ปัญญาประดิษฐ์ขับเคลื่อนการเติบโตของอุตสาหกรรมการจัดเก็บข้อมูล พร้อมเปลี่ยนจากวงจรเป็นโครงสร้างพื้นฐาน

ผู้เขียน: hoidya｜𝟎𝐱𝐔

1/ อุตสาหกรรมการจัดเก็บข้อมูลคืออะไร

อุตสาหกรรมการจัดเก็บข้อมูลประกอบด้วยผลิตภัณฑ์หลักสามประเภท: DRAM, NAND และ HBM ซึ่งร่วมกันสร้างระบบหน่วยความจำของอุปกรณ์ดิจิทัลทั้งหมด ไม่ว่าจะเป็นโทรศัพท์มือถือ คอมพิวเตอร์ หรือศูนย์ข้อมูล ล้วนต้องพึ่งพาโครงสร้างพื้นฐานระดับนี้เพื่อจัดการกับการประมวลผลข้อมูลชั่วคราวและการจัดเก็บข้อมูลระยะยาว

จากหน้าที่ การจัดเก็บข้อมูลชั่วคราวที่ใช้ในการทำงานนั้น DRAM ทำหน้าที่รองรับความต้องการอ่านเขียนความเร็วสูงในกระบวนการคำนวณ NAND ใช้สำหรับการจัดเก็บข้อมูลระยะยาว เช่น ชั้นการจัดเก็บข้อมูลถาวรของอุปกรณ์ ส่วน HBM เป็นรูปแบบใหม่ที่พัฒนาขึ้นในสภาพแวดล้อมการคำนวณประสิทธิภาพสูง เพื่อแก้ไขปัญหาข้อจำกัดแบนด์วิดธ์ระหว่าง GPU กับหน่วยประมวลผล

หากพิจารณาจากโครงสร้างระบบ อุตสาหกรรมการจัดเก็บข้อมูลไม่ใช่องค์ประกอบที่แยกออกจากระบบการคำนวณ แต่เป็นชั้นพื้นฐานที่ระบบการคำนวณทั้งหมดต้องพึ่งพา งานการคำนวณใดๆ ต้องเริ่มต้นด้วยการ “อ่านข้อมูล” ก่อน ตามด้วยการ “คำนวณ” และสุดท้ายคือ “เขียนผลลัพธ์กลับ” ดังนั้น การจัดเก็บข้อมูลจึงเป็นหนึ่งในข้อจำกัดพื้นฐานของกระบวนการคำนวณ ไม่ใช่โมดูลที่เลือกใช้ได้

ในช่วงสองทศวรรษที่ผ่านมา ความต้องการของอุตสาหกรรมนี้ส่วนใหญ่มาจากสามแหล่งหลัก: อุปกรณ์อิเล็กทรอนิกส์เพื่อผู้บริโภค (โทรศัพท์มือถือและพีซี) เซิร์ฟเวอร์องค์กร และโครงสร้างพื้นฐานอินเทอร์เน็ต ความต้องการเหล่านี้มีลักษณะร่วมกันคือการกระจายตัวสูง รอบการอัปเดตสามารถเลื่อนออกไปได้ และขนาดความต้องการแต่ละจุดมีจำกัด ดังนั้นตลาดจึงจัดประเภทอุตสาหกรรมนี้เป็นอุตสาหกรรมเซมิคอนดักเตอร์ที่มีลักษณะเป็นวัฏจักรมาโดยตลอด

2/ ทำไมการจัดเก็บจึงถือว่าเป็นอุตสาหกรรมเชิงวัฏจักร

อุตสาหกรรมการจัดเก็บข้อมูลมีลักษณะรอบการเปลี่ยนแปลงที่รุนแรงในระยะยาว เนื่องจากโครงสร้างอุปสงค์และอุปทานที่ไม่สมดุลกัน ด้านอุปสงค์มักเกี่ยวข้องกับวัฏจักรอุปกรณ์อิเล็กทรอนิกส์เพื่อผู้บริโภคและวัฏจักรการใช้จ่ายด้านไอทีขององค์กร ขณะที่ด้านอุปทานขับเคลื่อนโดยการลงทุนของโรงงานผลิตวเฟอร์ ซึ่งมีความล่าช้าในเวลาอย่างชัดเจน

เมื่อความต้องการเพิ่มขึ้น ราคาจะพุ่งสูงอย่างรวดเร็ว ผลักดันให้ผู้ผลิตขยายการผลิต แต่เนื่องจากช่วงเวลาการก่อสร้างกำลังการผลิตมักอยู่ระหว่าง 12 ถึง 24 เดือน ปริมาณอุปทานใหม่มักจะถูกปล่อยออกมาอย่างกระจุกตัวหลังจากจุดเปลี่ยนของความต้องการ ทำให้ราคาลดลงอย่างรวดเร็ว กลไกนี้สร้างวัฏจักร boom-bust ที่เป็นลักษณะเด่น

ระหว่างปี 2010 ถึง 2022 โครงสร้างวัฏจักรนี้แสดงให้เห็นอย่างชัดเจน โดยตัวอย่างเช่น อุตสาหกรรม DRAM ได้ผ่านกระบวนการลดลงอย่างรวดเร็วจากสถานะกำไรสูงไปสู่การขาดทุน แล้วจึงฟื้นตัวขึ้นใหม่เมื่อความต้องการกลับมาอีกครั้งในวัฏจักรถัดไป ความผันผวนนี้ทำให้ตลาดมองอุตสาหกรรมการจัดเก็บข้อมูลในระยะยาวว่าเป็นหมวดสินทรัพย์วัฏจักรที่ “มีความผันผวนสูงและคาดการณ์ได้ยาก”

ในขั้นตอนนี้ กลไกการกำหนดราคาของอุตสาหกรรมมีลักษณะขับเคลื่อนโดยสต็อก เมื่อสต็อกลดลง ราคาจะสูงขึ้น และเมื่อสต็อกสะสมเพิ่มขึ้น ราคาจะลดลง ขณะที่ความต้องการเองมีบทบาทมากกว่าเป็นตัวกระตุ้นมากกว่าตัวแปรเชิงโครงสร้าง

3/ ก่อนหน้า AI โครงสร้างความต้องการเป็นอย่างไร

ก่อนที่ปัญญาประดิษฐ์จะปรากฏขึ้น ความต้องการในการจัดเก็บข้อมูลถูกขับเคลื่อนหลักๆ โดยอุปกรณ์อิเล็กทรอนิกส์เพื่อผู้บริโภคและโครงสร้างพื้นฐานของอินเทอร์เน็ตแบบดั้งเดิม อุปกรณ์อิเล็กทรอนิกส์เพื่อผู้บริโภคมีลักษณะเป็นรอบการอัปเดตที่ยาวนานและความต้องการค่อนข้างคาดเดาได้ เช่น รอบการเปลี่ยนโทรศัพท์สมาร์ทโฟนมักอยู่ที่สองถึงสามปี ส่วนเซิร์ฟเวอร์และการจัดเก็บข้อมูลสำหรับองค์กรนั้นขึ้นอยู่กับจังหวะการใช้จ่ายทุนด้านไอที ซึ่งก็มีลักษณะเป็นรอบเช่นกัน

ในโครงสร้างนี้ การจัดเก็บถูกมองว่าเป็นผลิตภัณฑ์มาตรฐาน ซึ่งราคาขึ้นอยู่กับอุปสงค์และอุปทานเป็นหลัก ไม่ใช่ความต้องการระยะยาวจากลูกค้ารายใหญ่เพียงรายเดียว ดังนั้นตลาดจึงมีลักษณะสินค้าสเปกที่ชัดเจน สัญญาณราคาสามารถสะท้อนการเปลี่ยนแปลงของสต็อกและการปรับกำลังการผลิตได้อย่างรวดเร็ว

พูดอีกแบบหนึ่ง ก่อนหน้า AI ความต้องการในอุตสาหกรรมการจัดเก็บข้อมูลมีโครงสร้างที่กระจัดกระจายและขาดข้อจำกัดที่ยั่งยืน ซึ่งเป็นรากฐานหลักที่ทำให้ลักษณะเชิงรอบวงของมันสามารถเกิดขึ้นได้

4/ ทำไม AI จึงเปลี่ยนโครงสร้างความต้องการการจัดเก็บข้อมูลอย่างสิ้นเชิง? (จากสินค้ารอบวงจรเป็นโครงสร้างพื้นฐาน)

ความต้องการในการจัดเก็บในอดีตถูกขับเคลื่อนโดยอุปกรณ์อิเล็กทรอนิกส์เพื่อผู้บริโภค (โทรศัพท์มือถือ, PC) ซึ่งเป็นการบริโภคที่สามารถเลื่อนเวลาได้ แต่ AI สร้างฟังก์ชันความต้องการที่แตกต่างอย่างสิ้นเชิง: มันเป็นระบบการคำนวณแบบต่อเนื่อง และการใช้งานหน่วยความจำเติบโตเชิงเส้นหรือแม้แต่เกินเชิงเส้นตามขนาดของโมเดล

ตัวอย่างเช่นศูนย์ข้อมูล AI ในกระบวนการฝึกอบรมและการให้บริการ GPU ไม่ใช่ข้อจำกัดด้านการคำนวณ แต่เป็นข้อจำกัดด้านแบนด์วิดธ์หน่วยความจำ ซึ่งผลักดันให้ HBM เป็นความต้องการที่จำเป็น ข้อมูลอุตสาหกรรมแสดงว่า ความต้องการหน่วยความจำแบนด์วิดธ์สูงสำหรับเซิร์ฟเวอร์ AI กำลังเติบโตเร็วกว่า DRAM แบบดั้งเดิมอย่างมาก และส่งผลให้กำลังการผลิต HBM ถูกจองล่วงหน้าเป็นเวลานาน แม้แต่การจองล่วงหน้าทั้งหมดจนถึงปี 2026

ที่สำคัญกว่านั้นคือการเปลี่ยนแปลงด้านอุปทาน: เนื่องจากกำไรของ HBM สูงกว่า DRAM แบบดั้งเดิมอย่างมาก ผู้ผลิตจึงจัดสรรกำลังการผลิตใหม่อย่างสมัครใจ โดยย้ายวัสดุซิลิคอนจาก DDR4/DDR5 มาผลิต HBM การบีบอัดเชิงโครงสร้างนี้ทำให้เกิดภาวะขาดแคลน DRAM และ NAND ที่ไม่ได้เกิดจากความต้องการ

ตลาดได้แสดงสัญญาณสุดขั้ว: ราคาสินค้าคงคลังของ DRAM และ NAND บางส่วนเพิ่มขึ้น 15–20% ในแต่ละไตรมาส และเกิดปรากฏการณ์ “การปรับราคาภายในวัน”

5/ การกำหนดราคาการจัดเก็บในอดีตเป็นอย่างไร?

ระหว่างปี 2010–2022 กลไกการกำหนดราคาของอุตสาหกรรมการจัดเก็บข้อมูลมีลักษณะเด่นสูง และเป็นแบบจำลองวัฏจักรเซมิคอนดักเตอร์มาตรฐาน:

ราคาถูกขับเคลื่อนโดยรอบการสต็อก ไม่ใช่โครงสร้างความต้องการ

เมื่อสต็อกลดลง → ราคาเพิ่มขึ้น → ผู้ผลิตขยายการผลิต → อุปทานล้นตลาด → ราคาตกหนัก

ข้อจำกัดหลักของ cơ chếนี้คือ “ความล่าช้าในการสร้างกำลังการผลิต (1–2 ปี) + ความยืดหยุ่นของความต้องการ”

ตัวอย่างในรอบที่ผ่านมา อุตสาหกรรม DRAM มักมีการเปลี่ยนแปลงกำไรแบบรายไตรมาสอย่างรุนแรง แม้แต่จากกำไรสูงกลายเป็นขาดทุน แล้วกลับตัวเร็วๆ อีกครั้ง

แต่กลไกนี้ถูกทำลายในยุคปัญญาประดิษฐ์ เนื่องจากตัวแปรสองตัวเปลี่ยนแปลงพร้อมกัน:

• ประการแรก ความต้องการเปลี่ยนจากบริโภคแบบกระจายเป็นการซื้อแบบรวมศูนย์
• ที่สอง อุปทานเปลี่ยนจาก “การขยายกำลังการผลิตตามตลาดเสรี” เป็น “การจัดสรรตามผลกำไร (เน้น HBM)”

ผลลัพธ์คือ: ความผันผวนตามรอบยังคงมีอยู่ แต่ความยืดหยุ่นของราคาถูกบีบอัดโดยโครงสร้าง

6/ เกิดการเปลี่ยนแปลงโครงสร้างอะไรขึ้นตอนนี้?

การเปลี่ยนแปลงหลักในตลาดการจัดเก็บข้อมูลในปัจจุบัน (2024–2026) ไม่ใช่การเพิ่มขึ้นของราคา แต่เป็นการเปลี่ยนโครงสร้างตลาดจาก “ตลาดสินค้าทันที” เป็น “ระบบการจัดสรรสัญญา”

ก่อนอื่นคือผลกระทบจากการเบียดเบียนของ HBM เนื่องจากกำไรต่อวเฟอร์ของ HBM สูงกว่า DDR4/DDR5 อย่างมีนัยสำคัญ ซัมซุง, SK hynix และ Micron จึงให้ความสำคัญในการเปลี่ยนกำลังการผลิตไปสู่การผลิต HBM ข้อมูลอุตสาหกรรมแสดงให้เห็นว่า HBM กำลังเพิ่มสัดส่วนจากระดับหลักเดียวเป็นระดับโครงสร้างมากกว่า 40% ของรายได้จาก DRAM

การปรับโครงสร้างนี้นำไปสู่ผลลัพธ์สองประการ:

• ประการแรก ปริมาณซัพพลาย DRAM แบบดั้งเดิมลดลง
• ที่สอง NAND เข้าสู่สถานะขาดแคลนอย่างเฉยเมย

ในขณะเดียวกัน ตลาดเข้าสู่สถานการณ์อุปสงค์และอุปทานสุดขั้ว: รายได้ของอุตสาหกรรม DRAM เพิ่มขึ้น 17.1% เมื่อเทียบปีต่อปีในไตรมาสที่ 2 ของปี 2025 แต่การเติบโตนี้ไม่ได้เกิดจากความต้องการที่พุ่งสูง แต่เกิดจากราคาที่เพิ่มขึ้นและการจำกัดอุปทานร่วมกัน

สัญญาณที่รุนแรงยิ่งขึ้นมาจากระยะเวลาการจัดส่ง: ระยะเวลาการนำส่งของอุตสาหกรรมได้ยืดจากปกติ 8–12 สัปดาห์เป็น 39–52 สัปดาห์ และบางประเภทหน่วยความจำสำหรับรถยนต์ยังเกิน 70 สัปดาห์

นี่หมายถึงการเปลี่ยนแปลงโครงสร้างที่สำคัญ: memory ไม่ใช่ “สินค้าที่สามารถซื้อขายได้ทันที” อีกต่อไป แต่กลายเป็น “ทรัพยากรที่จัดสรรตามสัดส่วน”

สิ่งนี้จะสร้างวัฏจักรการยืนยันเชิงบวก:

ราคาพุ่งขึ้น → ผู้ผลิตลดการจัดหาสินค้าในตลาดสปอต → ผู้ซื้อปิดคำสั่งล่วงหน้า → ความคล่องตัวของตลาดสปอตลดลงเพิ่มเติม → ราคาคงที่พุ่งขึ้นต่อ

7/ ใครได้รับประโยชน์จากโครงสร้างนี้?

โครงสร้างกำไรของอุตสาหกรรมการจัดเก็บข้อมูลกำลังเกิดการเปลี่ยนแปลงอย่างชัดเจน

ระดับที่หนึ่ง: ด้านอุปทาน (Samsung / SK hynix / Micron)

บริษัทเหล่านี้กำลังเปลี่ยนจาก “ผู้ผลิตแบบรอบวงจร” เป็น “ผู้จัดหาโครงสร้างพื้นฐานด้าน AI” โดย SK hynix ซึ่งมีตำแหน่งนำหน้าใน HBM ได้ค่อยๆ กลายเป็นผู้ถืออำนาจด้านการตั้งราคาเชิงโครงสร้าง ด้วยส่วนแบ่งตลาด DRAM ที่เพิ่มขึ้นเป็นประมาณ 38%

ชั้นที่สอง: ด้านความต้องการ (Microsoft / AWS / Google)

บริษัทเหล่านี้ผูกมัดอุปทานในอนาคตผ่านสัญญาระยะยาว ซึ่ง本质上คือการดำเนินการ “การเก็งกำไรตามเวลา”: ใช้ค่าใช้จ่ายทุนในปัจจุบันเพื่อผูกมัดต้นทุนของพลังการประมวลผล AI และหน่วยความจำในอนาคต

ระดับที่สาม: บริษัทโมเดล AI (เช่น OpenAI)

พวกมันอยู่ระหว่างแรงกดดันด้านกระแสเงินสดและความต้องการพลังงานการขุด โดยสร้างวงจรปิดผ่านการระดมทุน → ค่าใช้จ่ายด้านทุน → การล็อกซัพพลายอีกครั้ง

การเปลี่ยนแปลงที่สำคัญคือ: อำนาจการตั้งราคากำลังเคลื่อนย้ายจาก “ตลาด” ไปสู่ “โครงสร้างสัญญา”

8/ ความเสี่ยงและเงื่อนไขการพิสูจน์ว่าผิด

มีเงื่อนไขการพิสูจน์ว่าผิดอย่างน้อยสามข้อสำหรับวัฏจักรซูเปอร์ของหน่วยความจำ AI รอบนี้:

ประการแรก หากการใช้ทุนด้าน AI เข้าสู่วัฏจักรการหดตัว (ผู้ให้บริการรายใหญ่ลดความเข้มข้นของการลงทุน) โครงสร้างความต้องการในปัจจุบันจะผิดเพี้ยนอย่างรวดเร็ว เนื่องจากความต้องการหน่วยความจำขึ้นอยู่กับการขยายตัวของคอมพิวเตอร์ AI เป็นอย่างมาก

ที่สอง หากเส้นทางเทคโนโลยี HBM ถูกแทนที่ (เช่น สถาปัตยกรรมหน่วยความจำใหม่หรือการผสานการประมวลผลกับหน่วยความจำ) พรีเมียมปัจจุบันของ HBM จะถูกบีบอัด ทำให้กำลังการผลิตกลับเข้าสู่ DRAM/NAND อีกครั้ง

ثالثly หากวัฏจักรการขยายกำลังการผลิตเริ่มเร่งตัวขึ้นอีกครั้ง (ซัมซุง / SK hynix กลับเข้าสู่การขยายการผลิตอย่างรุนแรง) ข้อจำกัดด้านอุปทานในปัจจุบันจะกลับกลายเป็นช่วงเกินสต็อกภายใน 1–2 ปีข้างหน้า

กล่าวอีกนัยหนึ่ง เงื่อนไขที่โครงสร้างนี้จะใช้ได้คือ:

ความเร็วในการเติบโตของความต้องการ AI > ความเร็วในการขยายกำลังการผลิต + ความเร็วในการแทนที่ด้วยเทคโนโลยี