Nvidia เพิ่งรายงานผลประกอบการไตรมาสอีกหนึ่งช่วงที่ทำให้บริษัทส่วนใหญ่ต้องอิจฉาอย่างมาก รายได้แตะที่ 57 พันล้านดอลลาร์สหรัฐในไตรมาสที่ 3 ปีงบประมาณ 2026 เพิ่มขึ้น 62% เมื่อเทียบกับช่วงเดียวกันของปีก่อน โดยกลุ่มศูนย์ข้อมูลเพียงกลุ่มเดียวสร้างรายได้ถึง 51.2 พันล้านดอลลาร์สหรัฐ
ตัวเลขที่อยู่เบื้องหลังเรื่องราว
รายได้จากศูนย์ข้อมูลของ Nvidia ที่ 51.2 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 25% เมื่อเทียบกับไตรมาสก่อนหน้า และ 66% เมื่อเทียบกับปีก่อนหน้า ทำให้การดำเนินงานด้านศูนย์ข้อมูลของบริษัทมีอัตราการดำเนินงานรายปีเกิน 200 พันล้านดอลลาร์สหรัฐ
บริษัทควบคุมตลาดตัวเร่งความเร็วปัญญาประดิษฐ์ประมาณ 80% ความโดดเด่นนี้ไม่ได้เกี่ยวกับฮาร์ดแวร์เพียงอย่างเดียว แต่เกี่ยวกับระบบนิเวศซอฟต์แวร์ CUDA ที่ผูกนักพัฒนาไว้กับสถาปัตยกรรมของ Nvidia
ตลาดการประมวลผลการอนุมาน AI ทั่วโลกมีแนวโน้มเติบโตจาก 106.15 พันล้านดอลลาร์สหรัฐในปี 2025 เป็น 254.98 พันล้านดอลลาร์สหรัฐภายในปี 2030 คิดเป็นอัตราการเติบโตต่อปีแบบทบต้น 19.2% สถาปัตยกรรม Blackwell และ Blackwell Ultra ถูกออกแบบมาโดยเฉพาะเพื่อปรับปรุงเศรษฐศาสตร์ของการอนุมาน ทำให้การรันโมเดล AI ในสภาพแวดล้อมการผลิตมีต้นทุนต่ำลงและเร็วขึ้น
ทำไมการอนุมานจึงสำคัญกว่าการฝึกอบรม
การฝึกโมเดล AI เป็นค่าใช้จ่ายครั้งเดียว (หรือเป็นระยะๆ) การให้บริการ—การใช้งานโมเดลที่ฝึกแล้วเพื่อให้บริการผู้ใช้จริง—เกิดขึ้นอย่างต่อเนื่อง การสอบถามแต่ละครั้งใน ChatGPT ผลลัพธ์การค้นหาที่สร้างโดย AI และการโต้ตอบด้านบริการลูกค้าอัตโนมัติทุกครั้ง ล้วนเป็นภาระงานการให้บริการ ประมาณการบางส่วนจากอุตสาหกรรมชี้ว่า การให้บริการอาจในที่สุดคิดเป็น 80-90% ของความต้องการทรัพยากรการคำนวณ AI ทั้งหมด
ซีอีโอของ Nvidia แจนเซน ฮวง ได้สื่อสารการเปลี่ยนผ่านนี้มานานหลายไตรมาสแล้ว สถาปัตยกรรม Blackwell ถูกออกแบบมาเพื่อจัดการกับรูปแบบการคำนวณเฉพาะของกระบวนการอนุมาน โดยที่ความล่าช้าและต้นทุนต่อคำขอสำคัญเท่ากับปริมาณการประมวลผลโดยรวม
ปฏิกิริยาที่แปลกประหลาดของตลาด
แม้จะรายงานตัวเลขที่ทำลายความคาดหมาย หุ้นของ Nvidia กลับเคลื่อนตัวลง หุ้นอยู่ที่น้อยกว่า 22 เท่าของรายได้ล่วงหน้า ซึ่งถือเป็นการประเมินมูลค่าที่ดูสมเหตุสมผลสำหรับบริษัทที่มีรายได้เติบโตปีละ 62%
ในขณะที่ Nvidia ครองตลาดการฝึกอบรม งานการอนุมานมีความหลากหลายมากกว่าและอาจเข้าถึงได้ง่ายกว่าสำหรับคู่แข่ง ชิปที่ออกแบบเองจาก Google, Amazon และสตาร์ทอัพจำนวนมากกำลังมุ่งเน้นไปที่การอนุมานโดยเฉพาะ พื้นที่เครือข่าย GPU แบบกระจายศูนย์ก็กำลังเติบโตขึ้น โดยอาจเสนอพลังการประมวลผลสำหรับการอนุมานในต้นทุนที่ต่ำกว่าผ่านการรวมรวมฮาร์ดแวร์ที่ยังไม่ได้ใช้งานเต็มที่
หลายเท่าของรายได้ล่วงหน้าต่ำกว่า 22 เท่า บ่งชี้ว่าตลาดกำลังประเมินความเสี่ยงในรูปแบบหนึ่งของเรื่องนี้ ว่าจะเป็นโอกาสหรือคำเตือนขึ้นอยู่กับว่า Nvidia จะสามารถรักษาความเป็นผู้นำไว้ได้หรือไม่ เมื่อ AI เปลี่ยนจากการสร้างโมเดลไปสู่การดำเนินการในระดับใหญ่