Rubin Ultra ลดสเปกครั้งใหญ่ อินวิเดียก็สู้ราคาหน่วยความจำที่แพงขึ้นไม่ไหวแล้วหรือ?
- มุมมองหลัก: อินวิเดียปรับดีไซน์ชิปเรือธง Rubin Ultra เนื่องจากการพุ่งขึ้นของราคา HBM โดยลดสเปกหน่วยความจำแต่เสริมขนาดการเชื่อมต่อเครือข่ายเพื่อปรับโครงสร้างต้นทุนให้เหมาะสม การเคลื่อนไหวนี้จุดชนวนความกังวลในตลาดว่าความต้องการ HBM อาจถึงจุดสูงสุด ส่งผลให้หุ้นกลุ่มหน่วยความจำร่วงลงอย่างหนัก
- ปัจจัยสำคัญ:
- กำลังประมวลผลสูงสุดของ Rubin Ultra คงที่ที่ 35 PFLOPs แต่หน่วยความจำลดลงเหลือ 192GB ซึ่งต่ำกว่า Rubin ที่ 288GB โดยแบนด์วิธเพิ่มขึ้นเพียง 1 TB/s การปรับปรุงประสิทธิภาพจึงมีจำกัด
- แกนหลักของการปรับต้นทุน: สัดส่วนต้นทุน HBM ลดลงจากเกือบ 40% เหลือ 28% ขณะที่สัดส่วนต้นทุนการขยายการเชื่อมต่อเครือข่ายเพิ่มขึ้นจาก 4% เป็น 12% ต้นทุนวัสดุต่อแร็คเครื่องลดลงจากประมาณ 8 ล้านเหรียญสหรัฐเหลือ 6.4 ล้านเหรียญสหรัฐ
- จุดเด่นด้านสเปกเปลี่ยนไปที่ "การขยายขนาดการเชื่อมต่อเครือข่าย": รองรับสถาปัตยกรรม NVL576 สามารถเชื่อมต่อ GPU ได้สูงสุด 576 ตัวเพื่อสร้าง超级逻辑 GPU ซึ่งเพิ่มขึ้น 8 เท่าเมื่อเทียบกับเวอร์ชันปกติที่ใช้การ์ด 72 ใบ
- ปฏิกิริยาของตลาด: หุ้นของ SK Hynix และ Samsung ร่วงลงพร้อมกันประมาณ 8% ขณะที่ดัชนี KOSPI ลดลงประมาณ 5% สะท้อนความกังวลของนักลงทุนต่อการลดการพึ่งพา HBM ของผู้ผลิตชิป AI
- รายงานของ SemiAnalysis ยังไม่ได้รับการยืนยันอย่างเป็นทางการจากอินวิเดีย แต่การเปิดเผยดังกล่าวได้จุดชนวนให้เกิดการประเมินโครงสร้างอุปสงค์-อุปทานและอำนาจการกำหนดราคาของ HBM ใหม่
ต้นฉบับ: Odaily Planet Daily (@OdailyChina)
ผู้เขียน: Azuma (@azuma_eth)
ในช่วงสุดสัปดาห์ที่ผ่านมา บทวิเคราะห์จากสถาบันวิจัยการลงทุนชื่อดัง SemiAnalysis ได้ก่อให้เกิดการถกเถียงครั้งใหญ่ทั่ววงการ AI
แก่นของรายงานฉบับนี้คือ หลังจากที่ SemiAnalysis เปิดเผยเมื่อปลายเดือนมิถุนายนว่า การออกแบบ Rubin Ultra แบบ 4 ตัวตาย (4-die) เวอร์ชันดั้งเดิมของ NVIDIA จะถูกตัดครึ่ง ล่าสุดสถาบันวิจัยแห่งนี้เปิดเผยอีกว่า NVIDIA ได้ส่งมอบตัวอย่าง Rubin Ultra ให้กับลูกค้าหลักแล้ว แต่สเปกโดยรวมกลับต่ำกว่าที่คาดการณ์ไว้ก่อนหน้านี้
ภาพข้อมูลที่เกี่ยวข้องกับ Rubin Ultra ที่หลุดออกมาจากรายงานของ SemiAnalysis มีดังนี้:
- Rubin Ultra จะคงค่าพีคทางทฤษฎีของกำลังประมวลผลเท่ากับ Rubin ซึ่งอยู่ที่ 35 PFLOPs เท่ากัน
- ความจุหน่วยความจำถูกลดสเปกลงอย่างมาก โดยลดเหลือ 8 ชั้นซ้อน (8-Hi) ที่ 192GB ซึ่งต่ำกว่า Rubin ที่ใช้ 12 ชั้นซ้อน (12-Hi) ขนาด 288GB เสียอีก
- แบนด์วิธหน่วยความจำเปลี่ยนแปลงเพียงเล็กน้อย เพิ่มขึ้นเพียง 1 TB/s ซึ่งแทบไม่มีนัยสำคัญในการคำนวณปริมาณงานสูงจริง
- 功耗ระดับชิปกลับเพิ่มขึ้นเล็กน้อย โดย功耗ต่ำสุดเท่ากับ Rubin (1800 W) แต่功耗สูงสุดกลับสูงขึ้น (2600 W)
- การอัปเกรดครั้งสำคัญเพียงอย่างเดียวคือ "ขนาดการขยายการเชื่อมต่อ" (Scale-up world size) ซึ่งเพิ่มจาก GPU 72 ตัว เป็น GPU 576 ตัว หมายความว่า NVIDIA ได้ย้ายจุดขายที่แท้จริงไปที่เครือข่ายคลัสเตอร์ โดยผ่านเครือข่าย NVLink มันสามารถเชื่อมต่อ Rubin Ultra ได้สูงสุด 576 ตัวเข้าด้วยกันเป็น "Super GPU เชิงตรรกะ" ขนาดใหญ่ (เวอร์ชันปกติรองรับการเชื่อมต่อสูงสุดเพียง 72 การ์ด)
ในฐานะเวอร์ชันเรือธงระดับไฮเอนด์ที่ NVIDIA ประกาศอย่างเป็นทางการในงาน GTC 2026 รอบนี้ เดิมที Rubin Ultra ถูกวางตำแหน่งให้ออกแบบมาเพื่อตอบสนองความต้องการฝึกฝนและอนุมานโมเดล AI ในระดับที่ใหญ่ที่สุด ด้วยการรวมชิปไดย์ (die) และหน่วยความจำแบนด์วิธสูงเข้าด้วยกันมากขึ้น แต่จากรายละเอียดสเปกล่าสุดที่ SemiAnalysis เปิดเผย เห็นได้ชัดว่า NVIDIA ได้ปรับเปลี่ยนแนวทางการออกแบบ Rubin Ultra แล้ว
HBM ราคาพุ่งเร็วเกินไป NVIDIA เริ่มคิดบัญชีใหม่อีกครั้ง
ในช่วงสองปีที่ผ่านมา หนึ่งในองค์ประกอบที่สำคัญที่สุดในการขยายโครงสร้างพื้นฐาน AI ก็คือ HBM อย่างไม่ต้องสงสัย
เมื่อความต้องการ AI accelerator อย่าง Nvidia H100, H200, Blackwell และอื่นๆ ระเบิดขึ้น หน่วยความจำแบนด์วิธสูงจึงเปลี่ยนจากผลิตภัณฑ์จัดเก็บข้อมูลระดับไฮเอนด์ที่ค่อนข้างเฉพาะกลุ่ม กลายเป็นจุดที่ขาดแคลนที่สุดในโครงสร้างพื้นฐาน AI ทั้งหมด SK Hynix, Samsung และ Micron ต่างขยายการลงทุนใน HBM พร้อมๆ กับการทำผลประกอบการที่ทำสถิติใหม่ ขณะที่ความไม่สมดุลของอุปสงค์และอุปทานในตลาดยังคงผลักดันให้ราคา HBM สูงขึ้นอย่างต่อเนื่อง
สำหรับผู้ผลิตชิป AI ความสำคัญของ HBM นั้นไม่ต้องพูดถึง — GPU ทำหน้าที่คำนวณ ส่วน HBM ทำหน้าที่ให้อัตราการรับส่งข้อมูลความเร็วสูง ทั้งสองร่วมกันกำหนดประสิทธิภาพการฝึกฝนและอนุมานโมเดล AI แต่ปัญหาคือตอนนี้ HBM แพงจนเริ่มส่งผลกระทบต่อความคุ้มค่าทางเศรษฐกิจโดยรวมของระบบ AI แล้ว ตัวอย่างเช่น HBM3 ราคาต่อชิปในไตรมาส 2 ของปี 2025 ซึ่งเป็นจุดต่ำสุดอยู่ที่เพียง 180-220 ดอลลาร์ แต่ในไตรมาส 1 ของปีนี้ (ราคาสัญญา) กลับพุ่งขึ้นเป็น 600-700 ดอลลาร์ และในไตรมาส 2 (ราคาสปอต) ก็ยิ่งพุ่งไปที่ 700-850 ดอลลาร์
จากการคำนวณของ SemiAnalysis เมื่อราคา HBM สูงขึ้น ต้นทุนวัสดุ (BOM) เพียงอย่างเดียวของ Rubin Ultra ต่อแร็ค เคยพุ่งจากประมาณ 6.6 ล้านดอลลาร์ เป็น 8 ล้านดอลลาร์ แต่หลังจากปรับเปลี่ยนสเปกการออกแบบ ต้นทุนก็ลดลงกลับมาอยู่ที่ประมาณ 6.4 ล้านดอลลาร์
สำหรับ NVIDIA ความแตกต่างของต้นทุนที่มหาศาลเช่นนี้หมายถึงปัญหาที่สมจริงมาก — หากยังคงเพิ่มความจุ HBM ตามการออกแบบเดิมต่อไป มันจะยังให้ประสิทธิภาพที่คุ้มค่ากับต้นทุนหรือไม่? มีทางเลือกอื่นที่ดีกว่านี้หรือไม่?
SemiAnalysis ให้คำตอบไว้ในรายงานว่า การปรับ Rubin Ultra โดยพื้นฐานแล้วคือการที่ NVIDIA ปรับโครงสร้างต้นทุนของระบบ AI ให้เกิดประสิทธิภาพสูงสุดภายใต้ทรัพยากรที่มีอยู่อย่างจำกัด กล่าวคือ ลดการกำหนดค่า HBM ที่ค่อนข้างแพง (สัดส่วนต้นทุนจากเกือบ 40% ลดลงเหลือ 28%) แล้วนำทรัพยากรไปลงทุนกับความสามารถในการขยายการเชื่อมต่อที่มีมูลค่าสูงกว่า (สัดส่วนต้นทุนจาก 4% เพิ่มขึ้นเป็น 12%)
ดังที่กล่าวไว้ข้างต้น ทิศทางการอัปเกรดหลักของ Rubin Ultra ตอนนี้ได้เปลี่ยนไปเป็น "ความสามารถในการขยายการเชื่อมต่อระดับระบบ" แล้ว สถาปัตยกรรม NVL576 ที่ Rubin Ultra รองรับ สามารถเชื่อมต่อ GPU ได้สูงสุด 576 ตัวผ่าน NVLink ให้เป็นโดเมนการคำนวณแบบรวมเป็นหนึ่ง โดยตั้งใจที่จะชดเชยการปรับลดสเปกของชิปแต่ละตัว ด้วยการขยายระบบในระดับที่ใหญ่ขึ้น
หุ้นกลุ่มหน่วยความจำร่วงหนัก ตลาดกังวลว่าอุปสงค์จะถึงจุดสูงสุด
อาจเป็นเพราะได้รับผลกระทบจากข่าวนี้ เช้านี้หุ้นกลุ่มหน่วยความจำในตลาดหุ้นเกาหลีใต้เปิดมาปรับตัวลงพร้อมกัน ณ เวลา 11:45 น. ตามเวลาไทย SK Hynix และ Samsung สองผู้นำ HBM ต่างร่วงลงประมาณ 8% ขณะที่ดัชนี KOSPI ก็ปรับตัวลงประมาณ 5% เช่นกัน
ตลาดเริ่มกังวลว่า หากการปรับสเปก Rubin Ultra ตามที่ SemiAnalysis เปิดเผยเป็นความจริง (NVIDIA ยังไม่ได้ยืนยันข้อมูลดังกล่าวอย่างเป็นทางการ) นั่นจะหมายความว่า — NVIDIA ในฐานะผู้ซื้อหลักที่สุดในโครงสร้างพื้นฐาน AI กำลังลดความต้องการ HBM ลงหรือไม่?
ในช่วงสองปีที่ผ่านมา เมื่อความต้องการขยาย AI เติบโตอย่างรวดเร็ว HBM ได้กลายเป็นส่วนที่ขาดแคลนที่สุดในโครงสร้างพื้นฐาน AI แล้ว NVIDIA, AMD และผู้ผลิตชิปรายอื่นๆ ต่างเพิ่มการกำหนดค่า HBM ใน AI accelerator ของตนอย่างต่อเนื่อง ผลักดันให้ผลประกอบการของผู้ผลิตหน่วยความจำอย่าง SK Hynix, Samsung, Micron พุ่งทะยาน และยังเสริมความแข็งแกร่งให้อำนาจการกำหนดราคาของฝ่ายหลังในห่วงโซ่อุตสาหกรรมทั้งหมดอีกด้วย
และการเลือกของ NVIDIA อาจหมายความว่าผู้ผลิตชิป AI กำลังพิจารณาลดการพึ่งพา HBM ความจุสูงของชิปแต่ละตัว ผ่านการปรับปรุงการออกแบบฮาร์ดแวร์ หากเส้นทางนี้พิสูจน์ได้ว่าเป็นไปได้ พื้นที่ในการขึ้นราคาอย่างต่อเนื่องของผู้ผลิต HBM ก็มีแนวโน้มสูงที่จะถูกจำกัด
การสร้างโครงสร้างพื้นฐาน AI จะต้องบอกลา "ยุคแห่งการยัดสเปกอย่างบ้าคลั่งและการขึ้นราคาแบบไร้เหตุผล" ในที่สุด และตอนนี้ แม้แต่ NVIDIA ที่ยืนอยู่บนบัลลังก์เหล็กแห่งพลังประมวลผล ก็เริ่มคิดคำนวณอย่างละเอียดถี่ถ้วนแล้ว
