Kimi K3 ทำให้นายหวงเหรินซวินนั่งไม่ติด ต้องรีบเปิดบัญชีใหม่กลางดึกตะโกนว่าไม่ควรจำกัดโมเดลโอเพนซอร์ส

TL;DR

· Kimi K3 เป็นเพียงจุดกระตุ้น สิ่งที่ตลาดประเมินใหม่จริงๆ คืออนาคตของความต้องการพลังประมวลผลของ NVIDIA จะถูกขับเคลื่อนโดยใคร

· หากช่องทางการใช้งาน AI กระจุกตัวอยู่ในห้องปฏิบัติการแบบปิดจำนวนน้อยในระยะยาว การเติบโตของ NVIDIA จะพึ่งพาลูกค้ารายใหญ่ไม่กี่รายและจังหวะเชิงพาณิชย์ของระบบปิดมากขึ้น

· โมเดลน้ำหนักเปิดช่วยลดอุปสรรคในการนำไปใช้ขององค์กร อาจทำให้อำนาจการตั้งราคาของโมเดลปิดอ่อนแอลง แต่ก็อาจขยายการใช้พลังประมวลผลจากการอนุมาน การปรับแต่ง และการปรับใช้ส่วนตัว

· โพสต์แรกของ Jensen Huang บน Twitter แชร์จดหมายเปิดผนึกที่ NVIDIA ร่วมลงนาม โดยจุดยืนหลักคือสหรัฐฯ ต้องการทั้งโมเดลปิดชั้นนำและโมเดลเปิดชั้นนำ

· หุ้นที่เกี่ยวข้อง: NVDA, MSFT, META, AMD, GOOGL รวมถึงมูลค่าของห้องปฏิบัติการปิดที่ยังไม่เข้าตลาดอย่าง OpenAI, Anthropic

การเปิดตัว Kimi K3 สร้างความตกตะลึงให้กับสหรัฐฯ มากกว่าที่เราคิดไว้มาก หลังจากที่ทวิตเตอร์ถูกถล่มในช่วงสุดสัปดาห์ แม้แต่ Jensen Huang ก็ทนไม่ไหว คนที่ไม่ใช้โซเชียลมีเดียมานานหลายสิบปีรีบเปิดบัญชี โพสต์แรกไม่มีคำพูดไร้สาระ ส่งจดหมายเปิดผนึกทันที เรียกร้องให้สหรัฐฯ ไม่จำกัดโมเดลโอเพนซอร์ส

เมื่อรวมกับราคาหุ้น NVIDIA ที่ไม่ขยับมานาน Jensen Huang อาจกังวลจริงๆ เกี่ยวกับเรื่องเล่าการเติบโตของ NVIDIA:

หาก AI ยังคงถูกครอบงำโดยบริษัทโมเดลปิดไม่กี่แห่ง ความต้องการพลังประมวลผลถูกตลาดคาดการณ์ไว้เต็มที่แล้วหรือยัง หากโมเดลน้ำหนักเปิดยังคงแพร่กระจายต่อไป NVIDIA จะสามารถเปลี่ยนโมเดลที่ถูกกว่าให้เป็นการใช้งานที่มากขึ้นและความต้องการโครงสร้างพื้นฐานที่มากขึ้นได้หรือไม่

คำตอบของ Jensen Huang ชัดเจนมาก เขาคัดค้านการห้ามตามแหล่งที่มาของโมเดลอย่างสิ้นเชิง กล่าวว่าโมเดลของจีน "ยอดเยี่ยมมาก" และบริษัทอเมริกันควรได้รับอนุญาตให้ใช้ สำหรับ NVIDIA สิ่งสำคัญไม่ใช่การรักษาราคาสูงให้กับห้องปฏิบัติการปิดแห่งใดแห่งหนึ่ง แต่คือการทำให้บริษัท นักพัฒนา และผู้ให้บริการคลาวด์จำนวนมากที่สุดเท่าที่เป็นไปได้ใช้งาน AI จริงๆ

นี่คือความแตกต่างระหว่างแรงกดดันระยะสั้นของหุ้นชิปกับเรื่องเล่าระยะยาวของ NVIDIA ตลาดกังวลว่าโมเดลเปิดต้นทุนต่ำจะบีบอัตรากำไรของผู้ให้บริการ AI ในสหรัฐฯ และทำให้การอนุมานต่อหน่วยประหยัดมากขึ้น ในขณะที่ NVIDIA เดิมพันว่าราคาที่ลดลงจะเปิดโอกาสให้เกิดสถานการณ์มากขึ้น สุดท้ายนำไปสู่ปริมาณการเรียกใช้ การปรับใช้ส่วนตัว และการใช้พลังประมวลผลที่มากขึ้น

NVIDIA ไม่ต้องการแค่ให้ยักษ์ใหญ่ระบบปิดซื้อการ์ดต่อไป

ในช่วงสองปีที่ผ่านมา เรื่องเล่า AI ของ NVIDIA ส่วนใหญ่สร้างขึ้นจากตรรกะที่ชัดเจน: โมเดล前沿มีขนาดใหญ่ขึ้นเรื่อยๆ การฝึกและการอนุมานต้องการ GPU มากขึ้น ผู้ให้บริการคลาวด์และห้องปฏิบัติการโมเดลจะขยายโครงสร้างพื้นฐานอย่างต่อเนื่อง

ตรรกะนี้ยังคงใช้ได้ แต่ก็ก่อให้เกิดปัญหาที่ซ่อนอยู่: หากช่องทางการเข้าถึง จังหวะการเปิดตัวผลิตภัณฑ์ และอำนาจในการกำหนดราคาโมเดลของอุตสาหกรรม AI กระจุกตัวอยู่ในห้องปฏิบัติการแบบปิดและแพลตฟอร์มคลาวด์ขนาดใหญ่เพียงไม่กี่แห่ง การเติบโตของความต้องการของ NVIDIA ก็จะพึ่งพาแผนการใช้จ่ายด้านทุนของลูกค้ารายใหญ่ไม่กี่ราย รวมถึงความเร็วในการ商业化ของบริการแบบปิดมากขึ้น

นี่ไม่ใช่ธุรกิจที่แย่ ห้องปฏิบัติการแบบปิด ผู้ให้บริการคลาวด์ และบริษัทแพลตฟอร์มยังคงเป็นหนึ่งในผู้ซื้อโครงสร้างพื้นฐาน AI ที่สำคัญที่สุด แต่สำหรับ NVIDIA ที่ตลาดได้กำหนดราคาไว้สูงแล้ว นักลงทุนจะยังคงตั้งคำถามต่อไปว่า: การเติบโตในระยะถัดไปจะมาจากไหน?

หากโมเดลแบบปิดยังคงรักษาราคาที่สูงไว้ ความเร็วในการนำ AI มาใช้ในองค์กรอาจถูกจำกัดด้วยต้นทุน ขอบเขตของข้อมูล และวิธีการปรับใช้ บริษัทหลายแห่งจะทดลองใช้ API ก่อน แต่ไม่จำเป็นต้องฝัง AI ลงในระบบธุรกิจของตนอย่างลึกซึ้ง สำหรับบริษัทชิปใน upstream นั่นหมายความว่า แม้ความต้องการพลังการคำนวณจะกระจุกตัวและมีขนาดใหญ่ แต่การแพร่กระจายของมันจะพึ่งพาจังหวะการ商业化ของแพลตฟอร์มเพียงไม่กี่แห่งมากขึ้น

โมเดลแบบเปิดน้ำหนัก (Open-weight) กำลังเปลี่ยนแปลงโครงสร้างนี้ มันอาจไม่สามารถแทนที่โมเดลแบบปิดที่แข็งแกร่งที่สุดได้ในทันที แต่มันมอบเส้นทางอื่นให้กับองค์กร นักพัฒนา และผู้ให้บริการคลาวด์: นำโมเดลไปรัน ปรับแต่ง ตรวจสอบ และผสานรวมในสภาพแวดล้อมของตนเอง ตราบใดที่องค์กรจำนวนมากขึ้นเริ่มนำ AI ไปใช้ในงานบริการลูกค้า การเขียนโปรแกรม การวิจัย การทำงานอัตโนมัติ และการปรับใช้แบบส่วนตัว โครงสร้างพื้นฐานก็จะมีโอกาสได้รับแหล่งที่มาของความต้องการที่กระจายตัวและกว้างขวางมากขึ้น

ดังนั้น สิ่งที่ตลาดซื้อขายไม่ใช่ "โมเดลใดโมเดลหนึ่งจะเอาชนะ OpenAI ได้หรือไม่" แต่เป็น "ความต้องการ AI จะกระจายจากช่องทางแบบปิดเพียงไม่กี่แห่งไปสู่องค์กรและสถานการณ์ต่างๆ มากขึ้นหรือไม่" นี่คือประเด็นที่ NVIDIA ให้ความสำคัญมากที่สุด

โมเดลแบบเปิดน้ำหนักลดทอนอำนาจการกำหนดราคาของโมเดลแบบปิด และอาจขยายกลุ่มพลังการคำนวณ

โมเดลแบบเปิดน้ำหนักสามารถเข้าใจได้ว่าเป็นการส่งมอบ "พารามิเตอร์ของโมเดล" ที่ผ่านการฝึกอบรมแล้วให้ผู้อื่นใช้ หลังจากเผยแพร่น้ำหนักแล้ว องค์กรสามารถรัน ปรับแต่ง และตรวจสอบโมเดลในเซิร์ฟเวอร์หรือสภาพแวดล้อมคลาวด์ของตนเอง

สำหรับบริษัทโมเดลแบบปิด สิ่งนี้จะเปลี่ยนตำแหน่งในการเจรจาต่อรอง ในอดีต หากองค์กรต้องการใช้โมเดลที่แข็งแกร่งที่สุด พวกเขามักจะต้องยอมรับราคา ขอบเขตข้อมูล และจังหวะการทำงานของ API แบบปิด ตอนนี้ หากโมเดลที่สามารถปรับใช้เองได้นั้นดีพอสำหรับงานเฉพาะ ผู้ให้บริการแบบปิดจะต้องอธิบายว่าทำไมลูกค้าถึงต้องจ่ายเงินสำหรับบริการที่แพงกว่า

นี่คือแรงกดดันที่ OpenAI, Anthropic, Google และผู้เล่นในเส้นทางแบบปิดอื่นๆ กำลังเผชิญ พวกเขายังคงสามารถรักษากำแพงป้องกันไว้ได้ในด้านประสบการณ์ผลิตภัณฑ์ ความสามารถของเอเจนต์ ห่วงโซ่เครื่องมือ การจัดแนวความปลอดภัย การปฏิบัติตามข้อกำหนดขององค์กร และการกระจายระบบนิเวศ ตัวอย่างเช่น Claude Science ที่ Anthropic เปิดตัวในเดือนมิถุนายน ซึ่งบรรจุโมเดลเป็นเวิร์กเบนช์ AI สำหรับนักวิทยาศาสตร์ โดยเน้นการผสานรวมเครื่องมือและผลลัพธ์ที่ตรวจสอบได้

แต่ยิ่งความสามารถในการใช้เหตุผลพื้นฐานกลายเป็นสินค้าโภคภัณฑ์มากขึ้นเท่าไร โมเดลแบบปิดก็ยิ่งต้องพิสูจน์ว่าสิ่งที่พวกเขาขายไม่ใช่แค่ "อินเทอร์เฟซแชทที่ฉลาดขึ้น" แต่เป็นเวิร์กโฟลว์ที่เชื่อถือได้ การดำเนินการของเอเจนต์ที่แข็งแกร่งขึ้น ความรับผิดชอบด้านความปลอดภัยที่ดีขึ้น และการบูรณาการในอุตสาหกรรม มิฉะนั้น โมเดลเปิดที่มีต้นทุนต่ำจะดึงราคาลงมา

สำหรับ NVIDIA การเปลี่ยนแปลงนี้ไม่ใช่เรื่องเลวร้ายเสมอไป อำนาจในการกำหนดราคาของโมเดลแบบปิดที่ลดลงอาจส่งผลต่ออัตรากำไรของผู้ให้บริการ AI แต่หากโมเดลที่ถูกกว่าทำให้องค์กรต่างๆ เริ่มปรับใช้ AI มากขึ้น ความต้องการด้านการอนุมาน การปรับแต่ง การแปลเป็นภาษาท้องถิ่น และการทำให้เป็นส่วนตัวกลับอาจขยายพูลพลังการคำนวณโดยรวม

หลังจาก DeepSeek ตลาดก็เคยผ่านการถกเถียงที่คล้ายกันมาแล้ว โมเดลที่มีประสิทธิภาพสูงกว่าในระยะสั้นดูเหมือน "ใช้ GPU น้อยลง" แต่หากราคาที่ลดลงกระตุ้นความต้องการมากขึ้น ในระยะกลางถึงยาวอาจกลายเป็น "ใช้ AI ในสถานการณ์มากขึ้น"

สิ่งที่ NVIDIA วางเดิมพันคือสิ่งหลัง ธุรกิจหลักของมันไม่ใช่ API ของโมเดล แต่เป็นชิป เซิร์ฟเวอร์ และศูนย์ข้อมูล ตราบใดที่ปริมาณการใช้ AI เพิ่มขึ้น ความต้องการก็จะตกอยู่ที่ชั้นโครงสร้างพื้นฐานในที่สุด

Jensen Huang คัดค้านการมองว่าโมเดลเปิดเท่ากับความเสี่ยง

ในการอภิปรายรอบนี้ Jensen Huang ได้แชร์จดหมายเปิดผนึกที่ NVIDIA ร่วมลงนามชื่อ "Open Weights และความเป็นผู้นำด้าน AI ของอเมริกา" ผ่านทวีตแรกของเขา ผู้ร่วมลงนามรวมถึง Meta, Microsoft, Andreessen Horowitz, Hugging Face, IBM, Mistral AI, Palantir, Perplexity, Mozilla, NVIDIA, Y Combinator และบริษัทเทคโนโลยีและองค์กรอื่นๆ อีกกว่า 20 แห่ง

สาระสำคัญของจดหมายเปิดผนึกคือ อเมริกาต้องการทั้งโมเดลแบบปิดชั้นนำและโมเดลแบบเปิดชั้นนำ รัฐบาลไม่ควรจำกัด AI แบบเปิดก่อนเวลาอันควร กล่าวอีกนัยหนึ่ง ผู้ลงนามไม่ได้ปฏิเสธความเสี่ยงด้านความปลอดภัย แต่กำลังคัดค้านการมองว่าน้ำหนักแบบเปิดนั้นเท่ากับแหล่งที่มาของความเสี่ยงโดยตรง

จดหมายนี้มีความสำคัญเพราะมันนำผลประโยชน์ทางธุรกิจของ NVIDIA และปัญหาด้านโครงสร้างของระบบนิเวศ AI ของอเมริกามารวมกัน NVIDIA สนใจปริมาณการใช้ AI และความต้องการโครงสร้างพื้นฐาน แพลตฟอร์มอย่าง Meta และ Microsoft ต้องการระบบนิเวศโมเดลที่ยืดหยุ่นมากขึ้น ขณะที่ Hugging Face, Mistral AI, Mozilla ฯลฯ ยืนอยู่ฝั่งโมเดลเปิดและระบบนิเวศนักพัฒนาโดยตรง

ผลประโยชน์ของบริษัทเหล่านี้ไม่สอดคล้องกันทั้งหมด แต่มีจุดร่วมในประเด็นหนึ่ง: หากน้ำหนักแบบเปิดถูกจำกัดด้วยกรอบการกำกับดูแลก่อนเวลาอันควร ทางเลือกของบริษัทและนักพัฒนาในอเมริกาในการใช้โมเดลต้นทุนต่ำจะลดลง และการแพร่กระจายของ AI จะพึ่งพาผู้ให้บริการแบบปิดเพียงไม่กี่รายมากขึ้น

สำหรับ NVIDIA นี่ไม่ใช่โครงสร้างตลาดในอุดมคติ สิ่งที่มันต้องการไม่ใช่แค่ห้องปฏิบัติการ前沿ไม่กี่แห่งที่ฝึกโมเดลที่ใหญ่ขึ้นต่อไป แต่ยังต้องการให้องค์กรต่างๆ นำ AI มาใช้จริงๆ ด้วย只有当 AI เปลี่ยนจากบริการของแพลตฟอร์ม少数ไปเป็นความสามารถพื้นฐานที่ปรับใช้อย่างกว้างขวาง NVIDIA จึงจะสามารถเล่าเรื่อง "ความต้องการพลังการคำนวณยังคงขยายตัว" ต่อไปได้

ดังนั้น การแสดงจุดยืนของเจิ้งเหรินซุน (Jensen Huang) ต่อโมเดลจีนและจดหมายเปิดผนึกจึงไม่ใช่เหตุการณ์ที่เกิดขึ้นโดยลำพัง สิ่งเหล่านี้ชี้ไปที่สิ่งเดียวกัน นั่นคือ NVIDIA ไม่ต้องการให้การแข่งขันด้าน AI ถูกทำให้เรียบง่ายลงเป็น "การห้ามโมเดลบางประเภท" แต่ต้องการให้มีโมเดล สถานการณ์ และนักพัฒนามากขึ้น เข้าสู่กลุ่มความต้องการพลังการประมวลผล

ข้อจำกัดที่เกี่ยวข้องกับจีนจะส่งผลต่อความคาดหวังของ NVIDIA

อีกประเด็นหนึ่งที่ตลาดต้องเผชิญคือขอบเขตของนโยบาย แต่ประเด็นนี้ไม่ใช่แค่ "โมเดลจีนจะถูกจำกัดได้หรือไม่" เท่านั้น แต่ยังรวมถึง "ข้อจำกัดจะกลับมาทำให้ตำแหน่งของ NVIDIA ในห่วงโซ่อุตสาหกรรม AI ของจีนอ่อนแอลงหรือไม่"

ประเด็นสำคัญของ Kimi K3 ไม่ได้อยู่แค่ความสามารถของโมเดลเท่านั้น แต่ยังอยู่ที่ว่ามันไม่ได้สร้างขึ้นบนชิปเรือธงรุ่นล่าสุดของ NVIDIA จุดที่ละเอียดอ่อนกว่าในการอภิปรายของตลาดคือ Kimi K3 ใช้ชิปอย่าง H800 ซึ่งได้รับผลกระทบจากข้อจำกัดการส่งออกอยู่แล้ว และไม่ใช่ชิปสเป็คใหม่ล่าสุด กล่าวอีกนัยหนึ่ง แม้ในสถานการณ์ที่การจัดหาชิปขั้นสูงถูกจำกัด บริษัทโมเดลจีนก็ยังสามารถฝึกฝนโมเดล前沿ที่มีความสามารถในการแข่งขันต่อไปได้

นี่คือเหตุผลหลักที่เจิ้งเหรินซุนคัดค้านการจำกัดตลาดจีนแบบเหวี่ยงแหมาอย่างยาวนาน ข้อจำกัดจะไม่ทำให้ความต้องการ AI ของจีนหายไป แต่จะบีบให้บริษัทจีนต้องหาเส้นทางอื่นแทน เช่น สถาปัตยกรรมโมเดลที่มีประสิทธิภาพมากขึ้น วิธีการฝึกที่มีต้นทุนต่ำลง และการปรับให้เข้ากับชิปในประเทศมากขึ้น หลังจาก DeepSeek ตลาดได้เห็นการทดสอบแรงกดดันของบริษัทโมเดลจีนในเส้นทางประสิทธิภาพแล้ว และการที่ DeepSeek เริ่มปรับให้เข้ากับชิปของ Huawei ก็หมายความว่าระบบนิเวศ AI ของจีนจะไม่หยุดอยู่แค่ในระบบ CUDA และ GPU ของ NVIDIA อีกต่อไป

สำหรับ NVIDIA นี่คือสิ่งที่ควรกังวลอย่างแท้จริง ในระยะสั้น การจำกัดจีนอาจส่งผลต่อยอดขายชิปและคำสั่งซื้อที่คาดการณ์ไว้บางส่วน ในระยะกลางถึงยาว หากผู้ผลิตโมเดล ผู้ให้บริการคลาวด์ และบริษัทแอปพลิเคชันของจีนถูกบีบให้เร่งปรับตัวเข้ากับฮาร์ดแวร์ที่ไม่ใช่ของ NVIDIA ส่วนแบ่งของ NVIDIA ในโครงสร้างพื้นฐาน AI ของจีนก็อาจถูกกัดเซาะอย่างต่อเนื่อง คู่แข่งอาจไม่สามารถตามทัน NVIDIA ได้ในทันที แต่ตราบใดที่ความสามารถในการใช้งานยังคงเพิ่มขึ้น แรงจูงใจของลูกค้าในการย้ายฐานก็จะเพิ่มขึ้น

ดังนั้น ความผันผวนของหุ้นชิปจึงไม่ใช่แค่ปฏิกิริยาต่อโมเดลจีนตัวใดตัวหนึ่ง แต่เป็นการประเมินราคาความคาดหวังระยะยาวของ NVIDIA ใหม่: เส้นทางแบบปิด (Closed-source) จะยังคงสนับสนุนการเติบโตสูงได้หรือไม่ โมเดลเปิด (Open-source) จะเปิดช่องทางการเติบโตใหม่หรือไม่ และนโยบายจะผลักดันลูกค้าที่มีศักยภาพไปสู่ทางเลือกอื่นนอกเหนือจาก NVIDIA หรือไม่

ห้องปฏิบัติการแบบปิดยังคงมีข้อได้เปรียบ แต่การเล่าเรื่องการประเมินมูลค่ายากขึ้น

การเพิ่มขึ้นของโมเดลแบบเปิดน้ำหนัก (Open-weight) ไม่ได้หมายความว่าห้องปฏิบัติการ前沿แบบปิดจะสูญเสียคุณค่าไป

โมเดลแบบปิดยังคงมีข้อได้เปรียบที่ชัดเจน พวกเขาสามารถสร้างกำแพงกั้นจากประสบการณ์ผลิตภัณฑ์ การดำเนินการแบบเอเจนต์ (Agentic execution) ห่วงโซ่เครื่องมือ การจัดแนวความปลอดภัย การปฏิบัติตามข้อกำหนดขององค์กร และการกระจายระบบนิเวศ สำหรับลูกค้าองค์กรหลายราย ความสามารถในการใช้งาน ความเสถียร ขอบเขตความรับผิดชอบ และความสามารถในการบูรณาการ อาจมีความสำคัญมากกว่าคะแนนในตารางอันดับโมเดลแต่ละตัว

แต่การเล่าเรื่องเกี่ยวกับการประเมินมูลค่าจะยากขึ้น ในอดีต ห้องปฏิบัติการแบบปิดสามารถพึ่งพา "โมเดลที่แข็งแกร่งที่สุด" เพื่ออธิบายราคาที่สูงและการประเมินมูลค่าที่สูงได้ แต่ตอนนี้ พวกเขาต้องพิสูจน์ว่าไม่เพียงแต่โมเดลของตนจะแข็งแกร่งกว่า แต่ยังสามารถให้ระบบระดับองค์กรที่เชื่อถือได้ ครบถ้วน และยากต่อการทดแทนได้อีกด้วย

สิ่งนี้ส่งผลกระทบสองเท่าต่อ NVIDIA ในด้านหนึ่ง หากอัตรากำไรของห้องปฏิบัติการแบบปิดถูกกดดัน ตลาดอาจกังวลเกี่ยวกับจังหวะการลงทุนในโครงสร้างพื้นฐานในอนาคตของพวกเขา ในอีกด้านหนึ่ง หากโมเดลเปิดลดอุปสรรคในการนำไปใช้ ทำให้องค์กร ผู้ให้บริการคลาวด์ และนักพัฒนาจำนวนมากขึ้นเข้าร่วมในการปรับใช้ แหล่งที่มาของความต้องการของ NVIDIA ก็จะกระจายตัวมากขึ้น

OpenAI, Anthropic และ Google ไม่ได้ปรากฏในรายชื่อผู้ลงนามในจดหมายเปิดผนึกเรื่องน้ำหนักแบบเปิดที่รายงานต่อสาธารณะ ซึ่งไม่สามารถสรุปได้ว่าพวกเขาสนับสนุนการจำกัดโมเดลของจีน มันเพียงแสดงให้เห็นว่าห้องปฏิบัติการ前沿แบบปิดนั้นไม่ได้มีโครงสร้างผลประโยชน์ที่สอดคล้องกับบริษัทฮาร์ดแวร์ โอเพนซอร์ส และแพลตฟอร์มอย่างสมบูรณ์

NVIDIA อยู่ในชั้นฮาร์ดแวร์ และต้องการเห็นเส้นทางโมเดลหลายเส้นทางดำรงอยู่ร่วมกัน โมเดลแบบปิดยังคงผลักดันขีดความสามารถ前沿 ในขณะที่โมเดลเปิดมีหน้าที่ลดอุปสรรคและขยายสถานการณ์การใช้งาน ตราบใดที่ทั้งสองร่วมกันผลักดันปริมาณการใช้งาน AI ให้สูงขึ้น NVIDIA ก็จะเป็นหนึ่งในผู้ได้รับประโยชน์หลัก

สิ่งที่นักลงทุนต้องจับตาจริงๆ คือปริมาณการใช้งาน

การถกเถียงรอบนี้จะไม่หยุดอยู่แค่คำพูดของ Jensen Huang สิ่งที่มีผลต่อการกำหนดราคาคือ นโยบายของสหรัฐฯ จะจำกัดไปถึงไหน และโมเดลเปิดจะสามารถเข้าสู่การปรับใช้ในองค์กรได้จริงหรือไม่

หากโมเดลน้ำหนักแบบเปิดเพียงแค่ก่อให้เกิดข้อโต้แย้งในความคิดเห็นสาธารณะ แต่ไม่ก่อให้เกิดการใช้งานในองค์กรที่ยั่งยืน ความต้องการหลักของ NVIDIA ก็จะยังคงกลับไปสู่วงจรการใช้จ่ายด้านทุนของห้องปฏิบัติการแบบปิดไม่กี่แห่งและแพลตฟอร์มคลาวด์ขนาดใหญ่ ซึ่งหมายความว่าการคาดการณ์การเติบโตของ NVIDIA ในตลาดจะต้องได้รับการยืนยันจากคำสั่งซื้อของลูกค้ารายใหญ่ต่อไป

หากโมเดลเปิดยังคงเข้าสู่สภาพแวดล้อมขององค์กร และก่อให้เกิดความต้องการที่สังเกตได้ในด้านการอนุมาน การปรับแต่ง การปรับใช้ส่วนตัว และการบูรณาการในอุตสาหกรรม เรื่องราวของ NVIDIA ก็จะขยายจาก "ผู้เล่นรายใหญ่ไม่กี่รายซื้อ GPU เพิ่มขึ้น" เป็น "องค์กรจำนวนมากขึ้นเริ่มใช้พลังประมวลผล AI"

นักลงทุนควรจับตาดูตัวแปรสองตัว ตัวแรกคือ ข้อจำกัดของสหรัฐฯ จะตกไปถึงระดับการจัดซื้อ บริการคลาวด์ และบัญชีดำที่สามารถบังคับใช้ได้หรือไม่ ตัวที่สองคือ โมเดลน้ำหนักแบบเปิดจะสามารถเข้าสู่การปรับใช้ในองค์กรได้จริง และก่อให้เกิดการใช้พลังประมวลผลที่สังเกตได้หรือไม่

ตัวแรกกำหนดความเสี่ยงด้านนโยบาย ตัวที่สองกำหนดว่าสิ่งที่ Jensen Huang เรียกว่าการตีความตลาดที่ผิด จะกลายเป็นความต้องการคำสั่งซื้อจริงของ NVIDIA ได้หรือไม่ หุ้นชิปไม่ได้ซื้อขายชัยชนะของโมเดลใดโมเดลหนึ่ง แต่ซื้อขายว่าความต้องการ AI จะยังคงกระจายตัวต่อไปหรือไม่

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

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

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

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