Nvidia ยังคงเป็นชื่อที่ใหญ่ที่สุดในฮาร์ดแวร์ AI แต่การเติบโตของโครงสร้างพื้นฐานตอนนี้ขยายออกไปไกลเกินกว่า GPU นักลงทุนสามารถเข้าถึงโอกาสผ่านเครือข่าย หน่วยความจำ พลังงาน การระบายความร้อน และศูนย์ข้อมูล: พื้นที่ที่อาจได้รับประโยชน์เมื่อความต้องการการคำนวณด้วย AI เพิ่มขึ้น
รายได้จากศูนย์ข้อมูลของ Nvidia แตะระดับ 75.2 พันล้านดอลลาร์สหรัฐในไตรมาสที่ 1 ของปีงบประมาณ 2027 เพิ่มขึ้น 92% เมื่อเทียบปีต่อปี ในขณะเดียวกัน IEA คาดการณ์ว่าการบริโภคไฟฟ้าของศูนย์ข้อมูลทั่วโลกจะเพิ่มขึ้นจากประมาณ 485 TWh ในปี 2025 เป็นประมาณ 950 TWh ภายในปี 2030
นั่นหมายความว่าการซื้อขายด้วยปัญญาประดิษฐ์กำลังกลายเป็นการซื้อขายที่เป็นโครงสร้างพื้นฐานมากขึ้น
ลงทุนที่ไหนบ้างนอกเหนือจาก Nvidia
| ชั้นปัญญาประดิษฐ์ | สิ่งที่มันให้ | ตัวอย่าง |
|---|---|---|
| คำนวณ | GPU และอุปกรณ์เร่งความเร็ว | Nvidia, AMD |
| เครือข่าย | เชื่อมต่อคลัสเตอร์ AI ขนาดใหญ่ | Broadcom, Marvell |
| หน่วยความจำ | หน่วยความจำแบนด์วิดธ์สูง | ไมครอน |
| พลังงานและการระบายความร้อน | ไฟฟ้าและการจัดการความร้อน | เวอร์ติฟ, บลูม เอเนอร์จี |
| ศูนย์ข้อมูล | ความสามารถทางกายภาพของ AI | Equinix, Digital Realty, CoreWeave |
คู่มือ ชิป AI ของ Coinpaper ครอบคลุมด้านเซมิคอนดักเตอร์ของสแต็กนี้ ในขณะที่การวิเคราะห์ ศูนย์ข้อมูล ของมันมองที่บริษัทที่ให้กำลังการประมวลผล
พลังงานอาจกลายเป็นข้อจำกัดหลัก
การสร้างเซิร์ฟเวอร์ AI เพิ่มเติมไม่ช่วยหากศูนย์ข้อมูลไม่สามารถจัดหาไฟฟ้าได้เพียงพอ
IEA คาดว่าการใช้พลังงานของศูนย์ข้อมูลจะเพิ่มขึ้นเกือบเป็นสองเท่าภายในปี 2030 ซึ่งอาจเป็นประโยชน์ต่อบริษัทที่จัดหาอุปกรณ์ไฟฟ้า ระบบระบายความร้อน และการผลิตไฟฟ้าภายในสถานที่
Vertiv จัดหาอุปกรณ์จัดการพลังงานและความร้อนสำหรับศูนย์ข้อมูลความหนาแน่นสูง Bloom Energy เสนอการผลิตเซลล์เชื้อเพลิงแบบติดตั้งในสถานที่ ซึ่งเป็นตัวเลือกที่เกี่ยวข้องมากขึ้นเมื่อความสามารถของโครงข่ายมีจำกัด Coinpaper เพิ่งวิเคราะห์โอกาสที่ขับเคลื่อนด้วย AI สำหรับ Bloom
ต้นทุนหน่วยความจำที่เพิ่มขึ้นยังแสดงให้เห็นถึงวิธีที่จุดคอขวดสามารถเคลื่อนผ่านชั้นต่างๆ ได้ การรายงานล่าสุดของ Coinpaper เกี่ยวกับ ต้นทุนเซิร์ฟเวอร์ ได้เน้นย้ำถึงราคาของระบบ Nvidia ที่สูงขึ้นเมื่อหน่วยความจำมีราคาแพงขึ้น
วิธีง่ายๆ เปรียบเทียบหุ้นโครงสร้างพื้นฐานปัญญาประดิษฐ์
นักลงทุนควรพิจารณาให้ไกลเกินกว่าการเติบโตของรายได้เพียงอย่างเดียว
หนึ่งในตัวชี้วัดการกรองที่มีประโยชน์คือ:
ประสิทธิภาพการเติบโตของ AI = การเติบโตของรายได้ที่เกี่ยวข้องกับ AI ÷ P/E ล่วงหน้า
ตัวอย่าง:
- บริษัท A: การเติบโต 40% ÷ 40× P/E = 1.0
- บริษัท B: การเติบโต 25% ÷ หลายเท่าของ P/E 20 = 1.25
คะแนนที่สูงขึ้นอาจบ่งชี้ว่านักลงทุนจ่ายน้อยลงสำหรับแต่ละเปอร์เซ็นต์ของผลการเติบโตที่คาดหวัง ไม่ใช่แบบจำลองการประเมินมูลค่าที่สมบูรณ์ แต่สามารถช่วยเปรียบเทียบบริษัทที่ดำเนินงานในส่วนต่างๆ ของ AI stack
ปัจจัยอื่นๆ ก็มีความสำคัญเช่นกัน:
- การเติบโตของรายได้จากปัญญาประดิษฐ์
- กระแสเงินสดเสรี
- การรวมศูนย์ลูกค้า
- ความต้องการด้านการใช้จ่ายทุน
- การประเมินมูลค่า
- การสัมผัสกับข้อจำกัดด้านโครงสร้างพื้นฐาน
ประเด็นหลักคือเรียบง่าย: Nvidia อาจยังคงอยู่ที่ศูนย์กลางของการคำนวณด้านปัญญาประดิษฐ์ แต่การขยายโครงสร้างพื้นฐานกำลังขึ้นอยู่กับบริษัทที่จัดหาหน่วยความจำ ระบบเครือข่าย ไฟฟ้า การระบายความร้อน และความสามารถด้านศูนย์ข้อมูลทางกายภาพ
สำหรับนักลงทุนที่มองหาโอกาสนอกเหนือจาก GPU ข้อจำกัดด้านโครงสร้างพื้นฐานเหล่านี้อาจเป็นโอกาสด้าน AI ระยะยาวที่น่าสนใจที่สุดบางประการ