เซิร์ฟเวอร์ AI จำเป็นต้องใช้ HBM หรือ NAND หรือไม่? ธุรกิจของไมครอน, แซนดิสก์ และเอสเคไฮนิกซ์มีความแตกต่างกันอย่างไร?

โดยทั่วไป AI เซิร์ฟเวอร์ที่สมบูรณ์จะใช้หน่วยความจำ NAND, DDR และ HBM พร้อมกัน ข้อมูลจะถูกจัดเก็บไว้ใน SSD ระดับองค์กรซึ่งอิงตามแฟลชเมโมรีแบบ NAND เป็นอันดับแรก จากนั้นจึงถูกโหลดเข้าสู่หน่วยความจำระบบเมื่อเริ่มงานประมวลผล และสุดท้ายจะถูกถ่ายโอนไปยัง HBM ที่ตั้งอยู่ใกล้กับ GPU หรือตัวเร่งความเร็ว AI เพื่อดำเนินงานให้เสร็จสิ้น

กระบวนการนี้สามารถเข้าใจได้ง่าย ๆ ว่า NAND คือคลังสินค้าขนาดใหญ่ DDR ทำหน้าที่เป็นศูนย์กลางการขนส่ง และ HBM ทำหน้าที่เป็นโต๊ะทำงานความเร็วสูงที่อยู่ติดกับ GPU โดยตรง หากไม่มี HBM ตัว GPU อาจไม่สามารถปลดปล่อยพลังการประมวลผลได้อย่างเต็มที่ในขณะที่รอข้อมูล และหากไม่มี NAND เซิร์ฟเวอร์จะยากที่จะจัดเก็บข้อมูลการฝึกอบรม พารามิเตอร์ของโมเดล ฐานข้อมูลเวกเตอร์ และแคชสำหรับการประมวลผลแบบทวนสอบที่ขยายตัวขึ้นเรื่อย ๆ

ในช่วงขั้นตอนการฝึกอบรม GPU จะต้องเข้าถึงพารามิเตอร์ของโมเดลและผลลัพธ์การประมวลผลระดับกลางอยู่บ่อยครั้ง ทำให้มีความไวต่อแบนด์วิธ ความจุ และการใช้พลังงานของ HBM เป็นอย่างมาก การอัปเกรดเป็นผลิตภัณฑ์อย่าง HBM3E และ HBM4 ช่วยให้ตัวเร่งความเร็ว AI เครื่องเดียวสามารถจัดการกับโมเดลขนาดใหญ่ขึ้นได้ พร้อมทั้งลดเวลาในการรอคอยที่เกิดจากการเคลื่อนย้ายข้อมูล

ในขั้นตอนการประมวลผลแบบทวนสอบ ความสำคัญของ NAND จะยิ่งเพิ่มมากขึ้น การเรียกใช้โมเดลพร้อมกันจากผู้ใช้จำนวนมหาศาลจะสร้าง KV cache ข้อมูลเวกเตอร์ และล็อกการโต้ตอบจำนวนมาก หากข้อมูลทั้งหมดนี้ถูกจัดเก็บไว้ใน HBM ที่มีราคาแพง ต้นทุนก็จะไม่สามารถควบคุมได้ ไมครอน เทคโนโลยี (Micron Technology) ได้ขยายพอร์ตโฟลิโอผลิตภัณฑ์ครอบคลุม HBM, DDR, LPDDR, NAND และ SSD สำหรับศูนย์ข้อมูล โดยเสนออย่างชัดเจนให้ HBM รับหน้าที่จัดการการประมวลผลโมเดลความถี่สูงและ hot KV cache ในขณะที่ SSD ระดับองค์กรจะรับหน้าที่จัดการ persistent cache และคลังข้อมูล

เอสเคไฮนิกซ์ (SK Hynix) ก็กำลังส่งเสริมสถาปัตยกรรมจัดเก็บข้อมูลแบบแบ่งชั้นเช่นกัน โดยใช้โซลูชันอย่าง SALT-KV เพื่อจัดสรร KV cache ไปยัง HBM, DRAM และ SSD ตามความถี่ในการเข้าถึงข้อมูล นอกจากนี้ บิรษัทยังกำลังพัฒนา High-Bandwidth Flash (HBF) เพื่อสร้างชั้นการจัดเก็บข้อมูลใหม่ระหว่าง HBM และ SSD แบบดั้งเดิม ซึ่งช่วยสร้างสมดุลระหว่างความจุ ความเร็ว และต้นทุน

ดังนั้น HBM และ NAND จึงไม่ใช่ผลิตภัณฑ์ที่ทดแทนกันโดยสิ้นเชิง แม้ว่าการฝึกอบรม AI จะพึ่งพา HBM เป็นหลัก แต่การประมวลผลแบบทวนสอบ เอเจนต์ AI และแอปพลิเคชันบริบทขนาดยาวจะขับเคลื่อนอุปสงค์สำหรับ HBM หน่วยความจำระบบ และ NAND ไปพร้อมกัน

ไมครอน: HBM และ DRAM สำหรับเซิร์ฟเวอร์เป็นปัจจัยขับเคลื่อนหลักของการเติบโตในฝั่ง AI

ไมครอนเป็นหนึ่งในบริษัทชิปหน่วยความจำที่เป็นตัวแทนอย่างชัดเจนที่สุดในตลาดสหรัฐฯ โดยธุรกิจ AI ของบริษัทมุ่งเน้นไปที่ HBM, DRAM สำหรับเซิร์ฟเวอร์ และ SSD สำหรับองค์กรเป็นหลัก

ในสถาปัตยกรรมเซิร์ฟเวอร์ AI ไมครอนมีส่วนร่วมทั้งในส่วนหน่วยความจำความเร็วสูงและระบบจัดเก็บข้อมูลสำหรับเซิร์ฟเวอร์ ส่งผลให้การเติบโตของรายจ่ายลงทุนด้าน AI กลายเป็นปัจจัยหนุนโดยตรงต่อบริษัท

ในช่วงไม่กี่ปีที่ผ่านมา ไมครอนได้เพิ่มสัดส่วนผลิตภัณฑ์ดาต้าเซ็นเตอร์ที่มีมูลค่าสูงในพอร์ตโฟลิโออย่างต่อเนื่อง บริษัทเคยเปิดเผยว่าธุรกิจดาต้าเซ็นเตอร์ได้กลายเป็นปัจจัยขับเคลื่อนสำคัญของการเติบโตของผลประกอบการโดยรวม โดย HBM เป็นหนึ่งในผลิตภัณฑ์ที่ได้รับความสนใจจากตลาดมากที่สุด และเนื่องจากประสิทธิภาพของตัวเร่งความเร็ว AI มีการพัฒนาอย่างต่อเนื่อง ความจุ HBM ต่อ GPU ก็ปรับตัวสูงขึ้นเช่นกัน ซึ่งจะยิ่งเพิ่มมูลค่าของหน่วยความจำต่อเซิร์ฟเวอร์ AI หนึ่งเครื่อง

ขณะเดียวกัน DRAM สำหรับเซิร์ฟเวอร์ก็มีความสำคัญไม่แพ้กัน เซิร์ฟเวอร์แบบดั้งเดิมมักใช้โมดูลหน่วยความจำ เช่น RDIMM และเมื่อโครงสร้างพื้นฐาน AI ขยายตัวอย่างต่อเนื่อง จำนวนเซิร์ฟเวอร์ CPU อเนกประสงค์ก็เพิ่มขึ้นด้วยเช่นกัน ซึ่งจะช่วยผลักดันอุปสงค์ DRAM สำหรับเซิร์ฟเวอร์ให้สูงขึ้นต่อไป

TrendForce ระบุในรายงานวิจัย DRAM ก่อนหน้านี้ว่า เนื่องจากการที่ผู้ผลิตยังคงสับเปลี่ยนกำลังการผลิตบางส่วนไปยัง HBM และการใช้งานสำหรับเซิร์ฟเวอร์อย่างต่อเนื่อง ทำให้อุปทาน DRAM สำหรับพีซีและสมาร์ทโฟนถูกเบียดบัง ส่งผลให้ภาพรวมของตลาด DRAM ตกอยู่ในภาวะตึงตัว

นี่คือหนึ่งในความแตกต่างที่ยิ่งใหญ่ที่สุดระหว่างไมครอนและแซนดิสก์

แซนดิสก์ได้รับประโยชน์จากราคา NAND และ SSD เป็นหลัก ขณะที่ไมครอนสามารถรับประโยชน์จากราคาทั้ง HBM และ DRAM ที่ปรับตัวสูงขึ้นพร้อมกันได้ ดังนั้น หากเซิร์ฟเวอร์ AI ยังคงผลักดันอุปสงค์สำหรับหน่วยความจำประสิทธิภาพสูงอย่างต่อเนื่อง ความยืดหยุ่นด้านรายได้และอัตรากำไรของไมครอนอาจมาจาก DRAM และ HBM มากกว่า

อย่างไรก็ตาม ในขณะเดียวกัน ไมครอนก็เผชิญความเสี่ยงจากการแข่งขันในตลาด HBM และวัฏจักรของ DRAM มากกว่าด้วยเช่นกัน ทั้งซัมซุงและเอสเคไฮนิกซ์ต่างรุกขยายกำลังการผลิต HBM อย่างจริงจัง ดังนั้น เมื่อมีอุปทานเข้าสู่ตลาดมากขึ้นในอนาคต การกำหนดราคาและอัตรากำไรของ HBM จะต้องได้รับการประเมินใหม่อีกครั้ง

เอสเคไฮนิกซ์: HBM คือประเด็นการลงทุนด้านหน่วยความจำ AI ที่โดดเด่นที่สุด

เอสเคไฮนิกซ์หยั่งรากลึกในตลาด DRAM มาอย่างยาวนานและเข้าสู่ตลาด HBM ตั้งแต่เนิ่น ๆ และเมื่อผู้ผลิตชิป AI อย่างอินวิเดียยกระดับประสิทธิภาพการประมวลผลขึ้นอย่างต่อเนื่อง HBM จึงกลายเป็นหนึ่งในผลิตภัณฑ์หน่วยความจำมูลค่าสูงที่สำคัญที่สุดในการสนับสนุนตัวเร่งความเร็ว AI

ปัจจุบัน เอสเคไฮนิกซ์กำลังผลักดัน HBM4 และพัฒนาผลิตภัณฑ์รุ่นถัดไปอย่างต่อเนื่อง ผลประกอบการไตรมาส 2/2026 ของบริษัทแสดงให้เห็นว่า อุปสงค์สำหรับ DRAM ประสิทธิภาพสูงและ HBM ยังคงขับเคลื่อนการเติบโตของรายได้ และบริษัทยังระบุด้วยว่า HBM4 บรรลุมาตรฐานของลูกค้าทั้งในด้านประสิทธิภาพและการใช้พลังงานแล้ว และได้เริ่มเพิ่มกำลังการผลิตเพื่อป้อนสู่ตลาดแล้ว

ซึ่งหมายความว่า ตราบใดที่ยอดจัดส่งตัวเร่งความเร็ว AI ยังคงปรับตัวสูงขึ้น หรือความจุ HBM ที่บรรจุในชิป AI แต่ละตัวเพิ่มขึ้นอย่างต่อเนื่อง เอสเคไฮนิกซ์ก็มีโอกาสที่จะรักษาการเติบโตไว้อย่างยั่งยืน

อย่างไรก็ตาม เอสเคไฮนิกซ์ไม่ได้จำกัดอยู่แค่ HBM เท่านั้น

บริษัทมีส่วนร่วมในตลาด NAND และ SSD สำหรับองค์กรผ่านทางบริษัทย่อยอย่างโซลิดิกม์ โดยในช่วงไม่กี่ปีที่ผ่านมา โซลิดิกม์มุ่งเน้นไปที่การพัฒนา SSD สำหรับองค์กรแบบ QLC ความจุสูง ซึ่งตอบโจทย์ความต้องการของดาต้าเซ็นเตอร์ AI ที่ต้องการระบบจัดเก็บข้อมูลความจุสูงและคุ้มค่าคุ้มราคาได้อย่างสมบูรณ์แบบ

ดังนั้น เอสเคไฮนิกซ์จึงครอบคลุมความต้องการหลักสองประการด้านหน่วยความจำและระบบจัดเก็บข้อมูลของเซิร์ฟเวอร์ AI พร้อม ๆ กัน โดยบริษัทแม่เอสเคไฮนิกซ์ได้รับประโยชน์หลักจาก HBM และ DRAM สำหรับเซิร์ฟเวอร์ ขณะที่โซลิดิกม์มีส่วนร่วมในตลาด SSD สำหรับองค์กร

แซนดิสก์: โอกาสหลักในฝั่ง AI มาจาก NAND และ SSD สำหรับองค์กร

ความแตกต่างที่ใหญ่ที่สุดระหว่างแซนดิสก์กับไมครอนหรือเอสเคไฮนิกซ์ คือการที่แซนดิสก์ไม่ได้ผลิต HBM

แซนดิสก์มุ่งเน้นไปที่ NAND Flash และผลิตภัณฑ์จัดเก็บข้อมูลที่เกี่ยวข้องเป็นหลัก ดังนั้น โอกาสที่ขับเคลื่อนโดย AI ของบริษัทจึงมาจาก SSD สำหรับองค์กรและความต้องการจัดเก็บข้อมูลความจุสูงเป็นหลัก มากกว่าที่จะเป็น HBM ที่ใช้โดยตัวเร่งความเร็ว AI

นี่ไม่ได้หมายความว่าแซนดิสก์มีบทบาทน้อยลงในเซิร์ฟเวอร์ AI

ในทางตรงกันข้าม เมื่อโมเดล AI ขยับจากการเรียนรู้ไปสู่การใช้งานจริงอย่างแพร่หลาย ปริมาณข้อมูลที่ดาต้าเซ็นเตอร์จำเป็นต้องจัดเก็บก็มีแนวโน้มที่จะเติบโตอย่างต่อเนื่อง โดยเฉพาะอย่างยิ่ง การประมวลผลเพื่อการอนุมานของ AI, เอเจนต์ AI และการจัดเก็บข้อมูลระยะยาว จะสร้างข้อมูลจำนวนมหาศาลที่ต้องใช้การอ่านข้อมูลความเร็วสูงและการเก็บรักษาในระยะยาว

ดังนั้น เซิร์ฟเวอร์ AI จึงไม่เพียงต้องการ GPU และ HBM เท่านั้น แต่ยังต้องการ SSD สำหรับองค์กรความจุสูงจำนวนเพิ่มมากขึ้นอีกด้วย

TrendForce คาดการณ์ว่าอุปสงค์สำหรับ SSD สำหรับองค์กรในปี 2026 จะยังคงได้รับแรงขับเคลื่อนจาก Generative AI, บริการเอเจนต์ AI และการก่อสร้างดาต้าเซ็นเตอร์ระดับไฮเปอร์สเกล นอกจากนี้ ผู้ให้บริการคลาวด์รายใหญ่ในสหรัฐฯ ได้ปรับเพิ่มประมาณการการจัดซื้อ SSD สำหรับองค์กรเมื่อเร็ว ๆ นี้ ดังนั้น คาดว่าคำสั่งซื้อ SSD สำหรับองค์กรในไตรมาส 4/2026 จะยังคงรักษาการเติบโตไว้ได้

สิ่งนี้ถือเป็นโอกาสที่ยิ่งใหญ่ที่สุดในอุตสาหกรรมของแซนดิสก์ในปัจจุบัน

อย่างไรก็ตาม เมื่อเปรียบเทียบกับไมครอนและเอสเคไฮนิกซ์ แซนดิสก์เผชิญความเสี่ยงจากวัฏจักรของ NAND ที่ชัดเจนกว่า โดย TrendForce คาดการณ์ว่าอุปทาน NAND ที่ตึงตัวอาจเริ่มคลี่คลายลงในช่วงครึ่งหลังของปี 2027 เนื่องจากกำลังการผลิตใหม่ที่ทยอยเปิดตัวและอุปสงค์สินค้าอิเล็กทรอนิกส์สำหรับผู้บริโภคที่ซบเซา อาจช่วยปรับปรุงสมดุลระหว่างอุปสงค์และอุปทานให้ดีขึ้นตามลำดับ

ดังนั้น ราคาหุ้นและกำไรของ SNDK จึงไม่ได้ขึ้นอยู่กับอุปสงค์จากดาต้าเซ็นเตอร์ AI เท่านั้น แต่ยังขึ้นอยู่กับวัฏจักรราคาของ NAND อีกด้วย

ความแตกต่างที่ใหญ่ที่สุดระหว่างทั้งสามบริษัทอยู่ที่ขอบเขตผลิตภัณฑ์และระดับการพึ่งพาตลาด HBM และ NAND โดยไมครอนและเอสเคไฮนิกซ์ดำเนินธุรกิจ DRAM, HBM และ NAND ไปพร้อมกัน ในขณะที่แซนดิสก์มุ่งเน้นไปที่แฟลช NAND และ SSD เป็นหลัก

หากเซิร์ฟเวอร์ AI ยังคงขยายตัวตามกลุ่ม GPU และการฝึกฝนโมเดลขนาดใหญ่ HBM ยังคงเป็นหนึ่งในกลุ่มธุรกิจที่มีการเติบโตด้านมูลค่าชัดเจนที่สุด ซึ่งภายใต้สถานการณ์นี้ เอสเคไฮนิกซ์มีสัดส่วนธุรกิจที่เกี่ยวข้องโดยตรงกับ HBM มากกว่า ขณะที่ไมครอนได้รับประโยชน์พร้อมกันจากความต้องการ HBM, DRAM สำหรับเซิร์ฟเวอร์ และ SSD สำหรับศูนย์ข้อมูล

หากศูนย์กลางการเติบโตของอุตสาหกรรม AI ค่อย ๆ เปลี่ยนจากการฝึกฝนโมเดลไปสู่การประมวลผลผลลัพธ์ ความสำคัญของ NAND จะเพิ่มขึ้นอย่างมาก แอปพลิเคชันเอเจนต์ AI, ฐานความรู้ขององค์กร, การสร้างวิดีโอ และโมเดลที่รองรับบริบทขนาดยาว ต่างจะสร้างข้อมูลจำนวนมากขึ้นที่ต้องใช้การจัดเก็บระยะยาว องค์กรต่าง ๆ ไม่สามารถใส่เนื้อหาทั้งหมดลงใน HBM ที่มีราคาสูงได้ จึงจำเป็นต้องพึ่งพา SSD ความจุสูงเพื่อสร้างสถาปัตยกรรมจัดเก็บข้อมูลแบบจัดชั้น ภายใต้แนวโน้มนี้ แซนดิสก์มีความไวสูงต่อการเปลี่ยนแปลงความต้องการ NAND และ SSD สำหรับองค์กร ขณะที่เอสเคไฮนิกซ์และไมครอนก็จะได้รับประโยชน์ส่วนเพิ่มผ่านธุรกิจ NAND ของแต่ละบริษัทเช่นกัน

เป็นที่น่าสังเกตว่าเทคโนโลยีใหม่ ๆ เช่น HBF อาจทำให้เส้นแบ่งระหว่างหน่วยความจำและพื้นที่จัดเก็บข้อมูลมีความพร่ามัวยิ่งขึ้น HBF มุ่งหมายที่จะใช้วิธีการเรียงซ้อนที่คล้ายกับ HBM เพื่อเพิ่มแบนด์วิดท์ของ NAND ลดช่องว่างด้านประสิทธิภาพเมื่อเทียบกับ SSD ดั้งเดิม พร้อมทั้งมอบความจุที่สูงกว่า HBM อย่างมาก อย่างไรก็ตาม ในระยะสั้น HBF มีแนวโน้มที่จะทำหน้าที่เป็นชั้นเสริมระหว่าง HBM และ SSD มากกว่าที่จะเข้ามาแทนที่ HBM

เนื้อหานี้ได้รับการแปลโดยปัญญาประดิษฐ์ (AI) และผ่านตรวจสอบโดยมนุษย์ มีไว้เพื่อการอ้างอิงและข้อมูลทั่วไปเท่านั้น ไม่ใช่การแนะนำการลงทุนแต่อย่างใด