นอกเหนือจากรายงานทางการเงิน ความเสี่ยงและโอกาสที่แท้จริงของ NVIDIA

หัวข้อเดิม：《บางความคิดก่อน Nvidia คืนนี้》 เขียนโดย：@GavinSBaker แปลโดย Peggy, BlockBeats

บรรณาธิการ: หลังจากรายงานผลประกอบการของ Nvidia ออกมา โฟกัสของตลาดมักจะอยู่ที่รายได้ กำไร และแนวทางในอนาคต แต่ผู้เขียนบทความ @GavinSBaker พยายามนำการสนทนากลับไปสู่มิติระยะยาว: สิ่งที่กำหนดมูลค่าของ Nvidia ไม่ใช่ข้อมูลรายไตรมาส แต่เป็นความต่อเนื่องของความต้องการ AI และการลงทุนด้านพลังประมวลผลที่สร้างผลตอบแทนอย่างยั่งยืนหรือไม่

บทความเริ่มจากประสบการณ์ในประวัติศาสตร์ของวัฏจักรเทคโนโลยี พิจารณาว่า “ฟองสบู่และการสร้างเกินความจำเป็น” อาจจะเกิดซ้ำอีกหรือไม่ พร้อมชี้ให้เห็นว่าในรอบ AI นี้ มีปัญหาเรื่องพลังงานและอุปทานเวเฟอร์ที่อาจทำให้จังหวะการขยายตัวชะลอลง นอกจากนี้ ราคาการเช่า GPU และการใช้งานชิปเก่าในอัตราสูง ก็เป็นหลักฐานที่สนับสนุน ROI ของ AI ได้อย่างเป็นรูปธรรม

ต่อไปนี้คือเนื้อหาต้นฉบับ:

นี่คือการสังเกตส่วนตัวบางประการ อาจเป็นแนวทางให้ผู้สนใจ Nvidia ได้บ้าง ในมุมมองของผม สิ่งที่ควรพูดถึงเกี่ยวกับบริษัทนี้มีอยู่สองตัวแปรหลัก: หนึ่งคือความต่อเนื่องของความต้องการ และสองคืออัตราผลตอบแทนจากการลงทุนใน AI (ROI) ซึ่งหลังนี้ก็เกี่ยวข้องกับอายุการใช้งานของ GPU อย่างใกล้ชิด

ความต่อเนื่องของความต้องการ: ประวัติศาสตร์จะซ้ำรอยไหม?

จากประสบการณ์ในประวัติศาสตร์ของคลื่นเทคโนโลยี เกือบทุกวัฏจักรคล้ายกันเคยผ่านฟองสบู่ทางการเงินและการขยายกำลังการผลิตเกินความจำเป็น คาร์โลตา เพเรซ ในหนังสือ “Technological Revolutions and Financial Capital” ได้อธิบายไว้เป็นระบบ เธอชี้ให้เห็นว่าในการปฏิวัติเทคโนโลยีแต่ละครั้ง ไม่ว่าจะเป็นทางรถไฟ วิทยุ หรืออินเทอร์เน็ต ตลาดการเงินจะรับรู้ถึงศักยภาพในระยะยาวก่อน แล้วความบ้าคลั่งในทุนก็จะตามมา ซึ่งมักจะก่อให้เกิดฟองสบู่ (ซึ่งสามารถอธิบายได้ด้วยคำพูดของ Mauboussin ว่า “การล่มสลายของความหลากหลายของมุมมอง”) ฟองสบู่นำไปสู่การสร้างเกินความจำเป็น การสร้างเกินนี้ทำให้ความต้องการในระยะสั้นลดลง และสุดท้ายก็เกิดภาวะตลาดล่มสลาย ในขณะเดียวกัน การเกินอุปทานของเทคโนโลยีพื้นฐาน ก็เป็นรากฐานของ “ยุคทอง” ตัวอย่างเช่น การพัฒนาอินเทอร์เน็ตเป็นกรณีตัวอย่าง

ดังนั้น สำหรับ Nvidia สิ่งสำคัญไม่ใช่ผลประกอบการในไตรมาสนี้ หรือแนวทางในไตรมาสหน้า ซึ่งเหล่านี้มักถูกคาดการณ์ล่วงหน้าโดยสถาบันการซื้อขาย สิ่งที่สำคัญจริงๆ คือความสามารถในการรักษา EPS ให้ต่อเนื่อง มากกว่าการเติบโตในปีเดียวกัน

จากการประเมินค่าปัจจุบันและความคาดหวังในตลาด ตลาดดูเหมือนจะส่งสัญญาณว่า Nvidia อาจใกล้จุดสูงสุดชั่วคราวของกำไร ซึ่งสะท้อนความกังวลเกี่ยวกับการขยายตัวของการลงทุนด้านทุนเกินไป ควรเน้นว่า ความกังวลของตลาดไม่ได้อยู่ที่ “ฟองสบู่การประเมินค่า” แต่เป็น “ฟองสบู่พื้นฐาน” ซึ่งเป็นความเสี่ยงของการสร้างเกินความจำเป็นที่ขับเคลื่อนด้วย capex หากตลาดสามารถสร้างความเชื่อมั่นว่า Nvidia จะรักษาอัตราการเติบโตของรายได้แบบทบต้นในระดับเลขหลักเดียวสูงในปีงบประมาณ 2027 ขึ้นไปได้ มูลค่ากลางก็อาจได้รับการสนับสนุน

ครั้งนี้แตกต่างจริงหรือไม่?

คำว่า “ครั้งนี้แตกต่าง” มักเป็นคำตัดสินที่อันตราย แต่รอบ AI นี้ก็มีความแตกต่างอยู่บ้าง: โลกเผชิญกับปัญหาในสองมิติสำคัญ คือ พลังงาน (วัตต์) และเวเฟอร์เทคโนโลยีขั้นสูง ซึ่งการคลายปัญหาเหล่านี้อาจใช้เวลาหลายปี

ข้อจำกัดด้านอุปทานนี้ อาจจะช่วยชะลอการขยายกำลังการผลิตเกินความจำเป็นได้ ในขณะที่ผู้ให้บริการคลาวด์ขนาดใหญ่อาจจะยังคงขยายต่อไป หากไม่มีข้อจำกัดด้านพลังงานและเวเฟอร์ แต่ในความเป็นจริง ปัญหาเหล่านี้อาจเป็นอุปสรรคต่อการขยายตัวของอุตสาหกรรมต่างจากในประวัติศาสตร์ของการปฏิวัติเทคโนโลยี ซึ่งในอดีตไม่มีข้อจำกัดด้านอุปทานเช่นนี้

หากไม่มีการสร้างเกินความจำเป็น ก็ยากที่จะเกิดภาวะล่มสลาย โดยเฉพาะในสภาพแวดล้อมที่มูลค่าหุ้นเทคโนโลยายังไม่อยู่ในระดับสูงสุดสุด

ในสองปัจจัยนี้ เวเฟอร์อาจมีความสำคัญมากกว่าพลังงาน การควบคุมจังหวะการผลิตเวเฟอร์อาจเป็นตัวแปรสำคัญที่ยืดช่วงวัฏจักร AI ออกไป ผู้บริหารของ TSMC เป็นที่รู้กันว่ามีความระมัดระวัง พวกเขาเน้นความมั่นคงของอุตสาหกรรมและคุณค่าระยะยาว มากกว่าการขยายตัวอย่างรุนแรงในระยะสั้น หากไม่มีข้อจำกัดด้านพลังงานและเวเฟอร์ Nvidia อาจเติบโตได้เร็วขึ้นใน 24 เดือนข้างหน้า แต่ก็เสี่ยงต่อการสร้างเกินความจำเป็นมากขึ้นเช่นกัน

ในแง่หนึ่ง ข้อจำกัดด้านอุปทานอาจเป็นการ “ลดความเร็ว” ของวัฏจักร AI ให้เป็นสภาพสมดุล ซึ่งความต้องการ AI ที่พึ่งพาเวเฟอร์เทคโนโลยีขั้นสูง ก็อาจเป็นกุญแจสำคัญในการหลีกเลี่ยงความผันผวนรุนแรงในรอบนี้

หากต้องการสมมุติสมมุติสุดขีด การขยายขนาดพลังประมวลผลอาจต้องเพิ่มขึ้นเป็นร้อยเท่าหรือพันเท่า ซึ่งการขยายตัวในระดับนี้ใช้เวลานานพอสมควร ทำให้สังคมมีเวลาปรับตัวและสร้างกลไกให้เหมาะสม

ประสบการณ์ในอดีตก็ให้แนวทางเช่นกัน หลังจากที่ James Watt คิดค้นเครื่องจักรไอน้ำแบบหมุนเวียน การเปลี่ยนแปลงจากรถม้าสู่ระบบรางใช้เวลาหลายสิบปี การพัฒนา AI อาจเร็วขึ้น แต่ก็ไม่น่าจะเปลี่ยนโครงสร้างสังคมในระยะเวลาสั้นมาก

ที่สำคัญกว่านั้น มนุษย์ใช้พลังงานเพียง 20–30 วัตต์เพื่อให้บรรลุ “ปัญญาทั่วไป” ในโลกที่พลังงานจำกัด ความได้เปรียบด้านประสิทธิภาพนี้อาจอยู่ในระยะยาว ดังนั้น วัฏจักร AI ที่ราบรื่นและยาวนานขึ้น อาจไม่ใช่เรื่องเลวร้ายสำหรับสังคม

อายุการใช้งานของ GPU กับ ROI ของ AI ที่แท้จริง

ราคาการเช่า GPU โดยพื้นฐานสะท้อนมูลค่าทางเศรษฐกิจของ token ซึ่งเป็นตัวชี้วัด ROI ของ AI ในทางทฤษฎี เมื่อมีการเปิดตัวชิปประสิทธิภาพสูงขึ้น ราคาการเช่า GPU รุ่นเก่าก็ควรลดลงตามกลไกตลาด แม้ว่า ROI ของ AI จะเป็นบวกก็ตาม

แต่ในสองเดือนที่ผ่านมา ราคาการเช่า H100 ซึ่งใช้งานมาเกือบสี่ปี กลับปรับตัวสูงขึ้นอย่างมีนัยสำคัญ ซึ่งบ่งชี้ว่า โดยเฉพาะในบริบทของ AI ที่มีความสามารถในการสร้าง agentic AI และการสร้างโค้ด พลังประมวลผลกำลังสร้างมูลค่าทางเศรษฐกิจที่แท้จริงและน่าพอใจ

ในเวลาเดียวกัน แม้จะมี Blackwell ออกมา ราคาของ A100 ซึ่งเปิดตัวเมื่อ 6 ปีก่อน ก็ยังคงใช้งานได้อย่างเต็มประสิทธิภาพ ราคาการเช่าไม่ลดลงอย่างชัดเจน ซึ่งชี้ให้เห็นว่า อายุการใช้งานของ GPU อาจนานกว่า 6 ปี หรือมากกว่าระยะเวลาการเสื่อมราคาของลูกค้าส่วนใหญ่

ผลกระทบเชิงโครงสร้างคือ ถ้ามูลค่าขายต่อสูงกว่าที่คาดไว้ ต้นทุนทางการเงินของ GPU ก็จะลดลงด้วย ในทางตรงกันข้าม ASIC ที่ออกแบบมาเพื่อโมเดลหรือวัตถุประสงค์เฉพาะทาง ก็ยากที่จะมีอายุการใช้งานยาวนานเช่นนี้ ในสภาพแวดล้อมที่เทคโนโลยีเปลี่ยนแปลงอย่างรวดเร็ว ต้นทุนด้านทุนของชิปเฉพาะทางก็สูงขึ้นและเข้าถึงยากขึ้น

ในแง่หนึ่ง ความสามารถในการใช้งานทั่วไป (general-purpose) คือแนวป้องกันของ GPU เมื่อฟีเจอร์ prefill และ decode ถูกแยกออกจากกัน รวมถึงระบบชิปที่รองรับ ก็ทำให้โครงสร้างพลังประมวลผลกำลังเปลี่ยนจาก “ชิปเดียว” ไปเป็น “ระบบหลายชิป” การสร้างโครงสร้างพื้นฐาน AI ก็ไม่จำเป็นต้องพึ่งพาอุปกรณ์เดียว แต่เป็นระบบที่ซับซ้อนและเชื่อมโยงกันอย่างสูง

เมื่อ prefill และ decode ถูกแยกออกจากกัน เครือข่ายนิเวศของ Nvidia อาจปรับตัวเร็วกว่าของ TPU ซึ่งเมื่อผสมกับความแตกต่างในการออกแบบของผู้ผลิตแต่ละราย ความได้เปรียบด้านต้นทุนในการ inference ก็เปลี่ยนแปลงไป

หากบางผู้ผลิตเคยพึ่งพาความได้เปรียบด้านต้นทุนเพื่อกดราคาของ token เพื่อแย่งชิงส่วนแบ่งตลาด เมื่อความได้เปรียบนี้ลดลง พฤติกรรมของตลาดก็จะเป็นไปในเชิงเหตุผลมากขึ้น ซึ่งในระยะยาวจะส่งผลดีต่อ ROI ของ AI โดยเฉพาะในช่วงที่ความต้องการพลังประมวลผลเปลี่ยนจากการฝึกสอนเป็น inference

การเปลี่ยนแปลงนี้ อาจเป็นสิ่งที่น่าจับตามองมากกว่าผลประกอบการในแต่ละไตรมาส

ความปรารถนาเล็กน้อยสุดท้าย: หวังว่า Nvidia ในอนาคตจะกลับมาใช้ซูเปอร์ฮีโร่เป็นรหัสชิปอีกครั้ง น่าประหลาดใจที่ “ฝ่ายเขียว” ยังไม่เคยใช้ชื่อ “Banner” ซึ่งเป็นชื่อจริงของฮีโร่จาก Marvel เลย