การเปิดเผยข้อมูล IPO ของ Anthropic เผยขนาดกำลังการประมวลผล 11 GW: Nvidia มีสัดส่วน 42% บริษัทชิปรายใดได้รับประโยชน์?
พอดแคสต์ AI
การยื่นแบบ S-1 ของแอนโทรปิกเผยโครงสร้างอุปทานกำลังการประมวลผลราว 11 GW โดยพึ่งพาสถาปัตยกรรมหลายชิป ได้แก่ อินวิเดีย กูเกิล แอมะซอน และเอเอ็มดี ซึ่งช่วยลดความเสี่ยงด้านอุปทานและเพิ่มอำนาจต่อรอง อย่างไรก็ตาม ภาระผูกพันทางการเงินระยะยาวมูลค่าสูงจากสัญญาเช่าโครงสร้างพื้นฐานยังคงเป็นความเสี่ยงสำคัญต่อกระแสเงินสดและผลการดำเนินงานในอนาคตที่นักลงทุนต้องพิจารณาอย่างใกล้ชิด
TradingKey - ขณะที่แอนโทรปิก (Anthropic) ผู้พัฒนาโคลด (Claude) ได้ยื่นแบบแสดงรายการข้อมูล S-1 เพื่อเสนอขายหุ้น IPO ต่อสำนักงานคณะกรรมการกำกับหลักทรัพย์และตลาดหลักทรัพย์ของสหรัฐฯ อย่างเป็นทางการ ห่วงโซ่อุปทานพลังการประมวลผลของบริษัท ซึ่งถูกซ่อนอยู่หลังสัญญาบริการคลาวด์มาอย่างยาวนาน ก็ได้รับการเปิดเผยอย่างเป็นระบบเป็นครั้งแรก โดยแอนโทรปิกไม่เพียงแต่เป็นบริษัทโมเดล AI รายใหญ่เท่านั้น แต่ยังกลายเป็นหนึ่งในผู้ซื้อชิป AI รายสำคัญที่สุดของโลกอีกด้วย
จากการประเมินอิงตามข้อตกลงสาธารณะและการเปิดเผยข้อมูลที่เกี่ยวข้อง แอนโทรปิกได้ล็อกกำลังการประมวลผลไว้ประมาณ 11 GW โดยในจำนวนนี้ ความจุตามสัญญาที่ใช้ GPU ของอินวิเดียคิดเป็นประมาณ 4.7 GW หรือราว 42% ด้าน TPU ของกูเกิลคิดเป็นประมาณ 4.5 GW ซึ่งมีขนาดใกล้เคียงกับอินวิเดีย ขณะที่ Amazon Trainium คิดเป็นประมาณ 1.2 GW และ GPU ของเอเอ็มดีคิดเป็นประมาณ 0.8 GW อย่างไรก็ตาม ตัวเลขข้างต้นทั้งหมดเป็นเพียงการประเมินจากบุคคลที่สาม และไม่ได้แสดงถึงกำลังการประมวลผลที่แอนโทรปิกรับมอบ เริ่มดำเนินการผลิต หรือกำลังเปิดใช้งานอยู่ในปัจจุบัน
เนื่องจากสัญญาบางฉบับใช้เกณฑ์วัดที่แตกต่างกัน เช่น "ความจุสูงสุด" การส่งมอบเป็นระยะ หรือความจุที่ยังไม่เปิดใช้งาน ผลรวมของตัวเลขแต่ละรายการจึงสูงกว่า 11 GW เล็กน้อย ดังนั้น จึงควรมองว่าเป็นโครงสร้างอุปทานโดยประมาณ มากกว่าจะเป็นความจุจริงที่เปิดใช้งานพร้อมกันในปัจจุบัน
แอนโทรปิกยืนยันในหนังสือชี้ชวนว่า โคลดสามารถทำงานแบบเนทีฟบนชิป 4 ประเภท ได้แก่ AWS Trainium, TPU ของกูเกิล, GPU ของอินวิเดีย และ GPU ของเอเอ็มดี โดยจัดสรรภาระงานที่แตกต่างกันตามต้นทุน ประสิทธิภาพ และสภาวะอุปทาน ผ่านระบบจัดสรรทรัพยากรที่เป็นกรรมสิทธิ์ของบริษัท
Nvidia ยังคงครองตำแหน่งอันดับหนึ่ง, แต่ไม่ได้ผูกขาดอย่างเบ็ดเสร็จอีกต่อไป
เอ็นวิเดีย (NVDA) ยังคงเป็นผู้จัดหาชิปรายใหญ่ที่สุดของแอนโทรปิก โดยในจำนวนกำลังการประมวลผลของเอ็นวิเดียประมาณ 4.7 GW นั้น สัดส่วนสำคัญมาจากความร่วมมือด้าน AI กับสเปซเอ็กซ์ ส่วนที่เหลือกระจายอยู่บนแพลตฟอร์มคลาวด์คอมพิวติ้ง เช่น ไมโครซอฟท์ อาซัวร์ (Microsoft Azure), Nscale และ Lambda
ความได้เปรียบของเอ็นวิเดียส่วนใหญ่มาจากระบบนิเวศซอฟต์แวร์ CUDA ที่สมบูรณ์ ความสามารถในการขยายขนาดของคลัสเตอร์ GPU และฐานนักพัฒนา สำหรับแอนโทรปิกซึ่งจำเป็นต้องฝึกฝนโมเดลขนาดใหญ่และประมวลผลการอนุมานอย่างเข้มข้นพร้อม ๆ กันนั้น แพลตฟอร์มของเอ็นวิเดียยังคงเป็นตัวเลือกที่ง่ายที่สุดสำหรับการปรับใช้ในวงกว้าง
อย่างไรก็ตาม สัดส่วน 42% ดังกล่าวยังชี้ให้เห็นว่า แอนโทรปิกไม่ได้เดิมพันความต้องการด้านการประมวลผลทั้งหมดไว้กับผู้จัดหารายเดียว ต่างจากบริษัทคลาวด์คอมพิวติ้งด้าน AI บางแห่งที่พึ่งพา GPU ของเอ็นวิเดียอย่างหนัก แอนโทรปิกลดความเสี่ยงที่เกี่ยวข้องกับข้อจำกัดด้านอุปทาน การปรับขึ้นราคา และการส่งมอบที่ล่าช้าผ่านสถาปัตยกรรมแบบหลายชิป
กลยุทธ์นี้ส่งผลกระทบสองด้านต่อเอ็นวิเดีย ในด้านหนึ่ง แอนโทรปิกยังคงเป็นลูกค้ารายสำคัญ ซึ่งอุปสงค์ที่ขยายตัวสำหรับการฝึกฝนโมเดล AI และการอนุมานคาดว่าจะยังคงเป็นแรงขับเคลื่อนการจัดซื้อ GPU ต่อไป ในอีกด้านหนึ่ง สัดส่วนที่เพิ่มขึ้นของ Google TPU, AWS Trainium และ GPU ของเอเอ็มดี (AMD) หมายความว่าเอ็นวิเดียกำลังเผชิญกับแรงกดดันด้านการทดแทนที่เพิ่มสูงขึ้นภายในห้องปฏิบัติการ AI ชั้นนำ
ขนาดการใช้งาน Google TPU เข้าใกล้ Nvidia ขณะที่ชิปที่ออกแบบเองก้าวขึ้นเป็นผู้ชนะรายใหญ่ที่สุด
อัลฟาเบท (Alphabet) บริษัทแม่ของกูเกิล (GOOGL) อาจเป็นผู้ได้รับประโยชน์ที่ชัดเจนที่สุดจากกลยุทธ์การกระจายแหล่งพลังการประมวลผลของแอนโทรปิก (Anthropic) โดยสมรรถนะการประมวลผล Google TPU ที่แอนโทรปิกล็อกโควตาไว้นั้นอยู่ที่ประมาณ 4.5 จิกะวัตต์ (GW) ซึ่งตามหลัง GPU ของเอ็นวิเดีย (Nvidia) เพียงประมาณ 0.2 จิกะวัตต์เท่านั้น
สิ่งนี้หมายความว่า TPU ไม่ได้เป็นเพียงฮาร์ดแวร์กรรมสิทธิ์ภายในของกูเกิลสำหรับใช้ฝึกฝนโมเดล Gemini อีกต่อไป แต่กำลังค่อย ๆ กลายเป็นแพลตฟอร์มการประมวลผลเชิงพาณิชย์สำหรับลูกค้ารายใหญ่ภายนอก นอกจากนี้ การนำไปใช้ของแอนโทรปิกยังช่วยยืนยันครั้งสำคัญถึงความสามารถของ TPU ในการรองรับภาระงานการฝึกฝนและการประมวลผลผลลัพธ์ (inference) ของโมเดลระดับแนวหน้า (frontier model)
เนื่องจาก Google TPU ถูกออกแบบร่วมกับบรอดคอม (Broadcom) อุปสงค์นี้จึงไม่เพียงแต่เป็นประโยชน์ต่อ Google Cloud เท่านั้น แต่ยังอาจสร้างรายได้เพิ่มเติมให้กับบรอดคอมจากชิป AI แบบสั่งทำพิเศษและผลิตภัณฑ์ระบบเครือข่ายอีกด้วย ก่อนหน้านี้ แอนโทรปิกได้บรรลุความร่วมมือระยะยาวกับกูเกิลและบรอดคอม โดยคาดว่าสมรรถนะดังกล่าวจะเริ่มทยอยเปิดใช้งานตั้งแต่ปี 2027 เป็นต้นไป
แอมะซอน (AMZN) ได้เข้าสู่ระบบอุปทานหลักของแอนโทรปิกเช่นเดียวกันผ่าน AWS Trainium แม้ว่าขนาดประมาณการในปัจจุบันที่ราว 1.2 จิกะวัตต์ (GW) จะต่ำกว่าของเอ็นวิเดียและกูเกิล แต่แอมะซอนเป็นทั้งนักลงทุนรายใหญ่ในแอนโทรปิกและพันธมิตรบริการคลาวด์รายสำคัญ หาก Trainium สามารถแสดงให้เห็นถึงความได้เปรียบด้านต้นทุนในภาระงานของ Claude ก็จะช่วยให้ AWS ลดการพึ่งพา GPU จากภายนอก และปรับปรุงอัตรากำไรสำหรับบริการคลาวด์ AI ให้ดีขึ้น
AMD บรรลุความก้าวหน้าครั้งสำคัญ ขณะที่ Anthropic มีอำนาจต่อรองเพิ่มขึ้น
เอเอ็มดี (AMD) ปัจจุบันมีสัดส่วนค่อนข้างต่ำในพอร์ตการประมวลผลของ Anthropic โดยมีขนาดที่ระบุประมาณ 0.8GW แต่ความสำคัญเชิงกลยุทธ์นั้นไม่สามารถมองข้ามได้ ก่อนหน้านี้ เอเอ็มดีและ Anthropic ได้ประกาศความร่วมมือในการติดตั้งใช้งาน GPU ซีรีส์ Instinct MI450 สูงสุดถึง 2GW โดยคาดว่ากำลังการประมวลผลเริ่มต้นจะเริ่มเปิดใช้งานตั้งแต่ครึ่งแรกของปี 2027
หากเอเอ็มดีสามารถขยายขนาดการติดตั้งใช้งานได้สำเร็จ สิ่งนี้จะพิสูจน์ว่าระบบนิเวศซอฟต์แวร์ ROCm และระบบระดับแร็ค Helios มีศักยภาพในการรองรับโมเดลชั้นนำ (frontier models) ซึ่งไม่เพียงแต่จะช่วยให้เอเอ็มดีคว้าลูกค้ากลุ่มห้องปฏิบัติการ AI และผู้ให้บริการคลาวด์ได้มากขึ้นเท่านั้น แต่ยังอาจทำลายการกระจุกตัวในระดับสูงของอินวิเดียในตลาด GPU อเนกประสงค์ได้อีกด้วย
สำหรับ Anthropic การดึงเอเอ็มดีเข้ามาอาจมีบทบาทสำคัญยิ่งกว่าในการเพิ่มอำนาจการต่อรองในการจัดซื้อ เมื่อโมเดลเดียวกันสามารถจัดสรรเวลาการประมวลผลข้ามสถาปัตยกรรมชิป 4 รูปแบบได้ บริษัทก็จะสามารถเลือกฮาร์ดแวร์ที่คุ้มค่าที่สุดตามราคา อุปทาน และการใช้พลังงาน ซึ่งช่วยลดความเสี่ยงจากการผูกขาดโดยผู้จำหน่ายชิปรายเดียว
Anthropic อธิบายความสามารถนี้ว่าเป็น "พูลการประมวลผลแบบรวมที่ทดแทนกันได้" (fungible unified compute pool) คุณค่าของสถาปัตยกรรมนี้ไม่ได้อยู่แค่การรับประกันการเข้าถึงชิปอย่างเพียงพอเท่านั้น แต่ยังช่วยเพิ่มขีดความสามารถของโมเดลและรายได้ที่สร้างขึ้นต่อทุกดอลลาร์ที่ใช้จ่ายไปกับการประมวลผลอีกด้วย
การกระจายแหล่งกำลังการประมวลผลยังคงไม่สามารถบรรเทาแรงกดดันทางการเงินของ Anthropic
แม้ว่าสถาปัตยกรรมแบบหลายชิปจะช่วยบรรเทาความเสี่ยงด้านห่วงโซ่อุปทาน แต่ก็ไม่อาจแก้ปัญหาการลงทุนเกินตัวในกำลังการประมวลผลได้ โดยเอกสารยื่นแบบ S-1 ของ Anthropic แสดงให้เห็นว่า บริษัทได้ลงนามในสัญญาคลาวด์คอมพิวติ้ง การเช่าซื้ออุปกรณ์ และศูนย์ข้อมูลระยะยาวจำนวนมาก ซึ่งส่วนใหญ่ถือเป็นภาระผูกพันการชำระเงินแบบคงที่หรือขั้นต่ำที่อาจยังคงต้องชำระ แม้ว่าการใช้งานจริงจะต่ำกว่าที่คาดการณ์ไว้ก็ตาม
เอกสารที่เกี่ยวข้องระบุว่า ภาระผูกพันขั้นต่ำในอนาคตสำหรับการชำระค่ากำลังการประมวลผลและโครงสร้างพื้นฐานของ Anthropic สูงถึงหลายแสนล้านดอลลาร์ โดยมีข้อตกลงเพิ่มเติมที่จะชำระเงินตามความจุจริงที่ส่งมอบ นอกจากนี้ บริษัทยังเตือนว่าการขยายโครงสร้างพื้นฐานการประมวลผลอย่างต่อเนื่องจะใช้กระแสเงินสดจากการดำเนินงานและการลงทุนจำนวนมากในอนาคตอันใกล้
ดังนั้น กำลังการประมวลผลสำรองขนาด 11 GW ของ Anthropic จึงเป็นทั้งความได้เปรียบในการแข่งขันและความเสี่ยงทางการเงินสำคัญที่นักลงทุน IPO ต้องนำมาพิจารณา หากรายได้ การใช้งานของลูกค้า และความต้องการในการประมวลผล (Inference) ของ Claude ยังคงเติบโตอย่างต่อเนื่อง ความจุในการประมวลผลที่ล็อกไว้ล่วงหน้านี้จะกลายเป็นอุปสรรคสำคัญในการเข้าสู่ตลาด อย่างไรก็ตาม หากความต้องการ AI ชะลอตัวลง หรือประสิทธิภาพของชิปพัฒนาขึ้นอย่างรวดเร็ว สัญญาระยะยาวเหล่านี้อาจกลายเป็นภาระต้นทุนคงที่ที่หนักหน่วงได้
เนื้อหานี้ได้รับการแปลโดยปัญญาประดิษฐ์ (AI) และผ่านตรวจสอบโดยมนุษย์ มีไว้เพื่อการอ้างอิงและข้อมูลทั่วไปเท่านั้น ไม่ใช่การแนะนำการลงทุนแต่อย่างใด
บทความแนะนำ
ความคิดเห็น (0)
คลิกปุ่ม $ ป้อนสัญลักษณ์ และเลือกเพื่อเชื่อมโยงหุ้น, กองทุน ETF หรือสัญลักษณ์หลักทรัพย์อื่น ๆ