ความทะเยอทะยานของ Nvidia ที่ก้าวไกลกว่าแค่ GPU: ความลับใดซ่อนอยู่ในยุทธศาสตร์หลักด้าน CPU ของ Jensen Huang?

TradingKey - NVIDIA ( NVDA) สร้างความตกตะลึงให้กับ Wall Street อีกครั้งด้วยผลประกอบการที่สูงกว่าคาด สำหรับไตรมาสซึ่งสิ้นสุดในเดือนมกราคม อันเป็นจุดเริ่มต้นของรอบปีงบประมาณ รายได้พุ่งขึ้นแตะระดับ 6.81 หมื่นล้านดอลลาร์ หรือเพิ่มขึ้น 73% เมื่อเทียบรายปี ซึ่งสูงกว่าที่ตลาดคาดการณ์ไว้ที่ 6.6 หมื่นล้านดอลลาร์อย่างมาก ขณะที่รายได้จากกลุ่ม Data Center เติบโตขึ้น 75% เมื่อเทียบรายปี และอัตรากำไรขั้นต้นพุ่งขึ้นแตะระดับ 75% ซึ่งพิสูจน์ให้เห็นว่าอำนาจการต่อรองด้านราคาในตลาดการประมวลผล AI ของบริษัทยังคงแข็งแกร่งอย่างยิ่ง

ในฐานะผู้เล่นรายใหญ่ที่ครองส่วนแบ่งตลาดประมวลผล AI ทั่วโลกราว 90% ความทะเยอทะยานของ NVIDIA ชัดเจนว่าไปไกลกว่านั้น โดยบริษัทกำลังเร่งขยายฐานในตลาด CPU สำหรับ AI และผู้บริโภคทั่วไป เพื่อมุ่งหวังที่จะสร้างความสำเร็จซ้ำรอยเดิมเหมือนที่ทำได้ในตลาด GPU

NVIDIA รุกคืบวางตำแหน่งในตลาดล่วงหน้า

นับตั้งแต่ช่วงปลายปี 2025 ตลาด CPU ทั่วโลกได้รับความสนใจเพิ่มขึ้นอย่างรวดเร็ว โดย Intel ( INTC) และ AMD ( AMD) มียอดจองการผลิต CPU สำหรับเซิร์ฟเวอร์จนเต็มโควตา โดยมีระยะเวลารอคอยสินค้า (lead times) ยาวนานถึง 6 เดือน ท่ามกลางภาวะความไม่สมดุลระหว่างอุปสงค์และอุปทานที่เริ่มปรากฏให้เห็น โดยคนในอุตสาหกรรมส่วนใหญ่เชื่อว่านี่คือสัญญาณการกลับมาของมูลค่า CPU ในยุค AI

ก่อนหน้านี้ ในด้านการประมวลผล AI นั้น GPU ถือเป็นผู้ครองตลาดอย่างเบ็ดเสร็จด้วยความสามารถในการประมวลผลแบบขนาน ในขณะที่ CPU ทำหน้าที่เพียงงานทั่วไปพื้นฐานเท่านั้น อย่างไรก็ตาม ด้วยการแพร่หลายของ Generative AI และโมเดลแบบ Multimodal ทำให้การประมวลผล AI กำลังเปลี่ยนผ่านจากการ 'เน้นการฝึกฝน (training)' ไปสู่การ 'ให้ความสำคัญกับทั้งการฝึกฝนและการอนุมาน (inference) อย่างเท่าเทียม' โดยเฉพาะอย่างยิ่งเมื่อเข้าสู่ยุคของ AI Agent การพึ่งพา CPU ในการจัดตารางงานและการเรียกใช้เครื่องมือต่าง ๆ จึงเพิ่มขึ้นอย่างมีนัยสำคัญ

ในระหว่างขั้นตอนการเตรียมฝึกฝน (pre-training) ของโมเดลขนาดใหญ่ CPU จะทำหน้าที่จัดเก็บข้อมูล การทำ Sharding และการทำดัชนี เพื่อสนับสนุนการทำงานหลักของ GPU ส่วนในสถานการณ์การอนุมานแบบ Multimodal นั้น CPU จะทำหน้าที่ถอดรหัสรูปภาพและวิดีโอ ซึ่งช่วยแบ่งเบาภาระการประมวลผลของ GPU

ในอนาคตเมื่อ AI รุกคืบเข้าสู่ระบบ Edge และอุปกรณ์ปลายทาง ชิปเพียงตัวเดียวจะไม่สามารถตอบสนองความต้องการในทุกสถานการณ์ได้ ดังนั้น โซลูชันแบบ Full-stack Heterogeneous ที่ประสานการทำงานระหว่าง GPU และ CPU จะกลายเป็นมาตรฐานใหม่

ด้วยการเล็งเห็นถึงแนวโน้มนี้ NVIDIA จึงได้เปิดตัวผลิตภัณฑ์ CPU สำหรับ Data Center ที่พัฒนาขึ้นเองตั้งแต่ปี 2023 รายงานระบุว่า เจนเซน ฮวง ซีอีโอของ NVIDIA กล่าวในระหว่างการแถลงผลประกอบการว่า เมื่อบริษัท AI ต่าง ๆ เปลี่ยนผ่านจากการฝึกฝนโมเดลไปสู่ขั้นตอนการใช้งานจริง (deployment) NVIDIA จะกลับมาให้ความสำคัญกับ CPU อีกครั้ง โดยเขาชี้ว่า CPU ที่เป็นกรรมสิทธิ์ของบริษัทมีความสามารถในการแข่งขันสูง และมีศักยภาพที่จะทำให้ NVIDIA กลายเป็นผู้ผลิต CPU รายใหญ่ของโลกในอนาคต

ปัจจุบัน NVIDIA ได้นำเสนอโปรเซสเซอร์ที่ใช้สถาปัตยกรรม ARM หลายรุ่นในตลาด AI และผลิตภัณฑ์รุ่น N1X สำหรับตลาดผู้บริโภคทั่วไปก็กำลังเตรียมที่จะเปิดตัวในเร็ว ๆ นี้

ระบบนิเวศแบบ Full-Stack คือรากฐานความเชื่อมั่นใน CPU ของ NVIDIA

ความเชื่อมั่นเบื้องหลัง CPU ของ NVIDIA มาจากขีดความสามารถของระบบนิเวศแบบ Full-stack ที่วางรากฐานมาอย่างยาวนาน ในยุคของการอนุมาน AI ข้อดีของการประมวลผลตรรกะแบบ Branch ของ CPU จะยิ่งเด่นชัดขึ้น แม้ว่าโซลูชันแบบไฮบริด 'GPU NVIDIA + CPU AMD' จะเคยมีให้เห็นในตลาด แต่ NVIDIA ได้สร้างการประสานงานอย่างล้ำลึกระหว่าง CPU และ GPU ผ่านเทคโนโลยีเชื่อมต่อความเร็วสูง NVLink ของบริษัทเอง ซึ่งมอบประสิทธิภาพในระดับระบบที่เหนือกว่าข้อได้เปรียบของ CPU แบบแยกเดี่ยวอย่างมาก

ที่สำคัญยิ่งกว่านั้น NVIDIA เป็นเจ้าของระบบนิเวศ CUDA ซึ่งเป็นรากฐานที่เฟรมเวิร์กการพัฒนาและโมเดล AI ส่วนใหญ่ของโลกถูกสร้างขึ้น 'ผลกระทบจากการล็อคระบบนิเวศ (lock-in effect)' นี้ ทำให้เป็นเรื่องยากสำหรับลูกค้าที่จะย้ายไปใช้แพลตฟอร์มอื่น ปัจจุบันรายได้จากส่วนงานเครือข่ายของ NVIDIA คิดเป็นประมาณ 15% ของรายได้รวมจาก Data Center โดยมีอัตราการเติบโต 162% เมื่อเทียบรายปี ซึ่งยิ่งช่วยเสริมความแข็งแกร่งในการแข่งขันให้กับระบบคอมพิวเตอร์แบบ Full-stack ของบริษัท

Meta ( META) และสัญญาหลายปีกับ NVIDIA เมื่อสัปดาห์ที่แล้วถือเป็นก้าวสำคัญสำหรับการผลักดัน CPU ของ NVIDIA เข้าสู่เชิงพาณิชย์ โดย Meta จะไม่เพียงแต่ซื้อ GPU รุ่น Blackwell และ Rubin จำนวนหลายล้านตัวเท่านั้น แต่ยังจะเลือกใช้ Grace CPU ของ NVIDIA ในฐานะชิปเซิร์ฟเวอร์แบบสแตนด์อโลนอีกด้วย นี่ถือเป็นการใช้งาน CPU รุ่นนี้ในสเกลใหญ่เป็นครั้งแรก และเป็นการพิสูจน์ความเชี่ยวชาญด้านเทคนิคของ NVIDIA ในอาณาจักร CPU

ลัทธิระยะยาวของ NVIDIA

หลายคนมองว่าความสำเร็จของ NVIDIA มาจากการ 'โต้คลื่น AI' แต่ในความเป็นจริงแล้ว การวางตำแหน่งของบริษัทได้เริ่มต้นขึ้นเมื่อกว่า 20 ปีที่แล้ว

ในทศวรรษ 1990 NVIDIA ได้สร้างความเป็นเจ้าตลาดในฮาร์ดแวร์เกมพีซีด้วยซีรีส์ GeForce และสั่งสมเทคโนโลยีหลักในการวิจัยและพัฒนา GPU การเปิดตัวสถาปัตยกรรมการประมวลผลแบบขนาน CUDA ในปี 2006 ได้เปลี่ยน GPU จากเครื่องมือเรนเดอร์เกมให้กลายเป็นชิปประมวลผลเอนกประสงค์ ซึ่งเป็นการวางรากฐานสำหรับการเติบโตอย่างก้าวกระโดดของยุค AI

ในปัจจุบัน การขยายฐานเข้าสู่ภาคส่วน CPU ของ NVIDIA ยังคงเป็นความต่อเนื่องของกลยุทธ์ระยะยาวนี้ ด้วยการใช้ประโยชน์จากความได้เปรียบทางเทคนิคและระบบนิเวศที่สั่งสมมาในธุรกิจ GPU ทาง NVIDIA กำลังสร้างระบบประมวลผลแบบ Full-stack ที่ GPU และ CPU ทำงานประสานกัน ซึ่งสิ่งนี้อาจกลายเป็นปราการสำคัญที่ช่วยรักษาความเป็นผู้นำของบริษัทไปได้ในทศวรรษหน้า