สรุป
AI ยังคงเป็นกระแสหลักระยะยาว แต่เมื่อ GPU, HBM, การบรรจุขั้นสูง, พลังงาน และส่วนสำคัญอื่น ๆ ถูกตลาดตีราคาจนเต็มที่แล้ว ตรรกะการลงทุนใน AI อาจกำลังเปลี่ยนจาก**"การค้นหาคอขวดที่หายากที่สุด" ไปสู่ "การค้นหาทางเลือกที่มีต้นทุนได้เปรียบมากกว่า"**
ในด้านหนึ่ง ความต้องการโครงสร้างพื้นฐาน AI เช่น HBM, DRAM ยังคงแข็งแกร่ง แต่ราคาสูงและกำไรสูงก็จะกระตุ้นให้ลูกค้าปลายน้ำมองหาทางเลือกอื่น ๆ ขณะเดียวกัน AMD, ASIC, TPU, ชิปที่ปรับแต่งเฉพาะ และผู้จัดหาหน่วยความจำรายใหม่ ๆ ก็อาจเข้ามาในตลาดที่มีอยู่ผ่านต้นทุน, สถาปัตยกรรม หรือความสามารถในการจัดหา
ดังนั้น ในขั้นตอนถัดไปของการลงทุนใน AI นอกจากจะต้องสนใจว่า "ใครคือสิ่งที่หายากที่สุด" แล้ว ยังต้องพิจารณาต่อไปด้วยว่า: ใครสามารถทำสิ่งเดียวกันได้ดีขึ้นด้วยต้นทุนที่ต่ำกว่า?
การสังเกตพอร์ต KTX Crypto
สำหรับพอร์ต KTX Crypto มุมมองในชุมชนนี้ที่น่าสนใจมากขึ้นคือ**"ห่วงโซ่อุตสาหกรรม AI กำลังเปลี่ยนจากการตีราคาคอขวดไปสู่การแข่งขันทางเลือก"** จุดสำคัญไม่ใช่การตัดสินใจว่าใครจะถูกแทนที่ทันที แต่เป็นการสังเกตว่ากำไรอุตสาหกรรมและตรรกะเงินทุนกำลังเปลี่ยนแปลงอย่างไร:
- ความต้องการ AI ระยะยาวยังคงอยู่: AI ยังคงต้องการพลังประมวลผล, การจัดเก็บ และโครงสร้างพื้นฐานอย่างไม่เปลี่ยนแปลง แต่ความร้อนแรงสูงไม่ได้หมายความว่าทรัพย์สินที่เกี่ยวข้องทั้งหมดจะมีพื้นที่เติบโตอย่างต่อเนื่อง
- คอขวดอาจนำไปสู่ทางเลือกทดแทน: เมื่อส่วนใดส่วนหนึ่งมีการจัดหาที่ตึงตัว, ราคาสูงขึ้นและอัตรากำไรเพิ่มขึ้นอย่างต่อเนื่อง ผู้ผลิตปลายน้ำจะมีแรงจูงใจมากขึ้นในการหาทางเลือกทดแทน
- ให้ความสนใจกับตรรกะ "ทางเลือกที่คุ้มค่า": AMD, ASIC, TPU, ชิปที่ปรับแต่งเฉพาะ และผู้จัดหาหน่วยความจำรายใหม่ อาจกลายเป็นพลังทดแทนที่มีศักยภาพในห่วงโซ่อุตสาหกรรมที่มีอยู่
- หลังฮาร์ดแวร์ ให้สนใจซอฟต์แวร์: เงินทุนก่อนหน้านี้มุ่งเน้นไปที่ชิป, การจัดเก็บ และศูนย์ข้อมูล แต่ในอนาคต ซอฟต์แวร์, SaaS, และแพลตฟอร์มคลาวด์ที่สามารถเปลี่ยน AI เป็นรายได้และกำไรได้จริงก็มีความน่าสนใจเช่นกัน
- การดำเนินงานของพอร์ต: ทรัพย์สินที่เกี่ยวข้องกับ AI ไม่ควรมองแค่การเติบโตของอุตสาหกรรมและอุปสรรคทางเทคโนโลยีเท่านั้น แต่ต้องสนใจมูลค่า, เส้นต้นทุน, ความสามารถในการต่อรองของลูกค้า และแรงกดดันการแข่งขันจากทางเลือกทดแทนที่อาจเกิดขึ้นด้วย
บทความต้นฉบับ
ทฤษฎี "ค้นหาคอขวด" ของเทพหุ้นขนขาว จะพัฒนาเป็น "ค้นหาทางเลือกที่คุ้มค่า" หรือไม่?🤔
ก่อนหน้านี้ได้ฟังการแชร์สดของลุงซุ่นเกี่ยวกับ AI, หุ้นสหรัฐ และการจัดเก็บข้อมูลใน OKX Planet ซึ่งมีมุมมองที่น่าสนใจหลายประการ
- AI ยังคงเป็นกระแสหลักระยะยาว
ผลกระทบของ AI ต่อประสิทธิภาพการผลิตเพิ่งเริ่มต้น แต่พื้นที่ของอุตสาหกรรมใหญ่มาก ไม่ได้หมายความว่าทุกบริษัท AI จะเหมาะสมกับการลงทุนในราคาสูง
- ตรรกะความต้องการจัดเก็บข้อมูลไม่เปลี่ยนแปลง
HBM, DRAM ยังคงเป็นส่วนสำคัญของโครงสร้างพื้นฐาน AI ความสำคัญของ SK Hynix และ Samsung ก็ยังไม่เปลี่ยนแปลง
สิ่งที่ตลาดกำลังปรับราคาคือการขึ้นราคาก่อนหน้า, การคาดการณ์อัตรากำไร และอำนาจการตั้งราคาภายในห่วงโซ่อุตสาหกรรม
- ภาพรวมเศรษฐกิจมหภาคกำหนดทิศทาง มูลค่าตลาดกำหนดจุดซื้อ
การเข้าใจแนวโน้มระยะยาวไม่ได้หมายความว่าเราจะมองข้ามราคาได้
แม้จะมั่นใจในทิศทางระยะยาว ก็ยังต้องทยอยสะสมหุ้นเพื่อเผื่อพื้นที่สำหรับความผันผวนของตลาด
- หลังฮาร์ดแวร์ ซอฟต์แวร์อาจได้รับความสนใจอีกครั้ง
ก่อนหน้านี้เงินทุนส่วนใหญ่เน้นที่ชิป, การจัดเก็บ และศูนย์ข้อมูล
แต่ในขั้นต่อไป ซอฟต์แวร์, SaaS และแพลตฟอร์มคลาวด์ที่สามารถเปลี่ยน AI เป็นรายได้และกำไร อาจกลายเป็นแนวทางที่ตลาดให้ความสนใจมากขึ้น
- จาก "ค้นหาคอขวด" สู่ "ค้นหาทางเลือกที่คุ้มค่า"
ในอดีตการศึกษาด้าน AI ทุกคนจะมองหาส่วนที่ขาดแคลนที่สุด:
GPU, HBM, การบรรจุขั้นสูง, พลังงาน ที่ใดมีคอขวด เงินทุนก็จะไหลไปที่นั่น
แต่ปัญหาคือ:
เมื่อส่วนใดส่วนหนึ่งถูกตลาดยอมรับว่าเป็นคอขวด มักจะไม่ถูกอีกต่อไป
และยิ่งกำไรมาก ต้นทุนสูง ลูกค้าปลายน้ำก็จะยิ่งมีแรงจูงใจในการหาทางเลือกทดแทนมากขึ้น
เช่น Nvidia ยังคงมีข้อได้เปรียบในการแข่งขันที่แข็งแกร่ง แต่ AMD, ASIC, TPU และชิปที่ปรับแต่งเฉพาะ ก็อาจค่อย ๆ เข้าสู่ตลาดผ่านแอปพลิเคชันที่แตกต่างกัน
ในด้านการจัดเก็บข้อมูลก็เช่นกัน ผู้ให้บริการคลาวด์สามารถลดแรงกดดันด้านต้นทุนจากการจัดเก็บข้อมูลราคาสูงได้โดยการล็อกสัญญาระยะยาว, ค้นหาผู้จัดหารายใหม่ และปรับปรุงสถาปัตยกรรม
ตรรกะคล้าย ๆ กันนี้กำลังเกิดขึ้นในประเทศจีนด้วย
DeepSeek ทำให้ตลาดตระหนักใหม่ว่าโมเดลขนาดใหญ่ไม่จำเป็นต้องพึ่งพากำลังประมวลผลที่ใหญ่ขึ้นและการลงทุนที่สูงขึ้นเสมอไป ในด้านการจัดเก็บ ข้อมูลผู้จัดหา DRAM รายใหม่ก็อาจเปลี่ยนแปลงความคาดหวังของตลาดเกี่ยวกับการจัดหาและการตั้งราคาได้
นี่ไม่ได้หมายความว่าผู้นำในอุตสาหกรรมจะถูกแทนที่ทันที
แต่ในขั้นต่อไปของการวิจัย AI นอกจากจะถามว่า:
"ใครคือสิ่งที่ขาดแคลนที่สุด?"
ก็อาจต้องถามเพิ่มว่า:
"ใครสามารถทำสิ่งเดียวกันได้ดีขึ้นด้วยต้นทุนที่ต่ำกว่า?"
ผู้เขียนต้นฉบับ： Dr. Moyu｜หัวหน้าทีม摸鱼
บัญชี X：@Jason23818126
ลิงก์ต้นฉบับ：https://x.com/Jason23818126/status/2084295372881727753
คำเตือนความเสี่ยง： บทความนี้เป็นมุมมองจากชุมชนเท่านั้น ไม่ใช่คำแนะนำการลงทุน โปรดศึกษาข้อมูลด้วยตนเอง (DYOR)