หน่วยความจำมีสัดส่วนต้นทุนชิ้นส่วนชิป AI เพิ่มขึ้นเกือบแตะสองในสามแล้ว

• HBM เพิ่มจาก 52% ในไตรมาส 1 ปี 2024 เป็น 63% ในไตรมาส 4 ปี 2025 เมื่อคำนวณแบบ ค่าเฉลี่ยถ่วงน้ำหนักตามปริมาณการผลิต ของชิป AI จาก Nvidia, AMD, Google และ Amazon
• ในช่วงเดียวกัน สัดส่วนของ ลอจิกได แทบคงที่อยู่ที่ราว 13% ขณะที่แพ็กเกจจิงขั้นสูงลดลงจาก 19% เหลือ 15% และชิ้นส่วนประกอบลดลงจาก 15% เหลือ 9%
• การใช้จ่ายด้าน HBM ของผู้ออกแบบทั้ง 4 ราย เพิ่มจากราว 1.2 หมื่นล้านดอลลาร์ในปี 2024 เป็น 3.2 หมื่นล้านดอลลาร์ในปี 2025 ทำให้อัตราการเติบโตเมื่อเทียบรายปีสูงกว่าชิ้นส่วนอื่น
• การใช้จ่ายรวมด้านชิ้นส่วนชิป AI เพิ่มจากราว 2.2 หมื่นล้านดอลลาร์เป็น 5.2 หมื่นล้านดอลลาร์ และในจำนวนนี้ HBM เพียงอย่างเดียวคิดเป็นส่วนเพิ่มราว 2 หมื่นล้านดอลลาร์
• ในปี 2026 แรงกดดันด้านต้นทุน อาจสูงขึ้นอีกจากภาวะหน่วยความจำขาดแคลนและราคาที่เพิ่มขึ้น โดย Microsoft และ Meta ก็ระบุว่าราคาชิ้นส่วนที่สูงขึ้นเป็นปัจจัยให้ต้องเพิ่มงบลงทุนด้านโครงสร้างพื้นฐาน

---

การเปลี่ยนแปลงสำคัญ

• สัดส่วนของ หน่วยความจำแบนด์วิดท์สูง (HBM) ในการใช้จ่ายด้านชิ้นส่วนชิป AI เพิ่มจาก 52% ในไตรมาส 1 ปี 2024 เป็น 63% ในไตรมาส 4 ปี 2025
• ค่าประมาณนี้อิงจาก ค่าเฉลี่ยถ่วงน้ำหนักตามปริมาณการผลิต ของชิป AI ทั้งหมดที่ออกแบบโดย Nvidia, AMD, Google และ Amazon
• ในช่วงเดียวกัน ลอจิกไดแทบไม่เปลี่ยนแปลง อยู่ที่ราว 13% ขณะที่แพ็กเกจจิงขั้นสูงลดจาก 19% เหลือ 15% และชิ้นส่วนประกอบลดจาก 15% เหลือ 9%
• การใช้จ่ายด้าน HBM ของผู้ออกแบบทั้ง 4 ราย เพิ่มจากราว 1.2 หมื่นล้านดอลลาร์ในปี 2024 เป็น 3.2 หมื่นล้านดอลลาร์ในปี 2025 และเติบโตแบบปีต่อปีเร็วกว่าชิ้นส่วนอื่น
• การใช้จ่ายรวมด้านชิ้นส่วนชิป AI เพิ่มจากราว 2.2 หมื่นล้านดอลลาร์ในปี 2024 เป็นราว 5.2 หมื่นล้านดอลลาร์ในปี 2025 โดย การใช้จ่ายด้าน HBM เพียงอย่างเดียวคิดเป็นส่วนเพิ่มราว 2 หมื่นล้านดอลลาร์

แรงกดดันด้านต้นทุนในปี 2026

• HBM อาจมีสัดส่วนต้นทุนสูงขึ้นอีกในปี 2026 เนื่องจาก ภาวะขาดแคลนอุปทาน และราคาที่ปรับสูงขึ้น
• แนวโน้มงบลงทุน 1.9 แสนล้านดอลลาร์ในปีงบประมาณ 2026 ของ Microsoft รวมต้นทุนจากราคาชิ้นส่วนที่เพิ่มขึ้นราว 2.5 หมื่นล้านดอลลาร์ไว้ด้วย
• Meta ปรับเพิ่มกรอบงบลงทุนปี 2026 ขึ้นอีก 1 หมื่นล้านดอลลาร์ โดยให้เหตุผลเรื่องราคาชิ้นส่วนที่สูงขึ้น

วิธีคำนวณและขอบเขตข้อมูล

• สำหรับชิป AI แต่ละรุ่นที่ออกแบบโดย Nvidia, AMD, Google และ Amazon มีการประเมิน ต้นทุนต่อชิป ของหน่วยความจำ ลอจิกได แพ็กเกจจิงขั้นสูง และชิ้นส่วนประกอบ
• จากนั้นนำต้นทุนชิ้นส่วนของแต่ละชิปคูณด้วยปริมาณการผลิตรายไตรมาสที่ประเมินไว้ เพื่อคำนวณการใช้จ่ายรวมของแต่ละหมวด และหาสัดส่วนเทียบกับการใช้จ่ายชิ้นส่วนทั้งหมดตั้งแต่ไตรมาส 1 ปี 2024 ถึงไตรมาส 4 ปี 2025
• ค่าประมาณต้นทุนชิ้นส่วนอ้างอิงจาก AI Chip Components explorer ซึ่งจัดทำรายการชิ้นส่วนระดับชิปจากการเปิดเผยข้อมูลทางการเงิน เอกสารของซัพพลายเออร์ และรายงานนักวิเคราะห์
• ดูวิธีการโดยละเอียดได้ที่ explorer’s methodology documentation

หมวดหมู่ชิ้นส่วน

• หน่วยความจำ

  • รวม HBM stack โดยครอบคลุม HBM3 และ HBM3e

• ลอจิก

  • รวม ลอจิกไดกระบวนการผลิตขั้นสูง 3~5nm

• แพ็กเกจจิง

  • รวม แพ็กเกจจิงขั้นสูง TSMC CoWoS

• ชิ้นส่วนประกอบ

  • รวมซับสเตรต ระบบจ่ายไฟ และองค์ประกอบนำเข้าอื่น ๆ ที่ไม่ใช่ลอจิกและไม่ใช่หน่วยความจำ

การจัดการความไม่แน่นอน

• ต้นทุนต่อหน่วยของแต่ละชิ้นส่วน เช่น ราคา HBM stack ราคาลอจิกได และราคาแพ็กเกจ CoWoS มี ความไม่แน่นอนด้านต้นทุน
• ต้นทุนรายชิ้นส่วนของแต่ละชิปถูกจำลองเป็นช่วงความเชื่อมั่น 90%
• สัดส่วนของชิ้นส่วนคำนวณจากการนำต้นทุนของชิ้นส่วนนั้นหารด้วยต้นทุนรวม ดังนั้นทั้งตัวเศษและตัวส่วนจึงมีความไม่แน่นอน
• มีการแสดงช่วงข้อมูล 2 แบบร่วมกัน
  • ช่วงที่เปลี่ยนเฉพาะต้นทุนของชิ้นส่วนนั้น: เมื่อต้นทุนของชิ้นส่วนนั้นอยู่ที่เปอร์เซ็นไทล์ 5 หรือ 95 และอีก 3 ชิ้นส่วนอยู่ที่ค่ามัธยฐาน
  • ช่วงที่ทุกชิ้นส่วนเปลี่ยนไปยังค่าปลายสุดพร้อมกัน: เมื่อชิ้นส่วนนั้นอยู่ที่ปลายด้านหนึ่งของช่วงความเชื่อมั่น และชิ้นส่วนที่เหลือทั้งหมดอยู่ที่ปลายตรงข้ามพร้อมกัน

สัดส่วนชิ้นส่วนรายไตรมาส

• ไตรมาส 1 ปี 2024

  • สัดส่วนหน่วยความจำอยู่ที่ 52% โดยมีช่วง 48~56% เมื่อเปลี่ยนเฉพาะต้นทุนของชิ้นส่วนนั้น และ 42~62% เมื่อทุกชิ้นส่วนเปลี่ยนไปยังค่าปลายสุด
  • สัดส่วนลอจิกอยู่ที่ 14% โดยมีช่วง 12~17% เมื่อเปลี่ยนเฉพาะต้นทุนของชิ้นส่วนนั้น และ 10~20% เมื่อทุกชิ้นส่วนเปลี่ยนไปยังค่าปลายสุด
  • สัดส่วนแพ็กเกจจิงอยู่ที่ 19% โดยมีช่วง 14~24% เมื่อเปลี่ยนเฉพาะต้นทุนของชิ้นส่วนนั้น และ 12~27% เมื่อทุกชิ้นส่วนเปลี่ยนไปยังค่าปลายสุด
  • สัดส่วนชิ้นส่วนประกอบอยู่ที่ 15% โดยมีช่วง 13~18% เมื่อเปลี่ยนเฉพาะต้นทุนของชิ้นส่วนนั้น และ 11~21% เมื่อทุกชิ้นส่วนเปลี่ยนไปยังค่าปลายสุด

• ไตรมาส 4 ปี 2025

  • สัดส่วนหน่วยความจำอยู่ที่ 63% โดยมีช่วง 60~67% เมื่อเปลี่ยนเฉพาะต้นทุนของชิ้นส่วนนั้น และ 54~73% เมื่อทุกชิ้นส่วนเปลี่ยนไปยังค่าปลายสุด
  • สัดส่วนลอจิกอยู่ที่ 13% โดยมีช่วง 10~16% เมื่อเปลี่ยนเฉพาะต้นทุนของชิ้นส่วนนั้น และ 9~19% เมื่อทุกชิ้นส่วนเปลี่ยนไปยังค่าปลายสุด
  • สัดส่วนแพ็กเกจจิงอยู่ที่ 15% โดยมีช่วง 11~19% เมื่อเปลี่ยนเฉพาะต้นทุนของชิ้นส่วนนั้น และ 9~22% เมื่อทุกชิ้นส่วนเปลี่ยนไปยังค่าปลายสุด
  • สัดส่วนชิ้นส่วนประกอบอยู่ที่ 10% โดยมีช่วง 8~10% เมื่อเปลี่ยนเฉพาะต้นทุนของชิ้นส่วนนั้น และ 7~12% เมื่อทุกชิ้นส่วนเปลี่ยนไปยังค่าปลายสุด

สมมติฐานและข้อจำกัด

• ต้นทุนชิ้นส่วนอาจแตกต่างกันไปตามสัญญา ซัพพลายเออร์ และช่วงเวลา ทำให้ ค่าประมาณต้นทุนต่อชิป มีความไม่แน่นอน
• ค่าประมาณปริมาณการผลิตชิปรายไตรมาสและสัดส่วนประเภทชิปก็มีความไม่แน่นอนเช่นกัน และความไม่แน่นอนนี้สะท้อนอยู่ในสัดส่วนที่รายงาน

ข้อมูลและเครื่องมือสำรวจ

• AI chip component cost shares by quarter: CSV, อัปเดตเมื่อ 21 พฤษภาคม 2026
• AI Chip Components: เครื่องมือสำรวจข้อมูลการใช้จ่ายในซัพพลายเชนชิป AI

[GN⁺]

ความเห็นจาก Hacker News

• ดูเหมือนว่า การอนุมานและการฝึก AI ยังมีเส้นทางที่จะลดต้นทุนฮาร์ดแวร์ลงได้ราว 3 เท่า และลดต้นทุนรวมลงได้ราว 2 เท่า แม้จะไม่มีนวัตกรรมทางเทคโนโลยีใหม่เลยก็ตาม
  ขอแค่ปริมาณ DRAM ตามทันความต้องการ ซึ่งไม่ว่าจะเป็นการขยายกำลังการผลิตหรือการเติมเต็มความต้องการที่พุ่งขึ้นด้วยอัตราการผลิตปัจจุบัน ก็แค่ต้องใช้เวลาเท่านั้น

  • ถ้าคิดรวม อัตรากำไรของ Nvidia ที่เกิดจากความขาดแคลนของชิประดับล้ำหน้าสุดในตอนนี้ด้วย พื้นที่สำหรับการลดต้นทุนก็น่าจะมีมากกว่านี้อีกมาก
    แม้จะมีหลายอย่างที่น่าตำหนิในสิ่งที่ Sam Altman พูดจนแพร่หลายทางวัฒนธรรม แต่ในระยะยาว ประโยคที่ว่า “ตอนนี้คือช่วงที่แย่ที่สุดในบรรดาอนาคตทั้งหมด” เป็นประเด็นที่น่าสนใจมากและถูกประเมินต่ำเกินไป
    อีก 10 ปีข้างหน้า การฝึก LLM ระดับปัจจุบันน่าจะกลายเป็นเรื่องพื้นฐานพอ ๆ กับการรันฐานข้อมูลในตอนนี้ ระดับปัจจุบันเองก็ถือว่าก้าวหน้ามากแล้ว และต่อให้ไม่นับความก้าวหน้าของฮาร์ดแวร์ แค่สร้าง ระบบการฝึกแบบ reinforcement learning ที่ดีกว่านี้ ก็ยังมีช่องให้ยกระดับได้อีกมาก
    แนะนำให้ลองดูโครงการบน GitHub และ HF ของ Allen Institute มีทั้งข้อมูลสำหรับฝึก LLM จาก Common Crawl ตั้งแต่ต้น และการปรับแต่ง qwen ที่น่าสนใจ รวมถึงวัสดุการฝึกแบบโอเพนซอร์ส ซึ่งทำให้พอมองภาพได้ว่าโปรเจกต์ทำเล่นยามบ่ายหรือสื่อการสอนในอนาคตอันใกล้อาจจะหน้าตาเป็นอย่างไร
  • บริษัทหน่วยความจำคงจะไม่เพิ่มอุปทานให้สูงขึ้นมากตามความต้องการ
    อุตสาหกรรมนี้มีลักษณะชอบรักษาตลาดให้อยู่ในภาวะ อุปทานขาดแคลน เพราะถ้าไม่ทำแบบนั้น อุปทานส่วนเกินที่ตามมาจะทำให้ผู้ผลิตพังกันหมด สิ่งที่จะเกิดขึ้นแทนคือการย้ายอุปทานจากตลาดกำไรต่ำอย่างมือถือและคอมพิวเตอร์ส่วนบุคคลไปยังฝั่งที่ทำกำไรได้มากกว่า
  • ดูเหมือนว่ากลยุทธ์อันแยบยลของ Sam Altman ที่พยายามครอบงำตลาดหน่วยความจำจะก่อให้เกิด ผลลัพธ์ที่ไม่คาดคิด
  • สงสัยจริง ๆ ว่าการใช้ รูปแบบเลขทศนิยมลอยตัว แบบอื่นจะเพิ่มขึ้นไหม
    เลขทศนิยมลอยตัวแบบ IEEE ขึ้นชื่อว่าแย่มากเมื่อใช้กับบิตต่ำ โดยเฉพาะ 16 บิตหรือต่ำกว่า รูปแบบอย่าง posit ทำได้ดีกว่ามากใน 16 บิตหรือ 8 บิต ถ้าสามารถฝึกด้วย 16 บิตต่อค่าหนึ่งแทน 32 บิต และสูญเสียความแม่นยำน้อยกว่าการเปลี่ยนจาก IEEE32 ไปเป็น IEEE16 มาก ก็ถือว่าน่าสนใจทีเดียว
  • สงสัยว่าอายุการใช้งานและความสามารถในการปรับสภาพใหม่ของ ชิ้นส่วนลงทุน อย่างโมดูล “GPU” หรือ DRAM ที่บัดกรีอยู่ข้างในนั้นเป็นอย่างไรบ้าง

• ไม่กี่ปีก่อนฉันซื้อ RAM 96GB มาในราคาประมาณ 250 ดอลลาร์ แต่ตอนนี้ RAM ชุดเดียวกันราคา 1,200 ดอลลาร์

  • วันที่ 22 ตุลาคมปีที่แล้ว ฉันซื้อ Crucial 96GB DDR5 5600MHz SO-DIMM RAM มาในราคา 279 ดอลลาร์
    ตอนนี้บน Amazon ชุดเดียวกันราคา 1,048.90 ดอลลาร์
  • โมโหมากที่ตอนมีโอกาสไม่ได้ใส่หน่วยความจำให้เซิร์ฟเวอร์หลักจนเต็ม
    โมดูลหน่วยความจำระดับองค์กรมือสองใน eBay เคยถูกอย่างไม่น่าเชื่อ
  • เมื่อ 1 ปีก่อนฉันซื้อ DDR3 192GB มาในราคาแค่ 60 ดอลลาร์จริง ๆ หรือ 5 ดอลลาร์ต่อโมดูล
    ตอนนี้ขึ้นมาเป็นประมาณ 22 ดอลลาร์ต่อโมดูล รวมแล้วราว 350 ดอลลาร์ ไม่รู้จริง ๆ ว่าใครกำลังเอา DDR3 ไปทำอะไรกัน
  • สมมติฐานเดิมที่ว่าหา RAM หลายสิบ GB ได้ในราคาถูกนั้นพังทลายไปหมดแล้ว
    มูลค่าของ SSD ความเร็วสูงพิเศษ อย่าง Optane อาจเพิ่มขึ้นมาก
  • กำลังเก็บโรงรถแล้วไปเจอไดรฟ์ Samsung EVO 4TB ที่ยังไม่ได้ใช้สองตัว

• จากทุกอย่างที่อ่านมา ดูเหมือนว่าความจุ RAM จะเพิ่มขึ้นปีละราว 20~25% แต่แค่นั้นดูไม่พอ
  แม้ในฝั่งผู้บริโภคเอง โทรศัพท์กับโน้ตบุ๊กก็น่าจะดีขึ้นมากถ้า RAM เพิ่มเป็นสองเท่า ส่วนความต้องการจาก AI นั้นมหาศาลอยู่แล้ว
  ไม่คิดว่าแนวโน้มนี้จะหายไป อาจไม่โตเร็วเท่าตอนนี้ แต่ก็คงไม่หายไปไหน เข้าใจได้ว่าบริษัทหน่วยความจำไม่อยากทำให้ตัวเองล้มละลาย แต่ก็น่าจะต้องมีวิธีส่งต่อความเสี่ยงนั้นไปยังผู้ให้บริการโมเดลหรือผู้เล่นอื่นในระบบนิเวศ เพื่อให้เพิ่มความจุ RAM ได้ใกล้เคียง 50% ต่อปี

  • แค่ดีลของ OpenAI เพียงดีลเดียวก็อาจดูดซับการเติบโตแบบนั้นได้ถึง 2 ปี
    ในตลาดแข่งขัน การที่บริษัท RAM ไม่ขายทั้งที่ยังมีคนอยากซื้อ ถือว่าไม่มีประสิทธิภาพ
    ไม่รู้ว่าอัตราการเติบโตจริงก่อนเดือนตุลาคมเป็นเท่าไร แต่คงมีใครสักคนที่นี่รู้
  • ความเสี่ยงใหญ่ที่สุดคือฝั่ง CXML ของจีนจะได้ประโยชน์ เข้ายึดตลาดที่บริษัทอื่นปล่อยทิ้งไว้ แล้วพอต้นทุนเริ่มกลับสู่ภาวะปกติ ก็แข่งขันเบียดผู้เล่นเดิมออกไปได้
    ส่วนเรื่องที่ว่าการเติบโต 20~25% ไม่พอ ผมคิดว่ามันก็ไม่ได้ไกลจากความจริงนัก หากสมมติว่าแผนขยายดาต้าเซ็นเตอร์เริ่มชนกำแพง ชะลอตัวลงมาก และกระแส AI เย็นลง
    ระยะสั้น 20~25% อาจไม่พอ แต่ถ้าการขยาย AI หยุดลงภายในปีนี้ สิ่งที่จะเกิดขึ้นไม่ใช่ภาวะขาดแคลน แต่เป็นอุปทานล้นมหาศาล
  • ในทางทฤษฎี การมี ตลาดฟิวเจอร์ส ใหม่สำหรับชิ้นส่วนชิปอาจช่วยได้
    เพราะจะทำให้ผู้ผลิต DRAM สามารถป้องกันความเสี่ยงนั้นได้
  • ตามบทความล่าสุด HBM ไม่มีประสิทธิภาพกว่า LPDDR ถึง 3 เท่า เมื่อวัดตามพื้นที่เวเฟอร์ แต่แบนด์วิดท์กลับมากกว่า 3 เท่า
    ถ้าทุกคนยอมซื้อคอมพิวเตอร์น้อยลง เช่น เหลือ 1/3 ของความเร็วเดิม แล้วเปลี่ยนไปใช้ HBM ทั้งหมด จะคุ้มไหม?
    ช่องว่างระหว่างพลังประมวลผลกับหน่วยความจำขยายตัวมานานแล้ว และบางทีการเปลี่ยนไปใช้ HBM แม้จะเจ็บปวด ก็อาจเป็นสิ่งที่จำเป็นพอดี
    ระหว่างมีคอมพิวเตอร์ระดับกลาง 3 เครื่องที่แบนด์วิดท์หน่วยความจำต่ำ กับการรอเพิ่มอีกหน่อยแล้วให้ทุกคนซื้อคอมเครื่องใหม่ที่ตามสัดส่วนพื้นที่แล้วช้าลงเหลือ 1/3 แต่ได้แบนด์วิดท์สูงกว่ามาก แบบไหนจะดีกว่ากันในเชิงสถิติ?

• ดูจากแนวโน้มตอนนี้ สงสัยจริง ๆ ว่าจะรองรับ ตลาดผู้บริโภค อย่างเกมหรือแมชชีนเลิร์นนิงกันอย่างไร
  คลาวด์เกมมิงจะต้องมาแน่ในอนาคต และคงมีแต่พวกสายฮาร์ดคอร์แบบฉันที่ยังยอมจ่ายพรีเมียมซื้อ RTX 5090 เพื่อเล่นเกมออฟไลน์

  • ในระยะยาว คลาวด์เกมมิง คงหลีกเลี่ยงไม่ได้
    เพราะมันคุ้มค่าทางเศรษฐกิจกว่าที่จะเฉลี่ยค่าเสื่อมของฮาร์ดแวร์สำหรับเรนเดอร์กราฟิกไปยังผู้ใช้หลายคน ไม่ปล่อยให้เครื่องว่างตอนไม่มีคนใช้ และวางไว้ที่ POP พร้อมกับทรัพยากรของเกม
    ถ้างานประมวลผลเกมมากพอไปรันที่เอดจ์ได้ ก็จะเปิดทางให้เกิดเกมที่ล้ำหน้าทางเทคนิคมากขึ้น ซึ่งตอนนี้ยังทำไม่ได้ในเชิงเศรษฐกิจ เหตุที่ทุกวันนี้เกมแบบนั้นยังมีไม่มาก น่าจะเป็นเพราะตลาดและการยอมรับคลาวด์เกมมิงยังน้อย รวมถึงองค์ความรู้ทางเทคนิคที่ตามมายังไม่มากพอ
    พอถึงจุดที่ต้นทุนในการเรนเดอร์เกมตามที่คนอยากเล่นบนฮาร์ดแวร์ผู้บริโภคสูงเกินรับไหว ในที่สุดแม้แต่คนที่ฝืนอยู่ก็อาจถูกโน้มน้าว และแนวทางนี้ก็น่าจะลงหลักปักฐานได้

• จนกว่าราคาจะกลับมาสมเหตุสมผลอย่างน้อยบางส่วน ฉันคงไม่ย้ายออกจาก ชุดประกอบ DDR4
  ฉันยังมีแรมสำรอง DDR4 2133MHz 32GB ที่ซื้อไว้ก่อนหน้านี้ และตอนนี้ใช้งาน 3200MHz อยู่ ซึ่งก็หมายความว่าผู้ผลิต CPU ก็ไม่ได้รับเงินฉันเหมือนกัน 5800X ยังเพียงพอไปอีกพักใหญ่ และก็ไม่มีเหตุผลให้ซื้อ GPU ใหม่ด้วย แน่นอนว่า B580 ไม่ได้สมบูรณ์แบบ แต่ก็ยังพอได้

  • จะเป็นอย่างไรถ้าตอนนี้คือ ราคาต่ำสุด ของอนาคตแล้ว?

• เรื่องที่อิหร่านขัดขวางการส่งออกฮีเลียมนั้นประชดประชันอย่างมาก
  ในขณะเดียวกัน อิหร่านก็พึ่งพา โฆษณาชวนเชื่อคุณภาพต่ำ ที่สร้างด้วย AI เพื่อปั่นป่วนศัตรูของตน นี่ดูเหมือนจะเป็นหนึ่งในความย้อนแย้งทางประวัติศาสตร์ที่มาเฉลยเอาทีหลัง

• สำหรับเกมเมอร์และคนเล่นพีซีเป็นงานอดิเรกที่ไม่ได้หมกมุ่นกับ AI ทั้งหมด นี่เป็นช่วงเวลาที่เลวร้ายจริง ๆ

  • นี่จะฆ่า ตลาดพีซีประกอบเอง 100%
    ตอนที่ฉันเริ่มประกอบพีซีเล่นเกม การ์ดจอระดับท็อปราคา 750 ดอลลาร์นิวซีแลนด์ เดี๋ยวนี้แค่ GPU ก็ 10,000 ดอลลาร์แล้ว และยังต้องจ่ายเพิ่มอีก 1,000~2,000 ดอลลาร์สำหรับ RAM
    สมัยก่อนพีซีเกมมิงเป็นงานอดิเรกที่พอรับไหว ตอนนี้ดูเหมือนแม้แต่งานอดิเรกด้านการบินทั่วไปยังเป็นทางเลือกที่ดูเข้าถึงได้กว่า
  • ผมกลับมองตรงกันข้าม
    ระยะสั้นกลุ่มงานอดิเรกอาจถูกกดดันจริง แต่เงินทุนที่ใช้ผลักดันเทคโนโลยีล้ำหน้าสุดนั้นยังเล็กเมื่อเทียบกับบริษัท Fortune 500 อีกไม่นานกลุ่มงานอดิเรกก็น่าจะได้ประโยชน์ด้วย โดยเฉพาะถ้าตลาดพังลง
  • แม้แต่สำหรับคนที่หมกมุ่นกับ AI อย่างเต็มตัว นี่ก็เป็นช่วงเวลาที่เลวร้ายเหมือนกัน

• สงสัยว่าทำไมพวกไฮเปอร์สเกลเลอร์ไม่ทำ การบูรณาการแนวดิ่ง มากขึ้นแล้วสร้างโรงงานของตัวเอง
  ต่อให้โรงงานหนึ่งแห่งจะใช้เงิน 1 พันล้านดอลลาร์ ตอนนี้พวกเขาก็กำลังใช้เงินระดับหลายแสนล้านดอลลาร์ไปกับการซื้อชิปจาก Nvidia และบริษัทอื่น ๆ อยู่แล้ว

  • ไม่แน่ใจว่าจำเป็นต้องบูรณาการแนวดิ่งหรือไม่ บางทีการลงเงินโดยตรงเพื่อ ขยายกำลังการผลิต แบบที่ Apple เคยทำตอนขยายเทคโนโลยีใหม่สำหรับ iPhone อาจดีกว่า
    แต่การที่ไฮเปอร์สเกลเลอร์และบริษัท AI ไม่ทำแบบนั้น ก็บอกอะไรได้มากเกี่ยวกับระดับความเชื่อที่พวกเขามีต่ออุปสงค์ AI ในอนาคตจริง ๆ
    บริษัท AI อ้างว่าต้องมีการขยายขนาดครั้งมหาศาล แต่กลับไม่ยอมรับความเสี่ยงด้านเงินทุนที่จำเป็นต่อการขยายนั้น
    เราได้ยินเสียงบ่นเศร้า ๆ จากฝั่ง AI บ่อยมากว่าผู้ผลิตชิปเป็นคอขวด แต่ใครกันที่มีเงินพอจะสนับสนุนการขยายนี้ได้อย่างง่ายดายจริง ๆ? ผู้ผลิตชิปเล่นเกมนี้มานานกว่ามาก ตอนที่ Sam Altman เดินสายพูดว่าต้องมีโรงงานมูลค่า 7 ล้านล้านดอลลาร์ บริษัท AI ก็แสดงให้เห็นว่าพร้อมจะพูดอะไรเกินจริงจนไม่น่าเชื่อถือ และสูญเสียความน่าเชื่อถือไป
    สิ่งที่ต้องการตอนนี้คือให้พวกเขาปล่อยเงินสดก้อนมหาศาลที่กองอยู่เพียงส่วนนิดเดียวเข้าไปสู่การเงินสำหรับโรงงานโดยตรง
  • โรงงานชิปเป็นหนึ่งในเทคโนโลยีที่ซับซ้อนที่สุดเท่าที่มีอยู่ในปัจจุบัน
    เป็นเหมือน “วิทยาศาสตร์จรวด” แห่งยุคนี้ และไม่ใช่เรื่องที่มีเงินแล้วจะทำได้ มีโอกาสสูงมากที่จะเผาเงินระดับหลายพันล้านดอลลาร์แล้วไม่ได้อะไรกลับมาเลย
    แค่ดูว่า Intel ลำบากแค่ไหนในช่วงไม่กี่ปีที่ผ่านมาในการแข่งขันก็พอ พวกเขาอยู่ในธุรกิจนี้มาหลายสิบปีแล้ว
  • ต่อให้มีความเชี่ยวชาญที่จำเป็น การสร้างโรงงานก็ยังต้องใช้เวลาหลายปี
    ถ้าไม่มีความเชี่ยวชาญ ก็ต้องมีการทดลองเพิ่มเติมก่อนจะแข่งขันกับผู้ผลิตเดิมได้ พอถึงเวลาที่ผลิตชิปใช้งานได้จริง ภาวะขาดแคลนอุปทานก็อาจจบไปแล้ว
  • มาร์จิ้นเฉลี่ยของโรงงานชิป บางมาก เมื่อเทียบกับมาร์จิ้นของบริษัทบิ๊กเทค และมีความเสี่ยงสูงตามไปด้วย
    จึงอาจไม่ใช่ธุรกิจที่พวกเขาอยากรวมเข้ามาเอง
  • โรงงานหนึ่งแห่งใช้เงิน 15~20 พันล้านดอลลาร์ และต้องใช้เวลาอย่างน้อย 5 ปีในการสร้าง
    แถมยังต้องใช้ความเชี่ยวชาญเฉพาะทางที่ไม่มีบริษัทไหนในกลุ่มนี้มีอยู่

• เมื่อสัปดาห์ก่อนฉันเพิ่งซื้อเซิร์ฟเวอร์ Dell มือสอง
  ทั้งเครื่องที่มี CPU 12 คอร์และ DDR4 ECC RAM 32GB ราคาพอ ๆ กับการซื้อ DDR RAM 64GB อย่างเดียว หวังว่าสถานการณ์อันเหลือเชื่อนี้จะจบลงเร็ว ๆ ไม่อย่างนั้นความเจ็บปวดจะลามไปตลาดอื่นด้วย เมื่อไม่นานมานี้ฉันอ่านเจอบทความว่าการขายเคสพีซีร่วงลงมากกว่า 40%

  • เพราะต้นทุนต่อหน่วยของ RAM สูงขึ้น คนรายได้น้อยกำลังถูกผลักออกไปแม้แต่จากตลาดมือถือราคาถูกแล้ว
    https://www.cnet.com/tech/mobile/smartphone-sales-to-plummet...
  • พอถึงเวลาที่ฟองสบู่ AI แตก ตลาดพีซี อาจจะพังเสียหายจนกู้กลับไม่ได้แล้ว
    ผู้ผลิตที่หันไปทำชิ้นส่วน “ระดับองค์กร” จะไม่ย้อนกลับมาทำตลาดชิ้นส่วนผู้บริโภคอีก เพราะตอนนั้นตลาดอาจไม่เหลืออยู่แล้ว
    และเมื่อมีดาต้าเซ็นเตอร์ล้นเกินที่ทำเงินจากของสร้างคุณภาพต่ำไม่ได้ สุดท้ายมันก็จะถูกนำไปใช้ใหม่ในรูปแบบ SaaS คล้ายกับให้ OnShape ขยายไปเป็นแอปพลิเคชันทุกอย่าง
    ผู้ใช้ส่วนใหญ่ดูเหมือนไม่ค่อยสนใจที่จะเก็บทุกสิ่งที่ตัวเองสร้างไว้บนบริการคลาวด์ และสิ่งนี้ก็น่าจะขายได้ง่ายในฐานะทางเลือกแทนการเป็นเจ้าของฮาร์ดแวร์เดสก์ท็อปหรือโน้ตบุ๊กที่ “แพง”
  • มองอีกแบบก็ได้
    ถ้าไฮเปอร์สเกลเลอร์ใช้ RAM มากขึ้น และ RAM นั้นไม่ถูกส่งไปยังผู้บริโภค ก็แปลว่างานหนักทั้งหมดจะเกิดขึ้นบน คลาวด์
    แล้วทำไมไฮเปอร์สเกลเลอร์กับผู้บริโภคต้องมี RAM พร้อมกันทั้งคู่ด้วย? ผู้บริโภคอาจอยากได้ RAM มากขึ้นเพื่อรันโมเดลในเครื่อง แต่ถ้าเป็นแบบนั้น กำลังการผลิตของไฮเปอร์สเกลเลอร์ก็จะว่างเปล่า

• ผู้ผลิตหน่วยความจำถือครอง ทรัพย์สินทางปัญญา ไว้มหาศาล
  เพราะฉะนั้นต่อให้มีใครมีความสามารถในการผลิตส่วนเกินของโรงงานและอยากเข้ามาทำหน่วยความจำ ก็ต้องสู้กับกำแพงสิทธิบัตรขนาดมหึมา
  บริษัทหน่วยความจำส่วนใหญ่มีข้อตกลงลับหลังที่หักล้างการละเมิดสิทธิบัตรของกันและกัน
  จึงนึกไม่ออกจริง ๆ ว่าผู้ผลิตหน่วยความจำรายใหม่จะเกิดขึ้นได้อย่างไรโดยไม่จมอยู่กับค่าลิขสิทธิ์