ผลกำไรของ Nvidia นั้นหยุดนิ่งและ AMD ก็ทำผลงานได้ต่ำกว่าที่คาดเช่นกัน โดยในช่วงหกเดือนที่ผ่านมา โมเมนตัมในการทำข้อตกลงกับ AI ได้เปลี่ยนไปสู่ ASIC แบบกำหนดเอง ซึ่งถือว่ามีศักยภาพในการเติบโตมากกว่า GPU เชิงพาณิชย์หลายเท่า แต่ในมุมมองของ Morgan Stanley ความคาดหวังของตลาดต่อ ASIC นั้นสูงเกินไป และในระยะยาว ASIC จะพบว่ามันยากที่จะสั่นคลอนตำแหน่งทางการตลาดของ GPU
เมื่อวันที่ 12 กุมภาพันธ์ Joseph Moore นักยุทธศาสตร์ของ Morgan Stanley และทีมงานของเขาได้เผยแพร่รายงานที่ระบุว่า ASIC ในฐานะหมวดหมู่ของชิปนั้นไม่ได้ดีหรือแย่ไปกว่า GPU เชิงพาณิชย์ ทั้งสองเป็นเพียงวิธีที่แตกต่างกันในการบรรลุผลลัพธ์เดียวกัน
Morgan Stanley กล่าวว่า ASIC มีประสิทธิภาพดีในสถานการณ์การใช้งานเฉพาะบางสถานการณ์ แต่ขึ้นอยู่กับความต้องการปรับแต่งของลูกค้าแต่ละรายเป็นอย่างมาก แม้ว่าต้นทุนการพัฒนา ASIC โดยทั่วไปจะต่ำ แต่ต้นทุนระบบและต้นทุนการปรับใช้ซอฟต์แวร์อาจสูงกว่า GPU ที่สามารถใช้งานเชิงพาณิชย์ในระดับใหญ่ได้มาก ลูกค้าอาจต้องใช้เวลาและทรัพยากรจำนวนมากในการปรับเปลี่ยนซอฟต์แวร์ ส่งผลให้ต้นทุนรวมในการเป็นเจ้าของสูงขึ้น
นอกจากนี้ ระบบนิเวศ CUDA ของ NVIDIA ยังมีความสมบูรณ์มากแล้ว และลูกค้าสามารถปรับใช้และรันเวิร์กโหลดต่างๆ ได้อย่างง่ายดาย ซึ่งจะเพิ่มต้นทุนรวมของการเป็นเจ้าของ Morgan Stanley คาดการณ์ว่า Nvidia ซึ่งเป็นผู้นำในอุตสาหกรรมชิปในปัจจุบันจะยังคงครองความโดดเด่นต่อไป เว้นแต่จะมีการเปลี่ยนแปลงที่ไม่คาดคิดเกิดขึ้น
เมื่อเปรียบเทียบกับ GPU เชิงพาณิชย์ สถานการณ์การใช้งานของ ASIC แบบกำหนดเองจะแคบเกินไป
Morgan Stanley กล่าวว่าบางครั้งใช่ - ASIC แบบกำหนดเองนั้นมีความน่าสนใจมากเมื่อกำหนดเป้าหมายไปที่สถานการณ์แอปพลิเคชันที่แคบลง ASIC คือชิปที่ได้รับการปรับแต่งมาสำหรับผู้ให้บริการระบบคลาวด์เฉพาะหรือลูกค้าองค์กรที่สามารถให้ประสิทธิภาพและประสิทธิผลที่สูงกว่า และด้วยเหตุนี้ จึงมีข้อได้เปรียบทางการแข่งขันทางการตลาดที่แตกต่าง
ตัวอย่างเช่น ความสำเร็จของ Google TPU (Tensor Processing Unit) เป็นผลมาจากการที่ Google ได้คิดค้นเทคโนโลยี LLM Transformer สมัยใหม่ขึ้นมา และได้ชักจูงให้ Broadcom พัฒนาชิปที่ปรับให้เหมาะสมโดยเฉพาะ ซึ่งทำให้ Broadcom มีรายได้เพิ่มขึ้นกว่า 8 พันล้านเหรียญสหรัฐฯ อีกด้วย
อย่างไรก็ตาม Nvidia กำลังพยายามที่จะยึดส่วนแบ่งการตลาดกลับคืนโดยการปรับแต่ง GPU เพื่อรองรับรุ่น Transformer ยิ่งไปกว่านั้น ในด้านการประมวลผลแบบคลาวด์ GPU เชิงพาณิชย์มักจะมีความสามารถในการแข่งขันมากกว่า ASIC
ดังนั้น Morgan Stanley จึงเชื่อว่าในอนาคต ข้อดีของ ASIC ที่กำหนดเองอาจสะท้อนให้เห็นมากขึ้นในเวิร์กโหลดดั้งเดิม เนื่องจาก Nvidia มุ่งเน้นไปที่การฝึกอบรมโมเดล AGI (ปัญญาประดิษฐ์ทั่วไป) แบบหลายโหมด และความสามารถในการฝึกอบรมนี้อาจมากเกินไปสำหรับแอปพลิเคชันเก่าบางตัว
อย่างไรก็ตาม Morgan Stanley ยังกล่าวเสริมอีกว่า Nvidia อาจยังยากที่จะแซงหน้าในด้านการจัดหาความสามารถในการฝึกอบรมระดับไฮเอนด์
ต้นทุนการพัฒนา ASIC ที่กำหนดเองนั้นต่ำ แต่ต้นทุนระบบนั้นสูงกว่า
Morgan Stanley กล่าวว่า ASIC เองมีราคาถูกกว่า GPU โดยเฉพาะอย่างยิ่งในแง่ของต้นทุนฮาร์ดแวร์ แต่ต้นทุนระบบและต้นทุนซอฟต์แวร์ก็สูงกว่า ซึ่งทำให้ต้นทุนรวมในการเป็นเจ้าของ (TCO) ไม่จำเป็นต้องต่ำกว่า GPU เชิงพาณิชย์
รายงานระบุว่าต้นทุนฮาร์ดแวร์ของ ASIC บางตัวอาจมีราคาเพียง 3,000 เหรียญสหรัฐ ขณะที่ GPU H100 ของ Nvidia มีราคา 20,000 เหรียญสหรัฐ ความแตกต่างของราคานี้ทำให้ ASICs มีความน่าดึงดูดใจมากขึ้นในแง่ของต้นทุนฮาร์ดแวร์
อย่างไรก็ตาม แม้ว่าต้นทุนฮาร์ดแวร์ของ ASIC จะถูกกว่า แต่ต้นทุนระบบของ ASIC อาจสูงกว่า GPU เอนกประสงค์ได้มาก ดังต่อไปนี้:
ต้นทุนคลัสเตอร์ของ ASIC น่าจะสูงกว่า Nvidia อย่างมาก เนื่องจาก Nvidia สร้างโดเมน NVLINK ที่ใช้ GPU 72 ตัวแบบทองแดง ในขณะที่ ASIC ใช้เทคโนโลยีออปติคัลซึ่งมีราคาแพงกว่า และส่วนประกอบอื่นๆ ที่มีต้นทุนสูงก็มีความคล้ายคลึงกัน
แม้ว่าต้นทุนของหน่วยความจำแบนด์วิดท์สูง (HBM) จะเท่ากัน แต่ Nvidia อาจมีข้อได้เปรียบ เนื่องจากมีอำนาจซื้อผูกขาดใน HBM ใหม่ และสิ่งเดียวกันนี้ก็เป็นจริงสำหรับ CoWoS (เทคโนโลยีการบรรจุภัณฑ์ชิป) เช่นกัน
ในด้านซอฟต์แวร์ ระบบนิเวศ CUDA ของ NVIDIA ถือว่ามีความสมบูรณ์มาก ช่วยให้ลูกค้าสามารถปรับใช้และรันเวิร์กโหลดต่างๆ ได้อย่างง่ายดาย เมื่อใช้ ASIC หรือทางเลือกอื่น ลูกค้าอาจต้องใช้เวลาและทรัพยากรจำนวนมากในการปรับเปลี่ยนซอฟต์แวร์ ซึ่งจะเพิ่มต้นทุนรวมของการเป็นเจ้าของ (TCO)
ในด้านซอฟต์แวร์ ระบบนิเวศ CUDA ของ NVIDIA ถือว่ามีความสมบูรณ์มาก ช่วยให้ลูกค้าสามารถปรับใช้และรันเวิร์กโหลดต่างๆ ได้อย่างง่ายดาย เมื่อใช้ ASIC หรือทางเลือกอื่น ลูกค้าอาจต้องใช้เวลาและทรัพยากรจำนวนมากในการปรับเปลี่ยนซอฟต์แวร์ ซึ่งจะเพิ่มต้นทุนรวมของการเป็นเจ้าของ (TCO)
ตัวอย่างเช่น ลูกค้าของ Trainium อย่าง Databricks คาดว่า "จะต้องใช้เวลาหลายสัปดาห์หรือหลายเดือนจึงจะนำระบบออนไลน์ได้" ผู้บริหารฝ่ายบริการคลาวด์รายหนึ่งกล่าวกับ Morgan Stanley เมื่อไม่นานนี้ว่า "เทคโนโลยีที่ทีม ASIC ของฉันส่งมอบให้จะตามหลัง Nvidia อยู่ 2-3 ปีทุก ๆ สองปี ซึ่งเมื่อมองในเชิงเศรษฐกิจแล้ว นี่ไม่มีประโยชน์มากนัก"
ดังนั้น แม้ว่า NVIDIA จะมีการเปิดตัวชิปราคาถูก เช่น L4 และ L40 แต่ตลาดยังคงมีแนวโน้มที่จะเลือกการ์ดจอประสิทธิภาพสูงที่มีราคาแพง เนื่องจากการ์ดจอระดับไฮเอนด์มีข้อได้เปรียบอย่างมากในด้านประสิทธิภาพและการรองรับระบบนิเวศ
Morgan Stanley สรุปว่าโปรเซสเซอร์ราคาต่ำหลายตัวอาจดึงดูดลูกค้าได้ในระยะเริ่มแรก แต่เนื่องจากขาดระบบนิเวศที่สมบูรณ์และการสนับสนุนในระยะยาว ลูกค้าจึงจะกลับมาใช้ Nvidia ในที่สุด TPU, Trainium และ AMD MI300 เป็นเพียงข้อยกเว้นบางประการ ไม่ใช่ว่าโปรเซสเซอร์ที่ถูกกว่าไม่มีมูลค่า แต่หมายความว่าโปรเซสเซอร์ที่ถูกกว่ามักไม่ได้รับส่วนแบ่งการตลาดมากเท่าที่คาดไว้ในตอนแรก
อำนาจเหนือของ Nvidia ยากที่จะสั่นคลอน
ตำแหน่งทางการตลาดของ Nvidia ยังคงแข็งแกร่ง Morgan Stanley เชื่อว่าตำแหน่งที่โดดเด่นของ Nvidia ในตลาดชิป AI นั้นไม่ได้มาจากความแข็งแกร่งทางเทคนิคเพียงอย่างเดียวเท่านั้น แต่ยังมาจากระบบนิเวศน์ที่สมบูรณ์และการลงทุนด้านการวิจัยและพัฒนาอย่างต่อเนื่องอีกด้วย
รายงานระบุว่า Nvidia คาดว่าจะใช้จ่ายประมาณ 16,000 ล้านดอลลาร์สำหรับการวิจัยและพัฒนาในปีนี้ ในขณะที่งบประมาณการพัฒนาสำหรับชิป ASIC (วงจรรวมเฉพาะแอปพลิเคชัน) ที่กำหนดเองนั้นมักจะน้อยกว่า 1,000 ล้านดอลลาร์ และในบางกรณีก็น้อยกว่านั้นด้วยซ้ำ
ด้วยเงินทุนเหล่านี้ NVIDIA จะสามารถรักษาวงจรการพัฒนา 4-5 ปี และสามารถดำเนินทีมออกแบบสามทีมติดต่อกันเพื่อเปิดตัวชิปประสิทธิภาพสูงที่เป็นผู้นำตลาดอย่างต่อเนื่อง นอกจากนี้ Nvidia ยังมีสถานะอยู่ในทุกแพลตฟอร์มคลาวด์ในทุกภูมิภาคของโลก และการลงทุนใดๆ ในระบบนิเวศของ Nvidia นั้นสามารถกระจายไปทั่วโลกได้ ซึ่งจะช่วยเสริมสร้างความโดดเด่นทางการตลาดให้แข็งแกร่งยิ่งขึ้น
ความคิดเห็นทั้งหมด