Jensen Huang ซีอีโอของ Nvidia แนะนำ Vera Rubin ซึ่งเป็นแพลตฟอร์มศูนย์ข้อมูล AI รุ่นต่อไป และ Rubin Ultra ซึ่งเป็นสถาปัตยกรรม AI GPU รุ่นต่อไป ในระหว่างการกล่าวปาฐกถาพิเศษในการประชุมนักพัฒนา GTC ประจำปีของบริษัทในเมืองซานโฮเซ่ รัฐแคลิฟอร์เนีย เมื่อวันที่ 16 มีนาคม 2569
จอช เอเดลสัน | เอเอฟพี | เก็ตตี้อิมเมจ
เอ็นวิเดีย CEO Jensen Huang เหนือกว่าประมาณการปริมาณการใช้จ่ายที่จะเกิดขึ้นกับ AI มาก แม้กระทั่งการใช้จ่ายในแง่ดีที่สุดก็ตาม
ในระหว่างการเรียกรายได้ช่วงเย็นวันพุธ Huang กล่าวว่าเขาคิดว่ารายจ่ายฝ่ายทุนของ AI อาจสูงถึง 4 ล้านล้านดอลลาร์
“รายจ่ายฝ่ายทุนอยู่ที่หนึ่งล้านล้านดอลลาร์ และกำลังเติบโตจนถึงสามถึงสี่ [trillion-dollar mark]” เขากล่าวโดยพูดถึงเฉพาะรายจ่ายฝ่ายทุนสำหรับไฮเปอร์สเกลเลอร์เช่น ตัวอักษร และ อเมซอนซึ่งไม่รวมส่วนอื่นๆ ของตลาดซูเปอร์คอมพิวเตอร์ เช่น นีโอคลาวด์
Colette Kress ประธานเจ้าหน้าที่ฝ่ายการเงินของ Nvidia มีความเฉพาะเจาะจงมากขึ้นในการโทรครั้งนี้
“โดยนักวิเคราะห์คาดการณ์ว่ารายจ่ายฝ่ายทุนระดับไฮเปอร์สเกลจะเกิน 1 ล้านล้านดอลลาร์ในปี 2570 และเอเจนต์เอไอจะเริ่มแพร่หลายมากขึ้น [across] การใช้จ่ายด้านโครงสร้างพื้นฐานของทุกอุตสาหกรรมและ AI คาดว่าจะสูงถึง 3 ถึง 4 ล้านล้านดอลลาร์ต่อปีภายในสิ้นทศวรรษนี้” เธอกล่าว
มีเพียงสิ่งเดียว: นั่นนำหน้าแนวทางการประมาณการของ Wall Street มาก
การวิเคราะห์ชิ้นหนึ่งโดย Laura Martin ที่ Needham แสดงให้เห็นการประมาณการที่เป็นเอกฉันท์ของการลงทุนแบบ Hyperscaler ที่มีมูลค่าถึง 1.03 ล้านล้านดอลลาร์ในปี 2028 หรือหนึ่งในสามถึงหนึ่งในสี่ของค่าใช้จ่ายที่จะเกิดขึ้นเพียงสองปีต่อมา หากการคาดการณ์ของ Huang นั้นถูกต้อง
“หากคำทำนายของเจนเซ่น ฮวงถูกต้อง … เราเชื่อว่าการประมาณการที่เป็นเอกฉันท์ซึ่งรวมอยู่ในแผนภูมิด้านล่างจะถูกแก้ไขขึ้นไป” เธอเขียนร่วมกับ Dan Medina เพื่อนร่วมงานของเธอเมื่อวันพฤหัสบดี “[His] วิสัยทัศน์สำหรับไฮเปอร์สเกลเลอร์นั้นแตกต่างจากสิ่งที่ไฮเปอร์สเกลเลอร์พูดถึงในการเรียกรายได้ และน่าสนใจมากกว่า”
นักลงทุนบางส่วนใน Wall Street คาดการณ์ว่ารายจ่ายฝ่ายทุนจะแตะ 1 ล้านล้านดอลลาร์ภายในสิ้นปีหน้า ซึ่งเร็วกว่าที่ฉันทามติ แต่ก็ยังช้ากว่าการคาดการณ์ของ Huang อย่างมาก ซึ่งจะเห็นตัวเลขเพิ่มขึ้นสี่เท่าในช่วงสามปีต่อจากนี้
ไม่ต้องสงสัยเลยว่าการลงทุนด้านโครงสร้างพื้นฐานที่เพิ่มขึ้นจากไฮเปอร์สเกลเลอร์และคนอื่นๆ จะเป็นประโยชน์ต่อธุรกิจของ Nvidia ในฐานะผู้ผลิตชิป AI ที่โดดเด่น แต่รายได้บนคลาวด์ที่เพิ่มขึ้น ควบคู่ไปกับความก้าวหน้าอย่างต่อเนื่องในอัลกอริธึมชายแดน ดูเหมือนจะเป็นปัจจัยหนุนการมองโลกในแง่ดีของ Huang จนถึงตอนนี้
รายได้รายไตรมาสมาเหนือความคาดหมายสำหรับคลาวด์ขนาดใหญ่ทั้งหมด โดย Alphabet เพิ่มขึ้น 63% AWS เพิ่มขึ้น 28% และ Microsoft เพิ่มขึ้น 40%
“โลกนี้มีผู้ใช้นับพันล้าน – ผู้ใช้ที่เป็นมนุษย์ ความรู้สึกของฉันคือโลกนี้จะมีตัวแทนนับพันล้าน … และตัวแทนเหล่านั้นทุกคนจะแยกตัวแทนย่อยออกไป” Huang กล่าว
เร็วเกินไปสำหรับฉันทามติด้านประสิทธิภาพการทำงาน
แม้จะมีความก้าวหน้า รายได้ที่เพิ่มขึ้น และการเปรียบเทียบในอดีตบ่อยครั้งกับทางรถไฟและขั้นตอนการพัฒนาอุตสาหกรรมที่ต้องใช้เงินทุนจำนวนมาก แต่ข้อสงสัยร้ายแรงยังคงอยู่เกี่ยวกับผลกระทบระยะยาวของ AI ต่อความสามารถในการทำกำไร ผลผลิต และความมีชีวิตขั้นสุดท้าย
JPMorgan คาดการณ์ในเดือนพฤศจิกายนว่าผลตอบแทนจากการลงทุนด้าน AI 10% จนถึงปี 2573 จะต้องมีรายได้ต่อปีประมาณ 650 พันล้านดอลลาร์ ซึ่งเป็นจำนวนที่พวกเขาเรียกว่า “มหาศาลอย่างน่าประหลาดใจ” ซึ่งเท่ากับ 0.58 เปอร์เซ็นต์ของ GDP โลก หรือ 34.72 ดอลลาร์ต่อเดือนจากผู้ใช้ iPhone ปัจจุบันทุกคน หรือ 180 ดอลลาร์ต่อเดือนจากสมาชิก Netflix ทุกคน”
สำหรับการเปรียบเทียบ รายรับจากคลาวด์ในช่วง 12 เดือนที่ผ่านมานับจากเดือนเมษายนสูงถึง 455 พันล้านดอลลาร์ ตามข้อมูลของ Synergy Research Group
“หากประสิทธิภาพเพิ่มขึ้นเป็นรูปธรรม ก็จะไม่มีปัญหา ธุรกิจที่เจริญรุ่งเรืองจะมีทรัพยากรมากมายในการชำระค่าใช้จ่าย” Cédric Durand นักเศรษฐศาสตร์จากมหาวิทยาลัยเจนีวาเขียนเมื่อเดือนมกราคม “ในอีกไม่กี่ปีข้างหน้า เมื่อ AI แทรกซึมกระบวนการทำงานจนถึงจุดที่ต้นทุนในการออกเป็นสิ่งที่ห้ามปราม ฐานลูกค้าก็จะหนีไม่พ้น”
อย่างไรก็ตาม การเพิ่มผลผลิตของ AI ยังไม่มีผลบังคับใช้ ไม่ต้องพูดถึงการสร้างฉันทามติในหมู่นักเศรษฐศาสตร์
“นี่อาจเป็นจุดเริ่มต้นของการเติบโตของประสิทธิภาพการทำงานของ AI หรือเปล่า?” นักเศรษฐศาสตร์ Martha Gimbel จาก Yale Budget Lab เขียนเมื่อเดือนกุมภาพันธ์ “จนกว่าเราจะได้สัญญาณที่ชัดเจนไม่ทางใดก็ทางหนึ่ง เราไม่ควรใส่ไข่ทั้งหมดของเราลงในตะกร้าปล่อยข้อมูลความสามารถในการผลิต
นักเศรษฐศาสตร์ของธนาคารกลางสหรัฐในเดือนมีนาคมพบว่า “ความแตกต่างอย่างมากในการนำ AI มาใช้ทั่วทั้งบริษัท” โดยอธิบายถึงความไม่ตรงกันระหว่างการรับรู้และความเป็นจริงเกี่ยวกับผลกระทบของ AI
“การรับรู้ความสามารถในการผลิตที่เพิ่มขึ้นนั้นมีมากกว่าการเพิ่มผลผลิตที่วัดได้ ซึ่งน่าจะสะท้อนถึงความล่าช้าในการรับรู้รายได้” พวกเขาเขียน
