Nvidia รุกตลาดชิป CPU AI Agent ทำไมการประมวลผลจึงสำคัญขึ้น เจาะเกมใหม่ของตลาด AI ปี 2569

การแข่งขันในตลาดชิป AI กำลังเปลี่ยนแปลงอย่างมีนัยสำคัญ เมื่อบริษัทเทคโนโลยีไม่ได้ต้องการเพียงชิปที่สามารถฝึกโมเดลปัญญาประดิษฐ์ขนาดใหญ่หรือสร้างคำตอบจากคำสั่งของผู้ใช้ได้รวดเร็วเท่านั้น แต่ยังต้องการระบบที่ทำให้ AI สามารถวางแผน ลงมือทำงาน เรียกใช้เครื่องมือและตรวจสอบผลลัพธ์ได้ด้วยตัวเอง

ทิศทางดังกล่าวทำให้ Nvidia ขยายความสนใจจากตลาด GPU ไปสู่ตลาด CPU สำหรับศูนย์ข้อมูล โดยเฉพาะชิป NVIDIA Vera ซึ่งออกแบบมาเพื่อรองรับการทำงานของ AI Agent และระบบประมวลผลที่ต้องดำเนินงานต่อเนื่องเป็นจำนวนมากความเคลื่อนไหวนี้น่าสนใจ เพราะที่ผ่านมา Nvidia เป็นที่รู้จักในฐานะผู้ผลิต GPU ที่มีบทบาทสำคัญในโครงสร้างพื้นฐาน AI ขณะที่ตลาด CPU สำหรับเซิร์ฟเวอร์มีผู้เล่นรายใหญ่อย่าง Intel และ AMD อยู่แล้ว เมื่อ AI เปลี่ยนจากระบบที่เน้นตอบคำถามไปสู่ระบบที่สามารถทำงานหลายขั้นตอนแทนมนุษย์ ความต้องการด้านการประมวลผลจึงเปลี่ยนไปด้วย คำถามสำคัญคือ CPU จะกลายเป็นส่วนประกอบที่มีความสำคัญมากขึ้นในยุค AI Agent หรือไม่และการขยายตลาดของ Nvidia จะเปลี่ยนการแข่งขันในอุตสาหกรรมชิปอย่างไร

1. NVIDIA Vera คืออะไร 

NVIDIA Vera คือ CPU สำหรับศูนย์ข้อมูลที่ Nvidia พัฒนาขึ้นเพื่อรองรับงานประมวลผลยุคใหม่ โดยให้ความสำคัญกับงานที่เกี่ยวข้องกับ AI Agent การเรียนรู้แบบเสริมกำลัง หรือ Reinforcement Learning และการประมวลผลข้อมูลขนาดใหญ่

Nvidia เปิดตัว Vera CPU สำหรับยุค Agentic AI ในเดือนมีนาคม 2569 และนำเสนอรายละเอียดเพิ่มเติมในงาน GTC Taipei เมื่อเดือนพฤษภาคม ก่อนรายงานการจัดส่งระบบ Vera ในวงกว้างในเดือนสิงหาคม 2569 จุดสำคัญของ Vera ไม่ใช่การเข้ามาแทนที่ GPU ทุกประเภท แต่เป็นการเพิ่มขีดความสามารถในการจัดการงานที่ CPU ต้องรับผิดชอบระหว่างกระบวนการทำงานของ AI เมื่อ AI Agent ได้รับคำสั่งให้ค้นคว้าข้อมูล วิเคราะห์เอกสารและจัดทำรายงาน ระบบอาจต้องดำเนินงานหลายอย่าง ได้แก่

• แบ่งคำสั่งใหญ่ให้กลายเป็นงานย่อย

• เรียกใช้เครื่องมือค้นหาหรือฐานข้อมูล

• จัดการไฟล์และส่งข้อมูลให้โมเดล AI

• รันโค้ดหรือสภาพแวดล้อมทดสอบ

• ตรวจสอบผลลัพธ์และตัดสินใจว่าจะดำเนินงานขั้นต่อไปอย่างไร

แม้โมเดล AI จะเป็นส่วนสำคัญในการวิเคราะห์และสร้างคำตอบ แต่การจัดการงานเหล่านี้ต้องอาศัยทรัพยากรประมวลผล ระบบหน่วยความจำและซอฟต์แวร์ที่ทำงานร่วมกันอย่างมีประสิทธิภาพ Vera จึงเป็นส่วนหนึ่งของความพยายามของ Nvidia ในการเพิ่มประสิทธิภาพให้กับระบบ AI ทั้งกระบวนการ ไม่ใช่เฉพาะช่วงที่ GPU กำลังคำนวณโมเดลเท่านั้น

2. ทำไม AI Agent จึงทำให้ CPU สำคัญขึ้น

AI แบบสนทนาทั่วไปมักรับคำสั่ง ประมวลผล และส่งคำตอบกลับผู้ใช้ แต่ AI Agent สามารถทำงานต่อเนื่องหลายขั้นตอน โดยเรียกใช้เครื่องมือภายนอกและปรับแผนตามผลลัพธ์ที่ได้รับ ความแตกต่างนี้ทำให้ระบบต้องจัดการงานเบื้องหลังจำนวนมากขึ้น

AI แบบเดิมกับ AI Agent ต่างกันอย่างไร?

ประเด็น	AI แบบตอบคำถามทั่วไป	AI Agent
เป้าหมาย	ตอบคำถามหรือสร้างเนื้อหา	ทำงานให้บรรลุเป้าหมายหลายขั้นตอน
การใช้เครื่องมือ	อาจมีหรือไม่มี	มักเรียกใช้เครื่องมือหลายชนิด
การจัดการงาน	เน้นรับคำสั่งและสร้างผลลัพธ์	วางแผน ดำเนินการ ตรวจสอบและทำซ้ำ
ภาระ CPU	ขึ้นอยู่กับงานและระบบ	อาจเพิ่มขึ้นจากการจัดการงานและเครื่องมือจำนวนมาก
การใช้ GPU	ประมวลผลโมเดล AI	ประมวลผลโมเดลในแต่ละขั้นตอนของงาน
ความท้าทาย	ความเร็วและคุณภาพของคำตอบ	ความเร็วตลอดกระบวนการ ต้นทุนและความน่าเชื่อถือ

หากผู้ใช้สั่ง AI Agent ให้ค้นหาข้อมูลจากหลายแหล่ง เปรียบเทียบตัวเลข แล้วจัดทำรายงาน ระบบไม่ได้ทำงานเพียงครั้งเดียว แต่ต้องสลับระหว่างการคิด การเรียกเครื่องมือ การรับข้อมูลและการประเมินผลลัพธ์

• CPU มีบทบาทในการประสานงานและจัดการคำสั่งเหล่านี้
• GPU ทำหน้าที่เร่งการคำนวณที่เหมาะกับสถาปัตยกรรม

Nvidia อธิบายว่า เมื่อ AI Agent ทำงานมากขึ้น การเรียกใช้เครื่องมือ การรันโค้ด การประมวลผลข้อมูลและการจัดการบริบทระหว่างการเรียกโมเดลจะกลายเป็นส่วนสำคัญของประสิทธิภาพโดยรวมของศูนย์ข้อมูล

3. CPU กับ GPU ทำงานต่างกันอย่างไรในระบบ AI

การเข้าใจความแตกต่างระหว่าง CPU และ GPU เป็นกุญแจสำคัญในการทำความเข้าใจกลยุทธ์ใหม่ของ Nvidia

•   CPU เหมาะกับการดำเนินคำสั่งทั่วไป การควบคุมลำดับงาน การจัดการข้อมูล การรันโปรแกรมและการประสานงานระหว่างส่วนประกอบต่างๆ ของระบบ
• GPU มีความสามารถโดดเด่นในการคำนวณจำนวนมากพร้อมกัน จึงเหมาะกับงาน AI หลายประเภท โดยเฉพาะการฝึกโมเดลและการประมวลผลเพื่อสร้างผลลัพธ์จากโมเดล

ในระบบ AI ขนาดใหญ่ CPU และ GPU ไม่ได้แข่งขันกันในทุกงาน แต่ทำงานร่วมกันเป็นระบบ

• CPU ใช้เวลานานในการเตรียมข้อมูลหรือจัดการงาน
• GPU อาจต้องรอข้อมูลหรือรอคำสั่ง ทำให้ทรัพยากรที่มีราคาแพงไม่ได้ถูกใช้งานอย่างเต็มประสิทธิภาพ ในทางกลับกัน

หาก GPU เป็นคอขวด การเพิ่มความเร็ว CPU เพียงอย่างเดียวก็อาจไม่ช่วยให้ระบบเร็วขึ้นอย่างมีนัยสำคัญดังนั้น การออกแบบระบบ AI ที่ดีจึงต้องสร้างสมดุลระหว่าง CPU, GPU, หน่วยความจำ ระบบเครือข่ายและซอฟต์แวร์

เป็นเหตุผลที่ Nvidia ต้องการพัฒนาผลิตภัณฑ์ให้ครอบคลุมทั้งการคำนวณด้วย GPU และการประมวลผลด้วย CPU ในระบบ AI รุ่นใหม่

4. Nvidia Vera มีจุดเด่นอะไร

Nvidia ระบุว่า Vera ได้รับการออกแบบโดยให้ความสำคัญกับประสิทธิภาพต่อคอร์ การเข้าถึงหน่วยความจำและการทำงานพร้อมกันในระบบศูนย์ข้อมูล ข้อมูลจากเอกสารทางเทคนิคของ Nvidia ระบุคุณสมบัติสำคัญ เช่น

• สถาปัตยกรรมคอร์ Olympus ที่ออกแบบมาสำหรับการประมวลผลประสิทธิภาพสูง

• รองรับแบนด์วิดท์หน่วยความจำ LPDDR5X สูงสุด 1.2 TB/s

• การออกแบบเพื่อรองรับงานที่ต้องเรียกใช้เครื่องมือและจัดการข้อมูลจำนวนมาก

• การเชื่อมต่อกับระบบเร่งการประมวลผลของ Nvidia เพื่อรองรับการทำงานร่วมกันระหว่าง CPU และ GPU

ประสิทธิภาพต่อคอร์มีความสำคัญอย่างไร

งานของ AI Agent ไม่ได้ประกอบด้วยการคำนวณขนานขนาดใหญ่ทั้งหมด บางขั้นตอนต้องรอผลลัพธ์ก่อนจึงจะดำเนินการต่อได้ เช่น การเรียกใช้เครื่องมือ การตรวจสอบผลลัพธ์หรือการตัดสินใจเลือกขั้นตอนถัดไป หากขั้นตอนเหล่านี้ใช้เวลานาน แม้ GPU จะมีประสิทธิภาพสูง ก็อาจไม่สามารถทำให้งานทั้งหมดเสร็จเร็วขึ้นตามที่คาดหวัง การเพิ่มประสิทธิภาพของ CPU จึงอาจช่วยลดเวลารอในบางส่วนของกระบวนการและเพิ่มจำนวนงานที่ระบบสามารถดำเนินการได้ในช่วงเวลาเดียวกัน

หน่วยความจำมีบทบาทอย่างไร

การจัดการข้อมูลและบริบทเป็นส่วนสำคัญของ AI Agent โดยเฉพาะระบบที่ต้องเรียกข้อมูลจากฐานข้อมูล ประมวลผลผลลัพธ์และสลับระหว่างงานจำนวนมาก แบนด์วิดท์หน่วยความจำที่สูงและความหน่วงที่ต่ำอาจช่วยให้ CPU เข้าถึงข้อมูลได้รวดเร็วขึ้น แต่ผลลัพธ์จริงยังขึ้นอยู่กับรูปแบบงาน ขนาดข้อมูล ซอฟต์แวร์และการออกแบบระบบโดยรวม จึงไม่ควรพิจารณาประสิทธิภาพ CPU จากจำนวนคอร์หรือความเร็วสัญญาณนาฬิกาเพียงอย่างเดียว

5. Modal เลือกใช้ Vera CPU สัญญาณใหม่ของตลาดเซิร์ฟเวอร์

วันที่ 19 ตุลาคม 2569 Reuters รายงานว่า Modal ผู้ให้บริการโครงสร้างพื้นฐานคลาวด์สำหรับนักพัฒนา AI เลือกนำ NVIDIA Vera CPU มาใช้ในระบบของบริษัท หลังการทดสอบภายในพบว่า Vera ให้ปริมาณงานต่อเวลา หรือ throughput ประมาณสองเท่าเมื่อเทียบกับระบบ Intel และ AMD ที่ใช้เปรียบเทียบในงานบางประเภท การตัดสินใจนี้มีความหมายต่อการแข่งขันในตลาด CPU เพราะแสดงให้เห็นว่าผู้ให้บริการ AI บางรายกำลังประเมิน CPU จากความสามารถในการรองรับงาน AI โดยเฉพาะ ไม่ใช่พิจารณาเพียงประสิทธิภาพของเซิร์ฟเวอร์สำหรับงานทั่วไป

อย่างไรก็ตาม Modal ไม่ได้ประกาศเลิกใช้ชิป Intel หรือ AMD แต่ยังคงใช้แนวทางเลือกฮาร์ดแวร์หลายประเภทตามลักษณะงาน เนื่องจากงานแต่ละชนิดอาจมีความต้องการด้านประสิทธิภาพ ต้นทุนและความเข้ากันได้กับซอฟต์แวร์แตกต่างกัน

ทำไมกรณีของ Modal จึงน่าจับตา

• ประการแรกผู้ให้บริการคลาวด์สามารถเลือกฮาร์ดแวร์ให้เหมาะกับงานของลูกค้าได้โดยตรง หาก CPU รุ่นใหม่ช่วยเพิ่มจำนวนงานที่รองรับได้ต่อเซิร์ฟเวอร์ ก็อาจช่วยปรับปรุงต้นทุนต่อหน่วยของบริการได้
• ประการที่สอง การที่ CPU ถูกออกแบบมาเพื่องาน AI โดยเฉพาะ อาจทำให้ผู้ให้บริการต้องปรับระบบซอฟต์แวร์และโครงสร้างพื้นฐานให้เหมาะสมด้วย ประสิทธิภาพที่เพิ่มขึ้นจึงไม่ใช่ผลจากชิปเพียงอย่างเดียว แต่เกิดจากการทำงานร่วมกันระหว่างฮาร์ดแวร์และซอฟต์แวร์
• ประการสุดท้าย หากผู้ให้บริการรายอื่นพบประโยชน์ในลักษณะเดียวกัน ความต้องการ CPU สำหรับ AI Agent ก็อาจขยายตัว และเปิดพื้นที่การแข่งขันใหม่ให้ Nvidia ในตลาดที่ Intel และ AMD มีฐานธุรกิจมายาวนาน

6. Nvidia กำลังท้าทาย Intel และ AMD โดยตรงหรือไม่

การเข้าสู่ตลาด CPU สำหรับ AI ทำให้ Nvidia มีโอกาสแข่งขันกับผู้ผลิต CPU เซิร์ฟเวอร์รายเดิมมากขึ้น แต่ยังไม่ใช่ข้อสรุปว่าบริษัทจะเข้ามาแทนที่ Intel หรือ AMD ในตลาดทั้งหมด ความได้เปรียบของ Nvidia อยู่ที่การพัฒนาระบบประมวลผล AI ที่เชื่อมโยง CPU, GPU เครือข่ายและซอฟต์แวร์เข้าด้วยกัน ขณะที่ Intel และ AMD มีฐานลูกค้า ระบบนิเวศซอฟต์แวร์และผลิตภัณฑ์ CPU ที่รองรับงานหลากหลายประเภท

ปัจจัยแข่งขัน	Nvidia	Intel และ AMD
จุดเน้นในบริบทข่าวนี้	CPU สำหรับงาน AI Agent และระบบ AI แบบบูรณาการ	CPU เซิร์ฟเวอร์สำหรับงานทั่วไปและงานเฉพาะทาง
จุดแข็งที่เกี่ยวข้อง	เชื่อมโยงกับระบบ GPU และแพลตฟอร์ม AI ของบริษัท	ฐานผลิตภัณฑ์ CPU และระบบนิเวศที่มีอยู่แล้ว
ความท้าทาย	ความเข้ากันได้ของซอฟต์แวร์ ต้นทุนและการขยายการใช้งานจริง	การแข่งขันด้านประสิทธิภาพต่อวัตต์และงาน AI เฉพาะทาง
ปัจจัยตัดสินใจของลูกค้า	ความเร็วของงาน AI ต้นทุนรวมและการทำงานร่วมกับ GPU	ประสิทธิภาพ ความเสถียร ความเข้ากันได้และต้นทุนรวม

ตารางนี้เป็นการเปรียบเทียบภาพรวม ไม่ใช่การจัดอันดับประสิทธิภาพของผลิตภัณฑ์แต่ละรุ่นเพราะผลทดสอบอาจเปลี่ยนแปลงไปตามซอฟต์แวร์ รูปแบบงานและการกำหนดค่าของระบบ ในระยะต่อไปผู้ให้บริการคลาวด์อาจเลือกใช้ CPU หลายสถาปัตยกรรมควบคู่กัน เพื่อให้เหมาะกับงานที่แตกต่างกัน แทนการเลือกผู้ผลิตเพียงรายเดียว

7. ตลาด CPU สำหรับ AI Agent จะเติบโตแค่ไหน

Nvidia มองว่าความต้องการประมวลผลสำหรับ AI Agent จะสร้างตลาดใหม่ให้กับ CPU ของบริษัท โดยเอกสารข่าวประชาสัมพันธ์ของ Nvidia ในเดือนมีนาคม 2569 ระบุว่าบริษัทกำลังพัฒนา Vera เพื่อรองรับการประมวลผลข้อมูล การฝึก AI และการทำงานของ Agent ในระดับศูนย์ข้อมูล

ขณะเดียวกัน Reuters รายงานเมื่อวันที่ 19 ตุลาคม 2569 ว่า Nvidia ตั้งเป้ารายได้จากการขาย Vera CPU อย่างน้อย 20,000 ล้านดอลลาร์สหรัฐในปีงบประมาณที่บริษัทกล่าวถึง โดยบริษัทประเมินตลาดที่เกี่ยวข้องไว้ที่ประมาณ 200,000 ล้านดอลลาร์สหรัฐ  ตัวเลขดังกล่าวควรเข้าใจว่าเป็นเป้าหมายและการประเมินตลาด ไม่ใช่รายได้ที่เกิดขึ้นจริงแล้วทั้งหมดหรือการรับประกันว่าตลาดจะเติบโตตามประมาณการ การเติบโตจริงจะขึ้นอยู่กับปัจจัยหลายด้าน เช่น

• จำนวนองค์กรที่นำ AI Agent ไปใช้งานจริง

• ปริมาณงานที่ระบบต้องประมวลผลในแต่ละวัน

• ต้นทุนไฟฟ้าและการดำเนินงานของศูนย์ข้อมูล

• ความสามารถของ CPU รุ่นใหม่ในการเพิ่ม throughput

• การยอมรับของผู้ให้บริการคลาวด์และนักพัฒนา

• ความเข้ากันได้กับซอฟต์แวร์และระบบที่ลูกค้าใช้อยู่เดิม

หาก AI Agent กลายเป็นเครื่องมือสำคัญในงานธุรกิจมากขึ้น ความต้องการ CPU สำหรับจัดการงานเบื้องหลังอาจเพิ่มขึ้นตาม แต่ขนาดตลาดที่เกิดขึ้นจริงยังต้องติดตามจากยอดขาย การติดตั้งใช้งานและผลประกอบการในอนาคต

ผลกระทบต่อศูนย์ข้อมูล AI และต้นทุนไฟฟ้า

ศูนย์ข้อมูล AI ต้องบริหารทรัพยากรหลายประเภทพร้อมกัน ทั้งชิปประมวลผล หน่วยความจำ เครือข่าย ระบบระบายความร้อนและไฟฟ้า การเพิ่มความเร็วของ CPU จึงมีความสำคัญต่อประสิทธิภาพของระบบโดยรวม หาก CPU สามารถจัดการงานเบื้องหลังได้เร็วขึ้น อาจช่วยให้ GPU รอข้อมูลหรือรอคำสั่งน้อยลงและทำให้ระบบรองรับงานได้มากขึ้นในช่วงเวลาเดียวกัน อย่างไรก็ตาม ประสิทธิภาพที่สูงขึ้นไม่ได้หมายความว่าค่าไฟฟ้ารวมจะลดลงโดยอัตโนมัติเพราะหากความต้องการใช้งาน AI เพิ่มขึ้น ผู้ให้บริการอาจติดตั้งระบบเพิ่มหรือให้บริการงานจำนวนมากขึ้นจนใช้พลังงานรวมสูงกว่าเดิมได้ การประเมินต้นทุนที่เหมาะสมจึงควรดูอย่างน้อยสามตัวชี้วัด ได้แก่

1. Throughput ระบบทำงานสำเร็จได้กี่งานต่อช่วงเวลา

2. ต้นทุนต่อหน่วยงาน ต้องใช้เงินเท่าใดในการทำงานให้เสร็จหนึ่งงาน

3. พลังงานต่อหน่วยงาน ใช้ไฟฟ้าเท่าใดในการประมวลผลหนึ่งงานให้สำเร็จ

หาก Vera ช่วยเพิ่ม throughput โดยใช้พลังงานและทรัพยากรรวมอย่างเหมาะสม ก็อาจช่วยให้ผู้ให้บริการคลาวด์ปรับปรุงประสิทธิภาพทางเศรษฐกิจได้ แต่จำเป็นต้องประเมินจากการใช้งานจริง ไม่ใช่อาศัยตัวเลขประสิทธิภาพจากการทดสอบเพียงตัวเดียว

ผู้บริโภคและธุรกิจทั่วไปจะได้รับผลกระทบอย่างไร

แม้ CPU สำหรับ AI Agent จะเป็นผลิตภัณฑ์ที่มุ่งเน้นตลาดศูนย์ข้อมูล แต่การพัฒนานี้อาจส่งผลต่อบริการ AI ที่ประชาชนและธุรกิจใช้งานในระยะยาว

• บริการ AI อาจทำงานได้รวดเร็วและต่อเนื่องขึ้น

หากโครงสร้างพื้นฐานสามารถจัดการคำสั่งและเครื่องมือได้มีประสิทธิภาพขึ้น บริการ AI ที่ต้องทำงานหลายขั้นตอนอาจตอบสนองได้ดีขึ้น โดยเฉพาะงานที่ต้องค้นข้อมูล วิเคราะห์เอกสารหรือประสานระบบธุรกิจหลายส่วน

• ธุรกิจอาจนำ AI Agent ไปใช้ในงานมากขึ้น

องค์กรสามารถนำ AI Agent ไปช่วยงาน เช่น

• จัดทำรายงาน
• วิเคราะห์ข้อมูลลูกค้า
• ตรวจสอบเอกสาร
• ประสานกระบวนการทำงานภายใน
• ประสิทธิภาพที่ได้ยังขึ้นอยู่กับคุณภาพของโมเดล
• ข้อมูล
• การออกแบบกระบวนการทำงานด้วย

ต้นทุนบริการ AI

หากผู้ให้บริการสามารถลดต้นทุนต่อหน่วยงานได้ ก็อาจมีโอกาสปรับราคาหรือขยายบริการ แต่ราคาที่ผู้บริโภคจ่ายจริงยังขึ้นอยู่กับการแข่งขัน ค่าไฟฟ้า ต้นทุนฮาร์ดแวร์และรูปแบบธุรกิจของผู้ให้บริการ ดังนั้นการขยายตลาด CPU สำหรับ AI Agent เป็นเพียงหนึ่งในปัจจัยที่จะกำหนดอนาคตของบริการ AI ไม่ใช่หลักประกันว่าบริการทุกประเภทจะถูกลงทันที

ความเสี่ยงที่ Nvidia ต้องเผชิญในตลาด CPU สำหรับ AI

แม้ตลาด AI Agent จะมีโอกาสเติบโต แต่การเข้าสู่ตลาด CPU สำหรับเซิร์ฟเวอร์ก็มีความท้าทายหลายประการ

• การแข่งขันจากผู้ผลิตเดิม Intel และ AMD มีประสบการณ์ยาวนานในตลาด CPU และสามารถปรับผลิตภัณฑ์ให้รองรับความต้องการใหม่ได้เช่นกัน
• ความเข้ากันได้ของซอฟต์แวร์ การเปลี่ยนไปใช้ CPU สถาปัตยกรรมใหม่อาจต้องปรับซอฟต์แวร์ เครื่องมือพัฒนาและกระบวนการติดตั้งใช้งาน ซึ่งเพิ่มต้นทุนให้กับลูกค้า
• ความแตกต่างของงานแต่ละประเภท  ผลทดสอบที่ดีในงาน AI Agent บางชนิดไม่ได้หมายความว่าจะให้ผลดีกว่าในงานฐานข้อมูล งานเว็บเซิร์ฟเวอร์หรือระบบธุรกิจทุกประเภท
• ความคุ้มค่าของการลงทุน ผู้ให้บริการต้องพิจารณาต้นทุนจัดซื้อ ค่าไฟฟ้า การดูแลระบบและผลตอบแทนจากงานที่ให้บริการจริง
• ความเสี่ยงด้านการลงทุน AI Reuters รายงานเมื่อวันที่ 20 ตุลาคม 2569 ถึงความเชื่อมโยงระหว่าง Nvidia กับผู้ให้บริการโครงสร้างพื้นฐาน AI บางราย รวมถึงความเสี่ยงจากต้นทุนเงินทุนและความสามารถในการสร้างผลตอบแทนจากการลงทุนขนาดใหญ่

ปัจจัยเหล่านี้ทำให้การเติบโตของตลาด CPU สำหรับ AI Agent ไม่ได้ขึ้นอยู่กับความก้าวหน้าทางเทคนิคเพียงอย่างเดียว แต่ยังต้องพิสูจน์ความคุ้มค่าทางธุรกิจในระยะยาวด้วย

สรุป

การขยายตลาด CPU ของ Nvidia สะท้อนให้เห็นว่าการแข่งขันด้าน AI กำลังเปลี่ยนจากการมุ่งเพิ่มพลังคำนวณของ GPU เพียงอย่างเดียว ไปสู่การปรับปรุงประสิทธิภาพของระบบทั้งหมด เมื่อ AI Agent ต้องทำงานหลายขั้นตอน เรียกใช้เครื่องมือ จัดการข้อมูลและตรวจสอบผลลัพธ์ CPU จึงมีบทบาทมากขึ้นในการควบคุมและประสานงานระหว่างแต่ละขั้นตอน ขณะที่ GPU ยังคงสำคัญต่อการคำนวณของโมเดล AI

ชิป NVIDIA Vera และการนำไปใช้โดยผู้ให้บริการอย่าง Modal เป็นสัญญาณว่าตลาดกำลังให้ความสำคัญกับการประมวลผลสำหรับ AI Agent มากขึ้น แต่ยังต้องติดตามผลการใช้งานจริง ต้นทุนรวม และการตอบสนองของคู่แข่งอย่าง Intel และ AMD ต่อไป ในท้ายที่สุด ผู้ชนะในตลาดนี้อาจไม่ใช่บริษัทที่ผลิตชิปเร็วที่สุดในทุกสถานการณ์แต่เป็นผู้ที่สามารถส่งมอบระบบซึ่งทำงานได้มีประสิทธิภาพ เชื่อถือได้และคุ้มค่าต่อการลงทุนสำหรับลูกค้า

 

ข้อมูลอ้างอิง

1. Reuters, 19 ตุลาคม 2569 — Nvidia wins fast-growing AI startup Modal for new central processors

2. NVIDIA Newsroom, 16 มีนาคม 2569 — NVIDIA Launches Vera CPU, Purpose-Built for Agentic AI

3. NVIDIA Newsroom, 31 พฤษภาคม 2569 — NVIDIA Unveils Vera, the CPU for Agents

4. NVIDIA Technical Blog — NVIDIA Vera CPU Sets a New Standard for Agentic Workloads in AI Factories

5. NVIDIA Blog, 27 สิงหาคม 2569 — Delivering Vera: NVIDIA’s First CPU Built for Agents Is Shipping Now