สรุปงาน Computex 2026: AI รอบใหม่ไม่ได้โตแค่ชิป แต่โตทั้งระบบศูนย์ข้อมูล

ภาพรวมใหญ่ของงาน Computex 2026

• งาน Computex จัดที่ กรุงไทเป ประเทศไต้หวัน คือ งานแสดงสินค้าและเทคโนโลยีด้านคอมพิวเตอร์ ไอที ชิป เซิร์ฟเวอร์ AI อุปกรณ์เครือข่าย และอุปกรณ์อิเล็กทรอนิกส์ระดับโลก โดยช่วงหลังงานนี้ถูกมองเป็นเวทีสำคัญของ AI, เซมิคอนดักเตอร์, AI Server, AI PC, ระบบระบายความร้อน และโครงสร้างพื้นฐานศูนย์ข้อมูล และการจัดแสดงของบริษัทอย่าง Nvidia, Hon Hai, Wiwynn, Gigabyte, Auras และ Kaori
• งาน Computex 2026 สะท้อนว่า AI กำลังเข้าสู่รอบการเติบโตใหม่ จากเดิมที่ตลาดสนใจเพียง “ชิปประมวลผล AI” หรือ GPU ไปสู่การสร้างระบบศูนย์ข้อมูล AI แบบครบชุดมากขึ้น ซึ่งต้องใช้ทั้ง CPU, GPU, หน่วยความจำ, ระบบจัดเก็บข้อมูล, ระบบไฟฟ้า, ระบบระบายความร้อน และระบบเชื่อมต่อความเร็วสูงร่วมกัน
• Nvidia ยังเป็นแกนหลักของรอบนี้ เพราะไม่ได้ขายเฉพาะ GPU แต่เริ่มขยายไปสู่ CPU, ระบบเครือข่าย, ระบบจัดเก็บข้อมูล และซอฟต์แวร์ ทำให้บริษัทมีบทบาทมากขึ้นในทั้งระบบศูนย์ข้อมูล AI ขณะเดียวกัน โอกาสการเติบโตเริ่มกระจายไปยังบริษัทอื่นในห่วงโซ่อุปทานมากขึ้น โดยเฉพาะผู้ที่ทำระบบไฟฟ้า ระบบระบายความร้อน การเชื่อมต่อ และการประกอบระบบขนาดใหญ่
• จุดเปลี่ยนสำคัญคือแพลตฟอร์ม Vera Rubin ของ Nvidia ที่ทำให้ AI Server ไม่ได้เป็นเพียงตู้เซิร์ฟเวอร์เดี่ยวอีกต่อไป แต่กำลังพัฒนาไปเป็นระบบหลายตู้ที่ทำงานร่วมกัน บริษัทรับจ้างผลิตและประกอบเซิร์ฟเวอร์ เช่น Hon Hai, Quanta, Wistron และ Wiwynn จึงต้องขยับจากการ “ประกอบเครื่อง” ไปสู่การออกแบบระบบทั้งชุด ตั้งแต่ไฟฟ้า ความเย็น เครือข่าย ไปจนถึงการติดตั้งจริงในศูนย์ข้อมูล

 

สรุปแยกรายสินค้า / ห่วงโซ่อุปทาน

1) AI Server: จากขายเครื่อง ไปสู่ขายระบบครบชุด

• AI Server รุ่นใหม่มีความซับซ้อนมากขึ้น เพราะต้องรองรับการประมวลผลขนาดใหญ่ ใช้ไฟมากขึ้น และต้องเชื่อมต่อหลายตู้เข้าด้วยกัน ความสามารถในการรวมระบบจึงสำคัญขึ้นมาก ไม่ใช่แค่ใครประกอบเครื่องได้เร็วที่สุด
• Hon Hai แสดงให้เห็นจุดแข็งด้านการผลิตและการรวมระบบครบวงจร โดยโชว์ AI Server หลายรูปแบบ รวมถึงระบบเชื่อมต่อความเร็วสูง ชิ้นส่วนระบายความร้อน และชิ้นส่วนด้านแสงสำหรับการส่งข้อมูล นอกจากนี้ยังเริ่มมีโครงการศูนย์ข้อมูล AI ในยุโรป ซึ่งสะท้อนโอกาสจากกระแสที่แต่ละประเทศต้องการสร้างโครงสร้างพื้นฐาน AI ของตัวเอง
• Wiwynn ก็เป็นอีกบริษัทที่น่าสนใจ เพราะไม่ได้โชว์แค่ตู้ AI Server แต่รวมถึงระบบระบายความร้อนขั้นสูง ระบบไฟฟ้าแรงดันสูง และการเชื่อมต่อแบบแสง จุดเด่นคือความสามารถในการรวมระบบเต็มตู้ และฐานลูกค้าที่ไม่ได้พึ่งพาเพียงแพลตฟอร์มใดแพลตฟอร์มหนึ่ง

 

2) CPU และ Arm: ชิปสมองรองของ AI Server

• AI Server ไม่ได้ต้องการแค่ GPU เท่านั้น แต่ยังต้องใช้ CPU เพื่อจัดการงาน ควบคุมการเชื่อมต่อ และประสานข้อมูลระหว่างระบบต่างๆ โดยเฉพาะงาน AI แบบใหม่ที่ต้องสั่งงานหลายขั้นตอนและตอบสนองเร็ว
• แนวโน้มสำคัญคือ CPU แบบ Arm เริ่มมีบทบาทมากขึ้นใน AI Server เพราะประหยัดพลังงานและเหมาะกับการทำงานร่วมกับระบบ AI ขนาดใหญ่ ขณะที่ชิปแบบ x86 เดิมอาจถูกกดดันมากขึ้น โดยเฉพาะ Intel ส่วน AMD ยังมีโอกาสจากความสัมพันธ์กับลูกค้าศูนย์ข้อมูลขนาดใหญ่และแพลตฟอร์ม Helios
• ประเด็นสำคัญคือ การแข่งขันรอบใหม่ไม่ได้วัดกันที่ความแรงของชิปเดี่ยวเท่านั้น แต่จะวัดจากความสามารถในการทำงานร่วมกันของทั้งระบบ ตั้งแต่ CPU, GPU, หน่วยความจำ และเครือข่าย

 

3) AI PC: พีซีอาจกลับมาโตจากการรัน AI ในเครื่อง

• Nvidia ร่วมกับ Microsoft และ MediaTek เปิดตัวแพลตฟอร์ม RTX Spark เพื่อผลักดันพีซีสำหรับงาน AI โดยจุดสำคัญคือการทำให้พีซีสามารถรันโมเดล AI ขนาดใหญ่ในเครื่องได้ ไม่ต้องพึ่งศูนย์ข้อมูลตลอดเวลา
• หากแนวโน้มนี้เกิดขึ้นจริง พีซีอาจเปลี่ยนจากเครื่องทำงานทั่วไปไปเป็น “ผู้ช่วย AI ส่วนตัว” ซึ่งช่วยหนุนความต้องการชิ้นส่วนต่อเครื่องให้สูงขึ้น โดยเฉพาะหน่วยความจำ เพราะ AI PC อาจใช้ DRAM ได้สูงถึง 128GB ต่อเครื่อง หรือมากกว่าพีซีทั่วไปหลายเท่า
• ผู้ได้ประโยชน์ในกลุ่มนี้ไม่ได้มีแค่ Nvidia และ MediaTek แต่ยังรวมถึงผู้ผลิตพีซีและชิ้นส่วน เช่น Gigabyte, Lenovo, Dell, HP, Asus และ MSI โดย Gigabyte เริ่มเปิดตัวระบบ AI ในเครื่องที่รองรับโมเดลขนาดใหญ่ ซึ่งสะท้อนว่าตลาดพีซีระดับบนอาจมีมูลค่าต่อเครื่องสูงขึ้น

 

4) หน่วยความจำ / HBM / SSD: คอขวดใหม่ของ AI อยู่ที่ข้อมูล

• เมื่อ AI เริ่มใช้งานจริงมากขึ้น ความต้องการหน่วยความจำจะเพิ่มขึ้นอย่างมีนัยสำคัญ เพราะระบบ AI ต้องอ่าน เขียน และเรียกข้อมูลจำนวนมากตลอดเวลา ไม่ใช่แค่ใช้พลังประมวลผลจาก GPU อย่างเดียว
• HBM หรือหน่วยความจำความเร็วสูงยังเป็นชิ้นส่วนสำคัญของ AI Server โดยเฉพาะรุ่นใหม่อย่าง HBM4 ที่ผลิตยากขึ้น ใช้เทคโนโลยีสูงขึ้น และมีข้อจำกัดด้านความร้อนมากขึ้น ทำให้ SK Hynix, Samsung และ Micron ยังเป็นตัวแปรสำคัญของการเติบโต AI
• นอกจากนี้ SSD ประสิทธิภาพสูงก็มีบทบาทมากขึ้น เพราะงาน AI ต้องเก็บและดึงข้อมูลขนาดใหญ่ตลอดเวลา ภาพรวมจึงชี้ว่า “หน่วยความจำและการจัดเก็บข้อมูล” กำลังกลายเป็นคอขวดสำคัญของ AI รอบใหม่

 

5) การบรรจุชิปขั้นสูง / CoWoS: เสาหลักใหม่ของ TSMC

• TSMC ไม่ได้โตจากการผลิตแผ่นเวเฟอร์เพียงอย่างเดียวอีกต่อไป แต่ธุรกิจการบรรจุชิปขั้นสูง โดยเฉพาะ CoWoS กำลังกลายเป็นเสาหลักใหม่ เพราะชิป AI รุ่นใหม่ต้องนำชิปหลายชิ้นและหน่วยความจำ HBM มารวมอยู่ในแพ็กเกจเดียวกัน
• ยิ่งชิป AI ใหญ่ขึ้นและซับซ้อนขึ้น ขนาดแพ็กเกจก็ยิ่งใหญ่ขึ้นมาก ทำให้ TSMC มีโอกาสสร้างรายได้จากงานบรรจุชิปเพิ่มขึ้นเร็วกว่าธุรกิจหลัก ขณะเดียวกัน ผู้ผลิตวัสดุรองรับชิป เช่น Ibiden และผู้ให้บริการประกอบและทดสอบชิป เช่น ASE ก็ได้ประโยชน์ตามไปด้วย
• ประเด็นนี้สำคัญมาก เพราะ AI รอบใหม่ไม่ได้ใช้แค่ชิปแรงขึ้น แต่ต้องใช้เทคโนโลยีการรวมชิปหลายส่วนเข้าด้วยกัน ซึ่งเป็นจุดที่มีผู้เล่นทำได้จำกัดและมีอำนาจต่อรองสูง

 

6) ชิปออกแบบเฉพาะทาง: โอกาสใหม่ของไต้หวันนอกเหนือจาก TSMC

• อีกธีมที่โดดเด่นคือชิป AI แบบออกแบบเฉพาะทาง หรือ ASIC ซึ่งลูกค้ารายใหญ่ เช่น บริษัทคลาวด์และเทคโนโลยีระดับโลก เริ่มออกแบบชิปของตัวเองมากขึ้น เพื่อลดต้นทุนและเพิ่มประสิทธิภาพสำหรับงานเฉพาะ
• ตลาดนี้เปิดโอกาสให้บริษัทไต้หวันมากขึ้น เช่น MediaTek, Alchip และ GUC เพราะมีความเชี่ยวชาญด้านการออกแบบชิป และมีความสัมพันธ์ใกล้ชิดกับ TSMC โดย MediaTek ระบุว่าโอกาสในตลาด ASIC สำหรับศูนย์ข้อมูลปี 2027 อาจมีขนาด 70–80 พันล้านดอลลาร์ และบริษัทตั้งเป้าส่วนแบ่ง 10–15%
• สำหรับนักลงทุน นี่คือสัญญาณว่าโอกาสของไต้หวันไม่ได้จำกัดอยู่ที่ TSMC แต่เริ่มขยายไปยังบริษัทออกแบบชิปเฉพาะทางด้วย

 

7) เครือข่าย / CPO / การเชื่อมต่อด้วยแสง: คอขวดใหม่ของศูนย์ข้อมูล AI

• เมื่อ AI Server ต้องทำงานร่วมกันเป็นกลุ่มขนาดใหญ่ การส่งข้อมูลระหว่างเครื่องจึงสำคัญมาก สายทองแดงแบบเดิมเริ่มมีข้อจำกัดทั้งเรื่องความเร็ว ระยะทาง และการใช้พลังงาน ทำให้การเชื่อมต่อด้วยแสงเริ่มมีบทบาทมากขึ้น
• CPO หรือการนำระบบส่งข้อมูลด้วยแสงเข้าไปอยู่ใกล้ชิปมากขึ้น กำลังเปลี่ยนจากแนวคิดระยะยาวไปสู่การใช้งานจริง บริษัทที่เกี่ยวข้องกับเครือข่ายและการเชื่อมต่อ เช่น Marvell, Broadcom, Credo, Astera Labs และ Coherent จึงมีโอกาสเติบโต
• ในไต้หวัน กลุ่มทดสอบชิปก็ได้ประโยชน์จาก CPO เช่นกัน เพราะชิ้นส่วนแสงต้องใช้การทดสอบที่ซับซ้อนและใช้เวลานานขึ้น ผู้ได้ประโยชน์ได้แก่ WinWay, MPI, KYEC และ Hon Precision

 

8) ระบบระบายความร้อนและระบบไฟฟ้า: จากของประกอบ กลายเป็นหัวใจของ AI Server

• AI Server รุ่นใหม่ใช้พลังงานสูงมาก ทำให้ระบบไฟฟ้าและระบบระบายความร้อนกลายเป็นหัวใจของศูนย์ข้อมูล ไม่ใช่แค่ชิ้นส่วนประกอบอีกต่อไป หากระบายความร้อนไม่ดี หรือจ่ายไฟไม่เสถียร ระบบทั้งหมดก็ทำงานได้ไม่เต็มประสิทธิภาพ
• Auras โชว์ระบบระบายความร้อนด้วยของเหลวครบชุด ทั้ง CDU, ข้อต่อ, แผ่นระบายความร้อน และท่อกระจายน้ำ พร้อมระบุว่าระบบบางส่วนรองรับความสามารถในการระบายความร้อนระดับสูงมาก ทำให้บริษัทมีโอกาสเห็นกำไรปี 2026 โตแรงจากสัดส่วนสินค้าระบายความร้อนที่เพิ่มขึ้น
• Kaori ก็ขยายจากธุรกิจตัวแลกเปลี่ยนความร้อนไปสู่ระบบระบายความร้อนสำหรับ AI Server เช่น CDU, Sidecar และ Rack Manifold โดยจุดเด่นคือสามารถผลิตชิ้นส่วนสำคัญบางอย่างเองได้ ช่วยรองรับการขยายกำลังผลิตในอนาคต

 

9) ชิ้นส่วนพื้นฐาน: PMIC, Capacitor และ Wafer ก็ได้แรงหนุนจาก AI

• AI Server ใช้ไฟมากขึ้น ทำให้ชิ้นส่วนพื้นฐานอย่างชิปจัดการพลังงาน ตัวเก็บประจุ และเวเฟอร์บางประเภทมีความต้องการเพิ่มขึ้นตามไปด้วย
• Silergy ได้แรงหนุนจากชิ้นส่วนจัดการพลังงานในศูนย์ข้อมูล ขณะที่ Vanguard ได้ประโยชน์จากความต้องการชิปจัดการพลังงานที่เพิ่มขึ้นจาก AI ส่วน Murata และ Taiyo Yuden ได้ประโยชน์จากตัวเก็บประจุที่ต้องรองรับกระแสไฟสูงและมีความทนทานมากขึ้น
• GlobalWafers ก็เห็นสัญญาณฟื้นตัวจากความต้องการเวเฟอร์ 12 นิ้ว รวมถึงโอกาสระยะยาวจากวัสดุที่เกี่ยวข้องกับการส่งข้อมูลด้วยแสงและการระบายความร้อนของชิป AI

 

ตารางผู้ได้ประโยชน์จาก AI Infrastructure 

กลุ่มสินค้า / เทคโนโลยี	สัญญาณสำคัญจาก Computex 2026	ผู้ได้ประโยชน์หลัก	เหตุผลที่น่าสนใจต่อการลงทุน
AI Server / AI Factory	Vera Rubin เปลี่ยน AI Server จากระดับ Rack ไปสู่ Cluster-level infrastructure ต้องใช้การรวมระบบทั้ง Compute, Storage, Networking, Power และ Cooling	Hon Hai, Wiwynn, Quanta, Wistron	รายได้ AI Server ยังโตแรง แต่ผู้ชนะจะเป็น ODM ที่ทำได้มากกว่า “ประกอบตู้” คือมีความสามารถด้าน Rack Integration, Deployment Engineering และระบบครบวงจร
GPU / Full-stack Platform	Nvidia ขยายจาก GPU ไปสู่ CPU, Networking, Storage, Software และ AI Factory Reference Platform	Nvidia	อำนาจการแข่งขันสูงขึ้น เพราะขายได้ทั้งชิปและระบบนิเวศครบชุด ช่วยรักษาความได้เปรียบใน AI Cloud, Enterprise และ Sovereign AI
CPU / Arm-based AI Server	Vera CPU และ Arm-based CPU เริ่มกินพื้นที่ใน AI Server Head Node และ Agentic AI โดย Arm CPU โตเร็วกว่าฝั่ง x86	Nvidia, Arm ecosystem, AMD บางส่วน	กดดัน Intel เพราะ AI Infrastructure เริ่มลดการพึ่งพา x86 ขณะที่ CPU กลายเป็นส่วนสำคัญของการจัดการงาน AI ไม่ใช่แค่ Host processor
AI PC / Local AI	RTX Spark และ AI PC ใช้ DRAM สูงถึง 128GB ต่อเครื่อง เปิดตลาด Personal AI Computer	Nvidia, MediaTek, Microsoft, Gigabyte, Lenovo, Dell, HP	AI PC อาจฟื้นวงจร PC ใหม่ และเพิ่มมูลค่าต่อเครื่องผ่าน GPU, DRAM, เมนบอร์ด และระบบระบายความร้อนที่ซับซ้อนขึ้น
Memory / HBM / SSD	AI Inference ต้องใช้ KV Cache และ Memory Bandwidth สูง ทำให้ HBM, DRAM ความจุสูง และ SSD สำคัญขึ้น	SK Hynix, Samsung, Micron, Kioxia	หน่วยความจำกลายเป็นคอขวดใหม่ของ AI โดยเฉพาะ HBM4 ที่ผลิตยากขึ้นและมีข้อจำกัดด้านความร้อนกับการเชื่อมต่อ
Advanced Packaging / CoWoS	ขนาด Package ของ AI Accelerator เพิ่มขึ้นมาก จาก 5.5x reticle ไปสู่มากกว่า 14x ภายในปี 2028–2029	TSMC, ASE, Ibiden, GUC, Alchip	Packaging กลายเป็นเสาหลักที่สองของ TSMC และเพิ่มโอกาสให้ OSAT/Substrate/ASIC design เพราะชิป AI ต้องใช้การรวมหลาย Die และ HBM มากขึ้น
Custom ASIC	ตลาด Custom AI Chip คาดโตมากกว่า 500% เป็นกว่า US$83bn ภายในปี 2028	MediaTek, Alchip, GUC, Broadcom, Marvell	Hyperscaler ต้องการชิปเฉพาะทางมากขึ้น ทำให้โอกาสของไต้หวันขยายจาก Foundry ไปสู่ Chip Design และ ASIC Services
Networking / CPO / Optical Interconnect	CPO และ Silicon Photonics เปลี่ยนจาก Roadmap ไปสู่การผลิตจริง เพราะ Copper เริ่มติดข้อจำกัดด้านพลังงาน ระยะทาง และ Bandwidth	Marvell, Broadcom, Credo, Astera Labs, Coherent, WinWay, MPI	Networking เป็นคอขวดใหม่ของ AI Cluster และ CPO เพิ่มมูลค่าให้ทั้ง Optical supplier และกลุ่ม Testing จากเวลาทดสอบที่ยาวขึ้น
Testing / Probe Card / Handler	ชิป AI, ASIC, HBM และ CPO ต้องใช้การทดสอบซับซ้อนขึ้น ทั้ง SoC Test, Optical-electrical alignment และ Final Test	KYEC, WinWay, MPI, Hon Precision, Advantest, Teradyne	ยิ่งชิปใหญ่และซับซ้อนขึ้น เวลาทดสอบยิ่งยาวขึ้น ทำให้ Test content ต่อชิปเพิ่ม และหนุนมาร์จิ้นของผู้เล่นที่มีเทคโนโลยีสูง
Liquid Cooling / CDU / Thermal	Rack AI กำลังใช้พลังงานสูงขึ้น ทำให้ Liquid Cooling, CDU, Sidecar, Manifold และ Cold Plate กลายเป็นส่วนจำเป็น	Auras, Kaori, AVC, Delta, Wiwynn	ความเย็นไม่ใช่ชิ้นส่วนเสริมอีกต่อไป แต่เป็นตัวกำหนดประสิทธิภาพและต้นทุนรวมของ Data Center ทำให้ผู้เล่นที่มี Solution ครบมี Pricing Power สูงขึ้น
Power / HVDC / PMIC	AI Rack ต้องการระบบไฟฟ้าแบบ 800V HVDC และ PMIC ที่รองรับพลังงานสูงขึ้น	Delta, Silergy, Vanguard, Murata, Taiyo Yuden	AI Server ทำให้มูลค่าชิ้นส่วนไฟฟ้าและ Passive Component เพิ่มขึ้น โดยเฉพาะ Capacitor, PMIC และ Power Delivery
Edge AI / Local AI System	Gigabyte เปิด Local AI System รองรับโมเดลกว่า 200B Parameters สำหรับ Developer และ Researcher	Gigabyte, Asus, MSI, Acer, Lenovo	Edge AI เพิ่มโอกาสให้ผู้ผลิต PC/Workstation ขายสินค้าราคาสูงขึ้น แม้ระยะสั้นอาจถูกกดดันจากต้นทุน Memory ที่สูง

 

 

มุมมองของ INVX

1. ผู้ชนะรอบนี้ไม่ใช่แค่บริษัทที่ขาย GPU แต่คือบริษัทที่ควบคุมระบบ AI ได้ครบชุด Nvidia ยังได้เปรียบ เพราะขยายบทบาทจาก GPU ไปสู่ CPU, เครือข่าย, ระบบจัดเก็บข้อมูล และซอฟต์แวร์ ทำให้มีอำนาจมากขึ้นในระบบศูนย์ข้อมูล AI ทั้งหมด
2. ซัพพลายเชนไต้หวันได้ประโยชน์กว้างขึ้น
   รายได้ของหลายบริษัทอาจโตตามกระแส AI Server แต่บริษัทที่ทำได้แค่ประกอบเครื่องอาจถูกกดดันจากต้นทุนชิปและหน่วยความจำที่สูงขึ้น ผู้ที่มีเทคโนโลยีเฉพาะ เช่น ระบบระบายความร้อน การรวมระบบ การทดสอบชิป และการเชื่อมต่อด้วยแสง จะมีโอกาสทำกำไรดีกว่า
3. ธีมลงทุนควรมองทั้งระบบ มากขึ้น
   กลุ่มที่น่าสนใจได้แก่
1. AI Server ODM เช่น Hon Hai/ Wiwynn,
2. Liquid Cooling เช่น Auras/ Kaori/ AVC,
3. Optical/CPO เช่น Marvell/ Broadcom/ Credo/ Aster/ Lumentum/ Coherent
4. Advanced Packaging/Testing เช่น TSMC/ASE/KYEC/WinWay/MPI/Hon Precision
5. และ Memory/HBM เช่น SK Hynix/ Samsung/ Micron