ย้อนมองการผูกขาดชิปสำหรับพัฒนาเอไอของ NVIDIA ที่ช่วยให้ NVIDIA หุ้นพุ่งต่อเนื่องเฉียด 250% ตั้งแต่การเปิดตัว Generative AI ในเดือนพฤศจิกายน 2565 พร้อมทำราคาที่จุดซื้อขายสูงสุดตลอดกาล พลิกตลาดหุ้นเทคฯ Nasdaq สหรัฐฟื้นตัว
วันที่ 26 พฤษภาคม 2566 บริษัท เอ็นวิเดีย คอร์ปอเรชั่น (NVIDIA) ผู้ผลิตชิปประมวลผลกราฟิก (GPU) รายงานผลประกอบการไตรมาสที่ 1/2566 รายได้รวม 7.19 พันล้านเหรียญสหรัฐ กำไรสุทธิอยู่ที่ 2 พันล้านเหรียญสหรัฐ กลุ่มธุรกิจ Data Center เพิ่มขึ้น 14% เป็นสถิติสูงสุดที่ 4.28 พันล้านเหรียญสหรัฐ กลุ่มเกมมิ่ง 2.24 พันล้านเหรียญสหรัฐ (ลดลง 38% จากปีที่ผ่านมา) กลุ่ม Professional Visualization 2.95 ร้อยล้านเหรียญสหรัฐ (ลดลง 53%) และกลุ่มยานยนต์ 2.96 ล้านเหรียญสหรัฐ (เพิ่มขึ้น 114%)
นายหวง เจนเซน (Jensen Huang) ประธานเจ้าหน้าที่บริหาร เอ็นวิเดีย กล่าวว่า อุตสาหกรรมคอมพิวเตอร์กำลังผ่านการเปลี่ยนแปลง 2 อย่างพร้อมกัน นั่นคือ การสร้างเทคโนโลยีประมวลผลที่เร็วยิ่งขึ้น และการพัฒนาหรือปรับใช้ Generative AI
“โครงสร้างพื้นฐาน Data Center ทั่วโลกมูลค่า 1 ล้านเหรียญสหรัฐ กำลังเปลี่ยนผ่าน เปลี่ยนจากวัตถุประสงค์เพื่อการใช้งานทั่วไป สู่การเร่งรีดเอาความเร็วประมวลผล ในขณะที่บริษัทต่าง ๆ แข่งขันกันเพื่อนำ Generative AI มาใช้กับทุกผลิตภัณฑ์ บริการ และกระบวนการทางธุรกิจ”
“กลุ่มผลิตภัณฑ์สำหรับ Data Center ของเรา เช่น H100, Grace CPU, Grace Hopper Superchip, NVLink, Quantum 400 InfiniBand และ BlueField-3 DPU ล้วนอยู่ในระหว่างการผลิต เรากำลังเพิ่มอุปทานของเราอย่างมีนัยสำคัญ เพื่อตอบสนองความต้องการที่เพิ่มขึ้นสำหรับพวกเขา”
หลังการประกาศผลประกอบการ ราคาหุ้นของ NVIDIA พุ่งขึ้นทำจุดสูงสุดตลอดกาล (All time High) ปิดทำการซื้อขายที่ราคา 379 เหรียญสหรัฐ/หุ้น ส่งผลให้มูลค่ารวมของบริษัทเฉียด 1 ล้านล้านเหรียญสหรัฐ กำลังเทียบชั้นกับ 1 ใน 5 Big tech เคียงคู่กับ Apple, Microsoft, Saudi Aramco, Alphabet และ Amazon
และหากนับตั้งแต่เดือนตุลาคม-พฤศจิกายน 2565 ซึ่งเป็นช่วงที่มีการเปิดตัว Chat GPT ซึ่งเป็น Generative AI รุ่นใหม่ของ OpenAI ที่ทำให้บริษัทเทค ยักษ์ใหญ่ทั่วโลกเปิดสงครามพัฒนาเอไอกันอย่างกว้างขวาง NVIDIA ในฐานะผู้ผลิตชิปประมวลผลสำหรับเทรนปัญญาประดิษฐ์ทุกประเภท จึงได้อานิสงส์มหาศาล
กล่าวได้ว่านับตั้งแต่ช่วงเดือน พ.ย. 2565 ที่ผ่านมา ถึงปัจจุบัน ราคาหุ้นของ NVIDIA ทะยานต่อเนื่องมาแล้วกว่า 250%
นอกจากนี้ ตลาดหุ้นเทคโนโลยีสหรัฐยังได้รับอานิสงส์จากการพัฒนาเอไอของเหล่าบิ๊กเทค ซึ่งนำโดย NVIDIA ที่มีปริมาณซื้อขายสูงถึง 6 หมื่นล้านเหรียญสหรัฐ ซึ่งคิดเป็น 20% ของปริมาณซื้อขายหุ้นในตลาดทั้งหมดในรอบวัน (25 พ.ค. 2566)
หุ้นเทคโนโลยีที่เกี่ยวกับ AI ในตลาด Nasdaq ล้วนพุ่งขึ้นตาม โดย Microsoft เพิ่มขึ้น 3.85% และ Alphabet เพิ่มขึ้น 2.13% ขณะที่ AMD (Advanced Micro Devices Inc.) ผู้ผลิตชิปประมวลผลคู่แข่ง Nvidia เพิ่มขึ้นประมาณ 11% ส่งผลให้ดัชนี Nasdaq เพิ่มขึ้น 1.7% เป็น 12,698.09 จุด
NVIDIA ผูกขาดการ์ดจอ สำหรับเอไอ
CNBC เคยเขียนรายงานเกี่ยวกับความกังวลในการผูกขาด “ชิปประมวลผล” ที่มีความสามารถพอจะเป็นขุมพลังให้กับเอไอรุ่นใหม่ ที่ NVIDIA ครอบครองการผลิตถึง 95% ของตลาด
ชิป A100 ของบริษัท NVIDIA ผู้ผลิตชิปประมวลผลกราฟิก หรือ GPU รายสำคัญของโลก ได้กลายเป็น “แรงขับเคลื่อน” ที่สำคัญที่สุดในอุตสาหกรรมปัญญาประดิษฐ์เชิงกำเนิด (Generative A.I.) บริษัทต่าง ๆ เช่น Microsoft และ Google กําลังต่อสู้เพื่อรวม AI ที่ทันสมัยเข้ากับเครื่องมือค้นหาของพวกเขา (Search Engine) เนื่องจากบริษัทใหม่ ๆ ที่พยายามแข่งขันกันพัฒนาเอไอมาล่วงหน้าและเผยแพร่ซอฟต์แวร์ของตนสู่สาธารณะ จนทำให้มูลค่าพันล้านเหรียญสหรัฐ เช่น OpenAI และ Stable Diffusion
“ชิป A100 ได้กลายเป็น ‘ม้าใช้’ หรือขุมพลังและตัวขับเคลื่อนซูเปอร์คอมพิวเตอร์ของปัญญาประดิษฐ์ในขณะนี้ ซึ่ง Nvidia ได้ผลิตขุมพลังกราฟิกประมวลสำหรับแมชีนเลิร์นนิ่งดังกล่าวราว 95% ของตลาด” Nathan Benaich นักลงทุนผู้คร่ำหวอดในแวดวงเทคโนโลยีระบุในรายงาน
A100 ถูกออกแบบอย่างเหมาะยิ่งให้ใช้สร้างโมเดลแมชีนเลิร์นนิ่งที่ขับเคลื่อนเครื่องมือต่าง ๆ เช่น ChatGPT, Bing AI หรือ Stable Diffusion ชิปสามารถคํานวณง่าย ๆ ได้หลายอย่างพร้อมกัน ซึ่งเป็นสิ่งสําคัญสําหรับการฝึกเอไอ และใช้แบบจําลองเครือข่ายประสาทเทียม
เทคโนโลยีที่อยู่เบื้องหลัง A100 ถูกนํามาใช้ในการแสดงกราฟิก 3 มิติที่ซับซ้อนในเกม มักเรียกว่า GPU ทุกวันนี้ A100 ของ Nvidia ได้รับการออกแบบและกําหนดค่าเป้าหมายไปที่งานแมชีนเลิร์นนิ่ง และทํางานในศูนย์ข้อมูลโดยเฉพาะ ไม่ใช่ในคอมพิวเตอร์สําหรับเล่นเกมเท่านั้น
บริษัทขนาดใหญ่หรือสตาร์ตอัพที่ทํางานเกี่ยวกับซอฟต์แวร์เอไอ เช่น แชตบอต และเอไอวาดภาพ ต้องใช้ชิปของ Nvidia หลายร้อยหรือหลายพันตัว ทั้งการซื้อด้วยตัวเองหรือเข้าถึงซูเปอร์คอมพิวเตอร์เหล่านั้นจากผู้ให้บริการคลาวด์
พวกเขาต้องใช้ GPU หลายร้อยตัวเพื่อฝึกโมเดลปัญญาประดิษฐ์ เช่น โมเดลภาษาขนาดใหญ่ ชิปต้องมีประสิทธิภาพเพียงพอที่จะเขย่าข้อมูลขนาดใหญ่อย่างรวดเร็ว เพื่อจดจํารูปแบบ หลังจากนั้น GPU เช่น A100 ก็จําเป็นสําหรับ “การอนุมานข้อมูล” หรือใช้โมเดลเพื่อสร้างข้อความ “คาดการณ์” หรือระบุวัตถุที่จำเป็นภายในภาพที่จะสร้างขึ้น
หมายความว่า บริษัทเทคโนโลยีที่ต้องการพัฒนา AI จําเป็นต้องเข้าถึงชิป A100 จํานวนมาก ผู้ประกอบการบางรายเห็นว่าจํานวน A100 ที่พวกเขาสามารถครอบครองได้ถือเป็นสัญญาณความก้าวหน้าของบริษัท