพแวดล้อมด้านกฎระเบียบที่เป็นมิตร
  • ตัดหน้าคู่แข่ง: ปิดโอกาสที่ Google, Amazon และ Microsoft จะเข้าซื้อหรือร่วมมือกับ Groq

ประเด็นที่เกี่ยวข้องกับซาอุดีอาระเบีย

  • ในเดือนกุมภาพันธ์ 2025 ซาอุดีอาระเบีย ลงทุน 1.5 พันล้านดอลลาร์ เพื่อขยายดาต้าเซ็นเตอร์ของ Groq ใน Dammam
    • เป็นส่วนหนึ่งของการสนับสนุน ALLaM (LLM ภาษาอาหรับ) ของ SDAIA และยุทธศาสตร์ Vision 2030
    • GroqCloud ให้บริการ โครงสร้างพื้นฐาน AI สำหรับประชากร 4 พันล้านคนใกล้ตะวันออกกลาง
  • ส่งผลให้มีความเป็นไปได้ที่จะเข้าข่ายการตรวจสอบของ CFIUS (คณะกรรมการพิจารณาการลงทุนจากต่างประเทศในสหรัฐฯ)
  • Nvidia จึงแยก GroqCloud ออกจากขอบเขตการเข้าซื้อเพื่อ หลีกเลี่ยงความเสี่ยงทางภูมิรัฐศาสตร์และภาระด้านกฎระเบียบ

การกระจายผลประโยชน์และผู้เสียหาย

  • ผู้ได้รับประโยชน์
    • นักลงทุน VC: Social Capital (ถือหุ้นราว 10%, กำไร 1.6–2.4 พันล้านดอลลาร์), BlackRock, Neuberger Berman เป็นต้น
    • ผู้บริหารที่ย้ายไป Nvidia: Ross, Madra เป็นต้น ได้รับ ค่าตอบแทน, stock option และ accelerated vesting จำนวนมาก
  • พนักงานทั่วไป
    • ขนาดของผลตอบแทนแตกต่างกันตามโครงสร้าง
      • สถานการณ์ 1: รายได้จากการอนุญาตใช้ IP เข้าสู่ Groq Inc. → กระจายตามสัดส่วนการถือหุ้น
      • สถานการณ์ 2: เงินส่วนใหญ่ถูกจ่ายเป็นค่าตอบแทนผู้บริหาร → ส่วนแบ่งของพนักงานลดลง
      • สถานการณ์ 3: แยกการซื้อ IP กับการรับบุคลากร → พนักงานได้ส่วนแบ่งเฉพาะฝั่ง IP
  • บุคลากรที่ยังอยู่กับ GroqCloud
    • สูญเสียทั้ง IP และผู้นำ ทำให้ โอกาสอยู่รอดของบริษัทต่ำ
    • มีความเป็นไปได้ที่ธุรกิจจะ หดตัวหรือถูกยุบในอีก 12–18 เดือนข้างหน้า

โครงสร้างเครือข่ายคนรู้จักของพอดแคสต์ All-In

  • Chamath Palihapitiya: ลงทุนรอบแรกใน Groq ตั้งแต่ปี 2017 (ถือหุ้น 28.57%, ลงทุน 10 ล้านดอลลาร์)
  • David Sacks: ได้รับแต่งตั้งในปี 2024 เป็น ที่ปรึกษาฝ่าย AI และคริปโตของรัฐบาลทรัมป์
    • ในเดือนกรกฎาคม 2025 ร่วมเขียน “America’s AI Action Plan”
    • เสนอนโยบายส่งเสริมการส่งออกเทคโนโลยี AI ไปยังประเทศพันธมิตร และจำกัดการพัฒนา AI อย่างอิสระของประเทศคู่ปรปักษ์
  • ความร่วมมือระหว่าง Groq กับซาอุดีอาระเบีย ขัดแย้งกับนโยบายนี้
    และการเข้าซื้อของ Nvidia ก็มีผลในการ คลี่คลายความขัดแย้งดังกล่าว
  • จังหวะเวลาการประกาศดีล (คืนก่อนคริสต์มาส) มีเป้าหมายเพื่อ ลดการจับตาจากสื่อ

กำไร 2 พันล้านดอลลาร์ของ Chamath และความล้มเหลวของ SPAC ในอดีต

  • แม้สัดส่วนหุ้นของ Social Capital จะถูกลดทอนลง แต่ยังถืออยู่ 8–12% ทำให้จากดีล 2 หมื่นล้านดอลลาร์นี้ ได้กำไร 1.6–2.4 พันล้านดอลลาร์
  • ผลงาน SPAC ในอดีต:
    • Virgin Galactic: -98.5%
    • Opendoor: -62.9%
    • Clover Health: -74.4%
    • SoFi: +46% (ยังต่ำกว่า S&P 500)
  • ในอดีต Chamath ขายทำเงินก้อนใหญ่หลังนักลงทุนรายย่อยขาดทุน
    และจากการลงทุนใน Groq ก็กลายเป็น ตัวอย่างความสำเร็จแบบฉบับของเวนเจอร์แคปิตอล

บทสรุป

  • Nvidia จ่าย 2 หมื่นล้านดอลลาร์ให้บริษัทที่เพิ่งมีมูลค่าประเมิน 690 ล้านดอลลาร์
    และบรรลุทั้ง การได้เทคโนโลยี บุคลากร และการกำจัดคู่แข่ง พร้อมกับ หลีกเลี่ยงกระบวนการเข้าซื้อทางกฎหมาย
  • ดีลนี้ อ้อมผ่านทั้งสัญญาซาอุดีอาระเบีย ผลประโยชน์ทางการเมือง และกฎระเบียบด้านการผูกขาด
  • Chamath และ Sacks ได้ผลประโยชน์มหาศาล
    ขณะที่ พนักงานทั่วไปและบุคลากรของ GroqCloud กลับเป็นฝ่ายเสียหาย
  • Nvidia กำลัง เสริมความแข็งแกร่งในการครองตลาดด้วยนวัตกรรมเชิงโครงสร้างที่ล้ำหน้ากว่ากฎระเบียบ

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2025-12-28
ความเห็นจาก Hacker News

  • ผมคิดว่าไม่สามารถปฏิบัติต่อผู้ถือหุ้นกลุ่มเดียวกันแตกต่างกันได้
    มีความเป็นไปได้สูงที่ทั้ง VC และพนักงานผู้ถือหุ้นจะได้รับ ราคาเท่ากัน
    แม้ VC จะถือหุ้นบุริมสิทธิ แต่ก็คงไม่ถึงขั้นทำกำไรมหาศาลบนความเสียหายของผู้ถือหุ้นทั่วไป
    พนักงานก็เหมือนได้รับ พรีเมียม 3 เท่า ไปแล้ว ดังนั้นต่อให้บริษัทกำลังจะไปไม่รอด ก็ไม่ได้ถือว่าเสียเปล่าทั้งหมด

    • เห็นด้วย ดีลนี้มี ราคาซื้อที่สูงพอ ให้ผู้ถือหุ้นทุกคนได้ผลตอบแทนในระดับหนึ่ง
      แน่นอนว่าจากโครงสร้างผู้ถือหุ้น ใครจะได้เงินก่อนย่อมต่างกัน แต่โดยรวมแล้วน่าจะเป็นดีลที่คนส่วนใหญ่พอใจ
      ตรงข้ามกับกรณีพนักงานคนที่ 2 ของ Windsurf ที่ได้มูลค่าหุ้นเพียง 1% (ลิงก์)
    • ทั้งสองความเห็นอาจถูกต้องพร้อมกันก็ได้ กล่าวคือดีลนี้ อาจผิดกฎหมาย
      บ่อยครั้งที่ดีลลักษณะนี้ถูกออกแบบมาให้เดินอยู่บนเส้นแบ่งของกฎหมายและเอื้อประโยชน์ต่อบางกลุ่ม
      สุดท้ายประเด็นสำคัญคือผู้ถือหุ้นทั่วไปพอใจหรือจะยื่นฟ้อง
    • การวิเคราะห์ของ Ossama ยอดเยี่ยมมาก
      คำว่า “non-exclusive” ตามกฎหมายแปลว่าไม่ผูกขาด แต่ในทางปฏิบัติ มีโอกาสสูงที่ Nvidia จะเป็นรายเดียวที่ได้ดีไซน์ระดับท็อป
      ถ้าซื้อ IP ทั้งหมดและจ้างคนที่เกี่ยวข้องไป ก็แทบจะกลายเป็นการผูกขาดโดยพฤตินัย
      โครงสร้างแบบนี้น่าจะช่วยให้ หลบการตรวจสอบการผูกขาดของ DOJ ได้
      ที่น่าขมขื่นคือหุ้นของพนักงานที่เหลือกลายเป็นไร้ค่า และ Chamath กวาดไป 2 พันล้านดอลลาร์

  • ถ้าดีลแบบนี้กลายเป็นเรื่องปกติ ก็น่าสงสัยว่าวงการสตาร์ตอัปจะปรับตัวยังไง
    จะมีการแก้สัญญาพนักงานเพื่อบังคับให้ต้องมีค่าตอบแทนในสถานการณ์แบบนี้ได้ไหม?
    ถ้านี่ถูกกฎหมายและใช้เลี่ยงกฎหมายผูกขาดได้จริง มันไม่เท่ากับว่า ระบบต่อต้านการผูกขาดล้มเหลว หรอกหรือ

    • กฎระเบียบไม่จำเป็นต้องเปลี่ยนตามลูกเล่นฟินเทคใหม่ทุกครั้ง
      ใน IRS ก็มีข้อกฎหมายสำหรับจัดการ โครงสร้างเลี่ยงภาษี แบบนี้อยู่แล้ว
      น่าจะเก็บภาษีกับ “รายรับรวมที่ไม่ได้จ่ายเป็นค่าจ้าง” แล้วนำไปเข้า กองทุน UBI จะดีกว่า
      แบบนั้น VC ก็จะเพิกเฉยต่อค่าตอบแทนแรงงานได้ยากขึ้น
    • โครงสร้างแบบนี้คงอยู่ได้ไม่นาน
      มันเป็นแค่ ลูกเล่นเพื่อเลี่ยงกฎ เท่านั้น และสุดท้ายช่องโหว่ก็จะถูกปิด
    • กฎหมายทุกฉบับย่อมมี ช่องโหว่ ถูกค้นพบเข้าสักวัน
      ทางแก้มีแค่ใช้ถ้อยคำที่คลุมเครือมากขึ้น หรือไม่ก็ใช้ การควบคุมโดยรัฐอย่างเข้มงวด แบบจีน

  • Mr. Kwok ได้วิเคราะห์ดีลลักษณะนี้ไว้แล้วและสรุปเป็นคำย่อ HALO
    รายละเอียดดูได้ใน บทความของ Kwokchain

  • สรุปบทความที่เกี่ยวข้อง

    • Nvidia to buy assets from Groq for $20B cash (ลิงก์)
    • Nvidia just paid $20B for a company that missed its revenue target by 75% (ลิงก์)
    • ตอนนี้ Nvidia มีเงินให้ใช้มากเกินไป จนใช้จ่ายอย่างไม่มีประสิทธิภาพ
      เรื่องนี้ดูเป็นตัวอย่างของความล้มเหลวของทุนนิยม

  • ผมไม่ใช่ผู้เชี่ยวชาญด้านกฎหมาย แต่กรณีนี้มีแนวโน้มจะกลายเป็น ช่องโหว่ของกฎหมายผูกขาด ถ้าฝ่ายบริหารไม่ลงมือ
    ในยุโรปดีลแบบนี้คงใช้ไม่ได้

    • ใช่แล้ว สหรัฐฯ มี ธรรมเนียมไม่ลงมือทำ อยู่
      ถ้าเป็นการซื้อกิจการแบบทั่วไปก็คงถูกเปิดการสอบสวนผูกขาดโดยอัตโนมัติแล้ว แต่โครงสร้างครั้งนี้ดูมีเจตนาเพื่อหลบขั้นตอนทางปกครอง

  • ช่วงนี้ในกระแส AI มีดีลแบบ “non-acquisition” มากเกินไป
    ถึงอย่างนั้นดีลนี้ก็ยัง ครอบคลุมกว่า กรณีที่ Google ดึง Noam Shazeer ของ Character.AI กลับไป หรือ OpenAI ดึง Windsurf ไป

    • จริง ๆ แล้วทีมวิศวกรรมหลักของ Windsurf ถูก Google จ้างไป ไม่ใช่ OpenAI
      ดู บทความ Reuters

  • ไม่มีเหตุผลที่ Google, Amazon, Microsoft จะ ไม่สามารถไลเซนส์ เทคโนโลยีของ Groq ได้
    เพียงแต่ถ้าคนเก่งย้ายออกไปแล้ว ก็คงนำไปใช้งานจริงได้ยาก
    การบอกว่า Nvidia ซื้อสิทธิบัตรนั้นเกินจริงไปหน่อย ที่จริงน่าจะเป็นระดับ ไลเซนส์แบบไม่ผูกขาด + ดึงทีมงาน มากกว่า

    • ใช่ บริษัทอื่นก็ยังไลเซนส์ได้ แต่คงทำ การใช้งานที่สมบูรณ์พร้อม ได้ยากเท่ากับกรณีที่ได้ซื้อ Groq ไปก่อน

  • GroqCloud น่าจะปิดตัวภายใน 12–18 เดือน และ Chamath ได้ไป 2 พันล้านดอลลาร์ แต่พนักงาน ไม่ได้อะไรเลย
    นี่มันหดหู่จริง ๆ

    • กรณีนี้ไม่ใช่แค่การปิด SaaS ธรรมดา
      ยังมีสินทรัพย์ที่มีมูลค่าอีกมาก เช่น สัญญากับซาอุดีมูลค่า 1.5 พันล้านดอลลาร์
      Nvidia ไม่น่าจะปล่อยให้ GroqCloud ตายไปทั้งหมด เพราะติดทั้งประเด็นกำกับดูแลและการหลีกเลี่ยงการแข่งขันกับลูกค้า
      พนักงานที่เหลืออาจกลับมี โอกาสเลื่อนตำแหน่งเร็วขึ้น และ ค่าตอบแทนเงินสดเพิ่มขึ้น
      แม้จะไม่ดีเท่าการซื้อกิจการเต็มรูปแบบ แต่ก็ยังถือว่าเป็นผลลัพธ์ที่ไม่เลว
    • ตอนนี้บริษัทใหญ่ไม่ได้ต้องการทั้งสตาร์ตอัปอีกต่อไป แต่ต้องการแค่ คนเก่งแกนหลักไม่กี่คน
      ส่วนพนักงานที่เหลือก็ถูกจัดออก
      ใครที่คิดจะเข้าสตาร์ตอัป AI ควรประเมินตัวเองอย่างเยือกเย็นว่าเป็น คนเก่งแกนหลักหรือแค่วิศวกรทั่วไป
      ถ้าไม่ใช่แกนหลัก ก็ควรเรียกเงินเดือนให้มากพอตั้งแต่แรก

  • พฤติกรรมแบบนี้ส่งผลเสียอย่าง รุนแรงต่อระบบนิเวศสตาร์ตอัป
    ต่อไปคนคงยิ่งไม่อยากเข้าสตาร์ตอัป ถ้าไม่ใช่บริษัทของเพื่อนหรือครอบครัว

    • บริษัทใหญ่เองก็ ใช้พนักงานจนหมดสภาพ ได้หลายแบบ
      ผมเคยอยู่ทีมรีโมตของ AWS แล้วถูกบังคับให้กลับเข้าออฟฟิศ จนสุดท้ายลาออก
      เพราะแบบนี้ตอนนี้ผมจึงชอบ ความโปร่งใสของบริษัทเล็ก มากกว่า
      ในสตาร์ตอัปยังพอมองเห็นสัญญาณอันตรายล่วงหน้าได้ แต่ในบริษัทใหญ่มักถูกเลย์ออฟแบบไม่ทันตั้งตัว
    • ที่จริงโครงสร้างที่ทำให้คน ถูกผู้ก่อตั้งเอาเปรียบ มีมาตั้งแต่ 15–20 ปีก่อนแล้ว
      ทางที่เป็นจริงกว่าคือรับเงินเดือนตามตลาด รักษาเวลางานให้สมดุล และ มองหุ้นเป็นเหมือนลอตเตอรี่
    • ในฐานะอดีตผู้ก่อตั้ง ทุกครั้งที่ได้รับอีเมลรับสมัคร “Founding Engineer” ผมขำทุกที
    • ถ้าในสตาร์ตอัปไม่ได้มี เงื่อนไขพิเศษของหุ้น สุดท้ายก็มีแต่คนอื่นที่ได้ประโยชน์
      คนที่จะรวยจริงมีได้ก็ต่อเมื่อผู้มีอำนาจตัดสินใจรู้สึกว่า “สมควรได้”
      สุดท้ายแล้ว คอนเนกชันและความชอบส่วนตัว คือทุกอย่าง
    • ถึงเวลาเลิกมองหุ้นสตาร์ตอัปว่าเป็นค่าตอบแทนได้แล้ว
      ทุกวันนี้สตาร์ตอัปแทบ ไม่ตอบแทนพนักงาน และขึ้นค่าตอบแทนกันแค่ในหมู่ผู้บริหาร
      ทางที่ฉลาดกว่าคือทำงาน 1 ปีแล้วเปลี่ยนงาน พร้อม ขึ้นเงินเดือน 20–50% ไปเรื่อย ๆ

  • โครงสร้างแบบกำหนดแน่นอนของ LPU จริง ๆ แล้วสามารถใช้กับการเทรนได้ แต่ Groq ไม่ได้เลือกทางนั้น
    แทนที่จะเป็นแบบนั้น Tenstorrent ดูมีโอกาสจะกลายเป็น คู่แข่งสำคัญ ในด้านนี้

    • ใช่ แต่สถาปัตยกรรม LPU ของ Groq แทบจะเป็น สำหรับ inference โดยเฉพาะ
      เพราะมี SRAM ต่อชิปแค่ 230MB ทำให้รองรับหน่วยความจำที่จำเป็นต่อการเทรนได้ยาก เช่น weights, gradients, optimizer state เป็นต้น
    • ถ้าใช้ SRAM จะไม่ทำให้ การอัปเดต weights ไม่มีประสิทธิภาพเกินไปเมื่อเทียบกับ DRAM หรือ?