Dell, HPE, Micron, Arista และ NVIDIA: บริษัทใดไวต่องบประมาณฮาร์ดแวร์ AI มากที่สุด?

หากมองเฉพาะการสัมผัสรายได้โดยตรงต่องบประมาณฮาร์ดแวร์ AI NVIDIA จะเป็นบริษัทที่อ่อนไหวที่สุด หากเน้นที่การเปลี่ยนแปลงส่วนเพิ่มที่เกิดจากการขาดแคลนอุปทาน การขึ้นราคา และการขยายอัตรากำไรขั้นต้น Micron อาจมีความอ่อนไหวมากกว่า Dell และ HPE มีความเสี่ยงมากกว่าต่อคำสั่งซื้อเซิร์ฟเวอร์ AI การส่งมอบระดับแร็ค และวงจรการใช้งานระดับองค์กร แต่ธุรกิจระบบของพวกเขามีต้นทุนส่วนประกอบที่สูงกว่า Arista มักได้รับประโยชน์ในภายหลัง แต่อาจแสดงให้เห็นถึงประสิทธิภาพกำไรที่มีคุณภาพสูงกว่าเมื่อคลัสเตอร์ AI ขยายตัวและการอัปเกรดเครือข่ายความเร็วสูงเร่งตัวขึ้น

ประเด็นสำคัญ

• NVIDIA คือผู้ได้ประโยชน์โดยตรงที่สุดจากงบประมาณด้านพลังการคำนวณ AI แต่ฐานรายได้ที่สูงอาจจำกัดอัตราการเติบโตส่วนเพิ่ม
• Micron มีความอ่อนไหวต่อการเปลี่ยนแปลงของอุปสงค์-อุปทาน HBM, DRAM และ SSD มากกว่า จึงมีความได้เปรียบด้านกำไรที่แข็งแกร่งกว่า
• Dell เป็นตัวแทนโดยตรงของคำสั่งซื้อเซิร์ฟเวอร์ AI มากกว่า โดยมีความอ่อนไหวด้านรายได้สูงกว่าความอ่อนไหวด้านกำไร
• HPE มีสัดส่วนธุรกิจที่สมดุลกว่าในด้านเซิร์ฟเวอร์ คลาวด์ส่วนบุคคล และระบบเครือข่าย แต่มีความบริสุทธิ์ด้าน AI ต่ำกว่า
• Arista ได้รับประโยชน์ในภายหลัง แต่คูเมืองด้านเครือข่ายและโครงสร้างอัตรากำไรจากการดำเนินงานของบริษัทน่าสนใจกว่า
• "ความอ่อนไหวต่องบประมาณ" ไม่ได้แปลว่าผลการดำเนินงานของหุ้นจะแข็งแกร่งขึ้นโดยอัตโนมัติ ปัจจัยด้านการประเมินมูลค่าและความคาดหวังยังคงมีความสำคัญ

ควรกำหนดความอ่อนไหวต่องบประมาณด้านฮาร์ดแวร์ AI อย่างไร?

หากต้องการระบุว่าบริษัทใดมีความอ่อนไหวต่องบประมาณฮาร์ดแวร์ AI มากที่สุด คุณไม่สามารถเพียงแค่ดูสัดส่วนของรายได้จาก AI ได้ แนวทางที่ดีกว่าคือการเปรียบเทียบความเป็นทางตรงของรายได้ มูลค่าต่อระบบ อำนาจการกำหนดราคา ความเร็วในการแปลงคำสั่งซื้อ อัตรากำไรขั้นต้น ความเข้มข้นของลูกค้า และความคาดหวังด้านมูลค่าหลักทรัพย์ โดยใช้กรอบการวิเคราะห์นี้ NVIDIA อยู่ใกล้งบประมาณการประมวลผล AI มากที่สุด Micron อยู่ใกล้วงจรอุปสงค์-อุปทานของหน่วยความจำมากที่สุด Dell และ HPE อยู่ใกล้การส่งมอบระบบมากที่สุด และ Arista มีความเปิดรับต่อการใช้จ่ายด้านเครือข่ายมากขึ้นหลังจากการขยายคลัสเตอร์

“ความไวของงบประมาณฮาร์ดแวร์ AI ต่อผลกระทบ” มีอย่างน้อยสามชั้น ชั้นแรกคือความไวของรายได้: เมื่อวิสาหกิจใช้จ่ายเงินลงทุนเพิ่มขึ้นหนึ่งดอลลาร์ บริษัทสามารถเพิ่มรายได้ได้อย่างรวดเร็วหรือไม่ ชั้นที่สองคือความไวของกำไร: รายได้ที่เพิ่มขึ้นสามารถแปลงเป็นอัตรากำไรขั้นต้นและกำไรจากการดำเนินงานที่สูงขึ้นได้หรือไม่ ชั้นที่สามคือความไวของราคาหุ้น: ตลาดได้ตั้งราคาเงินส่วนเพิ่มการเติบโตอย่างแข็งแกร่งไว้แล้วหรือยัง หากความคาดหวังสูงเกินไป แม้การเติบโตของธุรกิจที่มั่นคงก็อาจไม่สามารถผลักดันราคาหุ้นให้สูงขึ้นได้

NVIDIA มีความไวต่อรายได้และกำไรอย่างมาก เนื่องจากโครงการศูนย์ข้อมูล AI โดยทั่วไปจะเริ่มต้นจากการตัดสินใจเกี่ยวกับ GPU, NVLink, ระบบเครือข่าย และแพลตฟอร์มระดับแร็ค ก่อนที่การกำหนดค่าเซิร์ฟเวอร์ หน่วยความจำ ที่จัดเก็บข้อมูล และเครือข่ายจะเสร็จสิ้น ส่วน Micron มีตรรกะที่แตกต่างออกไป แม้จะไม่ได้รับส่วนแบ่งรายได้ที่ใหญ่ที่สุดในเชิงสัมบูรณ์ แต่การเปลี่ยนแปลงของอุปสงค์และอุปทานใน HBM, DRAM สำหรับเซิร์ฟเวอร์ และ SSD สำหรับศูนย์ข้อมูล สามารถส่งผลโดยตรงต่อราคาและอัตรากำไรขั้นต้น Dell และ HPE สามารถรับรู้รายได้จากเซิร์ฟเวอร์ได้อย่างรวดเร็ว แต่พวกเขาก็ต้องแบกรับต้นทุนสูงจาก GPU หน่วยความจำ การ์ดเครือข่าย และระบบหล่อเย็นด้วยของเหลว สำหรับ Arista ความต้องการมักจะเกิดขึ้นหลังจากที่เซิร์ฟเวอร์ถูกติดตั้งแล้ว แต่สถาปัตยกรรมสวิตช์ชิง ระบบปฏิบัติการเครือข่าย และการรับรองลูกค้าของบริษัทสร้างมูลค่าเพิ่มที่สูงกว่า

ทำไมจึงไม่จัดอันดับบริษัทโดยตรงจากอัตราการเติบโตของรายได้จาก AI? เพราะคุณภาพของรายได้แตกต่างกันอย่างมีนัยสำคัญในแต่ละธุรกิจ ผู้ขายเซิร์ฟเวอร์อาจรายงานอัตราการเติบโตของรายได้ที่สูงมาก แต่รายได้ส่วนใหญ่นั้นอาจมาจาก GPU และหน่วยความจำที่จัดหาจากภายนอก ผู้ผลิตหน่วยความจำอาจมีการเติบโตของปริมาณการจัดส่งช้ากว่าผู้ขายเซิร์ฟเวอร์ แต่การขึ้นราคาสามารถสร้างการเปลี่ยนแปลงของอัตรากำไรขั้นต้นที่ใหญ่กว่ามาก และคำสั่งซื้ออุปกรณ์เครือข่ายอาจมาช้ากว่าคำสั่งซื้อ GPU แต่ก็อาจคงอยู่ได้นานกว่าในช่วงของการขยายคลัสเตอร์

สรุป: เพื่อเปรียบเทียบความอ่อนไหวของบริษัททั้งห้านี้ต่องบประมาณด้านฮาร์ดแวร์ AI จำเป็นต้องแยกแยะก่อนว่าด้วยเรื่องของเลเวอเรจรายได้ เลเวอเรจกำไร และเลเวอเรจราคาหุ้น NVIDIA เป็นผู้ได้ประโยชน์โดยตรงที่สุดจากงบประมาณด้านพลังการคำนวณ AI Micron ได้รับผลกระทบมากที่สุดจากผลกระทบด้านราคาของ HBM และ DRAM Dell และ HPE มีความอ่อนไหวมากกว่าต่อคำสั่งซื้อเซิร์ฟเวอร์และการส่งมอบในระดับแร็ค Arista มีความอ่อนไหวมากกว่าต่อขนาดของคลัสเตอร์ จำนวนพอร์ต และการอัปเกรดแบนด์วิดท์ กรอบการเปรียบเทียบที่ดีควรครอบคลุมคำสั่งซื้อ รายได้ อัตรากำไรขั้นต้น สัดส่วนลูกค้า และความคาดหวังด้านมูลค่าหุ้น มากกว่าที่จะพึ่งพาเพียงสัดส่วนรายได้จาก AI หรือการเติบโตของเพียงไตรมาสเดียว

NVIDIA vs. Micron: ใครได้ประโยชน์โดยตรงมากกว่าจากงบประมาณด้านพลังการคำนวณและหน่วยความจำ AI?

NVIDIA มีความอ่อนไหวต่อรายได้ในแง่สัมบูรณ์สูงที่สุดต่องบประมาณฮาร์ดแวร์ AI เนื่องจาก GPU, NVLink, ระบบเครือข่าย และแพลตฟอร์ม AI แบบครบวงจรต่างอยู่ใจกลางของการลงทุนด้านสินทรัพย์ถาวร ส่วน Micron อาจมีความอ่อนไหวต่อกำไรส่วนเพิ่มที่แข็งแกร่งกว่า เนื่องจาก HBM, DRAM สำหรับเซิร์ฟเวอร์ และ SSD สำหรับศูนย์ข้อมูลล้วนได้รับประโยชน์จากการอัปเกรดความจุ ข้อจำกัดด้านอุปทาน และการเปลี่ยนแปลงของราคา เมื่องบประมาณยังคงขยายตัว ทั้งสองบริษัทต่างได้รับประโยชน์ หากการเติบโตของงบประมาณช้าลง Micron มักเผชิญกับความผันผวนตามวัฏจักรที่มากกว่า

จุดแข็งของ NVIDIA คือบทบาทในฐานะ "จุดเข้าถึงแพลตฟอร์ม" โครงการศูนย์ข้อมูล AI มักเริ่มต้นด้วยการเลือกแพลตฟอร์มตัวเร่งปฏิกิริยา (accelerator) ก่อน จากนั้นเซิร์ฟเวอร์ หน่วยความจำ ระบบเครือข่าย แร็ก ระบบจ่ายไฟ และระบบระบายความร้อนจะถูกกำหนดค่าขึ้นรอบๆ GPU ในไตรมาสแรกของปีงบประมาณ 2027 NVIDIA รายงานว่า รายได้จากศูนย์ข้อมูลแตะระดับ 75.2 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 92% เมื่อเทียบกับปีก่อนหน้า และรายได้จากธุรกิจเครือข่ายสำหรับศูนย์ข้อมูลแตะระดับ 14.8 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 199% เมื่อเทียบกับปีก่อนหน้า สิ่งนี้แสดงให้เห็นว่า NVIDIA ไม่ได้เป็นเพียงผู้จำหน่าย GPU อีกต่อไป แต่ได้กลายเป็นบริษัทแพลตฟอร์มฮาร์ดแวร์หลักที่ครอบคลุมทั้งด้านการประมวลผล เครือข่าย และสถาปัตยกรรมระดับระบบ

จากมุมมองแผนผลิตภัณฑ์ NVIDIA GB300 NVL72 ใช้สถาปัตยกรรมระดับแร็คที่ระบายความร้อนด้วยของเหลวแบบสมบูรณ์ ซึ่งบูรณาการ GPU Blackwell Ultra จำนวน 72 ตัวและ CPU Grace จำนวน 36 ตัวไว้ในแพลตฟอร์มเดียว สถาปัตยกรรมแบบนี้ช่วยเพิ่มมูลค่าต่อระบบและดึงดูดความต้องการสำหรับผู้ขายเซิร์ฟเวอร์ ผู้จำหน่ายหน่วยความจำ และผู้ให้บริการอุปกรณ์เครือข่าย กล่าวอีกนัยหนึ่ง NVIDIA ไม่เพียงแต่ดูดซับงบประมาณ AI เท่านั้น แต่ยังช่วยกำหนดว่าจะจัดสรรงบประมาณอย่างไรทั่วทั้งห่วงโซ่อุปทานต้นน้ำและปลายน้ำ

จุดแข็งของ Micron อยู่ที่ "ผลขยายด้านอุปสงค์-อุปทาน" ในไตรมาสที่สามของปีการเงิน 2026 Micron รายงานว่า รายได้แตะ 41.46 พันล้านดอลลาร์ เทียบกับ 23.86 พันล้านดอลลาร์ในไตรมาสก่อนหน้า และ 9.30 พันล้านดอลลาร์ในไตรมาสเดียวกันของปีก่อน ในยุค AI ความต้องการหน่วยความจำไม่ได้จำกัดอยู่แค่ HBM แต่ยังรวมถึง server DRAM, SOCAMM, enterprise SSD และ NAND สำหรับศูนย์ข้อมูลด้วย Micron ยังได้ประกาศด้วยว่า HBM4, SOCAMM2 และ SSD สำหรับศูนย์ข้อมูลรุ่น PCIe Gen6 ได้เข้าสู่กระบวนการผลิตจำนวนมากแล้ว ซึ่งแสดงให้เห็นว่าหน่วยความจำและอุปกรณ์จัดเก็บข้อมูลกำลังกลายเป็นส่วนหนึ่งของการอัปเกรดแพลตฟอร์ม AI

เมื่องบประมาณด้าน AI เติบโตอย่างรวดเร็ว NVIDIA ได้รับประโยชน์โดยตรงมากที่สุด เนื่องจากลูกค้าจำเป็นต้องกำหนด GPU และแพลตฟอร์มก่อนเป็นอันดับแรก หาก HBM, DRAM และ NAND ยังคงขาดแคลน การปรับปรุงประมาณการกำไรของ Micron อาจโดดเด่นกว่า หากยอดจัดส่ง GPU ยังคงเติบโตต่อไปแต่อุปทานหน่วยความจำดีขึ้น อำนาจต่อรองด้านราคาของ Micron อาจอ่อนแรงลง หากผู้ให้บริการคลาวด์เพิ่มการพัฒนา ASIC แบบกำหนดเอง NVIDIA อาจเผชิญแรงกดดันด้านส่วนแบ่งตลาด ขณะที่ Micron ยังคงสามารถจำหน่ายหน่วยความจำให้กับแพลตฟอร์มตัวเร่งสัญญาณหลากหลายแพลตฟอร์มได้

สรุป: NVIDIA เป็นผู้ได้รับประโยชน์โดยตรงที่สุดจากงบประมาณด้านคอมพิวติ้ง AI ในบรรดาห้าบริษัท และกลยุทธ์แพลตฟอร์มของบริษัทช่วยให้สามารถส่งอิทธิพลต่อการใช้จ่ายด้านเซิร์ฟเวอร์ หน่วยความจำ และระบบเครือข่ายไปพร้อมกันได้ Micron เป็นผู้ได้รับประโยชน์จากปรากฏการณ์คทาแห่งกำไร (profit-leverage) ในลักษณะทั่วไปมากกว่า กล่าวคือ HBM, DRAM สำหรับเซิร์ฟเวอร์ และ SSD สำหรับศูนย์ข้อมูล ล้วนได้รับประโยชน์จากการเพิ่มกำลังการผลิตและการขึ้นราคา หากคุณมุ่งเน้นขนาดความสำคัญสัมบูรณ์ของการใช้จ่ายด้านทุน AI NVIDIA จะมีความอ่อนไหวมากกว่า หากคุณมุ่งเน้นการปรับประจุกรรม (earnings revisions) ที่ขับเคลื่อนด้วยความตึงตัวของอุปทาน Micron อาจแสดงการเปลี่ยนแปลงส่วนเพิ่มที่ใหญ่กว่า อย่างไรก็ตาม Micron ยังต้องเผชิญความเสี่ยงจากการขยายกำลังการผลิต การเปลี่ยนแปลงของสินค้าคงคลัง และการกลับตัวของราคามากกว่า ดังนั้นจึงไม่ควรต่อยอดอัตรากำไรสูงในระยะสั้นไปเป็นเส้นตรงอย่างเดียว

Dell vs. HPE: ใครตอบสนองต่อคำสั่งซื้อเซิร์ฟเวอร์ AI สำหรับองค์กรได้ไวกว่ากัน?

Dell มีความอ่อนไหวต่อรายได้จากคำสั่งซื้อเซิร์ฟเวอร์ AI สูงกว่า เนื่องจากคำสั่งซื้อ AI รายได้จากเซิร์ฟเวอร์ และแนวทางการคาดการณ์รายได้ทั้งปีของ Dell สะท้อนกำลังซื้อของภาคธุรกิจได้โดยตรงกว่า ส่วน HPE มีความอ่อนไหวต่อธุรกิจเซิร์ฟเวอร์โดยเฉพาะในระดับที่ต่ำกว่าเล็กน้อย แต่การผสมผสานระหว่างเซิร์ฟเวอร์ ระบบจัดเก็บข้อมูล คลาวด์ส่วนตัว และระบบเครือข่ายมีความสมดุลมากกว่า กล่าวอย่างง่ายคือ Dell ใกล้เคียงกับตัวแทนของปริมาณการส่งมอบเซิร์ฟเวอร์ AI ในขณะที่ HPE ใกล้เคียงกับการลงทุนที่หลากหลายในการอัปเกรดโครงสร้างพื้นฐานสำหรับองค์กร

ในไตรมาสแรกของปีงบประมาณ 2027 Dell รายงานว่า มูลค่าคำสั่งซื้อ AI แตะ 24.4 พันล้านดอลลาร์ รายได้จากเซิร์ฟเวอร์ที่ปรับแต่งสำหรับ AI อยู่ที่ 16.1 พันล้านดอลลาร์ และบริษัทได้ปรับเพิ่มการคาดการณ์รายได้จากเซิร์ฟเวอร์ AI ทั้งปีเป็นประมาณ 60 พันล้านดอลลาร์ รายได้ในกลุ่มธุรกิจโครงสร้างพื้นฐาน (Infrastructure Solutions Group) แตะ 29 พันล้านดอลลาร์ เพิ่มขึ้น 181% เมื่อเทียบกับปีก่อนหน้า ตัวเลขเหล่านี้แสดงให้เห็นว่าเมื่องบประมาณ AI ขององค์กรเพิ่มขึ้น Dell สามารถรับรู้รายได้ได้ค่อนข้างรวดเร็วผ่านเซิร์ฟเวอร์และระบบระดับแร็ค

มูลค่าของ Dell ไม่ได้จำกัดเพียงการประกอบเซิร์ฟเวอร์เท่านั้น ลูกค้าองค์กรสามารถซื้อเซิร์ฟเวอร์ อุปกรณ์จัดเก็บข้อมูล ระบบเครือข่าย ระบบไฟฟ้า การระบายความร้อนแบบเหลว บริการด้านการเงิน และบริการด้านการดำเนินงานผ่านทาง Dell ได้ Dell AI Factory with NVIDIA ได้รวมระบบ PowerRack แบบระบายความร้อนด้วยของเหลว เซิร์ฟเวอร์ PowerEdge และสถาปัตยกรรม NVIDIA GB200 NVL72 ไว้แล้ว ซึ่งแสดงให้เห็นว่าผู้ผลิตเซิร์ฟเวอร์กำลังเปลี่ยนจากการส่งมอบเซิร์ฟเวอร์รายตัวไปสู่การส่งมอบในระดับแร็คและระดับคลัสเตอร์

HPE เดินตามเส้นทางแบบ "พอร์ตโฟลิโอ" มากกว่า ในไตรมาสที่สองของปีงบการเงิน 2026 HPE รายงานว่า รายได้จาก Cloud & AI อยู่ที่ 7.7 พันล้านดอลลาร์ เพิ่มขึ้น 22.9% เมื่อเทียบกับช่วงเดียวกันของปีก่อน รายได้จากเซิร์ฟเวอร์อยู่ที่ 5.5 พันล้านดอลลาร์ เพิ่มขึ้น 32.7% และอัตรากำไรจากการดำเนินงานของ Cloud & AI อยู่ที่ 12.4% HPE ครอบคลุมธุรกิจเซิร์ฟเวอร์ ระบบจัดเก็บข้อมูล คลาวด์ส่วนตัว และเครือข่าย หลังจาก ปิดการเข้าซื้อกิจการ Juniper Networks ความสามารถด้านเครือข่ายและศูนย์ข้อมูล AI ที่ผสานกันของบริษัทก็แข็งแกร่งขึ้น

ความท้าทายร่วมกันของผู้ขายระบบคือความอ่อนไหวของรายได้มักสูงกว่าความอ่อนไหวของกำไร GPU, HBM, CPU, การ์ดเครือข่ายความเร็วสูง และระบบหล่อเย็นด้วยของเหลว คิดเป็นสัดส่วนที่สูงของต้นทุนบัลล์ออฟมาทีเรียล ในขณะที่ลูกค้ารายใหญ่มักมีอำนาจต่อรองที่แข็งแกร่งกว่า หลังจากคำสั่งซื้อเพิ่มขึ้น ผู้ขายยังคงต้องจัดหาส่วนประกอบล่วงหน้า จัดการสินค้าคงคลัง และรอการติดตั้งและการตรวจรับ ดังนั้นคำสั่งซื้อคงค้างจึงไม่จำเป็นต้องแปลงเป็นกำไรทันที คุณควรติดตามอัตรากำไรจากการดำเนินงานของ ISG หรือ Cloud & AI, สินค้าคงคลัง, ลูกหนี้การค้า, อัตราการติดตั้งระบบหล่อเย็นด้วยของเหลว และสัดส่วนรายได้จากบริการ

สรุป: Dell เป็นบริษัทที่ไวต่อคำสั่งซื้อเซิร์ฟเวอร์ AI สำหรับองค์กรมากที่สุด เนื่องจากคำสั่งซื้อและรายได้จากเซิร์ฟเวอร์สามารถสะท้อนความแข็งแกร่งในการจัดซื้อของลูกค้าได้ค่อนข้างรวดเร็ว ส่วน HPE มีเลเวอเรจจากเซิร์ฟเวอร์โดยเฉพาะต่ำกว่าเล็กน้อย แต่การผสมผสานระหว่างเซิร์ฟเวอร์ คลาวด์ส่วนตัว ระบบจัดเก็บข้อมูล และระบบเครือข่าย ทำให้บริษัทอยู่ในตำแหน่งที่ดีกว่าในการรองรับการอัปเกรดโครงสร้างพื้นฐาน AI สำหรับองค์กรในวงกว้าง ทั้งสองบริษัทไม่ใช่ "หุ้นชิป AI" แบบง่าย ๆ แต่ทั้งคู่เป็นธุรกิจส่งมอบระบบ การเปรียบเทียบไม่ควรพึ่งพาเพียงรายได้จากเซิร์ฟเวอร์ AI เท่านั้น อัตรากำไรจากการดำเนินงาน การแปลงคำสั่งซื้อ ต้นทุนส่วนประกอบ อัตราการแนบบริการ ตลอดจนว่าลูกค้ามีไฟฟ้า พื้นที่ศูนย์ข้อมูล และความสามารถในการระบายความร้อนเพียงพอหรือไม่ ล้วนมีความสำคัญเท่าเทียมกัน

เหตุใด Arista จึงได้รับประโยชน์ในภายหลัง แต่อาจแสดงความไวต่องบประมาณที่มีคุณภาพสูงกว่า?

ความอ่อนไหวของ Arista ต่องบประมาณฮาร์ดแวร์ AI มักปรากฏให้เห็นช้ากว่าของ NVIDIA, Micron และผู้ผลิตเซิร์ฟเวอร์ เนื่องจากลูกค้าจะกำหนด GPU เซิร์ฟเวอร์ และขนาดของแร็กเสียก่อน จึงจะกำหนดค่าสวิตช์ พอร์ต และระบบเชื่อมต่อแบบออปติคัล แต่เมื่อระบบ AI ขยายจากแร็กเดียวไปสู่คลัสเตอร์ขนาดใหญ่ แบนด์วิดท์ของเครือข่าย การควบคุมความแฝง และการดำเนินงานอัตโนมัติจะกลายเป็นคอขวดสำคัญ นั่นคือจุดที่คุณภาพกำไรของ Arista จะส่องประกายให้เห็นชัดขึ้น

งบประมาณด้านเครือข่าย AI มักถูกจัดสรรเป็นระยะ ๆ ในช่วงการทดลองขนาดเล็ก ลูกค้าอาจซื้อเซิร์ฟเวอร์และอุปกรณ์สวิตชิ่งพื้นฐานเพียงจำนวนจำกัด ในการติดตั้งแบบแร็กเดียว สวิตช์และการ์ดเครือข่ายจะเริ่มถูกสั่งซื้อตามเซิร์ฟเวอร์ ในคลัสเตอร์แบบหลายแร็ก จำนวนพอร์ต 400G, 800G และแม้แต่ 1.6T สามารถเพิ่มขึ้นได้อย่างรวดเร็ว ในโรงงาน AI ขนาดใหญ่ ซอฟต์แวร์เครือข่าย เทเลเมทรี ระบบอัตโนมัติ และการจัดการข้อผิดพลาด จะมีความสำคัญเพิ่มขึ้นอย่างมาก

ในไตรมาสแรกของปี 2026 Arista รายงานว่า รายได้แตะระดับ 2.709 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 35.1% เมื่อเทียบกับปีก่อน ในขณะที่อัตรากำไรจากการดำเนินงานแบบ non-GAAP อยู่ที่ 47.8% เมื่อเปรียบเทียบกับผู้ขายระบบเซิร์ฟเวอร์ ระบบปฏิบัติการเครือข่าย สถาปัตยกรรมการสวิตชิง และคุณสมบัติด้านลูกค้าของ Arista สร้างมูลค่าเพิ่มที่สูงกว่า พอร์ตโฟลิโอ 1.6T AI Fabric ได้รับการออกแบบมาสำหรับโครงสร้างพื้นฐาน AI ระดับแร็ค รองรับสภาพแวดล้อมการระบายความร้อนแบบใช้อากาศ แบบใช้ของเหลว และแบบไฮบริด พร้อมทั้งตอบสนองความต้องการเครือข่ายทั้งแบบ scale-up และ scale-out

ความเสี่ยงของ Arista ก็ชัดเจนเช่นกัน ประการแรก รายได้อาจกระจุกตัวอยู่กับลูกค้าคลาวด์รายใหญ่จำนวนไม่มาก ทำให้ผันผวนมากขึ้นหากรายจ่ายด้านทุนของคลาวด์ชะลอตัว ประการที่สอง ผู้ให้บริการคลาวด์อาจพัฒนาสถาปัตยกรรมเครือข่ายของตนเองหรือเลือกใช้เส้นทางเทคนิคทางเลือกอื่น ประการที่สาม คำสั่งซื้อ GPU ที่เพิ่มขึ้นไม่ได้รับประกันว่าคำสั่งซื้อเครือข่ายจะเติบโตตามพร้อมกัน เนื่องจากกำลังการผลิตไฟฟ้าของศูนย์ข้อมูล ระบบระบายความร้อนด้วยของเหลว และกำหนดการก่อสร้างอาจทำให้การส่งมอบล่าช้า ประการที่สี่ ตลาดอาจมีการปรับราคาสะท้อนการเติบโตระยะยาวของเครือข่ายความเร็วสูงไว้แล้ว

สรุป: Arista ไม่ใช่ผู้ได้ประโยชน์ที่โดยตรงที่สุดในช่วงเริ่มต้นของวงจรงบประมาณ AI มูลค่าของบริษัทจะปลดปล่อยออกมาหลังจากการจัดซื้อเซิร์ฟเวอร์เปลี่ยนไปสู่การใช้งานระบบเครือข่ายในขนาดใหญ่ ความอ่อนไหวของรายได้ต่ำกว่าของ NVIDIA หรือ Dell แต่ซอฟต์แวร์เครือข่าย สถาปัตยกรรมสวิตชิ่ง และอัตรากำไรจากการดำเนินงานที่สูง ทำให้คุณภาพกำไรของบริษัทน่าสนใจกว่า คุณควรติดตามอย่างใกล้ชิดถึงการใช้จ่ายของลูกค้าคลาวด์ คำสั่งซื้อสวิตชิ่งศูนย์ข้อมูล สัดส่วนผลิตภัณฑ์ 800G และ 1.6T ความเข้มข้นของลูกค้า และอัตราการผูกซอฟต์แวร์เครือข่าย หากคลัสเตอร์ AI ยังคงขยายตัวต่อไป วงจรความต้องการของ Arista อาจกินเวลายาวนานขึ้น หากการก่อสร้างศูนย์ข้อมูลล่าช้า การแปลงคำสั่งซื้อเป็นรายได้ก็อาจถูกเลื่อนออกไปด้วยเช่นกัน

บริษัททั้งห้าควรได้รับการจัดอันดับอย่างไรภายใต้สถานการณ์งบประมาณ AI ที่แตกต่างกัน?

ไม่มีอันดับที่ตายตัวซึ่งใช้ได้กับทุกสถานการณ์งบประมาณ AI เมื่องบประมาณ AI เติบโตอย่างกว้างขวาง NVIDIA และ Dell คือผู้ได้รับประโยชน์โดยตรงมากที่สุด เมื่อ HBM และ DRAM ยังคงขาดแคลน Micron มีแรงหนุนด้านกำไรที่แข็งแกร่งกว่า เมื่อ AI ส่วนตัวระดับองค์กรขยายตัว พอร์ตโฟลิโอของ HPE ได้รับประโยชน์มากกว่า เมื่อคลัสเตอร์ขนาดใหญ่เข้าสู่ช่วงการอัปเกรดระบบเครือข่าย ความได้เปรียบสัมพัทธ์ของ Arista จะเพิ่มขึ้น การประเมินขั้นสุดท้ายจะต้องคำนึงถึงมูลค่าหุ้น กระแสเงินสดอิสระ และความคาดหวังของตลาดด้วย

ในสถานการณ์พื้นฐานที่การลงทุนด้านทุนของ AI ยังคงเติบโตต่อไป แต่อัตราการเติบโตค่อยๆ กลับสู่ระดับปกติ บริษัทต่างๆ สามารถจัดอันดับตามความอ่อนไหวต่ออุตสาหกรรม ไม่ใช่ในฐานะคำแนะนำการลงทุน:

1. NVIDIA: สัมผัสรายได้จาก AI ในแง่มูลค่าสัมบูรณ์สูงที่สุด;
2. Micron: อำนาจต่อรองด้านอุปสงค์-อุปทานและการกำหนดราคาแข็งแกร่งที่สุด;
3. Dell: การเปลี่ยนเป็นคำสั่งซื้อเซิร์ฟเวอร์ชัดเจนที่สุด;
4. Arista: การเปลี่ยนผ่านช้ากว่า แต่มีโปรไฟล์อัตรากำไรที่สูงกว่า;
5. HPE: มีความหลากหลายมากกว่า และสัมผัสความเสี่ยงที่สมดุลกว่า.

การสังเกตการซื้อขายควรครอบคลุมต้นทุนจริงด้วย

หากคุณติดตามหุ้น Dell, HPE, Micron, Arista และ NVIDIA คุณควรเฝ้าดูไม่เพียงแค่วันประกาศงบการเงิน รายได้จาก AI คำสั่งซื้อ และอัตรากำไร แต่ควรพิจารณาค่าธรรมเนียมการซื้อขายจริงด้วย ค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯ ไม่ได้จำกัดเพียงค่าคอมมิชชันเท่านั้น แต่อาจรวมถึงค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมสถาบันภายนอก ค่าธรรมเนียมกิจกรรมการซื้อขาย และค่าใช้จ่ายอื่น ๆ ที่แสดงระหว่างการสั่งซื้อขาย คุณสามารถใช้ ค้นหาหุ้นสหรัฐฯ ของ Biya เพื่อสร้างรายการเฝ้าดูก่อน จากนั้นจึงตัดสินใจว่าจะซื้อขายหรือไม่โดยพิจารณาจากการเปลี่ยนแปลงของผลประกอบการ มูลค่าหลักทรัพย์ และระดับความเสี่ยงที่ยอมรับได้

Biya ไม่คิดค่าธรรมเนียมค่าคอมมิชชั่นสำหรับการซื้อขายหุ้นสหรัฐฯ ค่าธรรมเนียมแพลตฟอร์มคือ $0.005 ต่อหุ้น โดยมีขั้นต่ำ $0.99 ต่อคำสั่งซื้อและสูงสุดไม่เกิน 1% ของมูลค่าการซื้อขาย ค่าธรรมเนียมสถาบันภายนอกและค่าธรรมเนียมกิจกรรมการซื้อขายรวมกัน $0.00396 ต่อหุ้น สำหรับคำสั่งซื้อหุ้นบางส่วน (fractional-share) ที่มีจำนวนน้อยกว่าหนึ่งหุ้นเต็ม แพลตฟอร์มจะคิดค่าธรรมเนียมแพลตฟอร์มเป็น 1% ของมูลค่าการซื้อขาย โดยจำกัดไม่เกิน $1 ควรยืนยันค่าธรรมเนียมจริง สิทธิ์ในการสั่งซื้อ และการปรับเปลี่ยนที่อาจเกิดขึ้นผ่าน ตารางค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯ ล่าสุดและจำนวนเงินที่แสดงบนหน้าคำสั่งซื้อ

ในการพิจารณาว่าจำเป็นต้องปรับการจัดอันดับหรือไม่ ให้ติดตามตัวชี้วัดต่อไปนี้:

• NVIDIA: รายได้คอมพิวติ้งศูนย์ข้อมูล รายได้จากระบบเครือข่าย อัตรากำไรขั้นต้น ความเร็วในการเปลี่ยนผ่านแพลตฟอร์ม;
• Micron: ส่วนแบ่ง HBM ราคา DRAM และ NAND รายได้จากศูนย์ข้อมูล ค่าใช้จ่ายฝ่ายทุน;
• Dell: คำสั่งซื้อ AI ยอดค้างรับ AI รายได้เซิร์ฟเวอร์ AI อัตรากำไรจากการดำเนินงาน ISG;
• HPE: รายได้จาก Cloud & AI อัตรากำไรเซิร์ฟเวอร์ การบูรณาการ Juniper รายได้จากระบบเครือข่าย;
• Arista: การใช้จ่ายของลูกค้าคลาวด์ รายได้จากระบบเครือข่าย AI ความเร็วพอร์ต ความเข้มข้นของลูกค้า;
• ตัวชี้วัดที่ใช้ร่วมกันในทั้งห้าราย: กระแสเงินสดอิสระ สินค้าคงเหลือ ลูกหนี้การค้า และคำแนะนำล่วงหน้า.

สรุป: จากมุมมองการวางตำแหน่งในห่วงโซ่อุปทาน NVIDIA ไวต่องบประมาณด้าน AI compute มากที่สุด Micron ไวต่อการเปลี่ยนแปลงของอุปสงค์-อุปทานและราคามากที่สุด Dell ไวต่อคำสั่งซื้อและการส่งมอบเซิร์ฟเวอร์มากที่สุด HPE ไวต่อการใช้จ่ายในพอร์ตโฟลิโอโครงสร้างพื้นฐานระดับองค์กรมากกว่า และ Arista ไวต่อการขยายขนาดคลัสเตอร์และการอัปเกรดแบนด์วิดท์เครือข่ายมากที่สุด ความไวต่ออุตสาหกรรมไม่ควรถูกมองว่าเป็นข้อสรุปด้านการลงทุน ความไวที่สูงหมายถึงแรงผลักดันการเติบโตขาขึ้นที่แข็งแกร่งกว่า แต่ก็หมายถึงความผันผวนขาลงที่มากกว่าเช่นกันหากงบประมาณชะลอตัว แนวทางที่มีวินัยมากขึ้นคือ การระบุก่อนว่างบประมาณ AI กำลังไหลเข้าสู่ compute หน่วยความจำ ระบบ หรือเครือข่าย จากนั้นจึงประเมินว่าการแปลงคำสั่งซื้อ อัตรากำไร และมูลค่าหุ้น ได้ถูกกำหนดราคาไว้เต็มที่แล้วหรือยัง

เมื่อเปรียบเทียบบริษัทฮาร์ดแวร์ AI ทั้งห้าแห่งเหล่านี้ สิ่งสำคัญคือการติดตามการไหลของงบประมาณแทนที่จะพึ่งฉลาก "คอนเซปต์ AI" เพียงอย่างเดียว Biya สามารถใช้เพื่อติดตามราคาหุ้นสหรัฐฯ ที่เกี่ยวข้อง จัดระเบียบช่วงเวลาการประกาศงบการเงิน และสร้างรายการเฝ้าดูดัชนีห่วงโซ่ฮาร์ดแวร์ ผู้ใช้ที่ตรงตามข้อกำหนดการให้บริการตามภูมิภาคที่เกี่ยวข้องสามารถ ดาวน์โหลดแอป เพื่อจัดการข้อมูลตลาดสินทรัพย์หลายประเภทและการเทรดได้อีกด้วย ความพร้อมให้บริการขึ้นอยู่กับที่ตั้งของผู้ใช้ สถานะการยืนยันตัวตน กฎของแพลตฟอร์ม และกฎหมายและข้อบังคับที่เกี่ยวข้อง ข้อมูลข้างต้นกล่าวถึงเพียงข้อมูลตลาดสาธารณะ ตรรกะของอุตสาหกรรม และโครงสร้างค่าธรรมเนียมเท่านั้น ไม่ถือเป็นคำแนะนำการลงทุนหรือการรับประกันผลตอบแทน

คำถามที่พบบ่อย

เมื่อ CAPEX ด้าน AI เติบโต ใครมีเครื่องมือคูณกำไรจากรายได้ (Revenue Leverage) สูงกว่า: NVIDIA หรือ Dell?

NVIDIA มักมีมูลค่าแพลตฟอร์มและเครื่องมือคูณกำไรที่สูงกว่า ในขณะที่รายได้จากเซิร์ฟเวอร์ของ Dell นั้นไวต่อปริมาณการจัดส่งมากกว่า NVIDIA ดึงเงินงบประมาณด้าน GPU เครือข่าย และระบบแพลตฟอร์มได้โดยตรงกว่า ส่วน Dell สะท้อนขนาดของการส่งมอบเซิร์ฟเวอร์ AI และแร็กเป็นหลัก แต่ต้นทุนส่วนประกอบสามารถจำกัดการขยายตัวของอัตรากำไรได้

การเติบโตของดีมานด์ HBM ของ Micron แปลว่าราคาหน่วยความจำทั่วไปจะยังคงราคาขึ้นต่อไปหรือไม่?

ไม่จำเป็น HBM, DRAM สำหรับเซิร์ฟเวอร์ และ NAND มีโปรไฟล์ความจุ ลูกค้า และโครงสร้างอุปสงค์-อุปทานที่แตกต่างกัน HBM ได้รับผลกระทบโดยตรงจากการอัปเกรดแพลตฟอร์ม AI accelerator มากกว่า ขณะที่ commodity DRAM และ NAND ยังคงได้รับอิทธิพลจากสินค้าคงคลัง การขยายกำลังการผลิต ความต้องการของ PC และสมาร์ตโฟน ตลอดจนวงจรการจัดซื้อขององค์กร

การเข้าซื้อกิจการ Juniper ของ HPE จะเพิ่มความอ่อนไหวต่องบประมาณฮาร์ดแวร์ AI หรือไม่?

การควบรวมครั้งนี้น่าจะเพิ่มการสัมผัสของ HPE ต่อพอร์ตโฟลิโอเครือข่ายและโครงสร้างพื้นฐาน AI สำหรับองค์กร แต่ผลกระทบจริงขึ้นอยู่กับคุณภาพของการบูรณาการ หาก HPE สามารถจับคู่การขายเซิร์ฟเวอร์ คลาวด์ส่วนบุคคล และเครือข่ายของ Juniper เข้าด้วยกันได้อย่างมีประสิทธิภาพ ความอ่อนไหวต่องบประมาณศูนย์ข้อมูล AI ของบริษัทก็น่าจะดีขึ้น หากการขายข้ามสินค้า (cross-selling) อ่อนแอ ผลบัวทุนทางรายได้อาจไม่เป็นไปตามคาด

เหตุใดอุปสงค์ด้านเครือข่าย AI ของ Arista จึงตามหลังอุปสงค์ด้านเซิร์ฟเวอร์ GPU?

โดยปกติลูกค้าจะกำหนดจำนวน GPU, ขนาดของเซิร์ฟเวอร์ และเลย์เอาต์ของแร็คก่อน จากนั้นจึงออกแบบโทโพโลยีเครือข่าย ความเร็วพอร์ต และการเชื่อมต่อแบบออปติคัล หากการจัดหาไฟฟ้าของศูนย์ข้อมูล ระบบหล่อเย็นด้วยของเหลว หรือการก่อสร้างอาคารล่าช้า คำสั่งซื้อสวิตช์และซอฟต์แวร์เครือข่ายก็อาจถูกเลื่อนออกไปด้วย

ตัวชี้วัดกำไรใดสำคัญที่สุดเมื่อรายได้จากฮาร์ดแวร์ AI เติบโต?

ควรพิจารณาอัตรากำไรขั้นต้น อัตรากำไรจากการดำเนินงาน กระแสเงินสดอิสระ สินค้าคงเหลือ และลูกหนี้การค้าเป็นอันดับแรก ผู้ขายระบบเซิร์ฟเวอร์ควรได้รับการประเมินผ่านอัตรากำไรจากการดำเนินงานและการแปลงคำสั่งซื้อเป็นรายได้ ในขณะที่บริษัทชิปและหน่วยความจำต้องเน้นที่อัตรากำไรขั้นต้น การขยายกำลังการผลิต และวงจรการตั้งราคามากขึ้น การใช้มาตรฐานเปรียบเทียบเพียงแบบเดียวไม่เพียงพอ

นักลงทุนมือใหม่ควรเปรียบเทียบหุ้นฮาร์ดแวร์ AI ทั้งห้าตัวนี้อย่างไรโดยไม่พิจารณาเพียงแค่อัตราส่วน P/E เท่านั้น?

พวกเขาควรพิจารณาประกอบกันทั้งการเติบโตของรายได้ กระแสเงินสดอิสระ ตำแหน่งวงจรธุรกิจ การกระจุกตัวของลูกค้า และความคาดหวังของตลาด P/E ต่ำไม่จำเป็นว่าหุ้นจะถูก และ P/E สูงก็ไม่จำเป็นว่าจะแพงเกินไป คำถามสำคัญคือการเติบโตในอนาคตถูกกำหนดราคาไว้เต็มที่แล้วหรือยัง นอกจากนี้ค่าธรรมเนียมการซื้อขายและเงื่อนไขการรับบริการควรตรวจสอบกับกฎของแพลตฟอร์มและข้อกำหนดด้านกำกับดูแลในท้องถิ่นด้วย