กระแสความคลั่งไคล้ Agentic AI ขับเคลื่อนความต้องการ CPU ให้เพิ่มขึ้นอย่างมีนัยสำคัญ, แต่ Morgan Stanley ดับกระแส: อย่าตามกระแสเพื่อซื้อ Intel, AMD.

ต่างจากโมเดลภาษาขนาดใหญ่แบบดั้งเดิมที่ทำได้เพียงสร้างการตอบสนองเป็นข้อความตามการป้อนข้อมูลของผู้ใช้ คุณลักษณะสำคัญของ Agentic AI คือความสามารถในการดำเนินภารกิจที่ซับซ้อนหลายขั้นตอนให้สำเร็จได้ด้วยตนเองอย่างเป็นอิสระ

มีรายงานว่า Agentic AI คือระบบปัญญาประดิษฐ์ที่มีความสามารถในการตัดสินใจ การวางแผนงาน และการดำเนินภารกิจที่ซับซ้อนได้โดยอัตโนมัติ ซึ่งช่วยให้สามารถบรรลุเป้าหมายที่ตั้งไว้ล่วงหน้าได้โดยไม่ต้องอาศัยการแทรกแซงจากมนุษย์อย่างต่อเนื่อง

กระบวนการทำงานของระบบนี้เกี่ยวข้องกับการย่อยภารกิจขนาดใหญ่ออกเป็นงานย่อยๆ แล้วจึงเรียกใช้เครื่องมือต่างๆ เพื่อดำเนินการ โดยกระบวนการทั้งหมดจะเป็นไปตามลำดับจากบนลงล่าง และไม่สามารถประมวลผลงานหลายพันรายการพร้อมกันได้เหมือนกับโครงสร้างเมทริกซ์ของ GPU

สิ่งนี้บ่งชี้ว่าประสิทธิภาพในการดำเนินงานของ Agentic AI ขึ้นอยู่กับความสามารถในการจัดลำดับงานแบบหลายเธรดของ CPU เกือบทั้งหมด มากกว่าความสามารถในการประมวลผลแบบขนานซึ่งเป็นจุดแข็งของ GPU

NVIDIA ( NVDA) โดยเจนเซ่น หวง ประธานเจ้าหน้าที่บริหาร ได้ให้ความเห็นไว้อย่างแม่นยำในงาน GTC 2026 เมื่อเดือนมีนาคมที่ผ่านมาว่า "CPU ไม่ได้ทำหน้าที่เพียงแค่สนับสนุนโมเดลอีกต่อไป แต่เป็นตัวขับเคลื่อนโมเดล"

เมื่อเข้าสู่ยุคของ Agentic AI บทบาทของ CPU ได้เปลี่ยนจากบทบาทเสริมในห่วงโซ่อุปทานของกำลังการประมวลผล ไปสู่การเป็นศูนย์กลางการควบคุมหลักของระบบเอเจนท์

ในยุคของเอเจนท์ ความสามารถในการประมวลผลพร้อมกัน แบนด์วิดท์หน่วยความจำ และประสิทธิภาพในการจัดลำดับงานของ CPU เป็นปัจจัยกำหนดความเร็วในการตอบสนองและความสามารถในการประมวลผลของระบบโดยตรง หากการทำงานพร้อมกันของเอเจนท์เกินขีดจำกัดความสามารถของ CPU จะส่งผลให้เกิดปัญหาต่างๆ เช่น การรอคิวคำขอ และความล้มเหลวในการเรียกใช้เครื่องมือ ซึ่งส่งผลกระทบโดยตรงต่อประสบการณ์ของผู้ใช้งานและความเสถียรของระบบ

ผลการวิจัยล่าสุดซึ่งเผยแพร่ร่วมกันโดย Georgia Institute of Technology และ Intel (INTC) ได้แสดงให้เห็นในเชิงปริมาณอย่างชัดเจนถึงบทบาทสำคัญของ CPU ในการดำเนินงานของเอเจนท์

ข้อมูลระบุว่าในบรรดางานหลัก 3 ประเภทของเอเจนท์ ได้แก่ RAG, เอเจนท์ค้นหาข้อมูลผ่านเว็บ และการวิจัยทางวิทยาศาสตร์ที่เข้มข้น เวลาการประมวลผลของ CPU คิดเป็นสัดส่วนมากกว่า 80% ของเวลาประมวลผลทั้งหมด นอกจากนี้ ตัวชี้วัดด้านการใช้พลังงานยังช่วยยืนยันข้อสรุปนี้ โดยในสถานการณ์การประมวลผลแบบกลุ่มขนาดกลางถึงขนาดใหญ่ สัดส่วนการใช้พลังงานของ CPU สำหรับงานทั้ง 3 ประเภทนี้พุ่งสูงถึงประมาณ 60%

กล่าวคือ ในระหว่างการทำงานของเอเจนท์ พลังงานมากกว่าครึ่งถูกใช้ไปโดย CPU ขณะที่ GPU ซึ่งเป็นที่ต้องการของตลาดกลับอยู่ในสภาวะว่างงานเป็นส่วนใหญ่เพื่อรอให้ CPU จัดลำดับงานให้เสร็จสิ้น

ความแตกต่างเชิงโครงสร้างนี้ส่งผลให้ CPU กลายเป็นคอขวดหลักด้านประสิทธิภาพในยุค Agentic AI และเป็นแรงขับเคลื่อนโดยตรงที่ทำให้ความต้องการ CPU ทั่วโลกเติบโตอย่างก้าวกระโดด

Arm ( ARM) โดย Rene Haas ประธานเจ้าหน้าที่บริหาร ได้เปิดเผยข้อมูลที่แสดงให้เห็นถึงขนาดของการเติบโตนี้อย่างชัดเจนว่า เวิร์กโหลด AI แบบดั้งเดิมต้องใช้คอร์ CPU ประมาณ 30 ล้านคอร์ต่อความจุศูนย์ข้อมูล 1 กิกะวัตต์ แต่ในยุค Agentic AI ความต้องการดังกล่าวจะพุ่งสูงขึ้นถึง 4 เท่า

การเติบโตของความต้องการ CPU ที่ได้รับแรงขับเคลื่อนจาก Agentic AI มีสาเหตุหลักมาจากสองปัจจัย ได้แก่ การเพิ่มขึ้นอย่างมากของจำนวน CPU ภายในเซิร์ฟเวอร์ AI แต่ละเครื่อง และการนำสถาปัตยกรรมใหม่ที่เน้นการปรับใช้คลัสเตอร์ GPU และ CPU แบบแยกส่วน (disaggregated deployment) มาใช้อย่างรวดเร็ว

ในเซิร์ฟเวอร์ AI แบบดั้งเดิม อัตราส่วนระหว่าง GPU ต่อ CPU จะอยู่ที่ประมาณ 8:1 ถึง 8:2 แต่ด้วยการเปิดตัวสถาปัตยกรรมเร่งความเร็ว AI รุ่นถัดไปอย่าง GB200 และ Vera-Rubin อัตราส่วนนี้ได้ปรับปรุงขึ้นเป็น 2:1 ขณะที่ในระหว่างการแถลงผลประกอบการประจำไตรมาสที่ 1 ปี 2026 นั้น Intel ได้ระบุอย่างชัดเจนว่า อัตราส่วน CPU ต่อ GPU ในอนาคตจะเพิ่มขึ้นจาก 8:1 ในปัจจุบันเป็น 1:1 และอาจมีแนวโน้มเอนเอียงไปทาง CPU มากยิ่งขึ้นอีก

ในอีกด้านหนึ่ง เพื่อตอบสนองต่อการเติบโตอย่างก้าวกระโดดของความต้องการด้านการประมวลผล AI การเพิ่มการใช้ทรัพยากรให้เกิดประโยชน์สูงสุด การเพิ่มประสิทธิภาพการคำนวณ และการปรับปรุงความยืดหยุ่นของระบบ อุตสาหกรรมกำลังค่อยๆ มุ่งไปสู่แนวโน้มทางเทคนิคของการปรับใช้คลัสเตอร์ GPU และ CPU แบบแยกส่วน

ในจำนวนนี้ Microsoft ( MSFT ) ซึ่งดาต้าเซ็นเตอร์ Fairwater รุ่นถัดไปได้ริเริ่มนำสถาปัตยกรรมคลัสเตอร์ GPU และ CPU แบบแยกส่วนนี้มาใช้ โดยภายใต้โครงสร้างนี้ GPU สามารถมุ่งเน้นไปที่การประมวลผลโมเดล (inference) ที่มีภาระงานสูง ขณะที่ CPU จะจัดการการจัดลำดับงานที่ซับซ้อนและการประมวลผลเชิงตรรกะ ซึ่งช่วยยกระดับประสิทธิภาพของระบบโดยรวมได้อย่างมีนัยสำคัญ แนวโน้มนี้กำลังถูกนำไปใช้ตามโดยผู้ให้บริการคลาวด์จำนวนมากขึ้นเรื่อยๆ และจะยังคงผลักดันการใช้งานเซิร์ฟเวอร์ CPU แบบแยกเดี่ยว (standalone) ในวงกว้างต่อไปในอีกไม่กี่ปีข้างหน้า

จากการประมาณการล่าสุดของ Morgan Stanley พบว่า AI agent จะสร้างการเติบโตส่วนเพิ่มให้กับตลาด CPU มูลค่า 3.25 หมื่นล้านดอลลาร์ ถึง 6 หมื่นล้านดอลลาร์ภายในปี 2030 ซึ่งจะช่วยขยายขนาดตลาดรวมของ CPU ระดับเซิร์ฟเวอร์ให้เป็นระหว่าง 8.25 หมื่นล้านดอลลาร์ ถึง 1.1 แสนล้านดอลลาร์

ความต้องการ CPU ที่พุ่งสูงขึ้นซึ่งได้รับแรงหนุนจาก Agentic AI นั้นสูงเกินกว่าที่ตลาดคาดการณ์ไว้ ประกอบกับปัจจัยต่าง ๆ เช่น ขีดความสามารถในการผลิตของโรงหล่อเวเฟอร์ต้นน้ำที่มีจำกัดและราคาวัตถุดิบที่ปรับตัวสูงขึ้น ส่งผลให้การปรับขึ้นราคาและการขาดแคลนในตลาด CPU ทั่วโลกยังคงทวีความรุนแรงขึ้นในปีนี้ โดยคาดว่าความไม่สมดุลระหว่างอุปสงค์และอุปทานดังกล่าวจะดำเนินต่อไปในช่วง 1-2 ปีข้างหน้า

ในปัจจุบัน สถาปัตยกรรม x86 ยังคงเป็นกระแสหลักสำหรับ CPU ในเซิร์ฟเวอร์ดาต้าเซ็นเตอร์ ส่งผลให้ AMD และ Intel เป็นผู้ได้รับผลประโยชน์หลักจากวัฏจักรขาขึ้นครั้งใหญ่ของ CPU นี้ ขณะที่บทวิเคราะห์จาก UBS ระบุว่า การเปลี่ยนผ่านจากการฝึกอบรม AI แบบดั้งเดิมในปี 2568 ไปสู่สถานการณ์การประมวลผลผลลัพธ์ของ Agentic AI ในปี 2569/2570 จะส่งผลให้ความต้องการปริมาณงานของ CPU เพิ่มขึ้นเป็น 3 ถึง 8 เท่าจากระดับเดิม

อย่างไรก็ตาม Morgan Stanley มีมุมมองที่แตกต่างจากความเห็นพ้องของตลาดซึ่งส่วนใหญ่มีมุมมองเชิงบวกต่อผู้ผลิต CPU โดยบริษัทไม่แนะนำให้นักลงทุนเข้าซื้อหุ้นโดยตรงในสองยักษ์ใหญ่ด้าน CPU อย่าง Intel และ AMD เนื่องจากแม้ว่าส่วนแบ่งการตลาดในภาคส่วน cloud CPU ของ AMD จะแซงหน้า Intel ไปอยู่ที่ 53% ซึ่งทำให้ได้รับประโยชน์โดยตรงจากกระแส CPU ในปัจจุบัน แต่ผลตอบแทนของราคาหุ้นกลับมีความผูกพันอย่างลึกซึ้งกับความคาดหวังในธุรกิจ GPU ขณะที่ราคาหุ้นของ Intel ถูกขับเคลื่อนโดยประเด็นการปรับเปลี่ยนธุรกิจโรงหล่อเป็นหลัก ดังนั้นทั้งสองบริษัทจึงไม่ใช่การลงทุนในกลุ่ม CPU แบบบริสุทธิ์

Morgan Stanley เชื่อว่าหุ้นในตลาดปัจจุบันที่มีการเปิดรับต่อกระแส AI อย่างแท้จริงนั้นกระจุกตัวอยู่ในกลุ่มบริษัทหน่วยความจำและ GPU ชั้นนำ ซึ่งรวมถึง NVIDIA, Broadcom ( AVGO ), Micron ( MU ), SanDisk ( SNDK ).

Morgan Stanley ระบุว่าตรรกะหลักในการแนะนำหุ้นเหล่านี้คือระดับมูลค่าที่น่าดึงดูด โดยอัตราส่วน P/E ล่วงหน้าของผู้ผลิต CPU อย่าง Intel และ AMD ในปัจจุบันอยู่ระหว่าง 23 ถึง 64 เท่า ขณะที่ P/E คาดการณ์ของ NVIDIA สำหรับปีงบประมาณ 2570 อยู่ที่เพียง 18 เท่า และ P/E คาดการณ์สำหรับหุ้นกลุ่มหน่วยความจำนั้นต่ำเพียง 5 ถึง 9 เท่า ซึ่งถือว่ามีความน่าดึงดูดด้านมูลค่ามากกว่าอย่างมีนัยสำคัญ

เนื้อหานี้ได้รับการแปลโดยปัญญาประดิษฐ์ (AI) และผ่านตรวจสอบโดยมนุษย์ มีไว้เพื่อการอ้างอิงและข้อมูลทั่วไปเท่านั้น ไม่ใช่การแนะนำการลงทุนแต่อย่างใด