เมื่อ Qualcomm ตัดสินใจท้าชนยักษ์ใหญ่อย่าง Nvidia
ถ้าพูดถึงชิปสำหรับ AI ในดาต้าเซ็นเตอร์ตอนนี้ ชื่อแรกที่ทุกคนนึกถึงคือ Nvidia แทบจะไม่มีใครกล้าเอ่ยชื่อตัวเองว่าจะมาแทนได้ แต่เมื่อสัปดาห์ที่ผ่านมา Qualcomm บริษัทชิปจากสหรัฐอเมริกาที่คนส่วนใหญ่รู้จักในฐานะผู้ผลิตชิปโทรศัพท์มือถือ ได้ออกมาประกาศท่าทีอย่างชัดเจนว่าพร้อมบุกตลาด AI ระดับดาต้าเซ็นเตอร์อย่างจริงจัง
และอาวุธที่ Qualcomm หยิบขึ้นมาใช้ครั้งนี้ไม่ใช่อะไรซับซ้อน แต่เป็นแนวคิดที่ฟังดูเรียบง่ายจนน่าแปลกใจ
กองโทรศัพท์บนโต๊ะประชุม — ไอเดียที่เปลี่ยนเกม
ในห้องประชุมกลางแมนฮัตตัน นิวยอร์ก Durga Malladi รองประธานฝ่ายดาต้าเซ็นเตอร์ของ Qualcomm หยิบโทรศัพท์มือถือหลายเครื่องมากองซ้อนกันบนโต๊ะ แล้วบอกว่านั่นแหละคือหลักการทำงานของชิป AI รุ่นใหม่ของบริษัท
สิ่งที่เขาสาธิตคือแนวคิดการวาง DRAM (ชิปหน่วยความจำ) ชนิดกินไฟต่ำซ้อนทับโดยตรงบน Logic Die (ชิปประมวลผลหลัก) โดยตรง แทนที่จะใช้ HBM (High Bandwidth Memory) หรือหน่วยความจำแบนด์วิดท์สูงที่ Nvidia ใช้อยู่ในการ์ดจอ GPU รุ่นท็อปอย่าง H100 และ H200
ฟังดูเหมือนเรื่องเทคนิคเล็กน้อย แต่ความแตกต่างตรงนี้มีนัยสำคัญมากต่อทั้งราคา การใช้พลังงาน และห่วงโซ่อุปทานของวงการ AI โลก
HBM คืออะไร และทำไม Qualcomm ถึงเลือกไม่ใช้?
ก่อนอื่นต้องอธิบายก่อนว่า HBM (High Bandwidth Memory) คือหน่วยความจำชนิดพิเศษที่ออกแบบมาเพื่อส่งข้อมูลได้เร็วมาก เหมาะกับการประมวลผล AI ที่ต้องจัดการข้อมูลมหาศาลในเวลาอันสั้น GPU ของ Nvidia อย่าง H100 ใช้ HBM เป็นหัวใจหลัก และ HBM ก็ถูกผลิตโดยบริษัทอย่าง SK Hynix, Samsung และ Micron เป็นหลัก
ปัญหาคือ HBM มีราคาแพงมาก และกระบวนการผลิตซับซ้อน ทำให้ต้นทุนชิป AI ระดับดาต้าเซ็นเตอร์พุ่งสูงจนบริษัทส่วนใหญ่ต้องคิดหนักก่อนจะซื้อ
Qualcomm เลือกเดินอีกทาง คือใช้ LPDDR (Low Power Double Data Rate DRAM) ซึ่งเป็นหน่วยความจำชนิดเดียวกับที่ใช้ในสมาร์ตโฟนและแล็ปท็อป แต่นำมาวางซ้อนกันหลายชั้นให้ใกล้ชิปประมวลผลมากที่สุด เพื่อให้ส่งข้อมูลได้เร็วพอในราคาที่ต่ำกว่า และกินไฟน้อยกว่าอย่างมีนัยสำคัญ
ไลน์ผลิตภัณฑ์ "Dragonfly" — ชื่อที่คนวงการต้องจำ
Qualcomm ตั้งชื่อสายผลิตภัณฑ์ชิป AI สำหรับดาต้าเซ็นเตอร์ว่า Dragonfly โดยวางตำแหน่งตัวเองในฐานะทางเลือกที่มีประสิทธิภาพด้านพลังงาน (Energy Efficient) และต้นทุนต่ำกว่าเมื่อเทียบกับ GPU ของ Nvidia
แนวคิดหลักของ Dragonfly คือ:
- ลดการพึ่งพา HBM ซึ่งมีราคาสูงและห่วงโซ่อุปทานตึงตัว
- ใช้ DRAM กินไฟต่ำ ที่ผลิตได้ง่ายกว่าและมีซัพพลายเออร์หลายราย
- ออกแบบสำหรับ Inference (การนำโมเดล AI ที่เทรนแล้วมาใช้งานจริง) มากกว่า Training (การฝึกโมเดลใหม่) ซึ่งเป็นตลาดที่กำลังโตเร็วมาก
ตลาด AI Inference นั้นน่าสนใจมาก เพราะทุกครั้งที่คุณพิมพ์ถามแชทบอท ขอให้ AI สร้างรูป หรือใช้ฟีเจอร์ AI ในแอปต่างๆ นั่นคือ Inference ทั้งนั้น ซึ่งหมายความว่าความต้องการชิปประเภทนี้จะเพิ่มขึ้นตามการใช้งาน AI ในชีวิตประจำวัน
ใครได้ประโยชน์จากการเคลื่อนไหวครั้งนี้?
ถ้า Qualcomm ทำได้จริง ผู้ที่ได้รับผลบวกคือ:
- TSMC — บริษัทผลิตชิปจากไต้หวัน ซึ่งน่าจะเป็นผู้รับจ้างผลิตชิป Dragonfly เนื่องจากความสัมพันธ์ระยะยาวกับ Qualcomm
- SK Hynix และ Samsung — แม้จะสูญเสียออเดอร์ HBM บางส่วน แต่ทั้งสองเป็นผู้ผลิต LPDDR รายใหญ่อยู่แล้ว จึงยังได้งาน
- บริษัทคลาวด์ขนาดกลาง ที่อยากมี AI แต่ไม่มีงบซื้อ GPU ของ Nvidia ในราคาหลักแสนดอลลาร์ต่อชิ้น
- ผู้พัฒนาซอฟต์แวร์ AI ที่จะมีแพลตฟอร์มหลากหลายให้เลือกใช้
ส่วนผู้ที่อาจได้รับผลกระทบคือ Nvidia เอง รวมถึง Micron ผู้ผลิต HBM สัญชาติอเมริกัน ที่อาจเสียส่วนแบ่งตลาดหากแนวโน้ม Low-Power DRAM ได้รับความนิยมมากขึ้น
มุมมองพี่สยาม — เรื่องนี้ใกล้ตัวคนไทยกว่าที่คิด
พูดตรงๆ เลยนะ ตอนแรกอ่านข่าวนี้แล้วรู้สึกว่ามันเป็นเรื่องไกลตัว เป็นการแข่งขันของบริษัทยักษ์ใหญ่ในอเมริกาที่ไม่น่าจะกระทบคนทำงานในกรุงเทพหรือต่างจังหวัดอะไรมากนัก แต่พอนั่งคิดดูอีกทีมันไม่ใช่อย่างนั้นเลย
ราคาของชิป AI คือต้นทุนที่แฝงอยู่ในทุกบริการที่เราใช้ — ตั้งแต่ ChatGPT, Google Gemini, ไปจนถึงฟีเจอร์ AI ในแอปไทยที่กำลังผุดขึ้นมาเรื่อยๆ ถ้าต้นทุนชิปลดลง บริการ AI ก็จะถูกลง เข้าถึงง่ายขึ้น และนักพัฒนาไทยก็จะมีโอกาสสร้างสิ่งดีๆ ได้มากขึ้นในราคาที่ไม่บ้าคลั่ง
สำหรับบริษัทไทยที่กำลังคิดจะนำ AI มาใช้ในองค์กร การมีตัวเลือกชิปที่หลากหลายและราคาสมเหตุสมผลมากขึ้นคือข่าวดีโดยตรง เพราะตอนนี้คนที่ "จ่ายได้" คือแค่บริษัทยักษ์ใหญ่ระดับโลก ถ้าราคาลงมา SME ไทยก็อาจเข้าถึงพลัง AI ได้จริงในอีกไม่กี่ปีข้างหน้า
ยังต้องติดตามต่อ — อย่าเพิ่งฟันธง
แม้ไอเดียของ Qualcomm จะน่าสนใจ แต่พี่สยามอยากให้มองอย่างมีสติด้วย เพราะยังมีคำถามสำคัญที่รอคำตอบอยู่อีกเยอะ:
- ประสิทธิภาพจริงของ Dragonfly เมื่อเทียบกับ H100/H200 ของ Nvidia ยังไม่มีตัวเลขเปรียบเทียบอย่างเป็นทางการ
- ระบบนิเวศซอฟต์แวร์ (Software Ecosystem) ของ Qualcomm ในฝั่ง AI ยังอ่อนแอกว่า CUDA ของ Nvidia มาก ซึ่งนักพัฒนาที่ใช้ Nvidia มาตลอดต้องเรียนรู้ใหม่ทั้งหมด
- กำหนดการเปิดตัวเชิงพาณิชย์จริงยังไม่ชัดเจน
ตามรายงานของ Nikkei Asia ที่เป็นแหล่งข่าวหลักของเรื่องนี้ Qualcomm ยังอยู่ในช่วงแสดงวิสัยทัศน์และนำเสนอต่อนักลงทุนและพันธมิตร ยังไม่ใช่การประกาศเปิดตัวผลิตภัณฑ์เต็มรูปแบบ ดังนั้นต้องรอดูกันต่อ
สรุป: ลมเริ่มเปลี่ยนทิศในวงการชิป AI
สิ่งที่ Qualcomm กำลังทำอยู่คือการพยายามเปลี่ยนกติกาของเกม แทนที่จะแข่งกับ Nvidia ในสนามเดิมที่ Nvidia แข็งแกร่งที่สุด พวกเขาเลือกสร้างสนามใหม่ที่เน้นประสิทธิภาพพลังงานและต้นทุนที่เข้าถึงได้ง่ายกว่า
จะสำเร็จหรือเปล่ายังตอบไม่ได้ แต่ทิศทางนี้สำคัญมาก เพราะโลกกำลังเข้าสู่ยุคที่ความต้องการ AI Inference จะเพิ่มขึ้นมหาศาล และไม่ใช่ทุกบริษัทที่มีงบซื้อ GPU ราคาหลักล้านบาท
สำหรับคนไทยและบริษัทไทย ขอแนะนำให้จับตาดูพัฒนาการนี้ต่อไปใน 12-18 เดือนข้างหน้า เพราะถ้า Qualcomm ทำได้จริง ราคาบริการ AI ที่เราใช้ในชีวิตประจำวันอาจถูกลงกว่าที่คิด และโอกาสของนักพัฒนาและ Startup ไทยก็จะเปิดกว้างขึ้นตามไปด้วย
ตลาดชิป AI ยังไม่จบแค่ Nvidia รายเดียวครับ และนั่นเป็นเรื่องดีสำหรับพวกเราทุกคน
