หัวข้อต้นฉบับ: 《การคาดการณ์จุดจบของ AI เซมิคอนดักเตอร์ 2026 (II)》
ผู้เขียนต้นฉบับ: fin, นักวิเคราะห์ AI

เมื่อเซมิคอนดักเตอร์พัฒนาเชิงโครงสร้างไปสู่แกนหลักของการอนุมาน AI หน่วยความจำและพื้นที่จัดเก็บข้อมูลกลายเป็นคอขวดที่ใหญ่ที่สุด ความสงสัยที่ใหญ่ที่สุดของตลาดต่อหน่วยความจำและพื้นที่จัดเก็บข้อมูลคือ:

HBM/DRAM/SSD จะหลุดพ้นจากวัฏจักรแบบดั้งเดิมได้หรือไม่?

เส้นทางวิวัฒนาการของสถาปัตยกรรม GPU ที่พึ่งพาการเติบโตแบบเลขชี้กำลังของ HBM จะหยุดลงหรือไม่? จะหยุดเมื่อไหร่?

ผลกระทบจากการขยายกำลังการผลิตของ ChangXin Memory Technologies มีมากแค่ไหน? จะนำตลาดนี้กลับเข้าสู่หล่มของวัฏจักรอีกครั้งหรือไม่?

บทความนี้พยายามสร้างกรอบแนวคิดเพื่อจัดระเบียบปัญหาเหล่านี้

ทุกสิ่งล้วนมีวัฏจักร และวัฏจักรของหน่วยความจำนั้นรุนแรงเป็นพิเศษ แหล่งที่ใหญ่ที่สุดคือระยะเวลาการขยายกำลังการผลิตที่ยาวเกินไป ทำให้ไม่สามารถขยายกำลังการผลิตได้อย่างรวดเร็วและเกิดความไม่สมดุลกับช่วงเวลาที่ขาดแคลนความต้องการ

วิธีที่เป็นไปได้ในการหลุดพ้นจากวัฏจักรแบบดั้งเดิม

1. การปรับแต่งตามความต้องการ: สินค้าไม่สามารถแลกเปลี่ยนกันได้ กำลังการผลิตไม่สามารถย้ายไปไหนได้ตามอำเภอใจ ต้องเซ็นสัญญาระยะยาว

2. การเติบโตของความต้องการแบบเลขชี้กำลังเชิงโครงสร้าง: เส้นอุปสงค์นั้นชันมาก และอุปทานไม่สามารถตามทันได้

3. การอัปเกรดเทคโนโลยีอย่างรวดเร็ว: แต่ละรุ่นของผลิตภัณฑ์จะทำให้รุ่นก่อนหน้าล้าสมัยอย่างรวดเร็ว

หากเป็นไปตามข้อใดข้อหนึ่ง ก็สามารถหลุดพ้นจากวัฏจักรแบบดั้งเดิมได้บางส่วน หากเป็นไปตามสองถึงสามข้อ ก็สามารถหลุดพ้นจากวัฏจักรแบบดั้งเดิมได้เป็นส่วนใหญ่

ตามกรอบแนวคิดนี้ HBM ในสามข้อนั้น คิดเป็นประมาณสองข้อครึ่ง

1. การปรับแต่งตามความต้องการ ต้องเซ็นสัญญาระยะยาว (ค่อนข้างอ่อน ถือเป็นครึ่งข้อ)

HBM มีองค์ประกอบของการปรับแต่งตามความต้องการและการออกแบบร่วมกับ Nvidia อยู่บ้าง แต่ไม่แข็งแรงมากนัก ส่วนที่ปรับแต่งจริงๆ มีเพียงการบรรจุภัณฑ์และ base die ส่วน DRAM die หลายสิบชั้นด้านบนนั้นยังคงเป็นมาตรฐาน JEDEC อย่างสมบูรณ์

ตัวอย่างเช่น เมื่อ HBM3E ของ Samsung ไม่ผ่านการรับรองจาก NVIDIA ส่วนแบ่งตลาดลดลงจากประมาณ 60% เหลือ 20% มันไม่ได้ทิ้งกำลังการผลิต这批ให้เสียเปล่า แต่กลับส่งต่อไปให้ TPU ของ Google และ AMD ในทางกายภาพ HBM3E ที่ให้ NVIDIA กับ HBM3E ที่ให้ AMD นั้นเป็นสิ่งเดียวกัน ดังนั้นกำลังการผลิตยังคงสามารถโอนย้ายได้บางส่วนอย่างอิสระ

หลังจาก HBM4 จะมีการปรับแต่งเพิ่มเติมมากขึ้น รวมถึงการรวมลอจิกแบบกำหนดเองและ/หรือแคชลงบนเบสไดย์ วิธีที่ซับซ้อนกว่าคือการใส่คอนโทรลเลอร์ HBM4E และอินเทอร์เฟซแบบไดย์ต่อไดย์ที่กำหนดเองลงในเบสไดย์ลอจิกโดยตรง

SemiAnalysis กล่าวว่า OpenAI, NVIDIA และ AMD ต่างก็กำลังทำงานเกี่ยวกับ HBM แบบกำหนดเอง แต่หมายถึงการปรับแต่งเบสไดย์เท่านั้น ส่วนชั้น DRAM ด้านบนยังคงเป็นมาตรฐาน

ในส่วนของคุณสมบัติที่ปรับแต่งบางส่วน HBM จำเป็นต้องร่วมมือกันในด้านการบรรจุภัณฑ์ ซึ่งทำให้ลูกค้าต้องเซ็นสัญญาระยะยาว แต่กำลังการผลิตก็สามารถโอนย้ายได้จริง ดังนั้น HBM จึงถือว่าเป็น "ครึ่งเส้น" ได้อย่างยากลำบาก

2. การเติบโตของความต้องการแบบเอ็กซ์โพเนนเชียลเชิงโครงสร้าง (เป็นไปตาม)

เหตุผลที่ชัดเจนที่สุดคือความต้องการอัปเกรดฮาร์ดแวร์ของ Nvidia token factory token throughput ซึ่งทำให้แบนด์วิดท์ของ HBM อัปเกรดรุ่นอย่างรวดเร็ว และขนาดของ HBM เติบโตแบบเอ็กซ์โพเนนเชียล

ข้อนี้เป็นข้อสรุปจากบทความก่อนหน้าเรื่อง "การคาดการณ์จุดจบของ AI เซมิคอนดักเตอร์ 2026(I)":

token throughput = ขนาด HBM × แบนด์วิดท์ HBM ซึ่งเพิ่มขึ้นเป็นสองเท่าในแต่ละรุ่น

ขนาด HBM ต่อ GPU เติบโตมากกว่า 40% ต่อปี

ความชันของเส้นอุปสงค์นี้ยากที่ฝั่งอุปทาน DRAM จะตามทัน โดยมีการเติบโตของเวเฟอร์ 14% คูณด้วยการเพิ่มความหนาแน่น 9%

ในด้านฮาร์ดแวร์ เนื่องจากความต้องการแบนด์วิดท์สูงและขนาดหน่วยความจำสูงของ KV cache ในเฟส attn ทำให้ HBM มีสถานะที่ไม่เหมือนใคร แม้ว่าราคา HBM จะเพิ่มขึ้นสามถึงห้าเท่า การใช้เงินกับ HBM เพื่อเพิ่ม token throughput ส่วนเพิ่มก็ยังคุ้มค่ากว่าการใช้จ่ายในส่วนอื่นมาก

เส้นทางหน่วยความจำอื่นๆ เช่น SRAM, HBF, CXL, PIM ในปัจจุบันไม่สามารถแข่งขันโดยตรงกับ HBM ในเส้นทางหลักของ kv cache/attention ได้ อย่างน้อยในอีก 5 ปีหรือนานกว่านั้น ก็ไม่น่าจะมีเส้นทางทดแทนได้

3. การอัปเกรดเทคโนโลยีอย่างรวดเร็ว (เป็นไปตาม)

ยุค DDR3 ผ่านไป 15 ปีก็ยังเป็นแค่ยุค DDR5 ในขณะที่การอัปเกรดรุ่นของ HBM นั้นเร็วประมาณสองปีต่อรุ่น ซึ่งเร็วกว่า DDR แบบดั้งเดิมมาก และมีแนวโน้มเร่งตัวขึ้นอีก ขนาด HBM x แบนด์วิดท์ HBM เพิ่มขึ้นเป็นสองเท่าในแต่ละรุ่น ซึ่งสอดคล้องกับกฎนี้อย่างสมบูรณ์ในปัจจุบัน

ทุกๆ สองรุ่น การอัปเกรด HBM ความเร็วของ GPU ของ NV จะเพิ่มขึ้นแบบเอ็กซ์โพเนนเชียล: 2TB/s → 3.5TB/s → 4.8TB/s → 8TB/s → 22TB/s และความเร็วของ HBM กับ token throughput ในการอนุมานมีความสัมพันธ์เชิงเส้นตรงอย่างสมบูรณ์ ต้นทุนการใช้งานส่วนเพิ่มของ HBM รุ่นก่อนหน้าจะไม่คุ้มค่า ทุกคนมีแรงจูงใจที่จะใช้ผลิตภัณฑ์ใหม่ล่าสุดให้มากที่สุด แม้จะแพงกว่า แต่ผลตอบแทนที่ได้ (token throughput) ก็มากกว่า

ตรรกะในยุค Token factory คือ ยิ่งมีการอัปเกรดเทคโนโลยี (แบนด์วิดท์ HBM) มากเท่าไหร่ ก็ยิ่งทำกำไรได้มากเท่านั้น

ความแตกต่างของความเร็วนี้ ทำให้เกิดสถานการณ์คล้ายกับ CPU: ผลิตภัณฑ์เก่ามูลค่าลดลงอย่างรวดเร็ว ดังนั้นมูลค่าของการกักตุนสินค้าจึงลดลง เช่น มูลค่าของ HBM3 ลดลงอย่างรวดเร็ว ปัจจุบันผลิตภัณฑ์หลักแทบจะไม่ถูกใช้งานอีกต่อไป

ดังนั้น ทางเลือกที่สมเหตุสมผลสำหรับผู้ผลิต HBM คือเปลี่ยนจากการแข่งขันเพื่อแย่งส่วนแบ่งตลาดด้วยกำลังการผลิตปัจจุบัน (quantity competition) ไปสู่การแข่งขันด้านเทคโนโลยีในเรื่องความเสถียรและความเร็วของ HBM เพื่อแย่งส่วนแบ่งการรับรองคุณสมบัติ (qualification) บนแพลตฟอร์มของ NVIDIA ในรุ่นถัดไป (quality competition) ซึ่งช่วยหลีกเลี่ยงภาวะกลืนไม่เข้าคายไม่ออกของนักโทษ (prisoner's dilemma) ที่ทุกคนไม่อยากลดกำลังการผลิตและเสียส่วนแบ่งตลาดในช่วงขาลงของวัฏจักรดั้งเดิม

เมื่อเปรียบเทียบ HBM กับ DRAM แบบดั้งเดิม HBM ตอบสนองเงื่อนไขสองข้อครึ่งจากสามข้อ แล้ว HBM จะหลุดพ้นจากวัฏจักรดั้งเดิมได้หรือไม่?

ที่มาของวัฏจักรของหน่วยความจำ ตามคำบอกเล่าหลักคือ DRAM มีคุณสมบัติเป็นสินค้าโภคภัณฑ์ (Commodity) (ไม่มีความแตกต่าง → สงครามราคา → สินค้าคงคลังสามารถกักตุนได้) จึงเกิดวัฏจักร

แต่คุณสมบัติของสินค้าโภคภัณฑ์ไม่ได้สร้างวัฏจักรขึ้นมาเอง มันเป็นเพียงตัวขยายแอมพลิจูด (amplitude amplifier)

โดยเฉพาะในวงการ DRAM เคยเกิดภาวะกลืนไม่เข้าคายไม่ออกของนักโทษ ในช่วงขาลง Samsung เคยขยายกำลังการผลิตเพื่อแย่งส่วนแบ่งตลาด ใครลดกำลังการผลิตก่อนก็เสียเปรียบ ทำให้ไม่มีใครกล้าลดกำลังการผลิตง่ายๆ สุดท้ายทุกคนก็ขาดทุนอย่างหนัก

ที่จริงแล้ว สาเหตุเชิงโครงสร้างหลักของวัฏจักรคือ ระยะเวลาการจัดหาที่ยาวนานเกินไป ซึ่งมักจะไม่สอดคล้องกับวัฏจักรของอุปสงค์ การสร้างโรงงาน fab หนึ่งแห่งใช้เวลา 3 ปี ลงทุนหลายหมื่นล้านดอลลาร์ เมื่อตัดสินใจแล้วก็ไม่สามารถย้อนกลับได้ ในขณะที่การเติบโตของอุปสงค์มีความไม่แน่นอน ทุกครั้งที่มีการเติบโตของกระบวนทัศน์ใหม่ เช่น บริการคลาวด์ โทรศัพท์มือถืออินเทอร์เน็ตบนมือถือ ความต้องการออนไลน์ในช่วงโควิด จะมีการเติบโตแบบก้าวกระโดด แต่หลังจากสองปี การเติบโตจะชะลอตัวลง อุปทานมากกว่าอุปสงค์ ราคาลดลงอย่างรุนแรง ก็กลายเป็นวัฏจักรขาดทุน

ทุกสิ่งล้วนเป็นวัฏจักร HBM ก็หนีไม่พ้นเช่นกัน แต่ตราบใดที่ความต้องการโทเคนยังคงเติบโตแบบทวีคูณ การเติบโตแบบทวีคูณเชิงโครงสร้างจะช่วยลดผลกระทบของวัฏจักรลงได้ เพราะความต้องการสามารถคาดการณ์ได้ดีกว่า และเมื่อราคาลดลง ลูกค้าก็จะมีความต้องการเพิ่มขนาด HBM (ซึ่งจะเพิ่มปริมาณโทเคนที่ส่งผ่าน) ประกอบกับ HBM มีข้อกำหนดเฉพาะบางประการที่ทำให้ต้องทำสัญญาระยะยาว จึงเปลี่ยนจากวัฏจักรแบบดั้งเดิมเป็นวัฏจักรการเติบโต และวัฏจักรนี้จะยาวนานเป็นพิเศษ

· วัฏจักรแบบดั้งเดิม: ในช่วงขาขึ้นกำไรเยอะ ในช่วงขาลงขาดทุนเยอะ

· วัฏจักรการเติบโต: ในช่วงขาขึ้นกำไรเยอะ ในช่วงขาลงกำไรน้อย

นอกจากนี้ HBM/DRAM ยังมีข้อได้เปรียบสำคัญอีกข้อหนึ่ง นอกเหนือจากเงื่อนไขสามข้อที่ช่วยหลุดพ้นจากวัฏจักรดั้งเดิม:

4. เนื่องจากการเพิ่มความหนาแน่นของ DRAM (scaling) ช้าลงเรื่อยๆ และการอัปเกรด HBM ทำให้จำนวนชั้น DRAM ที่ซ้อนกันเพิ่มขึ้น การขยายกำลังการผลิตในฝั่งอุปทานจึงยากขึ้นเรื่อยๆ

ช่วงปี 2000 ความหนาแน่นของบิต DRAM ต่อเวเฟอร์เพิ่มขึ้นประมาณ 45% ต่อปี หมายความว่าแม้จำนวนเวเฟอร์จะไม่เพิ่มขึ้น ปริมาณบิต DRAM ฝั่งอุปทานก็ยังเพิ่มขึ้น 45% ต่อปี

เมื่อสิบปีก่อน อัตราการเพิ่มความหนาแน่นของบิต DRAM ลดลงเหลือ 20% ต่อปี และปัจจุบันลดลงเหลือ 9% ต่อปี ในอดีต การขยายกำลังการผลิต DRAM แทบไม่ต้องสร้างโรงงานใหม่ก็สามารถเพิ่มปริมาณบิตได้ 20-30% ต่อปี แต่ตอนนี้การขยายกำลังการผลิต DRAM ต้องพึ่งพาการเพิ่มจำนวนเวเฟอร์เป็นหลัก นั่นคือการสร้างโรงงานและห้องคลีนรูมใหม่

อีกหนึ่งความยากในการขยายกำลังการผลิต HBM อย่างรวดเร็วคือ HBM3e ต้องใช้เวเฟอร์ DRAM มากกว่าประมาณ 3 เท่า ในขณะที่ HBM4 เนื่องจากความหนาแน่นของชั้นที่เพิ่มขึ้น จะต้องใช้เวเฟอร์ DRAM มากกว่าประมาณ 4 เท่า ซึ่งหมายความว่าบิต HBM เมื่อเทียบกับบิต DRAM นั้นผลิตยากขึ้นเรื่อยๆ จำนวนบิต HBM ที่ผลิตได้ต่อเวเฟอร์ DRAM ลดลงเรื่อยๆ เทียบเท่ากับภาวะเงินฝืด

สักวันหนึ่งในอนาคต HBM จะเปลี่ยนจากวัฏจักรการเติบโตกลับไปเป็นวัฏจักรแบบดั้งเดิมหรือไม่? ปัจจัยสำคัญที่สุดคือการเติบโตแบบทวีคูณเชิงโครงสร้าง ดังนั้น

ในยุคของการอนุมาน AI เส้นทางการพัฒนาสถาปัตยกรรม GPU ที่พึ่งพาการเติบโตแบบทวีคูณของ HBM นี้ จะหยุดลงหรือไม่? และจะหยุดเมื่อไหร่?

token throughput = ขนาด HBM × แบนด์วิดท์ HBM สาเหตุที่ขนาด HBM เติบโตตามหลักการแรกเริ่มของการเติบโตแบบเอ็กซ์โพเนนเชียลนี้ก็คือการเติบโตของ KV cache คุณสมบัติของ KVCache และคุณสมบัติของ Attention นั้นสอดคล้องกับ HBM อย่างมาก จนทำให้ HBM เหนือกว่าเส้นทางเทคโนโลยีอื่นๆ และสามารถเพิ่มประสิทธิภาพการใช้งานในช่วง KVCache และ Attention ได้สูงสุด

กล่าวอีกนัยหนึ่ง หาก KV cache ไม่มีอยู่จริงในเชิงสถาปัตยกรรม ตรรกะการเติบโตแบบเอ็กซ์โพเนนเชียลของขนาด HBM ก็จะถูกท้าทาย

ดังนั้น แก่นแท้ของปัญหานี้ก็คือ กลไก Attention ที่มี Transformer เป็นตัวแทนในรอบนี้ รวมถึงกลไก KV cache ที่衍生ออกมา จะหายไปหรือไม่? หลังจากกระแสลดลง มันจะถูกแทนที่หรือไม่?

จากกฎเกณฑ์ทางประวัติศาสตร์: ทุกครั้งที่มีการปฏิวัติสถาปัตยกรรมโมเดล AI สิ่งที่ถูกเก็บรักษาไว้จริงๆ คือการดำเนินการแบบ primitive ที่มีความเป็นสากลทางคณิตศาสตร์

ยกตัวอย่าง: FFN (เครือข่ายฟีดฟอร์เวิร์ด หรือชั้น MLP จำนวนมากในโมเดล) เป็นผลผลิตจากยุค Deep Learning ในปี 2012 แต่มันอยู่รอดมาจนถึงโมเดลภาษาขนาดใหญ่ในปัจจุบัน และยังคงครอบครองพารามิเตอร์จำนวนมากของโมเดล ทำไมมันถึงอยู่รอด? เพราะนี่คือ universal approximation theorem: MLP ที่กว้างพอสามารถประมาณฟังก์ชันต่อเนื่องใดๆ ได้

Attention ก็มีแนวโน้มสูงที่จะเป็น primitive ที่จะถูกเก็บรักษาไว้เช่นกัน เพราะมันแก้ปัญหาพื้นฐานเดียวกัน: dynamic routing ระหว่างสองตำแหน่งใดๆ ใน sequence ทำให้สองตำแหน่งใดๆ ใน sequence สามารถสร้างความสัมพันธ์ตามความต้องการได้ เมื่อความสามารถนี้ได้รับการพิสูจน์ว่ามีประสิทธิภาพ ก็ยากที่จะละทิ้ง

ดังนั้น แม้ว่าสถาปัตยกรรมในอนาคตจะวิวัฒนาการจาก Transformer บริสุทธิ์ไปเป็นสถาปัตยกรรมแบบผสม หรือไปเป็น World Model แต่ชั้น Attention ก็ยังคงมีอยู่ KV cache (หรือสิ่งที่เทียบเท่าหลังจากการบีบอัดแบบ latent) ก็ยังคงจำเป็น HBM ก็ยังคงเป็นหนึ่งในแกนหลักของการอนุมาน เส้นทางการวิวัฒนาการสถาปัตยกรรม GPU KV cache ที่พึ่งพาการเติบโตแบบเอ็กซ์โพเนนเชียลของ HBM นี้จะไม่หยุด

แล้ว DRAM ล่ะ? ในอนาคตมีโอกาสที่จะหลุดพ้นจากวัฏจักรดั้งเดิมหรือไม่?

HBM ที่หลุดพ้นจากวัฏจักรนั้นมีความเห็นพ้องในตลาดอยู่บ้าง แต่ DRAM ที่จะหลุดพ้นจากวัฏจักรนั้น ตลาดในปัจจุบันแทบไม่มีความเห็นพ้องเลย

กลับมาที่กรอบแนวคิดเดิม ในสามเงื่อนไขของการหลุดพ้นจากวัฏจักรดั้งเดิม DRAM ไม่มีการปรับแต่งตามความต้องการ (customization) ดังนั้นจึงต้องดูที่ความเร็วของการพัฒนาเทคโนโลยีเท่านั้น สิ่งสำคัญที่สุดคือต้องดูว่ามีการเติบโตแบบก้าวกระโดดเชิงโครงสร้างหรือไม่ คำตอบคือมี

ในแนวคิดของ AI token factory การเติบโตแบบก้าวกระโดดเชิงโครงสร้างที่แท้จริงนั้นส่วนใหญ่เป็น HBM แต่สถานการณ์เริ่มเปลี่ยนแปลงหลังจากสิ้นปี 2025: เมื่อ agentic CPU เริ่มปลดปล่อยศักยภาพ ความต้องการ DRAM ที่มาพร้อมกับ CPU ก็กำลังกลายเป็นแหล่งการเติบโตแบบก้าวกระโดดเชิงโครงสร้างใหม่ของ DRAM

ตรรกะการเติบโตในส่วนนี้แบ่งออกเป็นสองชั้น: ชั้นแรกคือการเติบโตอย่างรวดเร็วของ TAM (ตลาดที่สามารถเข้าถึงได้ทั้งหมด) ของเซิร์ฟเวอร์ CPU ชั้นที่สองคือปริมาณ DRAM ที่ติดตั้งต่อ CPU core ของเซิร์ฟเวอร์แต่ละตัวเพิ่มขึ้นอย่างรวดเร็วเนื่องจาก agentic flow

ตรรกะสี่ประการของการเติบโตอย่างรวดเร็วของ TAM เซิร์ฟเวอร์ CPU ได้ถูกเขียนไว้อย่างละเอียดในบทความพิเศษเกี่ยวกับ CPU เมื่อเดือนเมษายน พูดง่ายๆ คือ:

1. อัตราส่วน CPU ต่อ GPU ในคลัสเตอร์ AI accelerator เปลี่ยนจาก 1:4 แบบดั้งเดิมเป็น 1:2 และอาจก้าวไปถึง 1:1

2. ใน agentic flow สัดส่วนความหน่วง (latency) ที่ CPU จัดการนั้นสูงมาก 50~90% กลายเป็นคอขวดสำคัญ จึงจำเป็นต้องขยายขนาดพร้อมกัน

3. AI coding ทำให้ประสิทธิภาพของ SDE (วิศวกรพัฒนาซอฟต์แวร์) เพิ่มขึ้นอย่างมาก ปริมาณโค้ดเพิ่มขึ้นแบบทวีคูณ การเรียกใช้ API ของซอฟต์แวร์เพิ่มขึ้นแบบก้าวกระโดด ซึ่งแปลงโดยตรงเป็น CPU hours ที่เพิ่มขึ้นแบบก้าวกระโดด

4. Sandbox เพื่อรับประกันความปลอดภัยและแยกข้อมูล เช่น Analytical Agent จำเป็นต้องคัดลอกฐานข้อมูลและบริบทผู้ใช้จำนวนมากสำหรับแต่ละงาน ส่งผลให้หน่วยความจำ (DRAM) และ CPU core สูญเปล่าอย่างรุนแรง และปัญหาความสูญเปล่านี้ไม่สามารถแก้ไขได้ในห้าปีหรือนานกว่านั้น นอกจากนี้ CPU hours ในทางเทคนิคยังยากที่จะลดลงผ่านวิธีการเพิ่มประสิทธิภาพ (optimization)

นี่คือสาเหตุที่ในไตรมาสก่อนหน้านั้น รายงานผลประกอบการของ AMD ระบุว่า CPU TAM จะถึง 60B ภายในปี 2030 สองเดือนก่อนหน้านั้น AMD/ARM ได้เพิ่มการคาดการณ์ CPU TAM ในปี 2030 เป็นสองเท่าเป็น 120B และหนึ่งเดือนก่อนหน้านั้น Nvidia ได้เพิ่มการคาดการณ์ CPU TAM ในปี 2030 เป็นสองเท่าอีกครั้งเป็น 200B

เมื่อสัปดาห์ที่แล้ว Bernstein ได้ปรับเพิ่มคาดการณ์ TAM ของ CPU ในปี 2030 อีกครั้งเป็น 223 พันล้านดอลลาร์ ในมุมมองของผม การปรับเพิ่ม TAM ของ CPU ในปี 2031 เป็น 400 พันล้านดอลลาร์ในอนาคตนั้นแทบไม่มีข้อกังขา สิ่งเดียวที่ยังเป็นปริศนาคือเมื่อใดที่ยักษ์ใหญ่หลายรายจะประกาศปรับเพิ่มคาดการณ์นี้

ชั้นที่สอง: ทำไมปริมาณ DRAM ที่จัดสรรต่อ CPU core แต่ละตัวในเซิร์ฟเวอร์จึงเติบโตอย่างรวดเร็วในยุค agentic?

1. Agent เป็นกระบวนการที่คงสถานะ (stateful) และทำงานแบบยาว ไม่ใช่การตอบสนองแบบไร้สถานะ (stateless request-response)

เว็บ/SaaS แบบดั้งเดิมเป็นแบบ stateless: คำขอเข้ามา จัดสรรหน่วยความจำ ประมวลผลเสร็จก็คืนหน่วยความจำทันที แต่ภารกิจของ Agent สามารถทำงานได้ตั้งแต่หนึ่งนาทีถึงหนึ่งชั่วโมง ตลอดช่วงเวลานั้น ประวัติข้อความ (message history) พรอมต์ระบบ (system prompt) ความจำในการทำงาน (working memory) ความจำระยะยาว (long-term memory) และบัฟเฟอร์ผลลัพธ์ของเครื่องมือ (tool result buffer) ทั้งหมดจะคงอยู่ใน DRAM

เช่นเดียวกับ CPU hours รอยเท้าหน่วยความจำ (memory footprint) ของแต่ละภารกิจ เนื่องจากข้อกำหนดของการคงสถานะและการแยกแบบ sandbox (แต่ละภารกิจคัดลอกฐานข้อมูลและบริบท) จึงยากที่จะบีบอัดในทางเทคนิค

2. หน้าต่างบริบท (context window) ยาวขึ้นแบบทวีคูณ ชุดทำงาน (working set) ของแต่ละเซสชันขยายตัวตาม ความขนาน (concurrency) × รอยเท้าหน่วยความจำต่อเซสชัน (per-session memory footprint) ทำให้เกิดการขยายแบบทวีคูณ

context window จาก 32K → 256K → 1M ความยาวลำดับของการใช้เหตุผล (reasoning) และการคำนวณในเวลาทดสอบ (test-time compute) พุ่งสูงขึ้น และจะเพิ่มขึ้นอีกในอนาคต ข้อความที่คงอยู่ในแต่ละเซสชันที่ทำงานอยู่จะเพิ่มขึ้นแบบเส้นตรงตามความยาวของบริบท

ตอนนี้ลองคูณสองชั้นนี้เข้าด้วยกัน

ชั้นแรก TAM ของเซิร์ฟเวอร์ CPU ในช่วงปี 2030~2031 มีขนาดประมาณ 5–7 เท่า (จาก 60 พันล้าน → 120 พันล้าน → 200 พันล้าน → 223 พันล้าน และผมคิดว่าจะถึง 400 พันล้าน)

ชั้นที่สอง อัตราส่วน DRAM ต่อ CPU แต่ละตัว ประมาณ 3–4 เท่า (จาก 4~8 GB → 16~32 GB/core) แต่การเติบโตนี้ส่วนใหญ่อาจเป็นผลประโยชน์แบบครั้งเดียว

เมื่อคูณตัวแปรอิสระสองตัวนี้ ความต้องการ DRAM ฝั่งเซิร์ฟเวอร์จะเติบโตในระดับทวีคูณ

ในปี 2030 แม้จะใช้การประมาณการแบบอนุรักษ์นิยมของ TAM CPU ที่ 300B ต่อ core CPU ที่ 50 ดอลลาร์ และในยุคของ agent ที่อนุรักษ์นิยมที่สุดที่ 16GB ต่อ core การคำนวณนี้แสดงให้เห็นว่าปริมาณที่เพิ่มขึ้นใหม่ขั้นต่ำคือ 96EB ในขณะที่ผลผลิต DRAM ทั้งหมดในปีนี้มีเพียง 47EB และปีหน้าจะแทบจะถึง 60EB ซึ่งเป็นการเพิ่มขึ้นที่น่าทึ่งมาก

แม้ว่าการเติบโตแบบทวีคูณของ DRAM ที่เกิดจาก CPU แบบ agentic นี้จะเป็นผลประโยชน์แบบครั้งเดียวในชั้นที่สองเป็นส่วนใหญ่ แต่ระยะเวลาที่มันจะคงอยู่นั้นยาวนานมาก เพราะช่องว่างของการขาดแคลนนี้ใหญ่เกินไป

กลับมาที่กรอบแนวคิดในตอนต้นของบทความ ในสามเงื่อนไขที่หลุดพ้นจากวงจรดั้งเดิม ข้อแรกคือการปรับแต่ง DRAM แบบเฉพาะ ซึ่งโดยพื้นฐานแล้วสามารถละเลยได้

ส่วนข้อที่สอง: แหล่งที่มาของความต้องการที่มีโครงสร้างแบบทวีคูณและยากที่จะย้อนกลับนั้นเป็นจริง ตอนนี้ commodity DRAM ก็มีคุณสมบัติบางส่วนที่จะหลุดพ้นจากวัฏจักรดั้งเดิม แม้จะไม่สมบูรณ์เท่า HBM (สองเส้นครึ่ง) แต่ก็เป็นการเปลี่ยนแปลงที่สำคัญ

ข้อที่สาม ความเร็วของการพัฒนาเทคโนโลยี จังหวะของ DRAM ก็ไม่เหมือนเดิมอีกต่อไป

เพราะในอดีต ความเร็วของการพัฒนาเทคโนโลยี DRAM ขึ้นอยู่กับอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคอย่างมาก การปรับปรุง DDR ไม่ได้มีประโยชน์ต่อประสิทธิภาพมากนัก แต่ในอนาคตที่คาดการณ์ได้ ปริมาณการใช้ DRAM แบบดั้งเดิมที่ใช้คาร์บอน (อุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภค) จะน้อยกว่าปริมาณการใช้ DRAM ที่ใช้ซิลิคอน (เซิร์ฟเวอร์ CPU) อย่างมาก

ก่อนหน้านี้ ประโยชน์ส่วนเพิ่มจากการอัปเกรดความเร็ว DRAM ต่ำมาก แต่ตอนนี้ เนื่องจากความต้องการหน่วยความจำของเซิร์ฟเวอร์ CPU เพิ่มขึ้น และความต้องการความเร็ว DDR ของ AI ฝั่งอุปกรณ์ก็เพิ่มขึ้น เช่น Apple ที่ต้องการความเร็ว LPDDR ที่สูงขึ้นเพื่อรันโมเดลขนาดใหญ่ในเครื่อง

ประโยชน์ส่วนเพิ่มจากการอัปเกรดความเร็วสูงขึ้นมาก ดังนั้นความต้องการในการพัฒนา DDR6 และ LPDDR6 จึงเพิ่มขึ้นอย่างมากเมื่อเทียบกับอดีต ซึ่งเห็นได้จากกราฟที่ระยะเวลาการพัฒนาของ LPDDR6/DDR6 สั้นลง และความชันของความเร็วเริ่มเพิ่มขึ้นอีกครั้ง

ก่อนหน้านี้ เมื่อเทคโนโลยี DDR/LPDDR รุ่นใหม่เปิดตัว ทุกคนตอบสนองอย่างเย็นชา และจะใช้ก็ต่อเมื่อราคาลดลง

แต่ตอนนี้เมื่อ LPDDR6 ออกมา ทุกบริษัทต่างก็อยากใช้ให้เร็วที่สุด เพราะการเพิ่มความเร็วทำให้ประสิทธิภาพดีขึ้นอย่างเห็นได้ชัด

นอกจากนี้ อุปทานของ DDR ยังถูกหักภาษีเพิ่มเติมจาก HBM อีกด้วย อัตราการขยายกำลังการผลิตของ HBM ในแต่ละปีเร็วเกินไป ทำให้ทุกปีมี wafer ที่เดิมสามารถผลิต commodity DDR ถูกนำไปผลิต HBM และอัตราการแปลงของ HBM ต่ำมาก HBM3E ต้องใช้กำลังการผลิต wafer DDR ประมาณ 3 แผ่นเพื่อให้ได้ bit ในปริมาณที่เท่ากัน ส่วน HBM4 ต้องใช้ 4 แผ่น ดังนั้นทุกปี การเติบโตของ bit DDR ประมาณ 3% ถึง 5% จะถูกกินโดยภาษี bit HBM นี้โดยตรง

ดังนั้น แม้ว่าปริมาณบิต DRAM จะเติบโตประมาณ 24% ต่อปีในอนาคต (14% มาจากการเติบโตของเวเฟอร์ และ 9% มาจากความหนาแน่นของ DRAM ต่อเวเฟอร์) แต่เมื่อรวมภาษีบิต HBM แล้ว DDR สินค้าโภคภัณฑ์แบบดั้งเดิมที่ไม่ใช่ HBM จะมีการเติบโตของบิตต่อปีเพียงประมาณ 20% (การเติบโตของเวเฟอร์ประมาณ 10% × การปรับปรุงความหนาแน่นของโหนดประมาณ 9%)

ผลกระทบจากการขยายกำลังการผลิตของ ChangXin Memory Technologies (CXMT) ในจีนมีมากแค่ไหน? หากพวกเขาเร่งขยายกำลังการผลิตอย่างไม่คำนึงถึงกฎเกณฑ์ จะทำให้ตลาดนี้กลับเข้าสู่วงจรวิกฤตอีกครั้งหรือไม่?

ในช่วงไม่กี่ปีที่ผ่านมา CXMT มีอัตราการขยายกำลังการผลิตที่รวดเร็วมาก โดยในปี 2025 ยังคงผลิตได้ 200,000 เวเฟอร์ต่อเดือน และในปี 2026 โรงงานเวเฟอร์ในปักกิ่งพร้อมสายการผลิตใหม่จะเพิ่มกำลังการผลิตเป็น 320,000 ถึง 350,000 เวเฟอร์ต่อเดือน

โรงงานในเซี่ยงไฮ้ที่กำลังก่อสร้างมีเฟสที่ 1 และเฟสที่ 2 โดยเฟสที่ 1 คาดว่าจะเพิ่มกำลังการผลิต 100,000 เวเฟอร์ต่อเดือนภายในปี 2027 และเฟสที่ 2 คาดว่าจะเพิ่มอีก 100,000 เวเฟอร์ต่อเดือนภายในปี 2028 กล่าวคือ ในปี 2027 จะผลิตได้ 420,000 เวเฟอร์ต่อเดือน และในปี 2028 จะถึง 500,000 เวเฟอร์ต่อเดือน

แต่ต้องสังเกตว่าความหนาแน่นของบิต DRAM ของ CXMT มีเพียงประมาณครึ่งหนึ่งของสามผู้เล่นหลัก ดังนั้นเวเฟอร์ 500,000 เวเฟอร์ต่อเดือนของ CXMT จะผลิตปริมาณบิต DRAM ได้เพียงครึ่งหนึ่งของบริษัทอื่นๆ ดังนั้นเมื่อคำนวณเวเฟอร์ต่อเดือน จะคิดเป็นครึ่งหนึ่งของค่าจริง

เมื่อใช้ส่วนลดนี้ ผลกระทบของ CXMT ต่ออุตสาหกรรม DRAM โดยรวมลดลงอย่างมาก ตั้งแต่ปลายปี 2025 ถึงปลายปี 2028 ผลกระทบของ CXMT ต่อ CAGR ของกำลังการผลิตบิต DRAM มีเพียงประมาณ 1.5% และ CAGR ของกำลังการผลิต DRAM ทั้งอุตสาหกรรมจะเพิ่มขึ้นจากประมาณ 12.7% เป็น 14.2%

· กำลังการผลิต DRAM ต่อเดือน (kwspm) 2025E → 2028E CAGR

· Samsung 685K → 920K 10.3%

· SK Hynix 519K → 725K 11.8%

· Micron 340K → 560K 18.1%

· อื่นๆ ที่ไม่ใช่จีน 150K → 218K 13.3%

· จีน (ความหนาแน่นครึ่งหนึ่ง) 117K → 274K 32.8%

· รวมจีนทั้งหมด 1811K → 2697K 14.2%

· ไม่รวมจีน รวม 1694K → 2423K 12.7%

ถึงแม้ ChangXin (CXMT) จะยังคงรักษาอัตราการเพิ่มกำลังการผลิตในอนาคตได้ ผลกระทบต่อ CAGR ปริมาณ DRAM bit volume ที่เทียบเท่าต่อปีของอุตสาหกรรมทั้งหมดในปี 2030 ก็ยังคงน้อยกว่า 3% เพียงแค่เปลี่ยนจาก CAGR 20% เป็น CAGR 23% เท่านั้น

นอกจากนี้ ChangXin ยังถูกจำกัดด้วยเครื่องจักร lithography ในขณะที่ DDR6 ต้องการความเร็วที่สูงขึ้น (เริ่มต้นที่ 14400 MT/s) และความหนาแน่นที่มากขึ้น ผู้เล่นหลักสามราย (御三家) ในการผลิต DDR6 มักจะใช้โหนด 1c หรือโหนดที่ล้ำหน้ากว่า (~ต่ำกว่า 12nm) ซึ่งใช้ EUV อย่างเต็มรูปแบบแล้ว ChangXin อาจถูกจำกัดด้านความเร็วใน DDR6 และมีความหนาแน่นเพียงครึ่งเดียว

แม้จะเป็นวัฏจักรการเติบโต ทำไมซูเปอร์ไซเคิลของ DRAM ครั้งนี้ถึงกินเวลานาน อย่างน้อยห้าปีก็ยังมองไม่เห็นจุดสิ้นสุด?

เหตุผลแรกคือ การเติบโตอย่างมหาศาลของฝั่งความต้องการ CPU เซิร์ฟเวอร์ที่กล่าวถึงก่อนหน้านี้ ส่งผลให้ความต้องการ DRAM เพิ่มขึ้นแบบทวีคูณในเชิงโครงสร้าง เมื่อรวมกับ CAGR ปริมาณ bit volume ฝั่งอุปทานของ DRAM ที่เติบโตอย่างคงที่ประมาณ 20% ก็จะเห็นได้ชัดเจนว่าทำไมช่องว่างของ DRAM ในอีกไม่กี่ปีข้างหน้าถึงยิ่งใหญ่ขึ้นเรื่อยๆ:

ฝั่งอุปทานของ DRAM แบบดั้งเดิมที่ไม่ใช่ HBM เติบโตประมาณ 20% ต่อปี ในขณะที่ฝั่งความต้องการ คำนวณจาก CPU TAM 60B ในปี 2026 โดย CPU แต่ละตัวใช้ DRAM เฉลี่ย 8GB/core และแต่ละ core ราคา $30~35 ความต้องการจะอยู่ที่ 16EB

ในปี 2030 คำนวณจาก CPU TAM 400B โดย CPU แต่ละตัวใช้ DRAM เฉลี่ย 16GB/core และแต่ละ core ราคา $80 (CPU ราคาเพิ่มขึ้นมากกว่าสองเท่า) ความต้องการจะอยู่ที่ 80EB การเติบโต CAGR ของ DRAM ส่วนนี้ประมาณ 50% ซึ่งสูงกว่าการประมาณการในปัจจุบันมาก

แตกต่างจาก HBM ที่เชื่อมโยงโดยตรงกับ token throughput และประสิทธิภาพการทำกำไรของ GPU การขาดแคลน DRAM ส่งผลกระทบต่อ agent flow หลักๆ คือด้านความเร็ว เช่น เมื่อเทียบระหว่าง 8GB/core และ 16GB/core workload บางส่วนอาจช้าลง 30% ส่วน task ที่มีมูลค่าต่ำบางส่วนหากต้องรอก็พอทนได้ แรงจูงใจในการเติบโตแบบทวีคูณเชิงโครงสร้างมีสูงมาก แต่ความต้องการไม่เข้มงวดเท่า GPU

Semianalysis กล่าวว่าช่องว่างของ DRAM ในปีนี้เป็นเปอร์เซ็นต์หลักเดียว และในปีหน้าจะเกิน 10% จากมุมมองเชิงโครงสร้างของ DRAM ที่เกิดจากจำนวน CPU agent ที่เพิ่มขึ้นอย่างรวดเร็ว ช่องว่างนี้จะยิ่งเพิ่มขึ้นทุกปี และไม่เห็นแนวโน้มที่จะลดลงก่อนปี 2030

อีกเหตุผลที่ DRAM จะคงความแข็งแกร่งไว้ได้นานก็คือ ความต้องการที่ถูกกำจัดไปเพราะราคาที่เพิ่มขึ้นนั้นไม่ได้หายไปจริง ๆ แค่ถูกเลื่อนออกไปเท่านั้น แหล่งกักเก็บความต้องการมีมากมายเกินไป

ที่เรียกว่า "แหล่งกักเก็บ" หมายถึง "ความต้องการที่ซ่อนอยู่ซึ่งจะถูกปลดปล่อยออกมาทันทีเมื่อราคาหน่วยความจำลดลง" การมีอยู่ของมันหมายความว่า แม้อุปทานจะตามทันเป็นระยะ ๆ ราคาก็ยากที่จะพังทลาย เพราะจะมีอุปสงค์ใหม่ ๆ จากแหล่งกักเก็บนี้เข้ามารับช่วงต่อเสมอ:

พลังการประมวลผล/ความเร็วของหน่วยความจำเป็นแหล่งกักเก็บหนึ่ง:

มีความต้องการจำนวนมากที่ต้องพึ่งพาหน่วยความจำเพิ่มเติมเพื่อเพิ่มความเร็วและพลังการประมวลผล ซึ่งถูกกดไว้เมื่อหน่วยความจำแพงเกินไป และจะถูกปลดปล่อยออกมาเมื่อราคาลดลง

ตัวอย่างเช่น การเร่งความเร็ว CPX prefill ของ Nvidia ซึ่งเดิมออกแบบมาให้ใช้ GDDR7 ต้นทุนต่ำเป็นตัวเร่ง prefill เฉพาะ แต่เมื่อ LPDDR/GDDR แพงเกินไป แม้แต่แพงกว่า HBM ก่อนขึ้นราคา ROI ของแผนนี้ก็ไม่คุ้ม แต่เมื่อหน่วยความจำทั่วไปลดราคา โซลูชันการเพิ่มประสิทธิภาพแบบ CPX ก็จะกลับมา

งานที่มีมูลค่าต่ำเป็นแหล่งกักเก็บหนึ่ง: เมื่อราคาหน่วยความจำสูงขึ้นจนราคา token ยังคงสูง งานที่มีมูลค่าสูงจะถูกจัดลำดับความสำคัญก่อน ส่วนงานที่มีมูลค่าต่ำจะถูกเลื่อนออกไป เมื่อหน่วยความจำลดราคา ความต้องการที่ถูกเลื่อนเหล่านี้ก็จะกลับมา

AI ฝั่งอุปกรณ์เป็นแหล่งกักเก็บหนึ่ง: การกำหนดค่าหน่วยความจำของ AI PC อาจเพิ่มขึ้นจาก 24GB เป็น 128GB Apple ได้กำหนดไว้ชัดเจนแล้วว่า AI ฝั่งอุปกรณ์รุ่นเต็มประสิทธิภาพล่าสุดต้องอัปเกรดหน่วยความจำจาก 8GB เป็น 12GB

อุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคทั่วไป, Agent PC, และสมาร์ทโฟนระดับล่าง ความต้องการที่ลดลงเพราะราคาหน่วยความจำที่เพิ่มขึ้น ล้วนเป็นแหล่งกักเก็บทั้งสิ้น

แหล่งกักเก็บเหล่านี้รวมกันเป็นเบาะรองรับความต้องการที่หนามาก นี่คือสาเหตุที่การเติบโตเชิงโครงสร้างของ DDR ในรอบนี้จะมีแรงส่งที่แข็งแกร่งกว่าที่ตลาดคาดการณ์

อีกสาเหตุที่ราคา DRAM ยากที่จะลดลงอย่างมากก็คือ กำลังการผลิตของ HBM และ DRAM สามารถปรับเปลี่ยนกันได้ ดังนั้น DRAM complex ทั้งหมดจึงถูก re-rate พร้อมกัน

ในช่วงขาขึ้น อัตรากำไรของ DRAM สูงกว่า HBM มาก การขึ้นราคาของ HBM ถึงขั้นถูกขับเคลื่อนโดย DRAM ราคาของ HBM4 ที่เซ็นสัญญาใหม่ในปีนี้ คือราคา DRAM ปัจจุบัน x 4 ซึ่งเท่ากับราคา HBM4 ที่สอดคล้องกับจำนวนชั้นซ้อนปกติ

เมื่อราคา DRAM ลดลง อัตรากำไรก็จะลดลง เนื่องจากสัญญาระยะยาวของ HBM มีความโปร่งใส อัตรากำไรจึงได้รับการรับประกัน HBM จะดึงกำลังการผลิต DRAM ออกไปมากขึ้นโดยอ้อม และการลดราคาของ HBM จะทำให้ผู้ผลิต GPU มีแรงจูงใจมากขึ้นในการอัปเกรดขนาด HBM ให้มากที่สุด ซึ่งจะช่วยรับประกันราคาพื้นของ DRAM ทางอ้อม

ความต้องการ DRAM ที่เติบโตแบบก้าวกระโดดเชิงโครงสร้างมีอยู่แล้ว การชะลอตัวของความหนาแน่น (density scaling) ทำให้การขยายกำลังการผลิตยากขึ้น ผู้ผลิตจึงวางแผนขยายกำลังการผลิตอย่างระมัดระวัง ผลกระทบจาก ChangXin ในช่วงไม่กี่ปีที่ผ่านมาก็มีจำกัด และอ่างเก็บความต้องการ (demand reservoir) ก็มีขนาดใหญ่มาก สี่สาเหตุนี้ส่งผลให้ในระยะเวลาที่คาดการณ์ได้อย่างน้อยห้าปีหรือนานกว่านั้น DRAM จะเข้าสู่ช่วงขาลงของวัฏจักรได้ยาก

NAND SSD มีหวังที่จะหลุดพ้นจากวัฏจักรดั้งเดิมหรือไม่?

แรงขับเคลื่อนการเติบโตเชิงโครงสร้างของ NAND ไม่แข็งแกร่งเท่า DDR สาเหตุหลักที่เกิดการขาดแคลนในปีนี้คือผู้เล่นหลักๆ รักษาวินัยในการผลิตได้ดี ไม่ได้ขยายกำลังการผลิตจำนวนมาก การเพิ่มกำลังการผลิตในแต่ละปีส่วนใหญ่มาจากการปรับปรุงเทคโนโลยี: การเพิ่มจำนวนชั้นซ้อนของ NAND

การเติบโตเชิงโครงสร้างแรกมาจาก AI โดยหลักแล้วมาจากการถ่ายโอน KV cache (KV cache offloading) ซึ่งเป็นการย้าย warm/cold KV cache ที่ล้นจาก HBM ไปยัง NAND SSD

แต่สิ่งที่น่าอัศจรรย์คือ การเติบโตของการถ่ายโอน KV cache นี้ยังไม่เกิดขึ้นในวงกว้างด้วยซ้ำ แต่ SSD ก็ขาดแคลนหนักกว่า DRAM แล้ว และราคาก็เพิ่มขึ้นมากกว่า DRAM อีก เมื่อ Rubin CMX เริ่มผลิตจำนวนมากในปีหน้า ประกอบกับการใช้งาน KV cache offloading ในวงกว้าง การขาดแคลน SSD ก็จะเพิ่มขึ้นตามการเติบโตเชิงโครงสร้างนี้

ประการที่สอง การเติบโตเชิงโครงสร้างอีกอย่างจาก AI วิดีโอที่กล่าวถึงในสรุปประจำปีที่แล้วว่ามีอนาคตที่ดี ปีนี้เริ่มเป็นกระแสที่โดดเด่นแล้ว

ปริมาณของ Seedance เติบโตในอัตราสิบถึงสี่สิบเท่าต่อปี ปัจจุบันยังติดขัดในขั้นตอนที่ขาดแคลนการ์ดและกำลังประมวลผล ความต้องการถูกกดดันด้วยกำลังประมวลผลและยังไม่ปลดปล่อยเต็มที่ แต่เมื่อช่วงขาดแคลนการ์ดผ่านไป ความต้องการเชิงโครงสร้างของ AI วิดีโอสำหรับการจัดเก็บ NAND จะเติบโตอย่างต่อเนื่องเป็นระยะเวลานาน

การเติบโตเชิงโครงสร้างประการที่สามมาจากการใช้งาน Sandbox ที่เพิ่มขึ้นแบบก้าวกระโดดจาก agent flow เช่นกัน Sandbox เพื่อรับประกันความปลอดภัยและแยกข้อมูล เช่น Analytical Agent จำเป็นต้องคัดลอกฐานข้อมูลและบริบทผู้ใช้จำนวนมากสำหรับแต่ละงาน ทำให้เกิดการสิ้นเปลืองหน่วยความจำ (DRAM) และคอร์ CPU อย่างรุนแรง และยังก่อให้เกิดการสิ้นเปลือง (ความต้องการ) SSD จำนวนมากอีกด้วย

ปัจจัยการเติบโตเชิงโครงสร้างที่สี่ ซึ่งอาจเริ่มมีบทบาทหลังปี 2030 มาจากความต้องการใช้ SSD ในเส้นทาง HBF ซึ่งถูกคาดหวังอย่างสูงในการวิเคราะห์ของวาณิชธนกิจหลายแห่ง แต่เส้นทางเทคโนโลยียังห่างไกล โดยบทบาทหลักจำกัดอยู่แค่การจัดเก็บ weights ของโมเดลขนาดใหญ่ เขียน weights ครั้งเดียวแล้วทำแบบอ่านอย่างเดียว และต้อง封装ร่วมกับ GPU/HBM (48TBps/96TBps) มิฉะนั้นความเร็วผ่าน PCIE7/8 จะช้าเกินไปจนใช้งานไม่ได้ เรียกได้ว่าน่าจับตามองในอนาคตเท่านั้น ซึ่งบทวิเคราะห์ AI Semiconductor Finale 2026(III) จะให้รายละเอียดเพิ่มเติม

สรุปคือ การเติบโตเชิงโครงสร้างของ NAND SSD ไม่แข็งแกร่งเท่า HBM แต่ข้อดีคือราคาถูก ภายในปี 2027 ราคาจะอยู่ที่ $0.8/GB เท่านั้น ซึ่งเป็น 1 ใน 40 ของ DRAM ในช่วงเวลาเดียวกัน ดังนั้นจึงถือเป็นคุณสมบัติสารพัดประโยชน์ในระบบแคชหลายชั้น โดยมีแหล่งที่มาของการเติบโตเชิงโครงสร้างที่หลากหลายมาก

กล่าวคือ ไม่มีสถานการณ์ที่ DRAM/HBM ขึ้นราคาและรุ่งเรืองเพียงลำพัง ขณะที่ SSD ไม่ขึ้นราคา เพราะหากเกิดเหตุการณ์เช่นนั้น ทุกคนจะพยายามใช้ SSD เพื่อรองรับฟังก์ชันบางส่วนของ DRAM/HBM ด้วยต้นทุนที่ต่ำกว่าเพื่อให้ได้ผลลัพธ์ที่คล้ายคลึงกัน HBM, DRAM และ NAND ไม่ใช่เรื่องราวที่แยกจากกันสามเรื่อง แต่เป็นการเติบโตเชิงโครงสร้างในชั้นอุณหภูมิที่แตกต่างกันของ AI memory hierarchy เดียวกัน

เมื่อมีความต้องการที่เติบโตแบบ指数เพิ่มขึ้นแล้ว NAND SSD จะหลุดพ้นจากวัฏจักรได้หรือไม่? ก็ต้องดูวินัยการผลิตของผู้ผลิต NAND SSD ซึ่งผู้เดียวที่อาจไม่รักษาวินัยการผลิตคือ YMTC (長存) เพราะนี่คือภาวะกลืนไม่เข้าคายไม่ออก (prisoner's dilemma) หากมีผู้ผลิตหนึ่งไม่รักษากฎและขยายกำลังการผลิตอย่างบ้าคลั่ง อุตสาหกรรม NAND ทั้งหมดจะขยายกำลังการผลิตได้ง่ายกว่า DRAM มาก

แต่อย่างน้อยที่สุด รอบนี้ NAND ก็เป็นซูเปอร์ไซเคิลเช่นกัน โดยความต้องการที่เติบโตแบบ指数เชิงโครงสร้างหลายประการจะทำให้ช่วงขาลงเลื่อนไปถึงปี 2030 ได้อย่างไม่มีปัญหา

ลิงก์ต้นฉบับ

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia