Connect with us

Hi, what are you looking for?

Notebookspec

IT NEWS

ชิปสมาร์ตโฟนอาจขาดแคลนยาว เหตุ “T-Glass” วัสดุหลักของ SoC ถูกแย่งใช้ในชิป AI

T-Glass shortage smartphone soc

วิกฤต T-Glass วัสดุหลักของซับสเตรต BT เริ่มกระทบสมาร์ตโฟนโดยตรง

รายงานล่าสุดจาก Goldman Sachs เปิดเผยว่า วัสดุชนิดหนึ่งที่ชื่อว่า T-Glass ซึ่งเป็นส่วนประกอบสำคัญในกระบวนการผลิต SoC (System-on-Chip) สำหรับสมาร์ตโฟน กำลังเข้าสู่ภาวะขาดแคลนอย่างหนัก โดยอาจรุนแรงถึง “ระดับสองหลักเปอร์เซ็นต์” ภายในช่วงหลายเดือนถึงหลายไตรมาสข้างหน้า

Advertisement

สาเหตุหลักมาจากกระแสความต้องการสูงของชิป AI GPU และ ASIC ที่แย่งใช้ทรัพยากรเดียวกันในห่วงโซ่อุปทาน โดยเฉพาะวัสดุ ABF (Ajinomoto Build-up Film) ที่เป็นหัวใจของซับสเตรตสำหรับ GPU ขั้นสูง ซึ่งดึงกำลังการผลิต T-Glass ไปใช้เกือบทั้งหมด ทำให้เหลือปริมาณไม่เพียงพอสำหรับผลิต BT substrate ที่ใช้ในชิปมือถือทั่วไป


T-Glass คืออะไร และเกี่ยวข้องกับชิปสมาร์ตโฟนอย่างไร?

T-Glass เป็นไฟเบอร์กลาสชนิดพิเศษที่ใช้เสริมความแข็งแรงใน BT (Bismaleimide Triazine) substrate ซึ่งเป็นวัสดุรองวงจรในชิปสมาร์ตโฟน จุดเด่นของ T-Glass คือ

  • มีค่าการขยายตัวทางความร้อนต่ำ
  • มีความแข็งแรงเชิงกลสูง
  • ผิวเรียบเนียนเหมาะกับการวางลวดวงจรละเอียดระดับไมครอน

เมื่อรวมกับเรซิน BT จะได้วัสดุที่ทั้งเบาและทนร้อนสูง เหมาะสำหรับชิปขนาดเล็กแต่มีความหนาแน่นวงจรสูง เช่นชิปประมวลผลสมาร์ตโฟน

แต่ในตอนนี้ T-Glass ถูกใช้ใน ABF substrate มากขึ้น เพื่อผลิต GPU และ ASIC สำหรับศูนย์ข้อมูล AI เช่น NVIDIA H200, AMD MI325 และชิปฝั่ง Data Center อื่น ๆ จึงเกิดการแย่งทรัพยากรอย่างหนักในตลาด

Substrate

Goldman Sachs เตือน “ขาดแคลนระดับสองหลักเปอร์เซ็นต์”

ในรายงานอุตสาหกรรมล่าสุด Goldman Sachs ประเมินว่า อุปทาน T-Glass ทั่วโลกอาจหดตัวลง สองหลักเปอร์เซ็นต์ (double-digit percentage shortage) ภายในไตรมาสถัด ๆ ไป ซึ่งจะกระทบต่อซับสเตรต BT โดยตรง

การขาดแคลนนี้มีผลเป็นลูกโซ่ต่อทั้งอุตสาหกรรม โดยเฉพาะในช่วงที่ผู้ผลิตสมาร์ตโฟนกำลังเตรียมผลิตรุ่นใหม่ในปี 2026 เช่น Apple ที่มีแผนส่งมอบ iPhone รุ่นใหม่ถึง 6 รุ่น รวมถึงรุ่นพับได้ ซึ่งคาดว่าจะมียอดรวมกว่า 250 ล้านเครื่องทั่วโลก หากซัพพลายวัสดุไม่พอ อาจทำให้แผนการผลิตสะดุด


ผลกระทบต่ออุตสาหกรรมสมาร์ตโฟน

1. ต้นทุนการผลิตเพิ่มขึ้น

เนื่องจาก T-Glass เป็นส่วนสำคัญของ BT substrate เมื่อของขาด ราคาวัสดุย่อมพุ่งสูงขึ้น
นักวิเคราะห์คาดว่าอาจเพิ่มขึ้นกว่า 15-20% จากปัจจุบัน ซึ่งหมายถึงต้นทุนชิปสมาร์ตโฟนจะสูงขึ้นตามไปด้วย และอาจสะท้อนถึงราคาขายปลายทางในตลาด

2. ความล่าช้าในการผลิต SoC

เมื่อไม่มี T-Glass เพียงพอ โรงงานผลิต substrate อาจต้องจัดคิวหรือชะลอการผลิต ส่งผลให้ชิป SoC ที่ใช้ในสมาร์ตโฟนระดับกลางถึงเรือธง เช่น Snapdragon, Dimensity, Exynos หรือ Apple A-Series อาจต้องเลื่อนกำหนดผลิต

3. ผลกระทบต่อแผนเปิดตัวมือถือปี 2026

หากวิกฤตนี้ยืดเยื้อ ผู้ผลิตสมาร์ตโฟนจะต้องวางแผนสำรอง เช่น

  • ลดจำนวนรุ่นที่จะผลิต
  • กระจายการสั่งซื้อจากหลายผู้ผลิต substrate
  • ปรับดีไซน์ภายในเพื่อลดความซับซ้อนของบอร์ด

ผู้ผลิตเริ่มขยับแก้เกม

ผู้ผลิตวัสดุและ substrate หลายราย เช่น Ibiden, Shinko Electric, Nan Ya PCB และ Kinsus เริ่มลงทุนขยายกำลังผลิต T-Glass เพิ่ม แต่การตั้งสายการผลิตใหม่ต้องใช้เวลาหลายเดือนถึงหนึ่งปี

บางรายเริ่มวิจัย “Glass Substrate” รุ่นใหม่ ซึ่งใช้แผ่นแก้วแทนไฟเบอร์กลาส เพื่อเพิ่มความแม่นยำทางมิติและลดการบิดงอระหว่างกระบวนการผลิต หากเทคโนโลยีนี้สำเร็จ ก็อาจกลายเป็นทางออกระยะยาวของวงการ


บทสรุป

การขาดแคลน T-Glass ไม่ใช่เรื่องเล็ก เพราะวัสดุนี้เป็นหัวใจของชิปสมาร์ตโฟนแทบทุกแบรนด์ แม้จะไม่ได้มีชื่อเสียงเท่าชิป GPU หรือ AI Accelerator แต่ถ้าขาดวัสดุพื้นฐานอย่างนี้ไป อุตสาหกรรมก็เดินหน้าต่อไม่ได้

และในเมื่อ AI ยังคงเป็นเทรนด์ที่ร้อนแรงสุดในปี 2025-2026 ความต้องการ ABF substrate และวัสดุที่เกี่ยวข้องจะยังไม่ลดลงง่าย ๆ ทำให้ซัพพลายฝั่งสมาร์ตโฟนต้องปรับตัวครั้งใหญ่เพื่อรับมือกับ “สงครามวัสดุ” ที่เริ่มขึ้นแล้วในห่วงโซ่ซิลิคอนทั่วโลก

ที่มา: wccftech

Click to comment

บทความน่าสนใจ

PR-News

กรุงเทพฯ, ประเทศไทย — ASUS (เอซุส) ผู้นำด้านเทคโนโลยีระดับโลก นำเสนอ ASUS Agent Computer ภายใต้แนวคิด “Powering Every AI Choice” ระบบนิเวศด้านฮาร์ดแวร์ที่ออกแบบมาเพื่อรองรับการทำงานของ AI Agent ครอบคลุมตั้งแต่โน้ตบุ๊ก NUC และมินิพีซี เดสก์ท็อปพีซีที่ปรับแต่งได้ ไปจนถึงเวิร์กสเตชันระดับมืออาชีพและ AI...

PR-News

บทความโดย Steven Fong, Corporate Vice President, APJ Embedded Business ปัญญาประดิษฐ์ (AI) กำลังก้าวเข้าสู่เฟสใหม่ ซึ่งขยายขอบเขตจากการเพิ่มประสิทธิภาพการทำงานบนโลกดิจิทัล ไปสู่การใช้งานจริงในโลกทางกายภาพ  ช่วงหลายปีที่ผ่านมา AI มักถูกตีกรอบอยู่แค่ระบบที่ทำความเข้าใจ สร้าง และแนะนำข้อมูลได้ โมเดลภาษาขนาดใหญ่ (LLMs), AI Assistant และ Copilot ได้เข้ามาพลิกโฉมรูปแบบการทำงานที่ใช้ความรู้ไปอย่างสิ้นเชิง โดยช่วยให้เราค้นหา สรุปผล สร้างคอนเทนต์ และตัดสินใจได้ดียิ่งขึ้น คลื่นลูกแรกของ AI นี้ถือเป็นการปฏิวัติประสิทธิภาพการทำงานบนโลกดิจิทัลอย่างแท้จริง Advertisement แต่ทว่า คลื่นลูกถัดไปของ AI จะแตกต่างออกไปอย่างสิ้นเชิง จากเดิมที่ทำหน้าที่เพียงทำความเข้าใจข้อมูล ปัจจุบัน AI ถูกคาดหวังให้สามารถโต้ตอบกับโลกทางกายภาพได้มากขึ้น เราจะได้เห็นหุ่นยนต์ทำงานร่วมกับมนุษย์ในโรงงาน ยานยนต์อัตโนมัติที่สามารถรับรู้และตอบสนองต่อสภาพแวดล้อมได้ตลอดเวลา ระบบทางการแพทย์ที่ช่วยแพทย์วินิจฉัยและตัดสินใจได้แบบเรียลไทม์ ตลอดจนโครงสร้างพื้นฐานอัจฉริยะที่สามารถตรวจสอบ ปรับแต่ง และตอบสนองได้เองโดยไม่ต้องอาศัยมนุษย์คอยสั่งการตลอดเวลา การเปลี่ยนผ่านนี้ไม่ใช่แค่การเพิ่มแอปพลิเคชัน AI รูปแบบใหม่ แต่คือการพลิกโฉมความคาดหวังพื้นฐานที่เรามีต่อขีดความสามารถของ AI  เมื่อ AI ขยายตัวจากคลาวด์และสภาพแวดล้อมดิจิทัลเข้าสู่ระบบทางกายภาพ ความอัจฉริยะจึงไม่สามารถหยุดอยู่แค่คำว่า “รู้” ได้อีกต่อไป ระบบ Physical AI (AI ทางกายภาพ) เช่น หุ่นยนต์อัตโนมัติ จะต้องรับรู้ข้อมูล ตัดสินใจ และลงมือทำได้แบบเรียลไทม์ โดยต้องมีความปลอดภัยในการใช้งาน (Functional safety) และสามารถทำงานภายใต้ข้อจำกัดที่เข้มงวด ทั้งเรื่องพลังงาน ความร้อน และพื้นที่ ความจำเป็นในการเปลี่ยนผ่านครั้งนี้ไม่ได้เกิดจากแค่ความก้าวหน้าทางเทคโนโลยี AI เท่านั้น แต่ยังถูกขับเคลื่อนจากการเปลี่ยนแปลงเชิงโครงสร้างของเศรษฐกิจโลกด้วย  และนี่คือจุดเริ่มต้นของยุค Physical AI อย่างแท้จริง ซึ่งปัจจุบันกำลังเข้ามาพลิกโฉมหลากหลายอุตสาหกรรม และ AMD เชื่อมั่นว่าสิ่งนี้จะเป็นตัวกำหนดทิศทางของ AI ในทศวรรษหน้า นั่นคือการเปลี่ยนผ่านจากระบบที่แค่ “รู้” ไปสู่ระบบที่ “ลงมือทำ”  “การลงมือทำ” พลิกโฉมโจทย์ด้านการประมวลผลขั้นพื้นฐาน เมื่อ AI เริ่มโต้ตอบกับโลกทางกายภาพ โจทย์ของการประมวลผลย่อมเปลี่ยนไปอย่างสิ้นเชิง แตกต่างจาก Cloud AI ที่มักถูกออกแบบมาเพื่อเน้นการขยายสเกล การรับส่งข้อมูลปริมาณมาก และการประมวลผลแบบรวมศูนย์ เพราะ Physical AI มาพร้อมกับข้อกำหนดใหม่ที่แตกต่างออกไปอย่างสิ้นเชิง  แชตบอตอาจมีอาการหน่วงบ้างในบางครั้ง ซึ่งเป็นเรื่องที่ยอมรับได้ แต่สำหรับหุ่นยนต์ในโรงงานอุตสาหกรรมนั้นไม่สามารถเกิดความล่าช้าได้เลย ยานยนต์อัตโนมัติก็ไม่สามารถปล่อยให้ระบบทำงานไม่เสถียรได้ และอุปกรณ์ทางการแพทย์ก็ไม่สามารถใช้วิธี “ลองตัดสินใจใหม่” ได้เมื่อทุกวินาทีมีผลต่อชีวิต  ระบบเหล่านี้จำเป็นต้องมีคุณสมบัติ:  ในโลกทางกายภาพ ความอัจฉริยะจะมีความหมายก็ต่อเมื่อระบบสามารถตอบสนองและลงมือทำได้ภายในกรอบเวลาที่จำกัด ดังนั้น ความสำเร็จจึงไม่ได้วัดกันที่ประสิทธิภาพของโมเดล AI เพียงอย่างเดียวอีกต่อไป  ขอบเขตของ Physical AI ก้าวไปไกลกว่าแค่การรันโมเดล AI เพราะความอัจฉริยะจะต้องทำงานสอดประสานกันอย่างราบรื่นไร้รอยต่อ ตั้งแต่การรับรู้ข้อมูลผ่านเซ็นเซอร์ ไปจนถึงการประมวลผล (Inference) การวางแผน การควบคุม และนำไปสู่การลงมือทำในโลกจริง ท้ายที่สุดแล้ว ประเด็นสำคัญจึงไม่ใช่แค่การสร้างโมเดล AI ให้ฉลาดขึ้น แต่คือการสร้างระบบอัจฉริยะที่สามารถโต้ตอบกับโลกความเป็นจริงได้อย่างปลอดภัยและเชื่อถือได้ต่างหาก  และนี่คือเหตุผลที่ AMD เชื่อมั่นว่า แท้จริงแล้ว Physical AI คือความท้าทายด้าน “วิศวกรรมระบบ” ไม่ใช่แค่ความท้าทายด้านการสร้าง “โมเดล AI”  ไม่มีโปรเซสเซอร์ใดเพียงชนิดเดียวที่ขับเคลื่อน Physical AI ได้ทั้งหมด เราจะเข้าใจแนวคิดของ Physical AI ได้ง่ายขึ้น หากลองเปรียบเทียบกับร่างกายมนุษย์  สมองของเราทำหน้าที่คิด วิเคราะห์หาเหตุผล และตัดสินใจ ระบบประสาทช่วยให้เรารับรู้และตอบสนองได้อย่างรวดเร็ว ในขณะที่กล้ามเนื้อและข้อต่อทำหน้าที่ควบคุมการเคลื่อนไหวทางกายภาพอย่างแม่นยำ  ระบบ Physical AI ก็ทำงานในลักษณะที่คล้ายคลึงกัน การคิดวิเคราะห์และการรับรู้ที่ซับซ้อนต้องอาศัยหน่วยประมวลผลประสิทธิภาพสูง การตอบสนองแบบเรียลไทม์ต้องใช้การประมวลผลที่มีความหน่วงต่ำ (Low-latency) ณ จุดที่ต้องทำการตัดสินใจ และการเคลื่อนไหวที่แม่นยำก็ต้องการระบบควบคุมที่ถูกต้องและคาดการณ์ผลลัพธ์ได้อย่างแม่นยำ...

PR-News

กรุงเทพฯ, 28 กันยายน 2569 – ไมโครซอฟท์ ยกระดับ Microsoft Copilot รองรับโลกการทำงานที่มีการเปลี่ยนแปลงอย่างต่อเนื่อง เพื่อช่วยเพิ่มศักยภาพให้ทุกคนและทุกองค์กรบรรลุเป้าหมายได้มากยิ่งขึ้น โดย Copilot โฉมใหม่เชื่อมโยงเครื่องมือที่ผู้คนคุ้นเคย เข้ากับขีดความสามารถ AI ยุคใหม่สำหรับการสร้าง ปรับแต่ง และขยายการใช้งาน AI ในทุกมิติของการทำงาน ปัจจุบันแอป Copilot มาพร้อม...

PR-News

โครงสร้างต้นทุน AI สำหรับองค์กรกำลังเปลี่ยนแปลงไป เมื่อโมเดล AI ระดับแนวหน้ารุ่นใหม่และ Agentic AI ช่วยขยายขีดความสามารถของปัญญาประดิษฐ์ในภาคธุรกิจให้กว้างขึ้น อย่างไรก็ตาม องค์กรที่ยังไม่เริ่มวางกลยุทธ์การปรับใช้ระบบแบบไฮบริดตั้งแต่วันนี้ อาจต้องแบกรับค่าใช้จ่ายด้าน AI ที่สูงขึ้นอย่างมากในอีกไม่กี่ปีข้างหน้า  หากองค์กรของคุณขยายการใช้งาน AI ในช่วง 18 เดือนที่ผ่านมา คุณอาจสังเกตเห็นแนวโน้มบางอย่าง การเปิดให้เข้าถึง AI ในวงกว้างขึ้น ใช้งานมากขึ้น...

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

บันทึก