Connect with us

Hi, what are you looking for?

Notebookspec

IT NEWS

NVIDIA อธิบายชัด ทำไมบริษัท “แทบไม่สะเทือน” จากปัญหาขาดแคลนหน่วยความจำ ในยุค AI บูม

NVIDIA AI

ในช่วงปี 2025 ต่อเนื่องมาถึงต้นปี 2026 ปัญหา หน่วยความจำขาดแคลน กลายเป็นหนึ่งในประเด็นใหญ่ของอุตสาหกรรมไอที โดยเฉพาะ DRAM และ HBM ที่ถูกดึงไปใช้งานในฝั่ง AI data center อย่างมหาศาล จนกระทบไปถึงตลาด PC, โน้ตบุ๊ก และการ์ดจอสำหรับผู้บริโภคโดยตรง

คำถามสำคัญคือ แล้วบริษัทที่อยู่ “ศูนย์กลาง” ของกระแส AI อย่าง NVIDIA ได้รับผลกระทบจากสถานการณ์นี้มากน้อยแค่ไหน

Advertisement

คำตอบจาก NVIDIA คือ
บริษัทอยู่ในจุดที่ได้เปรียบอย่างชัดเจน และแทบไม่สะเทือนจากวิกฤตหน่วยความจำครั้งนี้


NVIDIA ตอบตรง ประเด็น DRAM Supercycle ในงาน CES 2026

ในช่วงงาน CES 2026 ระหว่างช่วง Financial Analyst Q&A Session มีนักวิเคราะห์จาก Wells Fargo ตั้งคำถามถึงความเสี่ยงด้านซัพพลายเชนของ NVIDIA โดยเฉพาะเรื่อง

  • ราคาหน่วยความจำ DRAM ที่พุ่งสูง
  • ปริมาณหน่วยความจำที่เริ่มตึงตัว
  • ความต่อเนื่องของการส่งมอบสินค้า

คำตอบมาจากทั้ง Jensen Huang (CEO) และ Colette Cress (CFO) ของ NVIDIA โดยสรุปได้ชัดเจนว่า

NVIDIA เตรียมตัวล่วงหน้ามานานแล้ว และไม่ได้เพิ่งมารับมือกับปัญหานี้ในช่วงหลัง


เหตุผลหลักที่ NVIDIA ได้เปรียบกว่าใครในตลาดหน่วยความจำ

1. NVIDIA เติบโตในสเกล “ใหญ่” ตั้งแต่ก่อน AI บูม

NVIDIA ระบุว่าบริษัทไม่ได้เริ่มต้นจากศูนย์ในยุค AI แต่เติบโตในระดับ massive scale มาก่อนแล้ว ทำให้สามารถวางแผนการขยายกำลังผลิตร่วมกับพาร์ตเนอร์ได้ล่วงหน้าเป็นเวลานาน

เมื่อความต้องการ AI เพิ่มขึ้นอย่างรวดเร็ว บริษัทจึงไม่ต้องเร่งแก้ปัญหาเฉพาะหน้าเหมือนผู้เล่นรายอื่น


2. จ่ายเงินล่วงหน้า (Prepayment) ให้ซัพพลายเออร์โดยตรง

หนึ่งในจุดสำคัญที่สุดที่ NVIDIA เปิดเผยคือ
บริษัทลงทุนกับพาร์ตเนอร์โดยการ “จ่ายเงินล่วงหน้า” เพื่อขยายกำลังการผลิต

กลยุทธ์นี้ช่วยให้

  • ผู้ผลิตหน่วยความจำกล้าลงทุนเพิ่ม capacity
  • NVIDIA ได้สิทธิ์เข้าถึงซัพพลายก่อน
  • ลดความเสี่ยงจากการแย่งวัตถุดิบในตลาดเปิด

3. NVIDIA เป็นบริษัทเซมิคอนดักเตอร์ไม่กี่รายที่ “ซื้อ DRAM เอง”

Jensen Huang ระบุชัดว่า NVIDIA เป็นแทบจะ บริษัทเดียวในโลก ที่

  • ซื้อ DRAM ในระดับ global scale ด้วยตัวเอง
  • ไม่รอให้ซัพพลายเออร์รวมระบบให้เสร็จ

เหตุผลไม่ใช่เรื่องต้นทุน แต่เป็นเรื่องของ การควบคุมซัพพลายเชน


DRAM + CoWoS = จุดแข็งที่เลียนแบบยาก

NVIDIA อธิบายว่าการนำ DRAM มาประกอบเป็น CoWoS-based AI supercomputer ไม่ใช่แค่การต่อชิปเข้าด้วยกัน แต่เป็นกระบวนการที่ซับซ้อนมาก

Jensen เปรียบเทียบว่าเหมือนการเดินระบบ “plumbing” ทั้งอุตสาหกรรม
ใครควบคุมเส้นทางนี้ได้ก่อน ย่อมได้เปรียบในช่วงที่ของขาด

ในสถานการณ์ที่หน่วยความจำตึงตัวแบบปัจจุบัน ความสามารถนี้กลายเป็นแต้มต่อที่สำคัญมาก


NVIDIA ติดต่อผู้ผลิตหน่วยความจำโดยตรงมานานแล้ว

NVIDIA ยืนยันว่าบริษัทไม่ได้เพิ่งเริ่มคุยกับผู้ผลิต DRAM หรือ HBM ในช่วงปีสองปีนี้ แต่ทำมาอย่างต่อเนื่องตั้งแต่เริ่มขยายบทบาทในตลาด AI

ตัวอย่างที่เห็นได้ชัดคือ
การที่ Jensen Huang เดินทางไป เกาหลีใต้ เพื่อพบผู้บริหารระดับสูงของ Samsung โดยไม่ได้คุยแค่เรื่อง HBM แต่รวมถึง DRAM ด้วย

ทั้งหมดนี้เชื่อมโยงกับการทำ Long-Term Agreements (LTA) ซึ่งเป็นสิ่งจำเป็นสำหรับบริษัทที่ไม่สามารถยอมให้การเปิดตัวสินค้าใหม่ล่าช้าได้แม้แต่นิดเดียว


NVIDIA คือหนึ่งใน “ต้นเหตุ” ของปัญหาหน่วยความจำขาดแคลน

แม้ NVIDIA จะรับมือกับปัญหาได้ดี แต่บริษัทก็ยอมรับโดยอ้อมว่า
ความต้องการ AI ของ NVIDIA เอง คือหนึ่งในปัจจัยหลักที่ทำให้หน่วยความจำขาดแคลน

เพราะ NVIDIA ไม่ได้ใช้แค่ HBM เท่านั้น แต่ยังกว้านซื้อหน่วยความจำประเภทอื่นจำนวนมาก เช่น

  • LPDDR
  • SO-DIMM
  • GDDR

ทั้งหมดนี้ถูกใช้เพื่อขับเคลื่อน AI infrastructure ในระดับโลก


เปิดตัวแนวคิดใหม่ Inference Context Memory Storage Platform

อีกจุดที่น่าสนใจคือ Jensen Huang ยังเผยแนวคิดหน่วยความจำรูปแบบใหม่ที่เรียกว่า

Inference Context Memory Storage Platform

ซึ่งเป็น storage class ใหม่สำหรับงาน AI โดยเฉพาะ และมีแนวโน้มสูงว่าจะ

  • ใช้ DRAM ปริมาณมาก
  • เพิ่มแรงกดดันต่อ supply chain ในอนาคต

นี่สะท้อนให้เห็นว่า NVIDIA ยังเดินหน้าขยายการใช้หน่วยความจำต่อไป ไม่ได้ชะลอแผนแต่อย่างใด


ฝั่ง AI รอด แต่ฝั่งเกมเมอร์เริ่มเจ็บตัว

แม้ NVIDIA จะ “แทบไม่สะเทือน” ในฝั่ง AI แต่สถานการณ์กลับแตกต่างในตลาดผู้บริโภคอย่างชัดเจน

มีรายงานว่า

  • การเปิดตัว RTX 50 SUPER ถูกเลื่อนออกไปหลายเดือน
  • ปัญหาหลักคือ DRAM ไม่เพียงพอ
  • NVIDIA วางแผนนำ GeForce RTX 3060 กลับมาขายอีกครั้ง เพื่อลดแรงกดดันด้านซัพพลาย

ทั้งหมดนี้สะท้อนภาพที่ชัดเจนว่า
NVIDIA ในปี 2026 ไม่ได้เป็นบริษัทเกมเป็นหลักอีกต่อไป


บทสรุป NVIDIA เปลี่ยนสถานะจากบริษัทเกม เป็น AI Infrastructure Company เต็มตัว

สิ่งที่เกิดขึ้นในช่วงหน่วยความจำขาดแคลนครั้งนี้ แสดงให้เห็นชัดว่า

  • NVIDIA ให้ความสำคัญกับ AI มากกว่าตลาด consumer
  • บริษัทควบคุมซัพพลายเชนระดับต้นน้ำด้วยตัวเอง
  • ผู้บริโภคและเกมเมอร์คือกลุ่มที่ได้รับผลกระทบมากที่สุด

ในโลกที่ AI คือเครื่องจักรเศรษฐกิจหลัก
NVIDIA เลือกปกป้องฝั่ง data center ก่อนเสมอ และนี่คือความจริงที่ตลาดเริ่มเห็นชัดขึ้นเรื่อย ๆ ในปี 2026

ที่มา: wccftech

Click to comment

บทความน่าสนใจ

Special Story

ชิปเซ็ต NVIDIA RTX Spark ถูกสร้างมาเพื่อตอบโจทย์ยุคที่ผู้คนหันมาใช้ AI Model ต่างๆ เพื่อช่วยลดขั้นตอนงานยุ่งยากและเรื่งจิปาถะในชีวิตประจำวันลงไป ไม่ว่าจะเป็น Chatbot หรือ Agent Model ก็ตาม ให้ผู้ใช้ได้โฟกัสกับงานและไอเดียสร้างสรรค์ใหม่ได้มากขึ้น แถมลดชั่วโมงการทำงานจากหลักร้อยหรือพันชั่วโมงให้เหลือไม่กี่สิบชั่วโมงโดยไม่ต้องรอรีเซ็ต Token ให้งานสะดุดอีกด้วย ซึ่งชิปเซ็ตตัวนี้ NVIDIA เคลมว่ามันรองรับโมเดลขนาดใหญ่ถึง 120B (120...

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...

รีวิว Asus

ASUS TUF Gaming A16 FA608UHI จ่ายไม่แพง แรงพร้อมลุยทุกเกม ใช้งานดีรอบด้าน ASUS TUF Gaming A16 FA608UHI รหัสนี้เป็นเกมมิ่งโน้ตบุ๊กรหัสฝาแฝดกับ TUF Gaming F16 ซึ่งได้รีวิวไปก่อนหน้านี้ ดังนั้นทั้งสองรุ่นนี้จึงแชร์องค์ประกอบร่วมกันหลายอย่างตั้งแต่ดีไซน์เรียบง่ายน่าใช้, คีย์บอร์ดเกมมิ่งพร้อมไฟ 1-Zone RGB มีปุ่ม WASD...

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

บันทึก