Micron MU เทียบกับ Western Digital WDC: ตรรกะแบบใดแข็งแกร่งกว่ากัน หน่วยความจำ AI หรือฮาร์ดดิสก์สำหรับศูนย์ข้อมูล?

หากคุณกำลังเปรียบเทียบคอขวดด้านหน่วยความจำภายในเซิร์ฟเวอร์คอมพิวติ้ง AI Micron MU มีตรรกะที่แข็งแกร่งกว่า เนื่องจาก HBM, DRAM, NAND และ SSD สำหรับศูนย์ข้อมูลต่างให้บริการโดยตรงแก่ AI GPU, AI ASIC, คลัสเตอร์การฝึกฝน และการอนุมานประสิทธิภาพสูง หากคุณกำลังเปรียบเทียบการสะสมข้อมูล AI ในระยะยาว การขยายตัวของที่เก็บข้อมูลคลาวด์ และความจุที่ต้นทุนต่ำ Western Digital WDC มีตรรกะด้าน HDD สำหรับศูนย์ข้อมูลที่ชัดเจนกว่า พูดให้แม่นยำขึ้น MU เป็นตัวแทนของตรรกะ “AI memory wall” ในขณะที่ WDC เป็นตัวแทนของตรรกะ “AI capacity wall”

ประเด็นสำคัญ

• MU มีความเกี่ยวข้องโดยตรงกับคอขวดของ HBM, DRAM, NAND และหน่วยความจำเซิร์ฟเวอร์ AI มากกว่า
• WDC มีความเกี่ยวข้องโดยตรงกับ HDD แบบ nearline, คลาวด์สตอเรจ และการเก็บรักษาข้อมูล AI ระยะยาว มากกว่า
• ศักยภาพการเติบโตของ MU มาจากอุปทาน HBM การขึ้นราคาหน่วยความจำ และรายได้จากศูนย์ข้อมูล
• ศักยภาพการเติบโตของ WDC มาจาก HDD ความจุสูง สัญญาระยะยาวกับลูกค้าคลาวด์ และอุปทานที่จำกัด
• การฝึกฝน AI สนับสนุน MU โดยตรงมากกว่า ขณะที่การสะสมข้อมูล AI สนับสนุน WDC ชัดเจนกว่า
• หากต้องการเปรียบเทียบทั้งสองบริษัท คุณต้องมองที่วัฏจักร อัตรากำไร คำสั่งซื้อ และความคาดหวังด้านมูลค่าหุ้น

เริ่มจากเจตนาการค้นหา: ผู้ใช้กำลังเปรียบเทียบ “หน่วยความจำสำหรับประมวลผล AI” กับ “ความจุข้อมูลสำหรับ AI” กันจริง ๆ

เมื่อคุณค้นหาเปรียบเทียบ MU กับ WDC คำถามที่แท้จริงมักไม่ใช่ว่าหุ้นตัวไหนแข็งแกร่งกว่าในระยะสั้น แต่คือตรรกะโครงสร้างพื้นฐาน AI แบบใดที่ยั่งยืนกว่า MU เป็นตัวแทนของ HBM, DRAM, NAND และ SSD สำหรับศูนย์ข้อมูล ซึ่งแก้ปัญหาด้านแบนด์วิดท์หน่วยความจำ ความจุ และการเข้าถึงความเร็วสูงในระหว่างการประมวลผล AI ส่วน WDC เป็นตัวแทนของ HDD แบบ nearline และฮาร์ดดิสก์ความจุสูง ซึ่งแก้ปัญหาความต้องการการจัดเก็บข้อมูลระยะยาวหลังจากที่ข้อมูลการฝึก AI การอนุมาน (inference) ล็อก การสำรองข้อมูล และข้อมูลบันทึกถาวรสะสมเพิ่มขึ้น

ผู้ใช้ในตลาดสากลมักค้นหาเกี่ยวกับหัวข้อเหล่านี้:

ความแตกต่างสำคัญคือ MU อยู่ใกล้กับกระบวนการคำนวณภายในเซิร์ฟเวอร์ AI มากกว่า ในขณะที่ WDC อยู่ใกล้กับชั้นการเก็บรักษาข้อมูลรอบศูนย์ข้อมูล AI มากกว่า เมื่อฝึกโมเดลขนาดใหญ่ GPU และตัวเร่ง AI จำเป็นต้องมีระบบหน่วยความจำที่มีแบนด์วิดท์สูง ความหน่วงต่ำ และความจุสูง เมื่อแอปพลิเคชัน AI ขยายตัวขึ้น พวกมันยังสร้างข้อมูลจำนวนมหาศาล เช่น บันทึกการอนุมาน (inference logs) ข้อมูลการโต้ตอบของผู้ใช้ ตัวอย่างสำหรับการฝึก ข้อมูลสังเคราะห์ เวอร์ชันของโมเดล และข้อมูลสำรอง ซึ่งข้อมูลทั้งหมดนี้ไม่สามารถเก็บไว้บนสื่อจัดเก็บข้อมูลที่มีประสิทธิภาพสูงสุดได้ทั้งหมด ผู้ให้บริการคลาวด์จึงจำเป็นต้องปรับสมดุลต้นทุนระหว่าง SSD, HDD, ที่เก็บข้อมูลแบบออบเจ็กต์ และระบบจัดเก็บถาวร

คุณสามารถแยกความแตกต่างของทั้งสองบริษัทออกจากกันใน 4 มิติก่อนได้ดังนี้:

จากข้อมูลสาธารณะ หน่วยความจำแบบ high-bandwidth memory ของ Micron มีจุดยืนที่ชัดเจนสำหรับระบบ AI รุ่นถัดไป การประมวลผลประสิทธิภาพสูง และการแสดงผลระดับมืออาชีพ ส่วน Western Digital ใน รายงานผลประกอบการไตรมาสสามปีงบการเงิน 2026 ของ WD เน้นย้ำว่าการฝึก AI, การอนุมาน (inference), agentic AI และ physical AI ล้วนสร้างข้อมูลที่จำเป็นต้องจัดเก็บอย่างถาวรและด้วยต้นทุนต่ำ ฝ่ายหนึ่งแก้ปัญหา "กำแพงหน่วยความจำ" (memory wall) ขณะที่อีกฝ่ายแก้ปัญหา "กำแพงความจุ" (capacity wall) นั่นคือรากฐานของการเปรียบเทียบระหว่าง MU กับ WDC

สรุป: ทั้ง MU และ WDC ต่างอยู่ในห่วงโซ่ผู้รับประโยชน์จากโครงสร้างพื้นฐานการจัดเก็บข้อมูล AI แต่ตำแหน่งของทั้งสองแตกต่างกัน MU อยู่ในเซิร์ฟเวอร์ AI โดยตรงมากกว่า โดยมีความเชื่อมโยงที่ลึกซึ้งกับ HBM, DRAM, NAND, SSD สำหรับศูนย์ข้อมูล หน่วยความจำ GPU และตัวเร่ง AI ส่วน WDC อยู่ใกล้กับรากฐานความจุของศูนย์ข้อมูลคลาวด์มากกว่า โดยได้รับประโยชน์จากฮาร์ดดิสก์ nearline, ทะเลสาบข้อมูล (data lake), การสำรองข้อมูล, คลังข้อมูลถาวร และความต้องการจัดเก็บข้อมูลแบบต้นทุนต่ำต่อเทระไบต์ ในการตัดสินว่าตรรกะใดแข็งแกร่งกว่า คุณต้องตัดสินใจก่อนว่าคุณกำลังมุ่งเน้นที่ "AI ประมวลผลเร็วขึ้น" หรือ "AI จัดเก็บข้อมูลได้มากขึ้น"

Micron MU: ตรรกะหน่วยความจำ AI ของ MU มีความตรงไปตรงมากกว่า โดยมีศูนย์กลางอยู่ที่ HBM, DRAM, NAND และ SSD สำหรับศูนย์ข้อมูล

หากเกณฑ์ของคุณคือ “บริษัทใดได้ประโยชน์จากเซิร์ฟเวอร์คอมพิวติ้ง AI โดยตรงมากกว่า” MU มีตรรกะที่แข็งแกร่งกว่า GPU สำหรับ AI, AI ASIC, คลัสเตอร์สำหรับการเทรน และการอินเฟอเรนซ์ประสิทธิภาพสูง ล้วนต้องพึ่งพา HBM, DRAM, NAND และ SSD สำหรับศูนย์ข้อมูล Micron ไม่ได้เป็นเพียงบริษัทที่ผูกพันกับวัฏจักรหน่วยความจำพีซีแบบดั้งเดิมอีกต่อไป แต่มีตำแหน่งที่ชัดเจนขึ้นในชั้นอุปทานหลักของชิปหน่วยความจำ AI และชิปที่เก็บข้อมูลสำหรับศูนย์ข้อมูล

HBM เป็นจุดเข้าสู่การเล่าเรื่อง AI ที่แข็งแกร่งที่สุดของ MU การฝึกโมเดลขนาดใหญ่และการอนุมานประสิทธิภาพสูงต้องเผชิญกับกำแพงหน่วยความจำ: ชิปคำนวณมีพลัง แต่ข้อมูลไม่สามารถป้อนเข้าสู่ GPU ได้เร็วเพียงพอ HBM ใช้การซ้อนแบบ 3D, อินเทอร์เฟซแบบกว้าง และการบรรจุขั้นสูงเพื่อปรับปรุงแบนด์วิดท์และประสิทธิภาพการใช้พลังงาน ทำให้เป็นเทคโนโลยีเสริมที่สำคัญสำหรับตัวเร่ง AI Micron เปิดเผยว่า Micron HBM4 ได้เข้าสู่การผลิตปริมาณสูงแล้วในรูปแบบ 36GB 12H ด้วยแบนด์วิดท์มากกว่า 2.8TB/s ต่อสแตก พร้อมการปรับปรุงแบนด์วิดท์และประสิทธิภาพการใช้พลังงานอย่างมีนัยสำคัญเมื่อเทียบกับ HBM3E

ข้อมูลการเงินของไมครอน (Micron) ยังแสดงให้เห็นว่าความต้องการ AI ได้เข้ามาปรากฏในผลประกอบการที่รายงานแล้ว รายได้ของบริษัทในไตรมาสที่สามของปีงบประมาณ 2026 อยู่ที่ 41,456 ล้านดอลลาร์สหรัฐ สูงกว่า 23,860 ล้านดอลลาร์สหรัฐในไตรมาสก่อนหน้า และ 9,301 ล้านดอลลาร์สหรัฐในช่วงเดียวกันของปีก่อน อัตรากำไรขั้นต้นตามมาตรฐาน GAAP อยู่ที่ 84.6% ซึ่งสูงกว่าปีก่อนหน้าอย่างมีนัยสำคัญ แยกตามกลุ่มธุรกิจ รายได้ของ Cloud Memory Business Unit อยู่ที่ 13,769 ล้านดอลลาร์สหรัฐ ขณะที่รายได้ของ Core Data Center Business Unit อยู่ที่ 11,524 ล้านดอลลาร์สหรัฐ ซึ่งแสดงให้เห็นว่าความต้องการหน่วยความจำสำหรับคลาวด์และศูนย์ข้อมูลหลักได้กลายเป็นเครื่องยนต์การเติบโตหลัก

ส่วนหนึ่งของธุรกิจ MU ที่อาจถูกประเมินต่ำเกินไปคือ SSD สำหรับศูนย์ข้อมูล 245TB Micron 6600 ION ของ Micron ได้รับการออกแบบมาสำหรับงาน AI, คลาวด์, องค์กร และศูนย์ข้อมูล hyperscale สิ่งนี้แสดงให้เห็นว่า MU ไม่ใช่เพียงผู้จำหน่าย HBM เท่านั้น แต่ยังครอบคลุมถึงชั้นการจัดเก็บข้อมูลประสิทธิภาพสูงในการเข้าถึงข้อมูล AI อีกด้วย สำหรับการฝึกและการอนุมาน (inference) ของ AI ข้อมูลร้อน (hot data), ฐานข้อมูลเวกเตอร์, แคช, การโหลดโมเดล และผลลัพธ์ระดับกลาง ล้วนอาจเพิ่มความต้องการ SSD ได้

อย่างไรก็ตาม ความเสี่ยงของ MU ก็มีความเข้มข้นเช่นกัน กำลังการผลิต HBM อัตราผลผลิต การรับรองจากลูกค้า และการกำหนดราคา ล้วนเป็นตัวแปรสำคัญ การที่ราคา DRAM และ NAND สูงขึ้นสามารถเพิ่มกำไรได้ แต่หากวัฏจักรกลับทิศทาง อัตรากำไรขั้นต้นอาจถูกกดลงอย่างรวดเร็ว Reuters รายงานว่า Micron มีข้อผูกพันจากลูกค้ามูลค่า 22 พันล้านดอลลาร์สหรัฐ และข้อตกลงเชิงกลยุทธ์กับลูกค้าหลายราย ซึ่งช่วยเพิ่มความชัดเจนในการมองการณ์ได้ แต่อาจทำให้ตลาดตั้งราคาคาดหวังที่สูงขึ้นก่อนเวลาด้วยเช่นกัน หากอุปทานเพิ่มขึ้นหรือแผนการจัดซื้อของลูกค้าเปลี่ยนแปลง แรงกดดันต่อมูลค่าหลักทรัพย์อาจชัดเจนขึ้น

สรุป: MU เป็นหุ้นหน่วยความจำที่เกี่ยวข้องกับ AI โดยตรงมากที่สุด โดยมีตรรกะการลงทุนหลักอยู่ที่ HBM, DRAM, NAND และ SSD สำหรับศูนย์ข้อมูลที่เชื่อมต่อโดยตรงกับเซิร์ฟเวอร์ AI มันแก้ปัญหาเรื่องแบนด์วิดท์หน่วยความจำ ความจุหน่วยความจำ และการเข้าถึงข้อมูลความเร็วสูงในระหว่างการประมวลผล AI จึงถูกตลาดจัดกลุ่มร่วมกับ Nvidia, GPU สำหรับ AI, HBM และห่วงโซ่อุปทานหน่วยความจำสำหรับศูนย์ข้อมูลได้ง่ายกว่า ความเสี่ยงคืออุตสาหกรรมหน่วยความจำมีความผันผวนตามวัฏจักรสูง ใช้เงินลงทุนฝ่ายทุนจำนวนมาก และความคาดหวังของตลาดในปัจจุบันสูงแล้ว หากคุณมองในแง่บวกต่อคอขวดด้านหน่วยความจำของ AI MU มีตรรกะการลงทุนที่ตรงไปตรงมากกว่า แต่หากคุณกังวลว่าวัฏจักรราคาหน่วยความจำกำลังร้อนแรงเกินไป คุณจำเป็นต้องให้ความสำคัญกับความเสี่ยงจากการลดลงของราคาและการขยายกำลังการผลิตด้านอุปทานมากขึ้น

Western Digital WDC: ตรรกะ HDD ของศูนย์ข้อมูลเป็นเพียง “รากฐานด้านความจุ” ไม่ใช่คอขวดด้านการประมวลผล

หากเกณฑ์ในการพิจารณาของคุณคือ “ข้อมูลที่เกิดจาก AI ถูกจัดเก็บไว้ที่ใดในที่สุด” WDC ก็มีตรรกะที่แข็งแกร่ง ข้อมูลการฝึกฝน AI บันทึกการอนุมาน เวอร์ชันโมเดล ข้อมูลสำรอง คลังข้อมูลถาวร data lake และข้อมูลสังเคราะห์ ล้วนต้องการการจัดเก็บที่ต้นทุนต่ำและความจุสูง HDD ความจุสูงไม่ได้แก้ปัญหาคอขวดด้านหน่วยความจำ GPU แต่ยังคงเป็นเครื่องมือสำคัญสำหรับผู้ให้บริการคลาวด์ในการควบคุมต้นทุนต่อ TB ในระยะยาว

ตำแหน่งทางการตลาดของ WDC ในตอนนี้ชัดเจนยิ่งกว่าอดีต Western Digital ได้ดำเนินการแยกธุรกิจ Flash ให้สำเร็จในเดือนกุมภาพันธ์ 2025 ทำให้ SanDisk เป็นบริษัทอิสระ และช่วยให้ WDC มุ่งเน้นด้าน HDD ได้โดยตรงมากขึ้น กล่าวอีกนัยหนึ่ง เมื่อวิเคราะห์ WDC ในปัจจุบัน จะเหมาะสมกว่าที่จะวางบริษัทนี้ไว้เคียงข้าง Seagate, nearline HDD, ฮาร์ดดิสก์ความจุสูง, ที่เก็บข้อมูลคลาวด์ขนาดใหญ่ (hyperscale) และโครงสร้างพื้นฐานข้อมูล AI มากกว่าที่จะยังคงมองว่าเป็นบริษัทจัดเก็บข้อมูลแบบผสม NAND/SSD ต่อไป

ทำไมศูนย์ข้อมูล AI ยังต้องใช้ HDD? เหตุผลก็ง่าย ๆ ว่าข้อมูลไม่ใช่ทุกชนิดที่ต้องการความเร็วระดับ SSD ข้อมูลฝึกฝน (training samples), บันทึกประวัติย้อนหลัง, เวอร์ชันโมเดล, ข้อมูลสำรอง, คลังข้อมูล (archives), object storage และข้อมูลเย็นหรืออุ่นนั้นให้ความสำคัญกับต้นทุนความจุ ความน่าเชื่อถือ การใช้พลังงาน และความสามารถในการขยายตัวในระยะยาวมากกว่า ในไตรมาสการเงินที่สามของปี 2026 WDC รายงานรายได้ 3,337 ล้านดอลลาร์สหรัฐ เพิ่มขึ้น 45% เมื่อเทียบกับปีก่อน อัตรากำไรขั้นต้นแบบ GAAP อยู่ที่ 50.2% และอัตรากำไรขั้นต้นแบบ non-GAAP อยู่ที่ 50.5% ซึ่งสะท้อนสภาพอุปสงค์-อุปทานของ HDD ความจุสูงที่ดีขึ้นและสภาพแวดล้อมด้านราคาที่แข็งแกร่ง

โรดแมปเทคโนโลยีของ WDC ก็มุ่งเน้นไปที่ความจุที่สูงขึ้นเช่นกัน ใน Western Digital Accelerates Storage Innovation for AI Era บริษัทกล่าวว่า HDD แบบ UltraSMR ePMR ความจุ 40TB ของบริษัทได้เข้าสู่ขั้นตอนการทดสอบรับรองกับลูกค้า hyperscale จำนวนสองราย และมีแผนจะเริ่มผลิตจำนวนมากในครึ่งหลังของปี 2026 HDD แบบ HAMR ก็อยู่ในขั้นตอนการทดสอบรับรองกับลูกค้าเช่นกัน โดยคาดว่าจะเริ่มขยายการผลิตในปี 2027 สำหรับผู้ให้บริการคลาวด์ ความหนาแน่นต่อพื้นที่ที่สูงขึ้นสามารถช่วยปรับปรุงพื้นที่ติดตั้งแร็ค การใช้พลังงาน ขนาดพื้นที่กายภาพ และต้นทุนการดำเนินงาน

อย่างไรก็ตาม ตรรกะของ WDC ไม่ใช่ว่า "AI คำนวณเร็วขึ้น" แต่คือ "AI สร้างข้อมูลมากขึ้น" ซึ่งหมายความว่า WDC ต้องพึ่งพาการจัดซื้อจากลูกค้าคลาวด์ระยะยาว ราคาขายเฉลี่ยของ HDD (HDD ASP), วินัยด้านอุปทาน และการดำเนินตามแผนงานพัฒนาผลิตภัณฑ์ความจุสูงมากขึ้น หากผู้ให้บริการคลาวด์ชะลอการใช้จ่ายด้านทุน หรือหากราคา SSD ลดลงเร็วเกินไปในบางระดับความจุ คำสั่งซื้อและอัตรากำไรขั้นต้นของ WDC อาจเผชิญแรงกดดัน

สรุป: ตรรกะ AI ของ WDC นั้นถูกต้อง แต่ไม่ใช่ตรรกะด้านคอขวดของการประมวลผล AI หากแต่เป็นตรรกะด้านรากฐานความจุข้อมูลสำหรับ AI WDC ได้ประโยชน์มากกว่าจาก HDD แบบ nearline ฮาร์ดดิสก์ความจุสูง การจัดซื้อจัดจ้างระยะยาวจากลูกค้าคลาวด์ data lake สำหรับ AI การสำรองข้อมูล และคลังเก็บข้อมูล หลังจากการแยกตัวของ SanDisk แล้ว เรื่องราวการลงทุนของ WDC ก็มีความชัดเจนและมุ่งเน้นมากขึ้น ทำให้ประเมินมูลค่าได้ง่ายขึ้นบนพื้นฐานของอุปทาน HDD ที่ตึงตัวและการอัปเกรดความจุ จุดอ่อนของบริษัทคืออยู่ห่างไกลจากธีมหลักด้าน GPU และ HBM มากกว่า และจังหวะการเติบโตขึ้นอยู่กับการจัดซื้อจัดจ้างจากลูกค้าคลาวด์รายใหญ่และการดำเนินตามแผนเทคโนโลยี HDD มากกว่า

เปรียบเทียบหลักระหว่าง MU กับ WDC: ฝ่ายหนึ่งแก้ปัญหากำแพงหน่วยความจำ อีกฝ่ายหนึ่งแก้ปัญหากำแพงความจุ

ความแตกต่างที่ใหญ่ที่สุดระหว่าง MU และ WDC ก็คือ: MU แก้ปัญหากำแพงหน่วยความจำ (memory wall) ระหว่างการคำนวณ AI ขณะที่ WDC แก้ปัญหากำแพงความจุ (capacity wall) หลังจากข้อมูล AI เติบโตขึ้น ฝ่ายแรกอยู่ใกล้กับ GPU, AI accelerators, HBM และหน่วยความจำเซิร์ฟเวอร์มากกว่า จึงมีความยืดหยุ่นด้านกำไรที่แข็งแกร่งกว่า ส่วนฝ่ายหลังอยู่ใกล้กับศูนย์ข้อมูลคลาวด์ การเก็บรักษาข้อมูลระยะยาว และที่เก็บข้อมูลความจุสูงต้นทุนต่ำ โดยมีตรรกะที่ผูกพันกับการขยายตัวของโครงสร้างพื้นฐานมากกว่า

จากมุมมองของการฝึก AI, MU มีความเกี่ยวข้องโดยตรงกว่า การฝึกโมเดลขนาดใหญ่ต้องใช้ HBM, DDR5, หน่วยความจำ CXL, SSD สำหรับศูนย์ข้อมูล และเส้นทางข้อมูลความเร็วสูง แบนด์วิดท์หน่วยความจำส่งผลโดยตรงต่ออัตราการใช้งาน GPU อย่างไรก็ตาม WDC ก็ยังมีคุณค่าในกระบวนการฝึกเช่นกัน แต่ผ่านการจัดเก็บชุดข้อมูลฝึก ทะเลสาบข้อมูล (data lakes) และข้อมูลบันทึกถาวรเป็นหลัก ซึ่งอยู่ห่างจากแกนการคำนวณมากกว่า

จากมุมมองของการอนุมาน AI (AI inference) MU ยังคงจัดอยู่ในอันดับนำ แต่ความเกี่ยวข้องของ WDC เพิ่มขึ้น ระบบการอนุมานต้องการหน่วยความจำเซิร์ฟเวอร์ แคช SSD การโหลดโมเดล และการประมวลผลข้อมูลการตอบสนองมากขึ้น ในเวลาเดียวกัน คำขอการอนุมาน การโต้ตอบของผู้ใช้ บันทึกการทำงาน ข้อมูลการตรวจสอบ และข้อมูลสังเคราะห์ยังคงสะสมเพิ่มขึ้นอย่างต่อเนื่อง ทำให้เกิดความต้องการคลาวด์สตอเรจและความจุ HDD

จากมุมมองของการเก็บรักษาข้อมูลระยะยาว WDC มีจุดแข็งกว่า ข้อมูล AI ไม่ใช่ทั้งหมดจำเป็นต้องจัดเก็บบน SSD ที่มีประสิทธิภาพสูง ข้อมูลเย็น ข้อมูลอุ่น ข้อมูลสำรอง การเก็บรักษาเพื่อการปฏิบัติตามข้อกำหนด และการจัดเก็บแบบออบเจกต์ ต้องพึ่งพาความจุต้นทุนต่ำมากกว่า คุณค่าของ HDD ไม่ได้อยู่ที่ความหน่วงต่ำ แต่อยู่ที่ประสิทธิภาพด้านต้นทุนสำหรับการเก็บรักษาข้อมูลขนาดใหญ่

ความยืดหยุ่นด้านราคาก็แตกต่างกันเช่นกัน MU ได้รับผลกระทบจากราคาขายเฉลี่ย (ASP) ของ DRAM, HBM และ NAND มากกว่า การขึ้นราคาสามารถสะท้อนเข้าสู่อัตรากำไรขั้นต้นและความคาดหวังด้านกำไรได้อย่างรวดเร็ว แต่เมื่อราคาลดลง แรงกดดันด้านกำไรก็จะรุนแรงและตรงไปตรงมากว่าเช่นกัน ส่วนความยืดหยุ่นด้านราคาของ WDC มาจากอุปทาน HDD ความจุสูงที่มีจำกัด ความต้องการแบบผูกพันจากลูกค้าคลาวด์ การอัปเกรดแผนที่นำทางด้านความจุ และการปรับปรุง ASP ของ HDD ซึ่งจังหวะการเคลื่อนไหวมักจะรุนแรงน้อยกว่าชิปหน่วยความจำ แต่การมองเห็นคำสั่งซื้อล่วงหน้าอาจจะชัดเจนกว่า

ในแง่ของการเล่าเรื่องตลาด MU ดูจะเป็นบริษัทส่วนประกอบหลักด้าน AI มากกว่า และถูกผูกโยงกับ Nvidia, AI servers, HBM และ GPU memory ได้ง่ายกว่า ส่วน WDC ดูจะเป็นบริษัทโครงสร้างพื้นฐานข้อมูลด้าน AI มากกว่า โดยถูกผูกโยงกับ cloud storage, nearline HDDs, hyperscalers และโครงสร้างพื้นฐานข้อมูลด้าน AI ทั้งสองบริษัทได้รับผลกระทบจาก AI แต่ตลาดไม่ได้กำหนดตรรกะการประเมินมูลค่าให้แก่พวกเขาอย่างเดียวกัน

สรุป: MU แข็งแกร่งกว่าใน “กำแพงหน่วยความจำ” ในขณะที่ WDC แข็งแกร่งกว่าใน “กำแพงความจุ” หากคุณเดิมพันว่าการเทรนและอินเฟอเรนซ์ AI จะยังคงขับเคลื่อนหน่วยความจำแบบแบนด์วิดท์สูง, DRAM สำหรับเซิร์ฟเวอร์ และ SSD สำหรับศูนย์ข้อมูล MU มีการสัมผัสโดยตรงที่สูงกว่า หากคุณเดิมพันว่าแอปพลิเคชัน AI จะสร้างการสะสมข้อมูลจำนวนมหาศาล การสำรองข้อมูล คลังข้อมูลถาวร และการขยายตัวของความจุระบบคลาวด์ WDC มีตรรกะที่ชัดเจนกว่า ทั้งสองรายไม่ใช่สินค้าทดแทนกันอย่างง่าย พวกเขาตั้งอยู่ที่ปลายที่ตรงข้ามกันของห่วงโซ่ข้อมูล AI: MU รับผิดชอบด้านหน่วยความจำและพื้นที่จัดเก็บเมื่อข้อมูลกำลังถูกประมวลผลด้วยความเร็วสูง ในขณะที่ WDC รับผิดชอบด้านความจุต้นทุนต่ำเมื่อข้อมูลถูกจัดเก็บในระยะยาว

กรอบการเงินและความเสี่ยง: อย่ามองแค่ธีม AI เพียงอย่างเดียว แต่ให้จับตาคุณภาพรายได้ อัตรากำไรขั้นต้น และตำแหน่งวงจร

MU และ WDC ต่างได้ประโยชน์จากโครงสร้างพื้นฐาน AI แต่คุณไม่ควรมองเพียงแค่ประเด็นธีมนี้เท่านั้น ขณะนี้ MU ดูเหมือนบริษัทที่มีความยืดหยุ่นสูงในวงจรอุตสาหกรรมหน่วยความจำที่กำลังขึ้น ส่วน WDC ดูเหมือนบริษัท HDD ที่มีความจุสูงภายใต้ภาวะอุปทานตึงตัว เมื่อเปรียบเทียบทั้งสองบริษัท คุณต้องพิจารณาการเติบโตของรายได้ อัตรากำไรขั้นต้น กระแสเงินสดอิสระ ค่าใช้จ่ายฝากทุน สัญญาระยะยาว ความเข้มข้นของลูกค้า และระดับที่ความคาดหวังของตลาดถูกสะท้อนอยู่ในราคาหุ้นแล้ว

สำหรับ MU ตัวแปรสำคัญที่ควรติดตามมีดังนี้:

• ส่วนแบ่งและอัตราการเติบโตของรายได้ศูนย์ข้อมูล;
• อุปทาน HBM ยังคงตึงตัวหรือไม่;
• การรับรองลูกค้าและการเพิ่มกำลังการผลิตของ HBM4 และ HBM4E;
• ราคาขายเฉลี่ย (ASP) ของ DRAM และ NAND ยังคงสูงขึ้นหรือไม่;
• SSD สำหรับศูนย์ข้อมูลยังคงเติบโตต่อไปหรือไม่;
• การลงทุนด้านทุน (Capex) จะสร้างแรงกดดันด้านอุปทานในอนาคตหรือไม่;
• ฐานลูกค้ามีความเข้มข้นเกินไปหรือไม่ในกลุ่มลูกค้า AI GPU และผู้ให้บริการคลาวด์

สำหรับ WDC ตัวแปรสำคัญที่ต้องติดตาม ได้แก่:

• ส่วนแบ่งรายได้จาก HDD ความจุสูงและคลาวด์;
• ปริมาณการจัดส่งแบบ Exabyte, ASP ของ HDD และต้นทุนต่อหน่วย;
• ราคา ปริมาณ และคุณภาพลูกค้าของสัญญาจัดซื้อระยะยาว;
• อัตรากำไรขั้นต้นสามารถคงอยู่ในระดับสูงได้หรือไม่;
• งบดุล กระแสเงินสด และผลตอบแทนแก่ผู้ถือหุ้นหลังการแยกธุรกิจ;
• แผนงาน ePMR, UltraSMR และ HAMR ดำเนินไปตามแผนหรือไม่

หากคุณติดตามหุ้นคลังสินค้า AI ที่ผันผวนอย่าง MU และ WDC คุณควรใส่ใจกับต้นทุนการซื้อขายจริงนอกเหนือจากปัจจัยพื้นฐานด้วย ค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯ มักรวมถึงมากกว่าแค่ค่าคอมมิชชัน โดยอาจรวมถึงค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมสถาบันภายนอก ค่าธรรมเนียมกิจกรรมการทำธุรกรรม และต้นทุนที่เกี่ยวข้องกับการดำเนินคำสั่งซื้อขาย Biya รองรับการซื้อขายสินทรัพย์หลายประเภททั่วทั้งหุ้นสหรัฐฯ หุ้นฮ่องกง และสินทรัพย์ดิจิทัล ภายใต้ค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯ Biya ไม่เก็บค่าคอมมิชชันสำหรับการซื้อขายหุ้นสหรัฐฯ เป็นจำนวนเงิน 0 ดอลลาร์สหรัฐ ส่วนค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมสถาบันภายนอก และค่าใช้จ่ายอื่น ๆ จะเป็นไปตามที่ศูนย์ค่าธรรมเนียมและหน้าคำสั่งซื้อขายแสดงไว้ความพร้อมใช้งานของบริการที่เกี่ยวข้องขึ้นอยู่กับตำแหน่งที่ตั้งของผู้ใช้ ผลการยืนยันตัวตน กฎของแพลตฟอร์ม ตลอดจนกฎหมายและข้อบังคับที่เกี่ยวข้อง

โดยเฉพาะอย่างยิ่งสิ่งนี้มีความสำคัญสำหรับการเทรดหุ้นเซมิคอนดักเตอร์ MU และ WDC ต่างก็สามารถมีความผันผวนของราคาอย่างมากในช่วงการประกาศงบการเงิน ข่าวด้านอุปสงค์-อุปทาน การลงทุนด้านทุนของผู้ให้บริการคลาวด์ วงจรการตั้งราคา และการเปลี่ยนแปลงความคาดหวังของนักวิเคราะห์ ยิ่งคุณเทรดบ่อยเท่าไร คุณยิ่งจำเป็นต้องประเมินโครงสร้างค่าธรรมเนียม ประเภทคำสั่งซื้อขาย และสลิปเปจ (slippage) ล่วงหน้ามากขึ้นเท่านั้น

สรุป: การเปรียบเทียบ MU กับ WDC ไม่ควรพึ่งพากระแส AI เพียงอย่างเดียว จุดแข็งของ MU อยู่ที่ความยืดหยุ่นสูงและการสัมผัสกับหน่วยความจำ AI โดยตรงมากกว่า ขณะที่ความเสี่ยงของ MU คือวงจรราคาหน่วยความจำ, capex และความคาดหวังที่สูงเกินจริง จุดแข็งของ WDC อยู่ที่อุปทาน HDD ที่ตึงตัว, ความต้องการจากลูกค้าคลาวด์ และแผนงานด้านความจุสูง ขณะที่ความเสี่ยงของ WDC คือการจัดซื้อคลาวด์ที่ช้าลง, การดำเนินงานด้านเทคโนโลยีที่ล่าช้า และราคา HDD ที่ลดลง ในการตัดสินว่าตรรกะใดแข็งแกร่งกว่า ในที่สุดคุณจำเป็นต้องดูคุณภาพรายได้, อัตรากำไรขั้นต้น, กระแสเงินสดอิสระ, การมองเห็นคำสั่งซื้อ และตำแหน่งวงจร ไม่ใช่แค่คำว่า "ธีม AI"

คำตัดสินขั้นสุดท้าย: ตรรกะหน่วยความจำ AI แข็งแกร่งกว่า หรือตรรกะ HDD ศูนย์ข้อมูลจะแข็งแกร่งกว่า?

หากเปรียบเทียบเพียงการสัมผัสโดยตรงกับธีม AI ตรรกะหน่วยความจำ AI ของ MU จะแข็งแกร่งกว่า หากเปรียบเทียบการเติบโตของความจุข้อมูลในระยะยาว ตรรกะ HDD สำหรับศูนย์ข้อมูลของ WDC จะมีเสถียรภาพมากกว่า ข้อสรุปที่แม่นยำกว่านั้นไม่ใช่การเลือกฝ่ายใดฝ่ายหนึ่งเพียงอย่างเดียว MU มีลักษณะเป็นหุ้นแกนกลางหน่วยความจำ AI ที่มีความยืดหยุ่นสูง ในขณะที่ WDC มีลักษณะเป็นหุ้นความจุโครงสร้างพื้นฐานข้อมูล AI มากกว่า

MU น่าจับตามองมากขึ้นเมื่อใด?

เมื่อใดที่ WDC น่าติดตามมากกว่า?

จากมุมมองของพอร์ตโฟลิโอ MU และ WDC ไม่ใช่สินทรัพย์ทดแทนกันอย่างสมบูรณ์ ทั้งสองตัวอยู่คนละฝั่งสุดของห่วงโซ่ข้อมูล AI MU แทนหน่วยความจำความเร็วสูงและที่จัดเก็บข้อมูลประสิทธิภาพสูงที่จำเป็นในช่วงที่ข้อมูลกำลังถูกประมวลผล ส่วน WDC แทนความจุที่ต้นทุนต่ำที่จำเป็นในช่วงที่ข้อมูลกำลังถูกจัดเก็บ ยิ่งโครงสร้างพื้นฐาน AI มีขนาดใหญ่ขึ้น ทั้งสองตัวยิ่งอาจได้รับประโยชน์มากขึ้น แต่ช่วงเวลาแตกต่างกัน: MU อาจสะท้อนการสร้างคลัสเตอร์ฝึกโมเดลและการขาดแคลน HBM ได้เร็วกว่า ในขณะที่ WDC อาจสะท้อนการสะสมข้อมูล การจัดเก็บข้อมูลบนคลาวด์ และการจัดซื้อความจุระยะยาวในช่วงเวลาที่ยาวนานกว่า

ข้อสรุปสุดท้ายสรุปได้ดังนี้:

หากคุณต้องการติดตามหุ้นสหรัฐฯ ในห่วงโซ่อุปทาน AI อย่างต่อเนื่อง เช่น MU, WDC, STX, SNDK, NVDA และ AVGO คุณสามารถรวมรายงานผลประกอบการ คำสั่งซื้อ ASP อัตรากำไรขั้นต้น capex และความผันผวนของมูลค่าหลักทรัพย์ไว้ในวอตช์ลิสต์เดียวกันได้ ผ่านทางการค้นหาข้อมูลหุ้นสหรัฐฯ คุณสามารถตรวจสอบข้อมูลพื้นฐานของหุ้นที่จดทะเบียนในสหรัฐฯ ที่เกี่ยวข้องก่อน แล้วจึงตรวจสอบประกาศของบริษัทและข้อมูลอุตสาหกรรมประกอบกัน หากมีบริการที่เกี่ยวข้องในภูมิภาคของคุณ คุณยังสามารถดาวน์โหลด App เพื่อตรวจสอบสินทรัพย์ที่ซื้อขายได้ การแสดงคำสั่งซื้อ และรายละเอียดค่าธรรมเนียมเพิ่มเติมได้อีกด้วย เนื้อหาข้างต้นเป็นเพียงการแนะนำข้อมูลตลาดสาธารณะ ความสัมพันธ์ของห่วงโซ่อุปทาน และโครงสร้างค่าธรรมเนียมเท่านั้น ไม่ถือเป็นคำแนะนำการลงทุนหุ้นกลุ่มสารกึ่งตัวนำและหน่วยความจำจัดเก็บข้อมูลอาจมีความผันผวนสูง ก่อนทำการซื้อขาย คุณควรทำความเข้าใจปัจจัยพื้นฐานของบริษัท โครงสร้างค่าธรรมเนียม ประเภทคำสั่งซื้อขาย และความเสี่ยงอย่างครบถ้วน

สรุป: MU มีตรรกะที่ตรงไปตรงมากว่าและมีความยืดหยุ่นสูงกว่า ทำให้เหมาะสมกับกรอบแนวคิด "คอขวดหน่วยความจำ AI" มากกว่า ส่วน WDC มีตรรกะที่ผูกพันกับความต้องการความจุในระยะยาวมากกว่า ทำให้เหมาะสมกับกรอบแนวคิด "พื้นฐานฮาร์ดไดรฟ์ศูนย์ข้อมูล AI" มากกว่า หากเปรียบเทียบเฉพาะความบริสุทธิ์ของธีม AI แล้ว MU แข็งแกร่งกว่า หากเปรียบเทียบการสะสมข้อมูลในระยะยาวและการจัดเก็บความจุต้นทุนต่ำ แล้ว WDC ก็มีตรรกะที่เป็นอิสระในตัวเองเช่นกัน การตีความที่สมดุลกว่าคือ มองว่า MU เป็นบริษัทชิปหน่วยความจำและชิปจัดเก็บข้อมูลที่สำคัญในช่วงที่ข้อมูล AI ถูกคำนวณด้วยความเร็วสูง และมองว่า WDC เป็นบริษัทโครงสร้างพื้นฐานด้านความจุในช่วงที่ข้อมูล AI ถูกจัดเก็บในระยะยาว

คำถามที่พบบ่อย

Micron MU ได้ประโยชน์จาก AI โดยตรงมากกว่า Western Digital WDC หรือไม่?

ใช่ จากมุมมองของหน่วยความจำสำหรับการประมวลผล AI MU ได้รับประโยชน์จาก AI โดยตรงมากกว่า WDC HBM, DRAM, NAND และ SSD สำหรับศูนย์ข้อมูลของ MU มีความเกี่ยวข้องโดยตรงกับความต้องการการฝึก AI, การอนุมาน (inference), หน่วยความจำ GPU และหน่วยความจำเซิร์ฟเวอร์ ส่วน WDC ก็ได้รับประโยชน์จาก AI เช่นกัน แต่ส่วนใหญ่ผ่านการจัดเก็บข้อมูล ความจุการจัดเก็บแบบคลาวด์ และความต้องการ HDD แบบ nearline ไม่ใช่คอขวดของหน่วยความจำ GPU โดยตรง

ตรรกะฮาร์ดไดรฟ์ AI ของ Western Digital WDC นั้นสมเหตุสมผลหรือไม่?

ใช่ แต่ตรรกะฮาร์ดไดรฟ์ AI ของ WDC ไม่ใช่ตรรกะด้านการประมวลผล แต่เป็นตรรกะด้านการเก็บรักษาข้อมูล ข้อมูลการฝึก AI, บันทึกการอนุมาน (inference logs), เวอร์ชันของโมเดล, ข้อมูลสำรอง, คลังเก็บข้อมูล และ data lakes ล้วนต้องการที่เก็บข้อมูลความจุสูงในต้นทุนต่ำ ฮาร์ดดิสก์ HDD ความจุสูงยังคงมีข้อได้เปรียบในด้านต้นทุนต่อ TB ดังนั้นจึงควรวิเคราะห์ WDC ภายใต้กรอบของรากฐานความจุของศูนย์ข้อมูล AI และการขยายตัวของที่เก็บข้อมูลคลาวด์จะดีกว่า

ธุรกิจ HBM ของ MU แตกต่างจาก DRAM ทั่วไปอย่างไร?

HBM เน้นไปที่แบนด์วิดท์สูง มูลค่าสูงกว่า และการรองรับ AI accelerator เป็นหลัก ในขณะที่ DRAM ทั่วไปมีความเป็นสากลมากกว่า HBM ใช้เทคนิคการต่อกันหลายชั้น (multi-layer stacking) และการบรรจุขั้นสูงเพื่อมอบแบนด์วิดท์ที่สูงขึ้นและประสิทธิภาพด้านพลังงานที่ดีกว่าสำหรับ GPU, AI ASIC และการประมวลผลประสิทธิภาพสูง ส่วน DRAM ทั่วไปถูกใช้อย่างแพร่หลายมากกว่าในเซิร์ฟเวอร์ พีซี สมาร์ตโฟน และการประมวลผลทั่วไป ทั้งสองเป็นผลิตภัณฑ์หน่วยความจำเหมือนกัน แต่ต่างกันในด้านตำแหน่งการใช้งาน ความยืดหยุ่นของราคา และกำแพงกั้นทางเทคนิค

หลังจากแยก SanDisk ออกไปแล้ว WDC ยังถือเป็นหุ้นชิปหน่วยความจำอยู่หรือไม่?

หลังจากแยกบริษัท SanDisk ออกไป WDC ก็เข้าใกล้การเป็นบริษัทโครงสร้างพื้นฐานจัดเก็บข้อมูล HDD มากกว่าจะเป็นหุ้นชิปหน่วยความจำ ธุรกิจ Flash และ NAND ตอนนี้ดำเนินการโดย SanDisk อย่างเป็นอิสระ การวิเคราะห์ WDC ควรพิจารณาเป็นหลักจาก HDD ความจุสูง, HDD แบบ nearline, การจัดซื้อของลูกค้าคลาวด์, ปริมาณการจัดส่งหน่วย exabyte, HDD ASP และแผนงาน HAMR/ePMR บริษัทยังคงเป็นส่วนหนึ่งของห่วงโซ่อุปทานการจัดเก็บข้อมูล แต่ไม่ใช่ธีมหลักของชิป NAND

นักลงทุนทั่วไปควรเปรียบเทียบความเสี่ยงด้านมูลค่าหุ้นของ MU และ WDC อย่างไร?

นักลงทุนทั่วไปสามารถมอง MU ในฐานะหุ้นวงจรหน่วยความจำที่มีความผันผวนสูง และมอง WDC ในฐานะหุ้นวงจรอุปกรณ์จัดเก็บข้อมูลแบบความจุ MU ควรได้รับการประเมินผ่านการจัดหา HBM ราคา DRAM/NAND รายได้จากศูนย์ข้อมูล และเงินลงทุนด้านทุน (capex) ส่วน WDC ควรได้รับการประเมินผ่านข้อตกลงระยะยาวกับลูกค้าคลาวด์ HDD ASP ปริมาณการจัดส่งแบบเอ็กซะไบต์ และอัตรากำไรขั้นต้น ทั้งสองบริษัทอาจได้รับผลกระทบจากเงินลงทุนด้านทุนของ AI และการเปลี่ยนแปลงของความคาดหวังด้านมูลค่าหุ้น ดังนั้นการมองเพียงฉลากแนวคิด (concept label) เพียงอย่างเดียวย่อมไม่เพียงพอ

ศูนย์ข้อมูล AI จะแทนที่ HDD ด้วย SSD หรือไม่?

ศูนย์ข้อมูล AI จะไม่เพียงแค่แทนที่ HDD ทั้งหมดด้วย SSD ข้อมูลที่มีการเข้าถึงสูง การเข้าถึงที่มีประสิทธิภาพสูง การโหลดโมเดล และแคช ต้องพึ่งพา SSD มากกว่า แต่การจัดเก็บข้อมูลความจุขนาดใหญ่ในต้นทุนต่ำยังคงต้องใช้ HDD ทะเลสาบข้อมูล (Data Lakes) การสำรองข้อมูล คลังเก็บถาวร บันทึกประวัติ และข้อมูลเย็นหรืออุ่น ให้ความสำคัญกับต้นทุนต่อ TB ความหนาแน่นของความจุ และการเก็บรักษาระยะยาวมากกว่า SSD และ HDD ควรเข้าใจว่าเป็นการจัดเก็บข้อมูลแบบแบ่งชั้น มากกว่าการเป็นสิ่งทดแทนกันโดยสมบูรณ์