ปัญปัญไดอารีลงทุน

[nin 🌟🌛🌺 @mydaileee]

อห มีคนโดนฆาตกรรมที่สวนเบญจสิริ😭

[Fun Manager @funxmanager]

สรุปประเด็นจากสัมมนา MFC

" AI Factory Connect the Dots from Power to Intelligence ต่อจิ๊กซอว์ AI สู่โอกาสการลงทุน "

บรรยายโดย คุณเชาวน์กร โชติบัณฑ์
ผู้ช่วยกรรมการผู้จัดการ และหัวหน้าฝ่ายกลยุทธ์การลงทุน

หยิบแก่นๆของแต่ละเรื่องมานะครับ

1. ภาพรวมของระบบนิเวศ AI (AI Ecosystem & Supply Chain Overview)

เบื้องหลังการใช้งาน AI เช่น ChatGPT, Claude, Gemini เมื่อผู้ใช้พิมพ์คำถาม (Prompt) เข้าไป
คำถามจะถูกส่งไปยังโรงงาน AI (AI Factory) หรือ Data Center ซึ่งมีห่วงโซ่อุปทาน (Supply Chain) ขนาดใหญ่และเกี่ยวข้องกับบริษัทจำนวนมาก สามารถแบ่งออกเป็น 3 กลุ่มหลัก ได้แก่

กลุ่มที่ 1 โครงสร้างพื้นฐานทางกายภาพและพลังงาน (Infrastructure & Power)

- ประกอบด้วย ระบบไฟฟ้า, ระบบระบายความร้อน (Cooling), และตัวอาคาร Data Center

- เป็นส่วนที่จับต้องได้และเป็นจุดเริ่มต้นสำคัญ เพราะหากไม่มีไฟฟ้าก็ไม่สามารถรัน Data Center ได้

กลุ่มที่ 2 อุปกรณ์สารกึ่งตัวนำและการประมวลผล (Semiconductors, Compute & Memory)

- Semiconductors & Packaging การนำชิปมาประกอบรวมกันในแพ็กเกจเดียว (เช่น เทคโนโลยี CoWoS) เพื่อเพิ่มประสิทธิภาพการทำงาน

- Compute (หน่วยประมวลผล) สมองในการคำนวณและประมวลผลข้อมูล (CPU/GPU) ซึ่งเป็นตัวกำหนดความฉลาดและความเร็ว

- Memory (หน่วยความจำ) ความทรงจำของระบบ เช่น HBM, RAM, SSD ซึ่งมีความสำคัญมากและราคาปรับตัวสูงขึ้นอย่างมีนัยสำคัญ

กลุ่มที่ 3 ระบบเครือข่ายและการส่งข้อมูล (Networking & Optics)

- Networking ทำหน้าที่เชื่อมต่อตู้แร็ค (Rack) หลายพันถึงหลายหมื่นตู้ใน Data Center เข้าด้วยกัน เพื่อให้ประมวลผลร่วมกันได้เหมือนเป็นสมองก้อนเดียว

- Optical / Photonics (เทคโนโลยีแสง) เนื่องจากความเร็วในการส่งข้อมูลสูงขึ้นมาก (จากมาตรฐาน 800 Gbps ขยับไป 1.6 Tbps และ 3.2 Tbps) การใช้สายทองแดงแบบเดิมจึงมีข้อจำกัด ส่งผลให้ต้องเปลี่ยนมาใช้ Optical Fiber (เส้นใยแก้วนำแสง) เพื่อส่งข้อมูลด้วยแสงแทน

=====

2. เจาะลึกกลุ่มที่ 1 ระบบไฟฟ้าและโครงสร้างพื้นฐาน (Power & Grid Infrastructure)

2.1 ความต้องการพลังงานไฟฟ้าที่เพิ่มขึ้นอย่างมหาศาล

- ตู้แร็ค (Rack) ยุคเก่าใช้ไฟฟ้าประมาณ 5–15 kW ต่อตู้
- ตู้แร็คยุค AI ปัจจุบันใช้ไฟฟ้าสูงถึง 100–150 kW ต่อตู้ (เพิ่มขึ้นราว 10 เท่า)
- ในอนาคต เช่น รุ่น Vera Rubin หรือสถาปัตยกรรมใหม่ๆ ของ NVIDIA ช่วงปี 2028 คาดว่าจะใช้ไฟฟ้าสูงถึง 1 MW ต่อตู้
- ความต้องการไฟฟ้าที่พุ่งสูงขึ้นทำให้เกิดความกังวลเรื่องพลังงานขาดแคลนและการสร้างระบบส่งจ่ายไฟไม่ทัน

2.2 หุ้นและธุรกิจที่เกี่ยวข้องในห่วงโซ่ระบบไฟฟ้า

แม้คนส่วนใหญ่จะคิดถึง "โรงไฟฟ้า" (Power Generation) แต่ในความเป็นจริง หุ้นโรงไฟฟ้าอาจไม่ได้ประโยชน์เต็มที่ทันที
เนื่องจากต้องใช้เงินลงทุนสูง (CapEx) และใช้เวลาก่อสร้างนาน แต่กลุ่มที่ได้รับประโยชน์ชัดเจนกว่า ได้แก่

1) ผู้รับเหมาก่อสร้างระบบไฟฟ้า (Engineering & Construction)

- ตัวอย่างบริษัท Quanta Services (PWR)
- บทบาท รับเหมาก่อสร้างโครงสร้างพื้นฐานทางไฟฟ้า สถานีย่อย (Substation) และระบบ Grid
.
2) ผู้ผลิตอุปกรณ์จัดสรรและควบคุมไฟฟ้า (Electrical Equipment & Switchgear)
- ตัวอย่างบริษัท Eaton (ETN), Schneider Electric
- บทบาท ผลิตตู้ไฟ, สวิตช์เกียร์ (Switchgear) สำหรับควบคุมและตัดไฟเมื่อรัดวงจร, ระบบสำรองไฟ (UPS - Uninterruptible Power Supply), และหน่วยกระจายพลังงาน (PDU - Power Distribution Unit)
.
3) เครื่องปั่นไฟสำรอง (Backup Generators)
- ตัวอย่างบริษัท Caterpillar (CAT)
- บทบาท ผลิตเครื่องปั่นไฟขนาดใหญ่ตั้งไว้ข้าง Data Center เพื่อป้องกันกรณีไฟดับ (ราคาหุ้นปรับตัวขึ้นสูงมากจากอานิสงส์นี้)
.
4) โซลูชันพลังงานทางเลือก/ผลิตไฟเฉพาะจุด (On-site Power Generation)
- ตัวอย่างบริษัท Bloom Energy (BE)
- บทบาท ผลิต "Bloom Box" ที่ใช้ปฏิกิริยาเคมี (แก๊ส + ออกซิเจน) ในการสร้างไฟฟ้าตั้งไว้ข้าง Data Center โดยไม่ต้องรอการขยายระบบสายส่ง (Grid) จากภาครัฐ
.
5) ผู้ผลิตกังหันแก๊ส (Gas Turbines)
- ตัวอย่างบริษัท GE Vernova (GEV)
- บทบาท ผลิตกังหันแก๊สให้โรงไฟฟ้า นำไปเพิ่มกำลังการผลิตไฟฟ้าเพื่อรองรับความต้องการที่เพิ่มขึ้น

=====

3. ผู้ให้บริการ Cloud และโมเดล AI (Cloud Providers & AI Labs)

เมื่อโครงสร้างพื้นฐาน (Data Center & Power) พร้อม ก็จะรองรับการทำงานของ AI Labs และผู้ให้บริการระบบคลาวด์

- Hyperscalers / Cloud Providers เช่น Microsoft (Azure), Amazon (AWS), Google (GCP) และ Oracle ทำหน้าที่ให้เช่ากำลังการประมวลผลแก่ระดับองค์กร (Enterprise)

- AI Labs & Applications ผู้พัฒนาโมเดล AI เช่น OpenAI (ChatGPT), Anthropic (Claude), Google (Gemini) รวมถึงโมเดลใหม่ๆ จากจีน (เช่น Kimi 3) ที่พัฒนาความสามารถด้านปัญญาประดิษฐ์มาแข่งขันในตลาดอย่างเข้มข้น

=====

4. กระบวนการตรวจสอบและประกอบชิป (Chip Inspection & Advanced Packaging)

- การตรวจสอบคุณภาพ (Inspection) ใช้เครื่อง KLAC (KLA Corporation) ในการตรวจดูสเปก/รอยเบี้ยวของลายเส้น ดูฝุ่นเกาะ และวิเคราะห์ว่าซ่อมได้หรือไม่

- เทคโนโลยี Advanced Packaging เป็นการนำ GPU และ Memory Chip มาแพ็กรวมกัน (เชื่อมติดกัน) เพื่อส่งออกไปใช้งาน

- บริษัทหลักที่ทำได้ TSMC, ASE (สัญลักษณ์ในตลาด ASX), และ Amkor (AMKR)

ส่วนประกอบภายใน Packaging

- Interposer ชั้นที่ช่วยให้ชิปต่าง ๆ เชื่อมต่อและส่งข้อมูลหากันได้
- Substrate ชั้นที่ใช้วางตัวชิปและต่อเข้ากับเมนบอร์ด (Motherboard) ช่วยยึดชิป จ่ายไฟ และส่งข้อมูล
- ผู้ผลิต Substrate Ibiden (ญี่ปุ่น) และ Unimicron (ไต้หวัน)

- การทดสอบชิป (Testing) เมื่อประกอบเสร็จต้องผ่านการทดสอบ บริษัททดสอบระดับโลกที่โดดเด่นคือ Teradyne เมื่อผ่านการทดสอบตามสเปกแล้ว จึงส่งประกอบเป็นแพ็กเกจส่งให้ NVIDIA นำไปขายใส่ใน Data Center

=====

5. วัฏจักรและแนวโน้มราคาหุ้นกลุ่มเซมิคอนดักเตอร์ (Semiconductor Cycle & Stock Trends)

- ความสัมพันธ์ระหว่างยอดขายกับราคาหุ้น >> หุ้นกลุ่ม Semiconductor มีลักษณะวิ่งเป็นรอบ (Cycle) จากสถิติตั้งแต่ปี 2014 ยอดขาย Semiconductor มักจะพีค (Peak) ก่อนราคาหุ้นประมาณ 9-16 เดือน (Semiconductor เป็น Leading Indicator)

- ปัจจัยเสี่ยงที่ทำให้หุ้นกลุ่มนี้พัง/ลงแรง >> หลัก ๆ เกิดจากนโยบายการเงินของธนาคารกลางสหรัฐฯ (FED) เช่น การขึ้นดอกเบี้ย, เทรนด์ Tightening หรือ การทำ QT (Quantitative Tightening)
ตัวอย่างเช่น ปี 2015 (การส่งสัญญาณ Tightening/Tapering), ปี 2018 (Trade War + QT), และปี 2022 (การขึ้นดอกเบี้ยสู้เงินเฟ้อ ทำให้ Nasdaq -35%, NVIDIA -60%)

- สถานการณ์ปัจจุบัน >> ยอดขายเซมิคอนดักเตอร์โลกยังทำ New High แต่ราคาหุ้นปรับฐานลงมาแล้วพอสมควร (ชิปบางกลุ่มลง 20-50%)

=====

6. หน่วยประมวลผลและการเทรน AI (AI Compute GPU vs CPU vs ASIC)

กระบวนการของ AI
- Training (การเรียนรู้) ประมวลผลข้อมูลมหาศาลเพื่อให้ AI ฉลาด (ใช้ชิปหนักมาก) มีขั้นตอน เช่น Pre-train, Post-train, Fine-tune (ปรับแต่งเฉพาะทาง/บล็อกคำตอบไม่เหมาะสม)
- Inference (การประยุกต์ใช้) การนำ AI ไปตอบคำถามหรือใช้งานจริง

ความแตกต่างระหว่าง CPU และ GPU
- GPU เปรียบเสมือน "คนงานจำนวนมาก" ทำงานพร้อมกันแบบขนาน (Parallel) เหมาะกับการคำนวณมหาศาลในขั้นตอน Training
- CPU เปรียบเสมือน "ผู้จัดการ/Manager" มีความฉลาดสูงกว่า ประมวลผลงานที่ซับซ้อน

เทรนด์ Agentic AI และการเติบโตของ CPU
- จากเดิมใช้สัดส่วน CPU : GPU อยู่ที่ 1 : 2
- ปัจจุบันการมาของ Agentic AI (AI ที่ทำงานเป็น Workflow ซับซ้อน เช่น วางแผนเที่ยว จองโรงแรม ตรวจสอบงาน) ทำให้ความต้องการ CPU เพิ่มขึ้นเป็นสัดส่วน 1 : 1
- คาดการณ์ TAM (Total Addressable Market) ของ CPU จะเติบโตอย่างก้าวกระโดดจาก 35,000 ล้านดอลลาร์ เป็น 170,000 ล้านดอลลาร์ในอีก 5 ปีข้างหน้า

=====

7. ผู้เล่นหลักในตลาดชิปประมวลผล (Key Players in Compute Market)

**GPU & AI Server Rack

- NVIDIA เจ้าตลาดหลัก ปัจจุบันขายยกตู้ Rack เช่น รุ่น GB200 (Grace CPU + Blackwell GPU) และรุ่นใหม่อย่าง GB300, NVL/Rubin Ultra
- AMD มีผลิตภัณฑ์ AI Server ในชื่อตู้ Rack ว่า Helios โดยมี CPU คือ EPYC และ GPU คือ Instinct (ซีรีส์ MI350, MI455)
- Intel มี GPU ในชื่อ Gaudi แต่ความนิยมยังน้อยกว่าเจ้าอื่น

**CPU

- Intel ใช้ CPU ตระกูล Xeon สำหรับ Data Center (ราคาหุ้นเคยปรับตัวขึ้นแรงตอบรับกระแส Agentic AI และการฟื้นตัว)
- AMD ใช้ CPU ตระกูล EPYC สำหรับ Data Center (สำหรับผู้ใช้ทั่วไปจะใช้ตระกูล Ryzen)

**ASIC (Custom Chips / ชิปเฉพาะทาง)

- แนวคิด ชิปที่ออกแบบมาเพื่อทำงานเฉพาะอย่าง ประหยัดไฟและต้นทุนกว่าการซื้อ GPU ทั่วไปมาใช้งาน
- ผู้พัฒนาชิปเฉพาะทางให้บริษัทเทคโนโลยีใหญ่ (Hyper-scalers เช่น Google, Amazon)
- Broadcom (AVGO) ผู้นำหลักในการทำ Custom ASIC
- Marvell Technology (MRVL) ผู้เล่นสำคัญอีกรายในตลาด ASIC ชิปเฉพาะทาง

- การพัฒนา ASIC Chip ของกลุ่ม Big Tech
Google พัฒนาชิป TPU (จับมือร่วมกับ Broadcom/Avago)
Amazon พัฒนาชิป Trainium (เน้นใช้เฉพาะทางในองค์กร)
Meta พัฒนาชิป MTIA

- บทบาทสำคัญของ TSMC เป็นผู้ผลิตหลักที่ครอบคลุมทั้งการทำ Packaging, ASIC และ GPU ซึ่งเป็นจุดยุทธศาสตร์สำคัญของอุตสาหกรรมชิปทั่วโลก

=====

8. พฤติกรรมการใช้งาน AI และแนวคิดทางเศรษฐศาสตร์ (AI Tokens & Jevons Paradox)

- การเติบโตของ Token ปริมาณการใช้งาน (Input & Output Tokens) ต่อสัปดาห์สูงขึ้นเรื่อยๆ แสดงถึงการที่ผู้คนทั่วโลกร่วมมือกันใช้ AI มากขึ้นอย่างต่อเนื่อง

- การแข่งขันระหว่าง US vs. China Models ปริมาณการใช้งานโมเดลฝั่งจีน (เช่น Kimi, DeepSeek) เติบโตขึ้นอย่างก้าวกระโดดเนื่องจากราคาคุ้มค่ากว่า ขณะที่โมเดลฝั่งอเมริกาไต่ระดับเพิ่มขึ้นตามลำดับ

- ปรากฏการณ์ Jevons Paradox ถึงแม้ราคาประมวลผลต่อหน่วยจะถูกลง แต่กลับส่งผลให้ผู้บริโภคและองค์กรดึง AI มาใช้งานเพิ่มขึ้นอย่างมหาศาล จนภาพรวมต้องใช้ Infrastructure และกำลังการประมวลผล (Compute) เพิ่มขึ้นกว่าเดิม

=====

9. หน่วยความจำและการจัดเก็บข้อมูล (Memory & Storage)

เปรียบเทียบการทำงาน

- NAND (Storage) เหมือนตู้เก็บเอกสาร/แฟ้มงาน สำหรับจัดเก็บข้อมูลถาวร
- DRAM (Memory) เหมือนโต๊ะทำงานที่ดึงข้อมูลมาประมวลผลชั่วคราว

เทคโนโลยี HBM (High Bandwidth Memory) เป็น DRAM ยุคใหม่ที่วางซ้อนกันเป็นชั้นๆ เพื่อความรวดเร็วและประหยัดพลังงาน วางคู่กับ GPU
ผู้ผลิตหลัก 3 ราย (เช่น SK Hynix, Samsung, Micron) ครองสัดส่วนการผลิต HBM ทั่วโลกกว่า 90%

เทรนด์เทคโนโลยีในอนาคต จะมีการพัฒนาไปสู่ Custom HBM (C-HBM) และ Memory-on-Logic (คาดการณ์ช่วงปี 2029–2030)

=====

10. ระบบเครือข่ายและการเชื่อมต่อ (Networking & Photonics)

- การเชื่อมต่อ GPU แบ่งออกเป็น Scale-Up (ภายในเครื่อง) Scale-Out (นอกเครื่อง) และ Scale-Across (ข้าม Data Center)

- การเปลี่ยนผ่านสู่ Optical/Photonics >> สายทองแดงมีข้อจำกัดด้านการสูญเสียสัญญาณเมื่อข้อมูลวิ่งด้วยความเร็วสูง อุตสาหกรรมจึงหันมาใช้สาย Optical (แสง) และเทคโนโลยี Photonics ในการส่งผ่านข้อมูล

- ผู้เล่นสำคัญในกลุ่ม Networking Arista Networks (Switching), Broadcom/Marvell (Networking Chips), Credo (Cable), Coherent / Lumentum / AOI (Laser & Optics)

=====

11. ผู้ประกอบประกอบเครื่องและผู้ให้บริการ (Builders & Cloud Operators)

- Server Builders บริษัทผู้ประกอบตู้แร็กและเซิร์ฟเวอร์ เช่น Dell, SMCI (Supermicro), HPE

- Compute & Cloud Operators ผู้ให้บริการกำลังการประมวลผล GPU เช่น CoreWeave, Nebius, Applied Digital, Oracle

=====

12. ห่วงโซ่อุปทานภาพรวมและการเติบโตของฝั่งองค์กร (AI Value Chain & Enterprise Demand)

- Value Chain ตั้งแต่ Infrastructure (ไฟฟ้า, Compute, Networking) $\rightarrow$ AI Labs (ผู้พัฒนาโมเดล เช่น OpenAI, Anthropic, Google, DeepSeek) $\rightarrow$ การนำไปใช้ในฝั่งลูกค้ารายย่อยและองค์กร

- Enterprise Demand ปัจจุบันการเติบโตฝั่งลูกค้าองค์กร (Enterprise) กำลังเร่งตัวขึ้นอย่างมากและเข้ามาเป็นกำลังหลักในการขับเคลื่อนอุตสาหกรรม AI

ขอบคุณเนื้อหาดีๆจาก MFC วันนี้ ผมหยิบสไลด์บางหน้ามาลงนะครับ
#FunManager
Source : https://t.co/Bk6dtZRiuR

[ปัญปัญไดอารีลงทุน @lappanyar]

@KP_khunpicha ดีเอมค่า

[ปัญปัญไดอารีลงทุน @lappanyar]

@partywithmary ขอไอจี / line ka dm ไม่ได้

[ปัญปัญไดอารีลงทุน @lappanyar]

@ppuppyhoney ขอไลน์ค่ะ

[ปัญปัญไดอารีลงทุน @lappanyar]

@Emm_HY_HJ Dm ka

[ปัญปัญไดอารีลงทุน @lappanyar]

@D_L_Payne ยังอยู่ไหมคะ ดีเอมไม่ได้

[ปัญปัญไดอารีลงทุน @lappanyar]

@0modemline0 ปล่อยยังคะ

[ปัญปัญไดอารีลงทุน @lappanyar]

@fzodxz ขอไลน์ได้ไหมคะ

[ปัญปัญไดอารีลงทุน @lappanyar]

@tdftonnf สนค่า

[ปัญปัญไดอารีลงทุน @lappanyar]

@fzodxz Dmต่อไม่ได้ค่ถ

[ปัญปัญไดอารีลงทุน @lappanyar]

@MeawRomantic สนค่า

[ritrit สงสัยอะไร๊ @curioverse_th]

ปี 2026 สอนผมว่า "ซื้อหุ้นเทค" ไม่พอ - ต้องซื้อให้ถูกธีมด้วย

Micron +163%, NVDA +15.5%, GOOGL +22.4%
Microsoft -13.5%, Meta -7.6%, Tesla -5.3%

ทั้งหมดคือหุ้นเทคใหญ่หมดเลย แต่ performance ต่างกันราวฟ้ากับดิน

[Somτum_Lnwza007 @Somtum205849]

SpaceX เตรียมซื้อขายในตลาด Nasdaq ภายใต้ Ticker $SPCX ในวันที่ 12 มิถุนายนนี้ 🚀
.
ส่วนตัวไม่ซื้อ IPO หรือซื้อวันเเรกๆเเน่นอน รอดูกราฟกันไปสักพัก
.
ช่วงนี้หุ้นกลุ่มอวกาศพุ่งกันมากๆทั้ง $RKLB $ASTS เเละตัวอื่นๆ
.
เเต่ฉันไม่เล่นจ้าเพราะกราฟมันวิ่งไปหมดเเล้ว ตกรถดีกว่าติดดอย มีรถให้ตกอีกเป็นล้านคัน ฉันไปเล็งกลุ่มไฟฟ้าดีกว่า Look forward กันไป 🤤

[Hyper Shark! @HyperSharkk]

ถ้าเทรนด์ robotics มา หุ้น 3 ตัวนี้จะ mainstream และเป็น core indicators ของตลาดช่วงนั้นแน่นอน

1. $TSLA
2. $AMZN
3. $NVDA

เราจะตามการใช้เงิน (Capex) ของ 3 ตัวนี้แน่นอน อย่างกะที่เราทำกับอยู่ตอนนี้ ที่ตามการใช้เงินของ Hyperscaler กับการลงทุน Ai

และไม่ว่าใครจะชนะในสนาม robotics ก็ตาม เราต้องหา “คนขายพลั่ว” ให้เจอ คนนั้นแหละจะเป็นคนมี upside มากที่สุดในเทรนด์ ไม่ใช่ 3 ตัวนี้ เพราะมันใหญ่แล้ว upside เริ่มชนเพดานละ

[พี่น้องเออ @UrsularTVA]

เจออาชีพใหม่กูอึ้งไปเลย Animal communicator สื่อสารแทนสัตว์ ช่องจุ๊มเหม่ง เจไดคือป่วยหนักมาก communicator บอก แจแปน (หมาที่ตายไปแล้ว) จะมารับไปอยู่ด้วยแล้ว ให้ขึ้นไปคุยกับวิญญาณหมาบนห้องนอนให้ขอเวลาอีกหน่อย กูอึ้งรอบสอง สื่อสารกับผีหมาก็ได้อีก

[Nimnimeiei @Nimpks]

"อย่าใช้ทั้งชีวิต เพื่อรอใช้ชีวิต"

[ปัญปัญไดอารีลงทุน @lappanyar]

@honeyminaa Ysl มีแบบ refill ไหมคะ

[Hyper Shark! @HyperSharkk]

Networking กำลังโตแบบเงียบๆ และ $NVDA ก็ออกมายืนยันแล้วว่ามันมี Demand จริงๆ

ผมดูมานานพอสมควรว่า Networking จะเป็นคอขวดแน่ๆ ใน Value Chain Ai มันขาดไม่ได้จริงๆ ถ้ามีสมองฉลาดมากๆ แต่ระบบประสาทมันห่วย ยังไง Ai (สมอง) ก็ห่วยตาม

และหุ้นในกลุ่มนี้ยังวิ่งไม่มากเลย ผมไม่คิดว่าจะมีแค่ $NVDA นะครับที่จะกิน Market share มันต้องมีคนอื่นที่ Niche กว่า specialise ในด้านนี้กว่า มาแย่ง Market share แน่ๆ