Samsung และ SK Hynix ทรุดตัวลงอย่างหนัก หลัง Google ‘TurboQuant’ สร้างความปั่นป่วนในกลุ่มเซมิคอนดักเตอร์: หรือจะเป็นเพียง ‘สัญญาณหลอก’?
พอดแคสต์ AI
การเปิดตัวอัลกอริทึม TurboQuant ของ Google ช่วยลดการใช้หน่วยความจำและเพิ่มความเร็วประมวลผล AI อย่างมีนัยสำคัญ ส่งผลให้หุ้นกลุ่มเซมิคอนดักเตอร์ทั่วโลกปรับตัวลดลง แม้เทคโนโลยีนี้จะช่วยเพิ่มประสิทธิภาพ แต่ผลกระทบต่อความต้องการ DRAM และ NAND Flash ระยะสั้นมีจำกัด โดยเฉพาะ HBM ที่ยังคงจำเป็นต่อการฝึกฝน AI อัลกอริทึม TurboQuant อาจช่วยลดความร้อนแรงของตลาดเซมิคอนดักเตอร์และจำกัดการเติบโตของความต้องการพื้นที่จัดเก็บข้อมูลในอนาคต
TradingKey - เมื่อช่วงต้นสัปดาห์นี้ Google (GOOG) (GOOGL) ได้เปิดตัวอัลกอริทึมการบีบอัดข้อมูลขั้นสูงรุ่นใหม่ชื่อ TurboQuant โดยคาดว่าอัลกอริทึมนี้จะช่วยลดการใช้หน่วยความจำลงได้ประมาณ 6 เท่า และเพิ่มความเร็วในการประมวลผลได้สูงสุดถึง 8 เท่าบนการกำหนดค่า GPU เดิม ซึ่งส่งผลให้เกิดการปรับตัวลดลงเป็นวงกว้างในกลุ่มอุตสาหกรรมเซมิคอนดักเตอร์
ในช่วงการซื้อขายของตลาดหุ้นสหรัฐฯ เมื่อวันพุธ หุ้น Micron (MU) , SanDisk (SNDK) , Western Digital (WDC) และ Seagate Technology (STX) ต่างปรับตัวลดลง โดยแรงเทขายยังคงต่อเนื่องมาจนถึงช่วงก่อนเปิดตลาดในวันพฤหัสบดี
แรงกดดันขาลงจากตลาดสหรัฐฯ ยังส่งผลกระทบต่อเนื่องไปยังตลาดหุ้นเอเชีย โดยเมื่อวันพฤหัสบดี หุ้น Samsung Electronics ปิดตลาดร่วงลง 4.71% ขณะที่ SK Hynix ลดลง 6.23% ฉุดให้ดัชนี KOSPI ของเกาหลีใต้ลดลง 3.22% ทั้งนี้หุ้นของทั้งสองบริษัทปรับตัวลดลงติดต่อกันเป็นวันที่ 4 ในสัปดาห์นี้
อัลกอริทึมของ Google ช่วยเพิ่มประสิทธิภาพในการจัดการปัญหาคอขวดด้านพื้นที่จัดเก็บข้อมูลในระหว่างกระบวนการประมวลผล (Inference) ของโมเดลภาษาขนาดใหญ่ (LLMs) โดยช่วยลดการใช้หน่วยความจำและเพิ่มความเร็วในการประมวลผลโดยไม่สูญเสียความแม่นยำ อย่างไรก็ตาม เทคโนโลยีนี้จะเข้ามาดิสรัปชันความต้องการในอุตสาหกรรมเซมิคอนดักเตอร์จริงหรือไม่? และผลกระทบในระยะสั้นจะมีนัยสำคัญเพียงใด?
การตรวจสอบความสมเหตุสมผลสำหรับการซื้อขายหุ้นกลุ่มชิป AI
ข่าวการเปิดตัวอัลกอริทึม TurboQuant ของ Google ดึงดูดความสนใจจากตลาดอย่างรวดเร็ว ขณะที่ Cloudflare (NET) โดย Matthew Prince ประธานเจ้าหน้าที่บริหาร เรียกสิ่งนี้ว่าเป็น "DeepSeek moment" ของ Google ซึ่งถือเป็นความก้าวหน้าครั้งสำคัญในประวัติศาสตร์ด้านประสิทธิภาพของ AI
Wall Street ระบุว่าหากมีการนำไปใช้งานอย่างประสบความสำเร็จ ความต้องการพื้นที่จัดเก็บข้อมูลอาจลดลงอย่างมาก ซึ่งอาจส่งผลกระทบต่อความต้องการ DRAM และ NAND Flash ที่ก่อนหน้านี้ได้รับแรงหนุนจากการเติบโตของ AI โดยในเดือนมกราคม Samsung Electronics ได้ปรับราคาตามสัญญาของ NAND flash ขึ้นมากกว่า 100% หลังจากที่ราคา DRAM พุ่งสูงขึ้นเกือบ 70% ตอกย้ำถึงความร้อนแรงในตลาดเซมิคอนดักเตอร์
แม้ว่ากลุ่มเซมิคอนดักเตอร์ทั่วโลกจะเริ่มชะลอตัวลง แต่ Goldman Sachs (GS) โดย Peter Callahan ผู้เชี่ยวชาญด้านเทคโนโลยี เชื่อว่าตลาดไม่ได้อยู่ในสภาวะตื่นตระหนกขั้นรุนแรง แต่นักลงทุนกำลังกลับมาพิจารณาความเป็นจริงหลังจากการทะยานขึ้นอย่างผิดปกติของหุ้นกลุ่มหน่วยความจำในช่วงที่ผ่านมา
ในความเป็นจริง ตลาดมีการเคลื่อนไหวไปก่อนที่เหตุการณ์ "หงส์ดำ" อย่าง Google TurboQuant จะปรากฏขึ้น โดย Micron ยักษ์ใหญ่ด้านหน่วยความจำ หลังจากรายงานผลประกอบการที่แข็งแกร่ง ราคาหุ้นกลับปรับตัวตามหลังดัชนี Philadelphia Semiconductor Index เกือบ 20% ภายใน 5 วัน ซึ่งถือเป็นผลงานที่ต่ำกว่าตลาดในระยะสั้นมากที่สุดนับตั้งแต่ปี 2011
อุปสรรคทางเทคนิคของ TurboQuant เผชิญกับความแข็งแกร่งของ HBM
แม้ว่าอัลกอริทึม TurboQuant จะสามารถลดความต้องการหน่วยความจำได้ในทางทฤษฎี แต่เทคโนโลยีดังกล่าวยังคงอยู่ในขั้นตอนการวิจัยและยังไม่ได้รับการตรวจสอบในเชิงพาณิชย์
ในมุมมองทางเทคนิค เทคโนโลยีนี้สามารถใช้ได้กับการใช้ VRAM แบบไดนามิกระหว่างกระบวนการประมวลผล (Inference) เท่านั้น (โดยหลักคือ KV Cache) และไม่เกี่ยวข้องกับน้ำหนักของโมเดล (Model Weights) แต่อย่างใด กล่าวอีกนัยหนึ่งคือ ความสำเร็จที่ยิ่งใหญ่ที่สุดของเทคโนโลยีนี้คือการปรับปรุงประสิทธิภาพการดำเนินงาน แต่ไม่สามารถลดพื้นที่จัดเก็บข้อมูลที่โมเดลขนาดใหญ่ต้องการได้
นอกจากนี้ เมื่อพิจารณาว่าจำนวนพารามิเตอร์ในโมเดล AI กำลังเติบโตแบบทวีคูณ อัลกอริทึมดังกล่าวสามารถช่วยประหยัดพื้นที่จัดเก็บข้อมูลผ่านการบีบอัดได้สูงสุดเพียง 6 เท่าในปัจจุบัน ซึ่งอาจเป็นเพียงการแก้ปัญหาเพียงเล็กน้อยเมื่อเทียบกับขนาดความต้องการทั้งหมด
การเปิดตัวเทคโนโลยีนี้มีแนวโน้มสูงที่จะช่วยลดความร้อนแรงของตลาดเซมิคอนดักเตอร์ในปัจจุบัน และช่วยลดฟองสบู่การประเมินมูลค่าของหุ้นกลุ่มหน่วยความจำ ซึ่งพิสูจน์ให้เห็นว่าความต้องการหน่วยความจำอาจไม่ได้ไร้ขีดจำกัดเสมอไป ทั้งนี้ ด้วยการเปิดตัวเทคโนโลยีที่คล้ายคลึงกันและความก้าวหน้าของอัลกอริทึม การเติบโตของความต้องการพื้นที่จัดเก็บข้อมูลอาจเผชิญกับภาวะคอขวดได้
เป็นที่น่าสังเกตว่า เมื่อเทียบกับชิป DRAM มาตรฐาน เทคโนโลยีนี้จะมีผลกระทบต่อ HBM (High Bandwidth Memory) น้อยกว่า เนื่องจาก TurboQuant ส่วนใหญ่จะใช้เพื่อเพิ่มประสิทธิภาพการประมวลผลโมเดล AI (Inference) ซึ่งเป็นขั้นตอนที่มักต้องการเพียงชิป DRAM ทั่วไปเท่านั้น อย่างไรก็ตาม HBM ยังคงมีความจำเป็นในขั้นตอนการฝึกฝน AI (Training) ดังนั้น สำหรับยักษ์ใหญ่ด้าน HBM ทั้งสามราย ได้แก่ Micron, Samsung Electronics และ SK Hynix อัลกอริทึม TurboQuant จะแทบไม่มีผลกระทบอย่างมีนัยสำคัญในระยะสั้น
เนื้อหานี้ได้รับการแปลโดยปัญญาประดิษฐ์ (AI) และผ่านตรวจสอบโดยมนุษย์ มีไว้เพื่อการอ้างอิงและข้อมูลทั่วไปเท่านั้น ไม่ใช่การแนะนำการลงทุนแต่อย่างใด
