ถ้ามอง AI เป็นแค่แอปหรือโมเดล เราอาจพลาดโอกาสใน AI Value Chain ไป เพราะมูลค่าที่แท้จริงไม่ได้อยู่แค่ปลายทาง แต่อยู่ตั้งแต่ต้นน้ำที่สร้างพลังประมวลผล ไปจนถึงโครงสร้างพื้นฐานที่ทำให้ AI ทำงานได้จริง บริษัทอย่าง NVIDIA, AMD, Broadcom และ Marvell คือคนที่สร้างพลังประมวลผล ขณะที่ Lam Research คือคนที่ทำให้ชิปเหล่านั้นถูกผลิตได้จริง และ Freeport-McMoRan คือส่วนหนึ่งของโครงสร้างพื้นฐานที่ทำให้ data center ขยายตัวได้
สำหรับนักลงทุน ต้นน้ำของ AI คือจุดที่อำนาจและคอขวดอยู่ในเวลาเดียวกัน เพราะทุกบริษัทใน ecosystem ต้องพึ่งพา ไม่ว่าจะเป็น hyperscaler หรือผู้พัฒนา AI ยิ่งโลกต้องการ compute มากขึ้น ใครที่อยู่ในจุดนี้ก็ยิ่งได้ประโยชน์มากขึ้น ดังนั้นการลงทุนใน AI ไม่ได้มีแค่การเลือกหุ้นปลายน้ำ แต่คือการเลือกตำแหน่งในห่วงโซ่ และต้นน้ำคือหนึ่งในจุดที่ value ถูกสร้างขึ้นชัดที่สุดในช่วงเริ่มต้นของเทรนด์นี้
Chip Design: จุดกำเนิดของพลังประมวลผล AI
ชั้นแรกของ AI คือการออกแบบชิป ซึ่งเป็นตัวกำหนดว่า AI จะคิดได้เร็วแค่ไหน รองรับโมเดลที่ซับซ้อนได้ดีเพียงใด และใช้พลังงานคุ้มค่าหรือไม่ ชิปสำหรับ AI ไม่ได้เหมือนชิปทั่วไป เพราะต้องประมวลผลข้อมูลจำนวนมหาศาลพร้อมกัน โดยเฉพาะในงาน train โมเดลและ inference ที่ต้องตอบสนองผู้ใช้งานจริงแบบต่อเนื่อง ยิ่ง AI model ใหญ่ขึ้นและถูกนำไปใช้งานจริงมากขึ้น ความต้องการชิปประสิทธิภาพสูงก็ยิ่งเพิ่มขึ้นตาม
ในกลุ่มนี้ NVIDIA (NVDA23) เป็นศูนย์กลางของ AI computing ด้วย GPU ที่ใช้ทั้ง train และ run โมเดล AI ขนาดใหญ่ ควบคู่กับซอฟต์แวร์อย่าง CUDA ที่กลายเป็นมาตรฐานสำคัญของนักพัฒนา AI ทั่วโลก จุดเด่นของ NVIDIA คือการไม่ได้ขายแค่ชิป แต่ขายทั้ง ecosystem ตั้งแต่ GPU, networking, software library ไปจนถึงระบบ server สำเร็จรูป ทำให้ลูกค้าย้ายออกจากแพลตฟอร์มได้ยาก นอกจากนี้ NVIDIA ครองส่วนแบ่งราว 80% ในตลาดชิป AI ระดับ high-end ซึ่งสะท้อนสถานะผู้นำของบริษัทในช่วงเริ่มต้นของ AI infrastructure cycle ได้ชัดเจน
ขณะที่ AMD (AMD23) เป็นผู้ท้าชิงที่สำคัญที่สุดรายหนึ่งในตลาดประมวลผลสำหรับ data center บริษัทมีทั้ง CPU ตระกูล EPYC และ GPU ตระกูล Instinct สำหรับงาน AI ทำให้ไม่ได้พึ่งพาผลิตภัณฑ์กลุ่มเดียว จุดเด่นของ AMD คือการเป็นทางเลือกอันดับต้นๆ สำหรับลูกค้า cloud และ enterprise ที่ต้องการลดการพึ่งพาผู้เล่นรายเดียว โดยเฉพาะในตลาด server CPU ที่ AMD ระบุว่า EPYC มีส่วนแบ่งมากกว่า 40% ซึ่งสะท้อนความแข็งแรงของบริษัทใน data center ก่อนต่อยอดสู่ AI accelerator
ในอีกมุมหนึ่ง Broadcom (AVGO23) เล่นเกมที่ต่างจาก NVIDIA และ AMD โดยเน้น custom silicon และ networking chip สำหรับ data center ขนาดใหญ่ จุดเด่นของ Broadcom คือความสามารถในการออกแบบชิปเฉพาะทางให้ hyperscaler ใช้กับ workload ของตัวเอง เช่น AI training, inference หรือระบบ recommendation ขนาดใหญ่ ซึ่งช่วยให้ลูกค้าลดต้นทุนต่อหน่วยและเพิ่มประสิทธิภาพได้มากกว่าการใช้ชิปทั่วไป ตัวอย่างสำคัญคือ Meta ประกาศขยายความร่วมมือกับ Broadcom เพื่อร่วมพัฒนา custom AI accelerator บน XPU platform ของ Broadcom สะท้อนว่าบริษัทกำลังอยู่ตรงกลางของเทรนด์ hyperscaler ที่ออกแบบชิปเอง
นอกจาก custom silicon แล้ว Broadcom ยังมีบทบาทสูงใน data center networking เพราะ AI cluster จะทำงานได้ดีต่อเมื่อชิปจำนวนมากเชื่อมต่อกันด้วยเครือข่ายที่เร็วและเสถียร จุดเด่นอีกด้านของบริษัทคือชิปตระกูล Tomahawk และ Jericho ที่ออกแบบมาเพื่อรองรับ AI data center โดย Tomahawk 6 สามารถรองรับ bandwidth ได้สูงถึง 102.4 Tb/s ต่อชิป และถูกวางตำแหน่งสำหรับ scale-up และ scale-out AI networking โดยตรง
Marvell (MRVL23) อยู่ในตำแหน่งที่เชื่อมระหว่าง custom silicon, optical connectivity และ data infrastructure จุดเด่นของ Marvell คือการทำให้ข้อมูลไหลได้เร็วขึ้นใน AI data center ซึ่งสำคัญมากเพราะ workload ของ AI ไม่ได้ติดคอขวดแค่ที่การคำนวณ แต่ติดที่การส่งข้อมูลระหว่างชิปและ server จำนวนมากด้วย บริษัทมีพอร์ตด้าน optical DSP, SerDes, interconnect และ custom silicon สำหรับ cloud data center โดย Marvell ระบุว่าพอร์ต optical DSP รุ่นใหม่รองรับยุค 1.6T ซึ่งเป็นหนึ่งในเทคโนโลยีสำคัญสำหรับการเชื่อมต่อ data center รุ่นถัดไป
Equipment & Tools: เปลี่ยนแบบชิปให้กลายเป็นของจริง
ต่อให้ชิปถูกออกแบบมาดีแค่ไหน ถ้าผลิตไม่ได้ก็ไม่มีความหมาย เพราะการเปลี่ยนแบบชิปให้กลายเป็นสินค้าจริงต้องอาศัยกระบวนการที่ซับซ้อนระดับนาโนเมตร ตั้งแต่การสร้างชั้นวัสดุ การกัดลายวงจร ไปจนถึงการควบคุมความสะอาดและความแม่นยำในระดับสูง ความสามารถในการผลิตจึงกลายเป็นข้อจำกัดสำคัญไม่แพ้การออกแบบ โดยเฉพาะในยุค AI ที่ชิปมีขนาดใหญ่ขึ้น ซับซ้อนขึ้น และต้องใช้ advanced packaging มากขึ้น
Lam Research (LRCX23) อยู่ในจุดนี้ โดยเป็นผู้ผลิตอุปกรณ์ที่ใช้ในขั้นตอนสำคัญของการผลิตชิป เช่น deposition, etch, strip และ wafer cleaning ซึ่งเป็นกระบวนการที่ใช้สร้างและปรับแต่งโครงสร้างวงจรบน wafer จุดเด่นของ Lam Research คือการเป็นผู้เล่นหลักในขั้นตอนที่ “ยิ่งชิปซับซ้อน ยิ่งสำคัญ” เพราะเมื่อ semiconductor เคลื่อนไปสู่โครงสร้าง 3D, advanced memory และ advanced packaging ความต้องการกระบวนการ deposition และ etch ที่แม่นยำก็เพิ่มขึ้นตาม โดย Lam Research ระบุว่าอุปกรณ์ของบริษัทครอบคลุม thin film deposition, plasma etch, photoresist strip และ wafer cleaning ซึ่งเป็นขั้นตอนที่ใช้ตลอดกระบวนการผลิต semiconductor
ในมุมของ AI จุดเด่นของ Lam Research คือการเป็นหุ้นที่สะท้อนรอบการลงทุนของโรงงานผลิตชิป มากกว่ายอดขายชิปโดยตรง หากผู้ผลิตอย่าง TSMC, Samsung หรือผู้ผลิต memory ต้องขยายกำลังการผลิตเพื่อรองรับ AI ความต้องการเครื่องมือผลิตชิปก็มีแนวโน้มเพิ่มขึ้นตาม โดยเฉพาะเมื่อสถาปัตยกรรมชิปยุคใหม่มีความซับซ้อนมากขึ้น Lam ระบุว่าเมื่ออุตสาหกรรมเปลี่ยนไปสู่โครงสร้าง 3D ความเข้มข้นของกระบวนการ deposition และ etch มีแนวโน้มเพิ่มขึ้นอย่างมีนัยสำคัญ
Raw Materials: ฐานของทั้งอุตสาหกรรมที่มักถูกมองข้าม
ก่อนจะมีชิป ต้องมีวัตถุดิบเป็นฐานตั้งต้นของทุกขั้นตอน ไม่ว่าจะเป็น silicon wafer ที่ใช้เป็นแผ่นรองในการสร้างวงจร สารเคมีและก๊าซพิเศษที่ใช้ในกระบวนการผลิต ไปจนถึงโลหะสำคัญอย่างทองแดงที่ใช้ในระบบไฟฟ้า สายส่ง และโครงสร้างพื้นฐานของ data center วัตถุดิบเหล่านี้อาจไม่ได้อยู่ใน spotlight เท่าชิป AI แต่มีความสำคัญมาก เพราะหาก supply ส่วนใดส่วนหนึ่งตึงตัว ก็อาจกระทบต่อความสามารถในการผลิตและขยายโครงสร้างพื้นฐานของทั้งอุตสาหกรรมได้
ในกลุ่มนี้ Freeport-McMoRan (FCX23) เป็นตัวแทนของฝั่งวัตถุดิบผ่านบทบาทในฐานะหนึ่งในผู้ผลิตทองแดงรายใหญ่ของโลก ทองแดงเป็นโลหะสำคัญที่อยู่เบื้องหลังการขยายตัวของ AI infrastructure เพราะ data center ต้องใช้พลังงานจำนวนมาก และต้องพึ่งพาระบบไฟฟ้า สายเคเบิล หม้อแปลง และโครงข่ายพลังงานที่มีทองแดงเป็นส่วนประกอบหลัก ดังนั้นเมื่อ AI ทำให้การลงทุนใน data center และโครงสร้างพื้นฐานไฟฟ้าเพิ่มขึ้น ความต้องการทองแดงก็มีแนวโน้มได้รับแรงหนุนตามไปด้วย
แม้ raw materials จะอยู่ไกลจากภาพจำของ AI มากกว่าบริษัทอย่าง NVIDIA หรือ hyperscaler แต่สำหรับนักลงทุน ส่วนนี้ช่วยให้เห็นว่า AI ไม่ได้เติบโตได้ด้วยชิปและซอฟต์แวร์อย่างเดียว แต่ต้องพึ่งพา supply chain ที่ลึกมาก ตั้งแต่วัสดุสำหรับผลิตชิป ไปจนถึงโลหะที่ใช้สร้างระบบพลังงานรองรับ data center ทำให้ Freeport-McMoRan (FCX23) เป็นอีกหนึ่ง DR ที่เชื่อมโยงกับธีม AI ในมุมของวัตถุดิบและโครงสร้างพื้นฐานมากกว่าการประมวลผลโดยตรง
⚠️ คำเตือน: ผู้ลงทุนควรทำความเข้าใจลักษณะสินค้า เงื่อนไขผลตอบแทน และความเสี่ยงก่อนตัดสินใจลงทุน ผู้ลงทุนควรทำความเข้าใจผลิตภัณ์ฑ DR ก่อนการลงทุน เนื่องจาก DR มีความเสี่ยงจากความผันผวนของอัตราแลกเปลี่ยน ความผันผวนของราคาของหลักทรัพย์ต่างประเทศ และความเสี่ยงจากความผันผวนของราคา DR เอง
