งาน GTC ของ NVDA เน้นการประกาศ Agentic AI และการเข้าตลาด PC

บทสรุปของ Nvidia GTC2026 Keynote

งาน Nvidia GTC Taipei 2026 เน้นไปที่การประกาศว่า Agentic AI หรือ AI ที่สามารถทำงานและแก้ปัญหาด้วยตนเองได้มาถึงแล้ว ในงานนี้ Nvidia มีการเปิดตัวผลิตภัณฑ์ใหม่ที่ครอบคลุมตั้งแต่ระดับโครงสร้างพื้นฐาน Data Center (Vera Rubin) คอมพิวเตอร์ส่วนบุคคลรุ่นใหม่ (RTX Spark) และระบบ AI ที่ใช้ในหุ่นยนต์และระบบขับขี่อัตโนมัติ ทำให้ Nvidia ได้เปลี่ยนสถานะจากบริษัทผู้ผลิตชิปมาเป็นบริษัทโครงสร้างพื้นฐานด้าน AI อย่างเต็มตัว

สรุป 4 ประเด็นหลัก
1) ยุคของ Agentic AI มาถึงแล้ว เมื่อ AI ได้พัฒนาไปสู่การคิดหาเหตุผล วางแผน และลงมือทำงานผ่านแอปพลิเคชันต่างๆ ได้เอง Jensen Huang เน้นว่า AI agents ทำให้ผลผลิตปละประสิทธิผลของผู้พัฒนาเพิ่ม ~3x และกลายเป็น ส่วนหนึ่งของโครงพื้นฐาน AI ของทุกองค์กร ตั้งแต่การออกแบบชิปไปจนถึงภาคสาธารณสุขและโรงงาน โดย Nvidia ได้นำเสนอตระกูลปัญญาประดิษฐ์เช่น Nemotron open models, NemoClaw blueprints, OpenShell secure runtime ที่ทำหน้าที่เป็นเกราะป้องกันความปลอดภัยสำหรับ AI agents และ CUDA-X skills ที่เป็นชุดเครื่องมือและเทคโนโลยีของ Nvidia ทำให้บริษัทสามารถสร้างผู้ร่วมงานที่เป็น AI ที่เข้าถึงเครื่องมือต่าง ๆ ได้ง่ายผ่านระบบ CUDA
2) สายการผลิต Vera Rubin โดยแพลตฟอร์มชิปและเซิร์ฟเวอร์รุ่นใหม่เข้าสู่สายการผลิตเต็มรูปแบบเพื่อรองรับการสร้าง AI Data Center ระดับโลกที่ทำงานเหมือน AI supercomputer ซึ่งรองรับปริมาณคำสั่งที่ AI agents สามารถประมวลผลได้ในหนึ่งหน่วยเวลาสูงกว่า Grace Blackwell ถึง 10x
3) การเข้าสู่วงการ PC โดย Nvidia เปิดตัวชิปประมวลผลชื่อ RTX Spark เพื่อสร้างมาตรฐานใหม่ให้กับคอมพิวเตอร์ Windows ที่ออกแบบมาเพื่อการประมวลผล AI ภายในเครื่องโดยเฉพาะ
4) ก้าวต่อไปของ Physical AI การพัฒนาระบบ AI สำหรับหุ่นยนต์อุตสาหกรรมและยานยนต์ไร้คนขับผ่านโมเดลโลกเสมือน Cosmos 3 world foundation model และได้พูดถึงโมเดลปัญญาประดิษฐ์ประเภท Vision-Language-Action ที่ออกแบบมาสำหรัยระบบขัขี่อัตโนมัติ (Alpamayo), DRIVE Hyperion ที่เป็นแพลตฟอร์มฮาร์ดแวร์และซอฟต์แวร์แบบครบวงจรจาก Nvidia ที่ออกแบบมาเพื่อพัฒนาระบบขับเคลื่อนยานยนต์อัตโนมัติ และ Isaac GR00T humanoid robot ที่เป็นแพลตฟอร์มและระบบประมวลผลของ Nvidia ที่สร้างขึ้นเพื่อหุ่นยนต์

สินค้าหลักในงาน GTC
1) NVIDIA Vera CPU ซีพียูรุ่นใหม่ที่ออกแบบมาเพื่อทำงานร่วมกับ AI Agent โดยเฉพาะ ซึ่งประมวลผลงานได้เร็วกว่า x86 ของ Intel ถึง 1.8 เท่า ลูกค้าที่มีการส่งซื้อได้แก่ Anthropic, OpenAI, SpaceXAI, NYSE, ByteDance, Oracle Cloud, CoreWeave
2) RTX Spark ชิปสำหรับแล็ปท็อปและเดสก์ท็อปที่รวม CPU และ GPU เข้าด้วยกัน ทำให้คอมพิวเตอร์ประหยัดพลังงานและมีผู้ช่วย AI รันในเครื่องได้ตลอดเวลา ออกแบบโดย NVIDIA และ MediaTek ผลิตโดย TSMC (3N process) ฮาร์ดแวร์จะแบ่งออกเป็น 3 รูปแบบ ได้แก่ แล็ปท็อปบางเบา เดสก์ท็อปพีซีขนาดเล็ก และ Workstation DGX ที่ออกแบบมาให้ผู้ใช้มีผู้ช่วย AI รันในเครื่องได้ตลอดเวลาโดยไม่ต้องเสียค่าคลาวด์เพิ่ม
3) Vera Rubin NVL72 เป็นระบบตู้เซิร์ฟเวอร์ขนาดใหญ่ที่เชื่อมต่อชิปประมวลผลจำนวนมากเข้าด้วยกัน ออกแบบมาเพื่อจัดการภาระงานของ Agentic AI โดยเฉพาะ รองรับ Spectrum-X Ethernet Photonics ที่ใช้ co-packaged optics (CPO) ที่ 200Gb/s SerDes พลังงานดีขึ้น 5x, AI uptime สูงขึ้น 5x ของ Coherent
4) NVIDIA DSX ชุดซอฟต์แวร์และโครงสร้างพื้นฐานสำหรับช่วยให้องค์กรออกแบบและจัดการระบบประมวลผล AI และ Data Center เพื่อให้ใช้งานพลังงานไฟฟ้าได้คุ้มค่าที่สุด โดยมีพันธมิตร Cloud อย่าง CoreWeave, IREN, Lambda, Nebius, Nscale ใช้งาน
5) Cosmos 3 โมเดล AI พื้นฐานที่ช่วยให้หุ่นยนต์สามารถมองเห็น เข้าใจกฎฟิสิกส์ และจำลองเหตุการณ์ในโลกความจริงได้
6) Nemotron 3 Ultra โมเดลภาษาแบบ Open Source รุ่นใหม่ของ Nvidia ที่ฉลาดขึ้น ทำงานเร็วขึ้น 5 เท่า และใช้ต้นทุนน้อยลง 30%

มุมมองที่ Jensen Huang มีต่อ AI Economic
1) AI ไม่ได้ลดงาน แต่สร้างงานและ GDP โดยยกตัวอย่างว่าการเติบโตของ GDP ไต้หวันมาจาก AI ราว $9 ล้านล้านเหรียญสหรัฐ ไต้หวันคาดว่าเศรษฐกิจปี 2026 จะโต ~10% จากการส่งออกสินค้าที่เกี่ยวข้องกับ AI นอกจากนั้น วิศกรด้าน Software เพิ่มขึ้น 3x ตั้งแต่ AI มา
2) การประมวลผลคือรายได้ ในระบบประมวลผล AI และ Data Center AI ทุก megawatt ของไฟฟ้า คือ token ซึ่งก็คือรายได้ ดังนั้นการเลือกระบบที่ถูกกว่าแต่ไม่มีประสิทธิภาพกว่า ทำให้เสียรายได้ ไม่ใช่ประหยัดต้นทุน ทำให้ Jensen Huang พูดว่าการเลือกระบบที่เพียงเพราะว่าถูกนั้นไม่ค่อยถูกหลักการ ตรงนี้อาจจพยายามทำให้มองว่าชิปของ Nvidia มีราคาแพงกว่าแต่มีประสิทธิภาพมากกว่า
3) ในระบบเศรษฐกิจ AI ยุคใหม่ อัตราการคำนวณหรือ Token มีสถานะเป็นแหล่งรายได้ ทำให้บริษัททั่วโลกเร่งลงทุนสร้าง AI Data Center และระบบประมวลผลเป็นของตนเอง ใครควบคุมการผลิต Token ด้วยต้นทุนต่ำสุดจะมีโอกาสชนะสูง นี่คือเหตุผลที่ DSX MaxLPS (GPUs per MW เพิ่มขึ้น 40%) และ Vera CPU (เร็วขึ้น1.8x) ซึ่งมีผลกับตัวเลขทางการเงิน ทำให้บริษัทอย่าง CoreWeave, Oracle Cloud, หรือแม้แต่ Anthropic ต้องการซื้อระบบของ Nvidia ไม่ใช่แค่เพราะมันเร็ว แต่เพราะทำกำไรได้มากกว่า
4) ระบบประมวลผล AI และ Data Center AI มีผลตอบแทนเป็นบวกหากว่าสามารถเพิ่ม Scale ได้ หรือจะหมายความว่ายิ่งลงทุน ความสามารในการประมวลผลมากขึ้น ยิ่งทำให้รายได้จาก Token มากขึ้น เป็นที่มาที่ Jensen Huang พูดว่าถ้ายิ่งซื้อเยอะ ก็จะสร้างผลกำไรเยอะ

มุมมองของ INVX
1) เรามองว่า Nvidia มีความน่าสนใจในการลงทุนเพราะจะเป็นบริษัทโครงสร้างพื้นฐาน AI และจะเป็น Full Stack AI ซึ่งมีความสามารถในการแข่งขันสูง การเปิดให้ AI Agent สามารถเรียกใช้ไลบรารี CUDA-X เป็นเครื่องมือ ในการทำงานได้โดยตรงผ่าน Nvidia Agent Toolkit เป็นการทำให้นักพัฒนาและองค์กรให้ผูกติดกับแพลตฟอร์มของ Nvidia มากขึ้น
2) ไต้หวันคือจุดศูนย์กลางของ Nvidia โดยการผลิตระบบขั้นสูงอย่าง Vera Rubin และ RTX Spark ต้องพึ่งพาเทคโนโลยีจากไต้หวันแทบทั้งสิ้น ตั้งแต่กระบวนการผลิต 3 นาโนเมตรและการบรรจุชิปขั้นสูง (CoWoS) ของ TSMC ไปจนถึงการออกแบบชิปของ MediaTek และผู้ผลิตรายใหญ่ในไต้หวัน เช่น Foxconn, Quanta, Pegatron และ Wistron คือส่วนสำคัญในการประกอบระบบเซิร์ฟเวอร์ ระบบจ่ายไฟ และระบบหล่อเย็นด้วยของเหลว (Liquid Cooling) ที่ซับซ้อน การเติบโตอย่างก้าวกระโดดของ NVIDIA จะส่งผลบวกและสร้างเม็ดเงินมหาศาลให้กับระบบนิเวศนี้ สำหรับบริษัทที่ทำระบบหล่อเย็นได้แก่ AVC, Auras
3) การเข้าสู่ตลาด PC ของ Nvidia อย่างจริงจังเป็นครั้งแรกในรอบ 10 กว่าปี เรามองว่าจะเพิ่มการแข่งขันให้กับ INTC และ AMD รวมถึง Apple และ Qualcomm แต่จะส่งผลดีกับห่วงโซ่อุปทานอย่าง ARM (คู่แข่งกับ Qualcomm) และบริษัทที่ทำชิป RTX Spark อย่าง MediaTek และ TSMC รวมไปถึงผู้ผลิต PC อย่าง Dell, HP, Lenovo หากว่าการเข้าสู่ตลาดคราวนี้นำไปสู่รอบการเปลี่ยนอุปกรณ์ (Replacement Cycle) ซึ่งจะเป็นขั้วที่ได้ส่วนแบ่งทางการตลาดเพิ่ม
4) การมาของ Agentic AI จะช่วยสนับสนุนการใช้งานของ Software และมองว่าสิ่งที่ Jensen Huang พูดถึงเรื่องการจ้างงานของ Software Engineer ทำให้ความกังวลเรื่องความเสี่ยงที่ถูก AI ทดแทนมองเป็นบวกกับ ServiceNow, Salesforce, Workday, Microsoft, Oracle
5) Vera Rubin เข้าสู่การผลิตอย่างเต็มรูปแบบ บริษัทที่เกี่ยวข้องกับส่วนนี้ที่เป็น ODMs และ OEMs ได้แก่ Dell, HPE, Lenovo, IBM, Hon Hai Precision, Gigabyte, Wistron, Wiwynn, Inventec, Pegatron และเมื่อ Vera Rubin ใช้หน่วยความจำแบบ LPDDR5X ที่มี bandwidth 1.2 เทราไบต์ต่อวินาที ความต้องการหน่วยความจำจาก SK Hynix และ Micron จะเพิ่มขึ้นต่อเนื่องทั้งฝั่ง Data Center และ PC
6) ผู้ให้บริการ Cloud รุ่นใหม่ (Neocloud) เช่น CoreWeave, IREN, Lambda, Nebius, Nscale เป็น AI cloud เฉพาะทางที่กำลังใช้งาน Vera Rubin + DSX ได้เปรียบในมุมของต้นทุนต่อ Token เพราะใช้ชิปและส่วนประกอบรุ่นใหม่ ซึ่งอาจจะมีผลกระทบกับ Hyperscalers อย่าง Amazon Web Services, Google Cloud และ Microsoft Azure)