วิกฤต RAM ขาดแคลน อาจยืดเยื้อไปอีกหลายปี

 (theverge.com)
2 คะแนน โดย GN⁺ 9 일 전 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • คาดว่าอุปทาน DRAM ทั่วไปทั่วโลกขาดแคลน จนถึงปลายปี 2027 และอาจตอบสนองความต้องการได้เพียง 60% เท่านั้น โดยบางฝ่ายมองว่าอาจยืดเยื้อไปถึงปี 2030
  • ผู้ผลิตรายใหญ่ เช่น Samsung, SK Hynix, Micron กำลังเดินหน้า ขยายโรงงาน fab ใหม่ แต่ส่วนใหญ่จะยังไม่สามารถเริ่มเดินเครื่องได้ก่อนปี 2027~2028
  • เพื่อให้ทันกับความต้องการ จำเป็นต้องเพิ่มกำลังการผลิตปีละ 12% แต่แผนที่มีอยู่จริงเพิ่มได้เพียง 7.5% เท่านั้น
  • โรงงานใหม่มุ่งเน้นการผลิต HBM (หน่วยความจำแบนด์วิดท์สูง) สำหรับศูนย์ข้อมูล AI ทำให้มีข้อจำกัดในการบรรเทาปัญหา DRAM ทั่วไปขาดแคลนสำหรับเครื่องใช้ไฟฟ้าผู้บริโภค
  • ราคาของ สินค้าอิเล็กทรอนิกส์สำหรับผู้บริโภค หลายประเภท เช่น สมาร์ตโฟน โน้ตบุ๊ก ชุดหูฟัง VR และเครื่องเล่นเกมพกพา กำลังปรับขึ้นแล้ว

สถานการณ์การขาดแคลนอุปทานหน่วยความจำทั่วโลก

  • ตามรายงานของ Nikkei Asia แม้จะมีการขยายการผลิต DRAM แต่คาดว่าผู้ผลิตจะยังสามารถ ตอบสนองความต้องการได้เพียง 60% จนถึงปลายปี 2027
  • ประธาน SK Group ระบุว่าการขาดแคลนชิปและเวเฟอร์อาจ ดำเนินต่อไปจนถึงปี 2030

แผนขยายการผลิตของผู้ผลิตรายใหญ่

  • ผู้ผลิตหน่วยความจำ 3 อันดับแรกของโลกอย่าง Samsung, SK Hynix, Micron ต่างกำลังผลักดันการก่อสร้าง fab ใหม่
  • อย่างไรก็ตาม โรงงานใหม่ส่วนใหญ่จะเริ่มเดินเครื่องได้ใน ปี 2027 หรือเร็วสุดคือ 2028
  • ในปี 2026 ตัวอย่างการเพิ่มกำลังการผลิตที่เกิดขึ้นจริงมีเพียง fab ที่ชองจู (Cheongju) ของ SK ซึ่งเริ่มเดินเครื่องในเดือนกุมภาพันธ์

อัตราการเพิ่มกำลังการผลิตกับช่องว่างของอุปสงค์

  • ตามข้อมูลของ Counterpoint Research หากต้องการให้ทันกับความต้องการ จำเป็นต้อง เพิ่มกำลังการผลิตปีละ 12% ในช่วงปี 2026~2027
  • แต่อัตราการเพิ่มกำลังการผลิตตามแผนจริงอยู่ที่เพียง 7.5%
  • ช่องว่างระหว่างสิ่งที่วางแผนไว้กับสิ่งที่จำเป็น คือปัจจัยสำคัญที่ทำให้ภาวะขาดแคลนอุปทานยืดเยื้อ

การให้ความสำคัญกับการผลิต HBM และผลกระทบต่อตลาดผู้บริโภค

  • fab ใหม่มุ่งเน้นการผลิต HBM (High-Bandwidth Memory) ที่ใช้ในศูนย์ข้อมูล AI
  • ผู้ผลิตให้ความสำคัญกับการผลิต HBM ก่อน DRAM ทั่วไป อยู่แล้ว ทำให้ผลต่อการปรับปรุงอุปทานหน่วยความจำสำหรับคอมพิวเตอร์และสมาร์ตโฟนยังไม่ชัดเจน
  • ด้วยเหตุนี้ ความเป็นไปได้ที่จะลดแรงกดดันด้านราคาในตลาดเครื่องใช้ไฟฟ้าผู้บริโภคจึงยัง ไม่แน่นอน

ตัวอย่างการปรับขึ้นราคาสินค้าอิเล็กทรอนิกส์สำหรับผู้บริโภค

  • จากปัญหา RAM ขาดแคลน ได้เกิดการปรับขึ้นราคาแล้วในสินค้าหลายกลุ่ม
    • ปรับขึ้นราคา สมาร์ตโฟนและแท็บเล็ต Galaxy ของ Samsung
    • ปรับขึ้นราคา Surface ของ Microsoft
    • ปรับขึ้นราคา ชุดหูฟัง VR Quest 3 / 3S ของ Meta อีก 100 ดอลลาร์
    • ปรับขึ้นราคา เครื่องเล่นเกมพกพาจอสองจอ ของ AYN

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 9 일 전
ความคิดเห็นจาก Hacker News

  • เท่าที่ฉันเข้าใจ Samsung, SK Hynix และ Micron ไม่มี กำลังการผลิตที่รองรับอุปสงค์ ได้พอ และของที่มีก็ถูกจัดสรรให้ HBM ก่อน DRAM อยู่แล้ว ดูแล้ว HBM ก็ไม่น่าจะเอามาหมุนลงตลาดอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคได้ง่ายนัก ดังนั้นอีก 3-4 ปีข้างหน้า ตลาดผู้บริโภคทั่วไปน่าจะลำบากพอสมควร อีกด้านหนึ่ง OpenAI เองก็ยังติด แรงกดดันด้านเงินทุน และยิ่งมีคำถามมากขึ้นทั้งเรื่องอัตราการเผาเงินและรายได้ ก็เลยดูมีโอกาสเหมือนกันว่าคำมั่นสั่งซื้อที่เป็นชนวนให้เกิดอาการตื่นตระหนกเรื่อง RAM รอบนี้ อาจไม่ได้ถูกทำตามจนจบ สุดท้ายผู้ผลิตหน่วยความจำอาจต้องแบกสต็อกเอง

    • มันทำให้ฉันนึกถึง Radeon VII ในปี 2019 ที่เป็น GPU ผู้บริโภคราคา 700 ดอลลาร์ แต่ทำแบนด์วิดท์ได้ 1TB/s ด้วย HBM2 ตอนนั้น AMD ยังใส่ HBM ลงไปถึงไลน์ระดับกลางด้วย เลยไม่ค่อยเข้าใจว่าทำไมเทคโนโลยีที่เมื่อก่อนยังขายให้ผู้บริโภคทั่วไปได้ ตอนนี้ถึงถูกพูดเหมือนเป็น เทคโนโลยีจากสวรรค์ ที่แพงและพิเศษมาก
    • ปัจจัยเรื่องภูมิภาคก็สำคัญ เนเธอร์แลนด์ตอนนี้มี โครงข่ายไฟฟ้าเต็มความจุ จนบริษัทที่ตั้งใจจะสร้างดาต้าเซ็นเตอร์ แม้จะจ่ายเงินและได้รับการการันตีการเชื่อมต่อแล้ว ก็ยังถูกแจ้งว่าเชื่อมต่อก่อนปี 2030 ไม่ได้ ถ้าเป็นแบบนั้นก็เท่ากับมีการจองความจุหน่วยความจำล่วงหน้าบนสมมติฐานของดาต้าเซ็นเตอร์ที่ยังไม่ได้สร้างเลย ทำให้ถ้าการก่อสร้างเลื่อนหรือถูกยกเลิก อุปสงค์และอุปทานอาจยิ่งบิดเบี้ยวกว่าเดิม
    • ความรู้สึกของฉันคือผู้ผลิตหน่วยความจำมักเป็นฝ่าย ต้องมารับภาระตอนท้าย ซ้ำๆ เหมือนเห็นฉากแบบนี้มาอย่างน้อยสามรอบแล้ว
    • แต่ถึงอย่างนั้น รอบนี้ผู้ผลิตหน่วยความจำก็ไม่ได้ขยายกำลังการผลิตหนักเหมือนแต่ก่อน และฉันคิดว่านั่นแหละคือการเลือกเพื่อ หลีกเลี่ยงระเบิดสต็อก
    • ฉันคิดว่าเมื่อคำมั่นสร้างโครงสร้างพื้นฐานต่างๆ ของ Altman เริ่มพัง สถานการณ์จะเอียงไปทาง อุปทานล้นตลาด เร็วกว่าที่หลายคนคิด วงการการเงินเองก็กำลังเริ่มตระหนักแล้วว่าโครงสร้างพื้นฐานแบบนี้สร้างให้เสร็จเร็วๆ ไม่ได้ และต่อให้สร้างได้ก็อาจไม่ทำกำไร

  • คำถามที่ฉันยังตอบให้ตัวเองไม่ได้คือ ถ้า AI ทำให้การสร้างซอฟต์แวร์ง่ายขึ้น ราคาก็น่าจะลดลง แต่ตอนนี้การใช้จ่ายกับ AI กลับสูงกว่ายอดใช้จ่ายซอฟต์แวร์ทั้งโลกหลายเท่า แล้วบริษัทซอฟต์แวร์จะรับต้นทุนนี้ไหวได้อย่างไร เพราะงั้นอุปสงค์ RAM ตอนนี้เลยดูเหมือน ฐานรากบนกองทราย และมีโอกาสสูงที่จะจบลงด้วย อุปทานล้นตลาด ครั้งใหญ่

    • ฉันไม่มองไปไกลขนาดนั้น LLM มีประโยชน์มากพอในฐานะเครื่องมืออยู่แล้ว จนไม่น่าจะหายไปไหน ประเด็นหลักสุดท้ายคือ ความสามารถในการขยายตัว และการลดต้นทุน ต่อให้บริษัทเล็กใช้ไม่ไหว บริษัทใหญ่ก็ยังหาการใช้งานได้ก่อนในด้านอย่างกลาโหม การพัฒนาทรัพยากร หรือการเงิน ในทางกลับกัน ถ้าต้นทุนลดลงมากพอ ทีมเล็กก็จะเริ่มใช้ได้ แต่ถ้าถูกเกินไป ก็อาจเกิดความย้อนแย้งที่ผู้ใช้ซึ่งเคยเป็นแค่กลุ่มเป้าหมาย จะหันไปสร้างซอฟต์แวร์เองที่บ้าน
    • ถึงขั้นมีการคำนวณของนักวิเคราะห์ว่า ต้องมีค่าสมัครใหม่เดือนละ 35 ดอลลาร์ต่อผู้ใช้ iPhone หนึ่งคน หรือเดือนละ 180 ดอลลาร์ต่อสมาชิก Netflix หนึ่งคนเลยทีเดียว แม้ราคา Claude Max จะขึ้นแล้ว ฉันก็ยังสงสัยว่าผู้ใช้ Netflix ทุกคนจะยอมจ่ายระดับนั้นหรือไม่ ดูรายละเอียดได้ใน บทความของ Tom's Hardware
    • ดูเหมือนทุกคนกำลังเดิมพันกับ Jevons paradox กันอยู่ หวังว่า AI จะกลายเป็น เซมิคอนดักเตอร์ยุคถัดไป หรือ อินเทอร์เน็ตยุคถัดไป
    • ฉันมองมันเหมือน ม้าโทรจัน มากกว่า เหมือนเป็นกลยุทธ์ที่หวังให้โลกค่อยๆ คุ้นเคยและพึ่งพาเทคโนโลยีนี้ในที่สุด

  • ฉันคิดว่าสถานการณ์นี้จะอยู่อีกนาน หลังโควิด ผู้ผลิตได้เรียนรู้แล้วว่า การจำกัดอุปทาน ช่วยเพิ่มกำไรสูงสุดได้ และถ้าดูจากราคารถยนต์ที่ไม่ยอมลงง่ายๆ เหมือนเมื่อก่อน RAM ก็น่าจะเดินตามเส้นทางคล้ายกัน ลูกค้ารายใหญ่อย่าง Apple หรือ OpenAI ยังพอทำสัญญาก้อนใหญ่ได้ แต่ผู้บริโภคทั่วไปทำไม่ได้ สุดท้ายก็คงเป็น พวกเราที่ต้องรับต้นทุน

  • ฉันค่อนข้างมองโลกในแง่ดี เรื่องนี้อาจเป็นสัญญาณเตือนให้นักพัฒนาที่ใช้ RAM แบบไม่คิด ต้องหันมาทำให้แอป มีประสิทธิภาพด้านหน่วยความจำ มากขึ้นในอนาคต

    • ฉันรู้สึกว่ามันคล้ายกับภาพหลัง วิกฤตน้ำมันปี 1973 ที่ยุคของเครื่องยนต์ V8 เริ่มสิ้นสุดลง
    • แต่แรงขับของอุปสงค์ตอนนี้ส่วนใหญ่มาจาก การอนุมาน inference ดังนั้นในทางปฏิบัติ นักพัฒนาอาจไม่ได้มีแรงจูงใจเร่งด่วนมากพอที่จะลงมือปรับแต่งจริงจัง
    • ฉันหวังว่านี่จะเป็นโอกาสให้ Electron เสื่อมความนิยมลงสักที ไม่เคยเข้าใจเลยว่าทำไมสิ่งที่แสดงเนื้อหาง่ายๆ บนหน้าจอและใช้แค่ 500KB ถึงต้องกลายเป็นแอปที่กินเกิน 300MB
      • นั่นฟังดูเป็น สถานการณ์ในฝัน จริงๆ
    • ถ้าจะใช้ RAM ให้น้อยลง บ่อยครั้งก็ต้องแลกกับการใช้ CPU มากขึ้น ดังนั้นถึงราคา RAM จะขึ้น ก็ใช่ว่าภาพรวมจะเป็น trade-off ที่ดี เสมอไป

  • ฉันแปลกใจที่บทความไม่พูดถึง TurboQuant ของ Google เลย ทั้งที่ประกาศไปเมื่อ 26 วันก่อน และบอกว่าสามารถลดหน่วยความจำของ KV cache ได้ 6 เท่า พร้อมเพิ่มความเร็วได้สูงสุด 8 เท่า แถมตอนนี้ก็ถูกรวมเข้า llama.cpp แล้ว ช่วยให้รันคอนเท็กซ์ที่ใหญ่ขึ้นได้โดยไม่ต้องยอมลดขนาดโมเดลลง แน่นอนว่าฉันเองก็ยัง สงสัย ว่ามันจะช่วยบรรเทาปัญหา RAM ได้มากแค่ไหน เพราะอุปสงค์น่าจะโตเร็วกว่าผลจากการประหยัด ดูเพิ่มเติมได้ใน โพสต์ HN นี้

    • ในวงการก็มีมุมมองแรงเหมือนกันว่า TurboQuant ยังไม่ใช่ SOTA ล้ำสุด วิธี quantization ของ KV ตาม bitrate ยังมีแนวทางที่ดีกว่าอยู่ เช่นทางเลือกอย่าง SpectralQuant อีกอย่าง ตัวเลข 6 เท่านั้นก็เป็นตัวเลขในสไตล์ที่เทียบกับ BF16 KV cache ดังนั้นถ้าเทียบกับวิธี 8-bit หรือ 4-bit ที่มีอยู่แล้ว เรื่องก็จะเปลี่ยนไป
    • มีจุดที่ควรแก้ไขด้วย Paper ของ TurboQuant จริงๆ แล้วขึ้น arXiv เดือนเมษายน 2025 และ implementation ปัจจุบันให้การบีบอัดราว 3.8 ถึง 4.9 เท่า โดยค่าบนสุดนั้นต้องแลกกับการยอมรับว่าประสิทธิภาพบน GSM8K ลดลงพอสมควร ส่วนความเร็วนั้นอยู่ราว 80-100% ของ baseline จึงอาจไม่ได้เร็วขึ้น หรืออาจช้าลงด้วยซ้ำ ดูสถานะ implementation ได้ที่ vLLM PR และการพูดคุยได้ที่ vLLM issue ตอนนี้ฉันกำลังลอง DMS อยู่เป็นการส่วนตัว และรู้สึกว่ามีอนาคตกว่า แถมยังใช้ซ้อนกับ quantization แบบอื่นได้อีก การประหยัดที่มากกว่าน่าจะมาจาก การปรับปรุงสถาปัตยกรรมโมเดล เช่น SWA global hybrid ของ Gemma 4, MLA, DSA, linear layer, SSM แต่ถึงอย่างนั้น สุดท้ายก็คงไม่ลดอุปสงค์หน่วยความจำรวมลงอยู่ดีเพราะ Jevons paradox แค่เครื่องมือเขียนโค้ดของฉันก็ใช้ cache token เดือนละ 10-15 พันล้านแล้ว และถ้าการใช้งานของเอเจนต์กับนักพัฒนากระแสหลักเพิ่มขึ้น จำนวน token ที่คนต้องการก็ดูแทบไม่มีเพดาน
    • งานฝั่งโมเดลรันโลคัลที่มุ่งไปทาง RAM ต่ำ VRAM ต่ำ นั้นช่วยได้แน่ เช่น Gemma 4 32B สามารถรันบนโน้ตบุ๊กทั่วไปในตลาดได้แล้ว และฉันรู้สึกว่ามันมีสติปัญญาใกล้เคียงหรือดีกว่า gpt-4o ซึ่งเป็น SOTA เมื่อสองปีก่อนด้วยซ้ำ พอถึงเวลาที่ราคาหน่วยความจำเริ่มนิ่ง ฉันก็หวังว่าโมเดลระดับ Opus 4.7 จะรันแบบโลคัลได้เช่นกัน โมเดลใหญ่มีความรู้ในตัวมากกว่า แต่ถ้าตัดสินใจเรียกใช้เครื่องมืออย่างเว็บเสิร์ชได้ดี ก็ชดเชยไปได้มาก
    • สำหรับฉัน ผลสุทธิไม่น่าใช่การทำงานเดิมด้วยหน่วยความจำน้อยลง แต่เป็นการ ทำงานได้มากขึ้นด้วยหน่วยความจำเท่าเดิม บริษัทต่างๆ จะขยาย context window ของสินค้าที่ให้บริการต่อไป และผู้คนก็จะใช้มันตามนั้น นั่นดูเป็นความจริงที่ค่อนข้างขมขื่นของอนาคตหน่วยความจำ
    • ถึงอย่างนั้น ต้นทุนในการ โหลดตัวโมเดลไว้ในหน่วยความจำ ก็ยังสูงอยู่ดี เช่นถ้ามี RAM 16GB ฉันไม่คิดว่าประโยชน์ที่รู้สึกได้จะมากขนาดนั้น

  • ฉันแปลกใจเหมือนกันที่บทความไม่พูดถึง ผู้ผลิตหน่วยความจำรายใหม่ของจีน เลย ตัวอย่างที่ทำให้นึกถึงคือ บทความนี้

    • อย่างที่มีเขียนอยู่ในบทความเอง CXMT ยังตามหลัง Samsung, SK Hynix และ Micron อยู่ราว 3 ปีในกระบวนการ DRAM ระดับสูง และไลน์ในครึ่งหลังของปี 2026 ก็คงยังยากจะมีผลต่อสมดุลอุปสงค์อุปทานโลกก่อนปี 2027 ขณะที่บทความต้นฉบับมองว่าอุปสงค์จะมากกว่าอุปทานในปี 2028 ดังนั้นช่วงที่การผลิตจากจีนจะ ไล่ทันระดับเทคโนโลยีปัจจุบัน อาจเป็นราวปี 2029 ในระยะยาวมันคงช่วยกดราคาได้ แต่ในระยะใกล้ประสิทธิภาพการผลิตยังไม่พอจะหยุดภาวะขาดแคลนได้

  • ไม่นานมานี้ฉันตั้งใจจะประกอบเกมมิงพีซีใหม่ แต่สุดท้ายก็เลื่อนเรื่อยๆ เพราะ ช็อกราคา และปัญหาความพร้อมของชิ้นส่วนแต่ละตัว แล้วบังเอิญเห็นที่ Microcenter แถวบ้านมีเครื่องประกอบสำเร็จแบบแทบจะ สุดทุกทาง ใส่ทั้ง 5090 และพาวเวอร์ระดับสูง ในราคาไม่ถึง 5,000 ดอลลาร์ ก็เลยซื้อทันที เมื่อสิบกว่าปีก่อน เครื่องประกอบสำเร็จเป็นทางเลือกสำหรับคนที่มีเงินเหลือเฟือจริงๆ และไม่มีเวลาว่างแม้แต่หนึ่งวันในสุดสัปดาห์ แต่ตอนนี้มันกลับรู้สึกเหมือนเป็นตัวเลือกที่แทบไม่ต้องคิด

    • ฉันยังมองว่าหลักการพื้นฐานคือ ประกอบเองคุ้มกว่า อยู่ดี เครื่องประกอบสำเร็จย่อมมีค่าแรงประกอบรวมอยู่ในโครงสร้างราคา จึงแพงกว่าโดยธรรมชาติ และก็มีโอกาสไม่น้อยที่ผู้ขายจะไปลดสเปกในชิ้นส่วนที่สังเกตยากกว่าอย่างเมนบอร์ดหรือพาวเวอร์ แน่นอนว่าคุณอาจเจอดีลดีมากจริงๆ แต่ข้อยกเว้นนั้นก็ไม่ได้เปลี่ยนหลักทั่วไป

  • ฉันสงสัยว่าเรื่องนี้จะทำให้คนหันไปใช้ ซอฟต์แวร์ที่มีประสิทธิภาพด้านหน่วยความจำมากขึ้น หรือไม่ ทุกวันนี้แม้แต่โปรแกรมเล็กนิดเดียวก็กิน RAM หลายร้อย MB กันบ่อยเกินไป

    • ฉันเองก็เคยมีช่วงที่ทำ vibe-coding แล้วตั้งเป้าชัดเจนว่าจะลดการใช้ RAM ลงจริงๆ

  • ฉันรู้สึกตื่นเต้น เพราะดูเหมือนว่าในที่สุด ยุคแห่งการปรับแต่งประสิทธิภาพ ก็มาถึงแล้ว

    • แต่ฉันก็ยังค่อนข้างสงสัย แอปที่ฉันใช้ส่วนใหญ่มี lock-in สูงมาก จนบางที่ไม่มีแรงจูงใจในระดับองค์กรจะไป optimize หรือไม่ก็ไม่มีทรัพยากรพอจะทำ การ optimize ที่เป็นจริงสำหรับฉันจึงมักเป็นแค่เลิกใช้เครื่องมือหนักๆ แล้วเปลี่ยนไปใช้ของเบาแทน และหวังว่าถ้าหลายคนทำแบบเดียวกันมากพอ ฐานะทางการเงินและทรัพยากรพัฒนาของเครื่องมือเบาเหล่านั้นจะดีขึ้น
    • ฉันพูดมานานแล้วว่านักพัฒนา OS ควรหันไปเน้น การ optimize แบบจริงจัง ต่อให้ไม่มีวิกฤตชิป การชะลอตัวของการย่อขนาดเซมิคอนดักเตอร์ก็เกิดขึ้นมาสักพักแล้ว และการ optimize ซอฟต์แวร์ช่วยฮาร์ดแวร์ทุกตัวได้ แต่ไม่ได้ช่วยดันยอดขายโดยตรง ในจุดนั้น Linux มีพันธะน้อยกว่า และบางทีก็อาจถึงเวลาที่ตัวเลือกอย่าง Haiku OS จะกลับมาได้รับความสนใจอีกครั้ง

  • ในสายตาฉัน ผู้ผลิต RAM ก็ยังดู ไม่เต็มใจจะเพิ่มการผลิต อยู่ดี เลยสงสัยว่าพวกเขาอาจเห็นสัญญาณอุปสงค์ระยะยาวบางอย่างที่นักลงทุนยังไม่เห็นหรือเปล่า

    • พวกเขาเคยเจ็บหนักมาหลายรอบ อุตสาหกรรม DRAM มี วัฏจักรขาขึ้นขาลง ยาวนาน ทุกครั้งที่อุปสงค์โต ทุกคนก็แห่สร้าง fab ใหม่ แล้วสุดท้ายราคาก็ทรุดจนคืนทุนไม่ได้และล้มกันไป ทั้งในยุค 80s, 90s และ 2000s ตอนนี้เหลือผู้ผลิตอยู่แค่สามรายแล้ว และฉันคิดว่าพวกเขาน่าจะรู้ดีที่สุดว่าอุปสงค์นั้นมีความ เป็นวัฏจักร โดยเนื้อแท้
    • อุตสาหกรรมเซมิคอนดักเตอร์เป็นธุรกิจแบบ boom and bust มานานกว่า 50 ปีแล้ว มี ภาพประกอบ และตลอด 30 ปีที่ฉันทำงานในวงการ ฉันเคยผ่านทั้งช่วงที่ทำตามคำสั่งซื้อของลูกค้าได้แค่ 30% และอีกสองปีต่อมาก็ต้องเห็นโรงงานเดินเครื่องแค่ 50% พร้อมขาดทุน การสร้าง fab รุ่นล่าสุดหนึ่งแห่งต้องใช้เงิน 20,000 ล้านดอลลาร์และเวลา 3-4 ปี ถ้าคุณคิดว่า AI อาจเป็นฟองสบู่ การเลือกที่อาจทิ้งไว้เพียง โรงงานว่างเปล่าแวววาว หลังอุปสงค์พังลง ก็เสี่ยงเกินไปมาก
    • ถ้ามองโลกตามความเป็นจริง ก็คงคิดคล้ายกันหมด คำมั่น ผูกพันการซื้อ ของ OpenAI ดูไม่สมจริงและไม่ยั่งยืนเกินไป
    • ในมุมของพวกเขา สถานการณ์ขาดทุนอาจไม่ได้แย่มากนัก โครงสร้างตลาดนี้แทบจะ ใกล้เคียงคาร์เทล อยู่แล้ว และ RAM ก็เป็นสินค้าที่อย่างไรก็ต้องใช้ ดังนั้นแม้ผลิตให้น้อยลง พวกเขาก็คงคำนวณความเสี่ยงต่อผลตอบแทนในจุดที่ดีที่สุดสำหรับตัวเองไว้แล้ว แก่นสำคัญอาจอยู่ที่ตลาดต้องการพวกเขามากกว่าที่พวกเขาต้องพึ่งความชอบหรือชื่อเสียงจากผู้บริโภค