เซี่ยงไฮ้ ฟู่ตั้น, ASMPT, SMIC และ Hua Hong Semiconductor เปรียบเทียบกัน: รายใดมีความเกี่ยวข้องกับหน่วยความจำ AI มากที่สุด?

หากคุณต้องการทราบว่าบริษัทใดมีความเกี่ยวข้องกับหน่วยความจำสำหรับ AI มากที่สุดระหว่าง Shanghai Fudan, ASMPT, SMIC และ Hua Hong Semiconductor คุณไม่ควรมองเพียงป้ายกำกับรวม ๆ ว่า "เซมิคอนดักเตอร์" แต่ข้อสรุปที่สมเหตุสมผลกว่าคือ ASMPT มีความใกล้ชิดกับอุปกรณ์ HBM และการบรรจุชิปขั้นสูง (advanced packaging) มากกว่า; Shanghai Fudan มีความใกล้ชิดกับหน่วยความจำแบบไม่ใช่แบบระเหย (non-volatile memory) เช่น NOR Flash, SLC NAND และ EEPROM; Hua Hong Semiconductor มีความเกี่ยวข้องกับ eNVM และบริการผลิตแบบ foudry ในกระบวนการผลิตรุ่นเก่า (mature-node) มากกว่า; ส่วน SMIC เป็นแพลตฟอร์มการผลิตชิป AI และการผลิตเวเฟอร์ในประเทศเป็นหลัก โดยมีความเชื่อมโยงกับหน่วยความจำสำหรับ AI ที่ค่อนข้างทางอ้อมกว่า

ประเด็นสำคัญ

• จุดเชื่อมโยงโดยตรงที่สุดของ ASMPT กับหน่วยความจำ AI คืออุปกรณ์บรรจุขั้นสูง (advanced packaging) สำหรับ HBM
• Shanghai Fudan มีผลิตภัณฑ์ชิปหน่วยความจำ แต่ไม่ใช่ผู้ผลิต DRAM หรือ HBM
• Hua Hong Semiconductor มีลักษณะคล้ายแพลตฟอร์มผู้รับจ้างผลิต (foundry) สำหรับ eNVM, MCU และโหนดเทคโนโลยีที่เป็นผู้ใหญ่ (mature-node) มากกว่า
• SMIC มีการสัมผัสกับ AI อย่างเข้มแข็ง แต่การสัมผัสกับหน่วยความจำ AI ส่วนใหญ่เป็นไปโดยทางอ้อม
• การประเมินหุ้นหน่วยความจำ AI จำเป็นต้องแยกความแตกต่างระหว่างผลิตภัณฑ์ อุปกรณ์ บริการผู้รับจ้างผลิต และการใช้งาน
• การเปรียบเทียบการลงทุนควรพิจารณาไม่เพียงแค่ธีมเท่านั้น แต่ยังรวมถึงโครงสร้างรายได้ คำสั่งซื้อ และความเสี่ยงจากวัฏจักรธุรกิจด้วย

เริ่มต้นจากเจตนาการค้นหา: ผู้ใช้ไม่ได้ถามว่า "ใครใหญ่กว่า" จริง ๆ แต่ถามว่าใครอยู่ใกล้หน่วยความจำ AI มากกว่า

เมื่อคุณค้นหาการเปรียบเทียบระหว่าง Shanghai Fudan, ASMPT, SMIC และ Hua Hong Semiconductor คำถามที่แท้จริงมักไม่ใช่ว่าบริษัทใดมีขนาดใหญ่กว่า แต่คือบริษัทใดอยู่ใกล้กับปัจจัยขับเคลื่อนการเติบโตหลักของความต้องการหน่วยความจำสำหรับ AI มากกว่ากัน หน่วยความจำ AI อาจหมายถึง HBM แต่ก็อาจครอบคลุมถึง NAND, NOR Flash, eNVM, ที่เก็บข้อมูลสำหรับเซิร์ฟเวอร์, การบรรจุชิปขั้นสูง และบริการผลิตเวเฟอร์แบบ FFO (foundry services) ด้วย ภายใต้นิยามที่แตกต่างกัน ลำดับการจัดอันดับอาจเปลี่ยนแปลงไปอย่างมาก

ผู้ใช้ในตลาดสากลมักค้นหาด้วยชุดคำสำคัญ (keyword) รอบ ๆ ลักษณะนี้:

ความผิดพลาดที่พบบ่อยที่สุดคือการเทียบเคียง "เกี่ยวกับเซมิคอนดักเตอร์ AI" กับ "เกี่ยวกับหน่วยความจำ AI" ตัวอย่างเช่น SMIC เป็นผู้ผลิตเวเฟอร์แบบฟาวดรีชั้นนำในจีนแผ่นดินใหญ่จริง แต่ไม่ใช่ผู้ผลิต HBM, DRAM หรือ NAND ASMPT ไม่ได้ผลิตชิปหน่วยความจำ แต่อาจเกี่ยวข้องใกล้ชิดกับการขยายกำลังการผลิต HBM มากกว่า เนื่องจากอุปกรณ์การบรรจุชิปขั้นสูง เช่น TCB, chiplet, hybrid bonding, C2S และ C2W

คุณสามารถใช้กรอบการวิเคราะห์สี่ชั้นเพื่อประเมินบริษัททั้งสี่แห่งเหล่านี้:

1. ชั้นผลิตภัณฑ์ชิปหน่วยความจำ: บริษัทผลิต EEPROM, NOR Flash, SLC NAND, DRAM, NAND หรือ HBM โดยตรงหรือไม่
2. ชั้นอุปกรณ์การบรรจุขั้นสูง: บริษัทให้บริการที่เกี่ยวข้องกับ HBM, GPU, AI ASIC, CoWoS, TSV, TCB หรือ hybrid bonding หรือไม่
3. ชั้นกระบวนการผลิตเวเฟอร์แบบรับจ้าง: บริษัทให้บริการ eNVM, MCU, แอนะล็อก, อุปกรณ์กำลังไฟ, กระบวนการโหนดที่พัฒนาแล้ว หรือกำลังการผลิตแบบ 12 นิ้ว หรือไม่
4. ชั้นผลกระทบจากวงจร AI: บริษัทได้รับผลกระทบจากเซิร์ฟเวอร์ AI, การทดแทนในประเทศ, การลงทุนด้านทุนในอุตสาหกรรมสารกึ่งตัวนำ และอารมณ์ของตลาด หรือไม่

กรอบแนวคิดนี้ยังอธิบายได้อีกว่าทำไม TSMC CoWoS®-S จึงเป็นจุดอ้างอิงที่สำคัญสำหรับการทำความเข้าใจหน่วยความจำ AI โดยรวมชิปตรรกะ ชิปเล็ต และสแตก HBM เข้าไว้ในระบบบรรจุศาสตร์ความหนาแน่นสูง ซึ่งแสดงให้เห็นว่าคอขวดด้านหน่วยความจำ AI ไม่ได้เกี่ยวข้องกับไดเอาหน่วยความจำเพียงอย่างเดียว แต่ยังรวมถึงการบรรจุ การเชื่อมต่อ และความสามารถในการผลิตที่ประสานงานกันอีกด้วย

หากคำถามของคุณคือ “บริษัทใดดูคล้ายบริษัทชิปหน่วยความจำมากที่สุด” Shanghai Fudan จะได้รับการจัดอันดับสูงกว่า หากคำถามของคุณคือ “บริษัทใดใกล้เคียงกับการเติบโตของการบรรจุชิปขั้นสูง HBM มากที่สุด” ASMPT จะได้รับการจัดอันดับสูงกว่า หากคำถามของคุณคือ “บริษัทใดเป็นตัวแทนความสามารถด้านการผลิตเวเฟอร์แบบฟาวดรีในประเทศ” SMIC และ Hua Hong Semiconductor มีความสำคัญมากกว่า ก่อนที่จะเปรียบเทียบบริษัททั้งสี่ คุณจำเป็นต้องกำหนดเกณฑ์ให้ชัดเจนก่อน มิฉะนั้นจะง่ายต่อการจัดกลุ่มบริษัททั้งสี่เข้าด้วยกันภายใต้ป้ายกำกับเดียวกันว่า “หุ้นแนวคิดหน่วยความจำ AI”

สรุป: ความเกี่ยวข้องของหน่วยความจำกับ AI ไม่สามารถตัดสินได้จากการที่บริษัทสังกัดกลุ่มธุรกิจเซมิคอนดักเตอร์เพียงอย่างเดียว แต่ควรแยกแยะออกเป็นสี่ชั้น ได้แก่ ผลิตภัณฑ์หน่วยความจำ, อุปกรณ์บรรจุชิปขั้นสูง (advanced packaging), กระบวนการผลิตเวเฟอร์แบบรับจ้างผลิต และผลกระทบจากห่วงโซ่อุปทาน AI ASMPT มีบทบาทหลักในด้านอุปกรณ์ Shanghai Fudan มีบทบาทหลักในด้านผลิตภัณฑ์หน่วยความจำแบบไม่สูญหาย (non-volatile memory) Hua Hong Semiconductor มีบทบาทหลักในด้าน eNVM และกระบวนการพิเศษ ส่วน SMIC มีบทบาทหลักในฐานะแพลตฟอร์มรับจ้างผลิตเวเฟอร์แบบครบวงจร ยิ่งแยกแยะชั้นเหล่านี้ได้เร็วเท่าไร โอกาสที่จะสับสนระหว่าง HBM, NOR Flash, eNVM, กระบวนการผลิตโหนดเมเจอร์ และห่วงโซ่อุปทานการประมวลผล AI ก็ยิ่งน้อยลงเท่านั้น

Shanghai Fudan: คล้ายกับบริษัทชิปแบบ "หน่วยความจำแบบไม่สูญหาย + FPGA" มากกว่า ไม่ใช่ผู้ผลิต HBM หรือ DRAM

Shanghai Fudan เกี่ยวข้องกับหน่วยความจำ แต่ความเกี่ยวข้องนั้นมาจากผลิตภัณฑ์หน่วยความจำแบบไม่รักษาสถานะ เช่น EEPROM, NOR Flash และ SLC NAND เป็นหลัก ไม่ใช่ HBM ซึ่งเป็นองค์ประกอบหน่วยความจำที่ได้รับความต้องการสูงสุดในเซิร์ฟเวอร์สำหรับการฝึก AI คุณสามารถเข้าใจได้ว่าเป็นบริษัทแบบ "ชิป NVM ในประเทศ + FPGA + ชิประบุตัวตนความปลอดภัย" ไม่ใช่ผู้ผลิต DRAM/HBM อย่าง Samsung, SK hynix หรือ Micron

ผลิตภัณฑ์หน่วยความจำแบบไม่สูญเสียข้อมูล non-volatile memory product line ของ Shanghai Fudan ประกอบด้วย EEPROM, NOR Flash และ SLC NAND Flash การใช้งานครอบคลุมด้านการสื่อสาร โมดูล IoT จอแสดงผล มิเตอร์อัจฉริยะ ระบบรักษาความปลอดภัย อิเล็กทรอนิกส์ยานยนต์ การควบคุมอุตสาหกรรม และเครื่องมือทางการแพทย์ ความสัมพันธ์ระหว่างผลิตภัณฑ์เหล่านี้กับ AI มีความเกี่ยวข้องมากกว่าในด้านอุปกรณ์ขอบ (edge devices) ระบบควบคุม และหน่วยความจำแบบฝัง มากกว่าหน่วยความจำแบบแบนด์วิดท์สูงที่ใช้ในคลัสเตอร์ฝึกโมเดลขนาดใหญ่

จากมุมมองทางการเงิน รายงานไตรมาสแรกของปี 2026 ของ Shanghai Fudan (ลิงก์) แสดงให้เห็นว่ารายได้จากหน่วยความจำแบบไม่สูญเสียข้อมูล (non-volatile memory) อยู่ที่ประมาณ 293 ล้านหยวน เพิ่มขึ้นประมาณ 23.39% เมื่อเทียบกับปีก่อน และรายได้จาก FPGA และผลิตภัณฑ์อื่น ๆ อยู่ที่ประมาณ 347 ล้านหยวน เพิ่มขึ้นประมาณ 10.67% เมื่อเทียบกับปีก่อน ซึ่งแสดงให้เห็นว่าทั้ง NVM และ FPGA ต่างเป็นธุรกิจที่สำคัญ แต่ไม่ได้หมายความว่าบริษัทจะเป็นผู้ได้ประโยชน์โดยตรงจาก HBM

FPGA ก็เป็นอีกหนึ่งสิ่งที่มักถูกตีความผิด FPGA สามารถใช้งานได้ในหลายสถานการณ์ เช่น การเร่งประมวลผลเชิงเฉพาะทาง การสื่อสาร การควบคุมอุตสาหกรรม และศูนย์ข้อมูล FPGA ระดับสูงบางรุ่นอาจมาพร้อมกับ HBM ด้วย อย่างไรก็ตาม โครงสร้างธุรกิจที่ Shanghai Fudan เปิดเผยไม่ได้หมายความว่าบริษัทจะเข้าสู่ห่วงโซ่อุปทานหลักของ AI GPU/HBM โดยตรง การตีความที่รอบคอบกว่าคือ Shanghai Fudan อาจได้รับประโยชน์จากผลกระทบล้นเกิน (spillover) ของธีมเซมิคอนดักเตอร์ AI และมีพื้นฐานในผลิตภัณฑ์หน่วยความจำแบบไม่ลบเลือน (non-volatile memory) แต่การสัมผัสกับหน่วยความจำ AI โดยตรงของบริษัทนั้นน้อยกว่าของผู้ผลิต HBM หรือซัพพลายเออร์อุปกรณ์บรรจุ HBM

หากคุณติดตามบริษัทนี้ คุณควรให้ความสำคัญกับตัวชี้วัดสามประเภท:

• รายได้จากผลิตภัณฑ์ที่ไม่ใช่หน่วยความจำแบบ non-volatile จะฟื้นตัวต่อเนื่องหรือไม่
• NOR Flash, EEPROM และ SLC NAND จะได้ประโยชน์จากความต้องการในภาคอุตสาหกรรม ยานยนต์ และ IoT หรือไม่
• การลงทุนด้านการวิจัยและพัฒนา FPGA, การตัดมูลค่าสินค้าคงคลัง, อัตรากำไรขั้นต้น และการเร่งการผลิตผลิตภัณฑ์ใหม่ จะดีขึ้นหรือไม่

จากมุมมองการลงทุน Shanghai Fudan อยู่ในตำแหน่งที่ดีกว่าภายใต้ธีมชิปหน่วยความจำภายในประเทศ หน่วยความจำแบบ embedded, NOR Flash, FPGA และชิปควบคุมด้วยตนเอง มากกว่าธีมหลักด้าน HBM ในศูนย์ข้อมูล AI ซึ่งเกี่ยวข้องกับหน่วยความจำสำหรับ AI แต่มากกว่านั้นอยู่ในระดับชั้นกลางและระดับขอบ (edge)

สรุป: การมีส่วนเกี่ยวข้องกับหน่วยความจำของ Shanghai Fudan เป็นเรื่องจริง โดยเฉพาะผ่าน EEPROM, NOR Flash และ SLC NAND ประเด็นสำคัญคือหน่วยความจำประเภทเหล่านี้ไม่ใช่ HBM ซึ่งเป็นผลิตภัณฑ์หน่วยความจำที่ได้รับความสนใจมากที่สุดในศูนย์ข้อมูล AI ในปัจจุบัน คุณสามารถมอง Shanghai Fudan ว่าเป็นบริษัท IC ในประเทศที่มีผลิตภัณฑ์ชิปหน่วยความจำโดยตรง แต่คุณไม่ควรเทียบเคียงมันอย่างง่าย ๆ กับผู้นำด้าน HBM, DRAM หรือ NAND โอกาสของมันขึ้นอยู่กับโครงสร้างผลิตภัณฑ์ การทดแทนของภายในประเทศ ความต้องการด้านอุตสาหกรรมและยานยนต์ และความคืบหน้าด้าน FPGA มากกว่าการขยายตัวของ HBM ในเซิร์ฟเวอร์ AI เพียงอย่างเดียว

ASMPT: บริษัทที่เกี่ยวข้องโดยตรงที่สุดกับห่วงโซ่การบรรจุชิปขั้นสูง HBM ในบรรดาสี่บริษัท

หากนิยามความจำ AI ว่าเป็น HBM, AI GPUs, chiplets, CoWoS, TSV และการบรรจุที่มีความหนาแน่นสูง ASMPT จะเป็นบริษัทที่เกี่ยวข้องโดยตรงที่สุดในบรรดาสี่บริษัท บริษัทนี้ไม่ใช่บริษัทชิปความจำ แต่ตั้งอยู่ในห่วงโซ่อุปกรณ์บรรจุขั้นสูงของ HBM ตรรกะของผลประโยชน์มาจากความต้องการอุปกรณ์ TCB, C2S, C2W และ hybrid bonding

คุณค่าหลักของ HBM คือการซ้อนชั้น DRAM หลายชั้นในแนวตั้งและเชื่อมต่อเข้ากับ GPU, AI ASIC และชิปประมวลผลอื่น ๆ ผ่าน TSV และการบรรจุชิปขั้นสูง HBM4 ของ Samsung เน้นที่แบนด์วิดท์สูง จำนวน I/O และประสิทธิภาพของระบบ AI ส่วน พอร์ตโฟลิโอ HBM ของ Micron ก็มุ่งเป้าตรงไปที่งาน AI การแสดงผลระดับมืออาชีพ และการประมวลผลประสิทธิภาพสูง กล่าวอีกนัยหนึ่ง คอขวดของหน่วยความจำสำหรับ AI ไม่ได้ขึ้นอยู่กับว่าจะมีได DRAM พร้อมใช้งานหรือไม่เท่านั้น แต่ยังรวมถึงว่าไดเหล่านั้นจะถูกบรรจุเข้าเป็น AI accelerator ได้อย่างแม่นยำ มีเสถียรภาพ และมีอัตราผลิตผลสูงหรือไม่ด้วย

ผลประกอบการประจำปี 2025 ของ ASMPT แสดงให้เห็นว่ารายได้จากการบรรจุชิพขั้นสูง (advanced packaging) อยู่ที่ 532.1 ล้านดอลลาร์สหรัฐ เพิ่มขึ้น 30.2% เมื่อเทียบกับปีก่อนหน้า โดยโซลูชัน TCB มีส่วนสนับสนุนอย่างมาก โดยรายได้จาก TCB เพิ่มขึ้นประมาณ 146% เมื่อเทียบกับปีก่อนหน้า บริษัทยังกล่าวด้วยว่าโซลูชัน HBM4 12H TCB ของบริษัทได้รับคำสั่งซื้อจากลูกค้าหลายราย และกำลังมีส่วนร่วมในการพัฒนาเทคโนโลยี HBM4 16H ซึ่งเป็นเรื่องที่สำคัญอย่างยิ่ง เนื่องจากเชื่อมโยง ASMPT เข้ากับความต้องการอุปกรณ์ในช่วงการเปลี่ยนผ่านสู่ HBM4 โดยตรง

ASMPT's LITHOBOLT™ ได้รับการออกแบบมาสำหรับการเชื่อมแบบไฮบริดระดับได (die-to-wafer hybrid bonding) และรองรับสถานการณ์การบรรจุขั้นสูง เช่น AI, การประมวลผลประสิทธิภาพสูง และ 5G ในเวลาเดียวกัน ความร่วมมือด้านเทคโนโลยีการบรรจุชิปเล็ต (chiplet) กับ IBM ของ ASMPT ก็สะท้อนให้เห็นว่าผู้ผลิตอุปกรณ์บรรจุขั้นสูงกำลังขยายเข้าสู่พื้นที่ที่มีมูลค่าสูงขึ้น ซึ่งครอบคลุมชิปเล็ต (chiplets), TCB และการเชื่อมแบบไฮบริด (hybrid bonding)

อย่างไรก็ตาม ความเสี่ยงของ ASMPT แตกต่างจาก Shanghai Fudan Shanghai Fudan ต้องพึ่งพาราคาสินค้าหน่วยความจำ สินค้าคงคลัง และการเพิ่มกำลังการผลิตของผลิตภัณฑ์ใหม่ ส่วน ASMPT ต้องพึ่งพาคำสั่งซื้ออุปกรณ์ การลงทุนด้านทุนของลูกค้า เส้นทางการบรรจุชิปขั้นสูง การเปลี่ยนผ่านรุ่นของ HBM และกำหนดการส่งมอบ หุ้นกลุ่มอุปกรณ์มักมีความยืดหยุ่นในแง่ขาขึ้นที่รวดเร็วกว่า แต่การปรับลดราคาก็อาจมาเร็วเช่นกัน เนื่องจากคำสั่งซื้อสามารถสะท้อนวัฏจักรไว้ล่วงหน้าได้ และอาจผันผวนหากแผนการขยายตัวของลูกค้าล่าช้า

หากคุณกำลังพยายามระบุว่าบริษัทใดในสี่บริษัทนี้ใกล้เคียงกับธีมหน่วยความจำ AI มากที่สุด ASMPT คือคำตอบที่ชัดเจนที่สุด แม้ไม่ใช่ผู้ผลิต HBM แต่ก็อยู่ใกล้กับกลุ่มอุปกรณ์สำคัญในการขยายกำลังการผลิต HBM มากกว่า

สรุป: ASMPT เป็นบริษัทที่เกี่ยวข้องโดยตรงที่สุดกับการแพ็กเกจขั้นสูงของ HBM ในบรรดาสี่บริษัทนี้ บริษัทไม่ได้ผลิต DRAM, NAND หรือ HBM แต่เชื่อมต่อ AI GPU, AI ASIC และหน่วยความจำแบนด์วิดท์สูงเข้าด้วยกันผ่านอุปกรณ์ TCB, C2S, C2W และ hybrid bonding เมื่อประเมิน ASMPT ประเด็นสำคัญไม่ควรอยู่ที่ราคาชิปหน่วยความจำ แต่ควรอยู่ที่งบลงทุนด้านการแพ็กเกจขั้นสูง (capex), การเปลี่ยนผ่านเทคโนโลยี HBM4, ทัศนวิสัยของคำสั่งซื้อ และกำหนดการส่งมอบอุปกรณ์ หากคำถามคือ "บริษัทใดอยู่ใกล้คอขวดของการเติบโตในหน่วยความจำสำหรับ AI มากกว่า" ASMPT มักจะได้อันดับหนึ่ง

SMIC: เกี่ยวข้องกับ AI อย่างมาก แต่การสัมผัสกับ "หน่วยความจำสำหรับ AI" นั้นเป็นแบบทางอ้อม

SMIC มีการสัมผัสที่แข็งแกร่งต่อเซมิคอนดักเตอร์ AI แต่ความสัมพันธ์กับหน่วยความจำ AI เป็นไปโดยทางอ้อม คุณควรเข้าใจว่าบริษัทนี้เป็นแพลตฟอร์มผู้รับจ้างผลิตเวเฟอร์ชั้นนำในจีนแผ่นดินใหญ่ ไม่ใช่ผู้ผลิตชิปหน่วยความจำหรือซัพพลายเออร์อุปกรณ์บรรจุขั้นสูง HBM บริษัทได้รับผลกระทบมากกว่าจากการพัฒนาชิป AI ในประเทศ ความต้องการโหนดการผลิตแบบ mature-node กำลังการผลิตแบบ 12 นิ้ว การลงทุนด้านทุน (capex) และนโยบายด้านภูมิรัฐศาสตร์

รายงานประจำปี 2025 ของ SMIC ระบุว่าบริษัทให้บริการก่อสร้างเวเฟอร์ขนาด 8 นิ้วและ 12 นิ้ว รวมถึงบริการด้านเทคโนโลยี จากรายได้แบ่งตามตลาดปลายทาง เครื่องใช้ไฟฟ้าอุปโภคบริโภคคิดเป็น 43.2% สมาร์ตโฟน 23.1% คอมพิวเตอร์และแท็บเล็ต 14.8% การเชื่อมต่อและ IoT 7.9% และอุตสาหกรรมและยานยนต์ 11.0% ตัวเลขเหล่านี้แสดงให้เห็นว่า SMIC เป็นแพลตฟอร์มก่อสร้างเวเฟอร์แบบครอบคลุม ไม่ใช่บริษัทหน่วยความจำที่พึ่งพายอดขาย HBM หรือ DRAM โดยตรง

SMIC ยังคงถูกกล่าวถึงในการเปรียบเทียบเกี่ยวกับหน่วยความจำ AI เนื่องจากความต้องการเซิร์ฟเวอร์ AI ส่งผลกระทบต่อแผนการผลิตเซมิคอนดักเตอร์โดยรวมและความคาดหวังในห่วงโซ่อุปทาน รายงานของ Reuters เกี่ยวกับการขาดแคลนหน่วยความจำที่กระทบคำสั่งซื้อของลูกค้า SMIC ระบุว่า การขาดแคลนชิปหน่วยความจำทำให้ลูกค้าบางรายระมัดระวังมากขึ้นเกี่ยวกับคำสั่งซื้อไตรมาสถัดไป เนื่องจากสมาร์ตโฟน ยานยนต์ และผลิตภัณฑ์ปลายทางอื่น ๆ ล้วนต้องการหน่วยความจำเพียงพอที่จะรองรับการผลิต สิ่งนี้แสดงให้เห็นว่าวงจรหน่วยความจำสามารถส่งผลกระทบต่อความต้องการกิจการกึ่งตัวนำแบบรับจ้างผลิตเวเฟอร์ได้ แต่ไม่ได้หมายความว่า SMIC ขาย HBM โดยตรง

คุณสามารถเข้าใจ SMIC ได้จากสามมุมมองดังนี้:

1. แพลตฟอร์มการผลิตชิป AI: ได้รับผลกระทบจากชิป AI ในประเทศ, AI ขอบข้าง (edge AI) และการฟื้นตัวของอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภค
2. แพลตฟอร์มอุปทานโหนดกระบวนการผลิตขนาดพอเหมาะ (mature-node): เกี่ยวข้องกับชิป PMIC, MCU, เซนเซอร์, ชิปการเชื่อมต่อ และชิปตัวควบคุมหน่วยความจำบางส่วน
3. แพลตฟอร์มวงจร Capex: การขยายกำลังการผลิต ค่าเสื่อมราคา อัตราการใช้กำลังการผลิต และอัตรากำไรขั้นต้น ล้วนส่งผลต่อความยืดหยุ่นของกำไร

ดังนั้น SMIC จึงอยู่ในตำแหน่งที่ดีกว่าภายใต้กรอบของการผลิตเซมิคอนดักเตอร์ AI ในประเทศ มากกว่าที่จะเป็นผู้ได้รับประโยชน์โดยตรงจากหน่วยความจำสำหรับ AI นอกจากนี้ มูลค่าหุ้นของบริษัทยังอาจได้รับผลกระทบจากนโยบาย การควบคุมการส่งออก การจัดหาอุปกรณ์ การลงทุนด้านทุน (capex) อัตราการใช้กำลังการผลิต และความรู้สึกของตลาดอีกด้วย

สรุป: SMIC มีการสัมผัสกับเซมิคอนดักเตอร์ AI ที่แข็งแกร่ง แต่การสัมผัสกับหน่วยความจำ AI นั้นค่อนข้างทางอ้อม บริษัทไม่ใช่ผู้ผลิต HBM, DRAM หรือ NAND และไม่ใช่ซัพพลายเออร์อุปกรณ์บรรจุภัณฑ์ขั้นสูง แต่เป็นแพลตฟอร์มผู้รับจ้างผลิตเวเฟอร์แบบครบวงจร เมื่อประเมิน SMIC คุณควรเน้นที่โครงสร้างรายได้จากการรับจ้างผลิตเวเฟอร์ อัตราการใช้กำลังการผลิต Capex อัตรากำไรขั้นต้น ความต้องการกระบวนการผลิตรุ่นเก่า และความคืบหน้าของการทดแทนภายในประเทศ ภาวะขาดแคลนหน่วยความจำ AI อาจส่งผลกระทบต่อแผนการผลิตของลูกค้าและความคาดหวังของตลาด แต่นั่นเป็นเพียงผลกระทบลุกลามจากห่วงโซ่อุปทาน มิใช่ประโยชน์โดยตรงจากยอดขาย HBM

Hua Hong Semiconductor: ใกล้ชิดกับ eNVM, MCU, กระบวนการผลิตรุ่นเก่า และกระบวนการเฉพาะทาง มากกว่าที่จะเป็นบริษัทหน่วยความจำ AI โดยเฉพาะ

ความสัมพันธ์ด้านหน่วยความจำของ Hua Hong Semiconductor มาจากแพลตฟอร์มกระบวนการ embedded NVM และ standalone NVM เป็นหลัก ไม่ใช่จากการเป็นผู้ผลิต DRAM, NAND หรือ HBM คุณสามารถมองว่าเป็นบริษัทแพลตฟอร์มที่มุ่งเน้นบริการพบผลึกระดับพิเศษ (specialty foundry), eNVM, MCU, อุปกรณ์กำลังไฟฟ้า และการจัดการกำลังไฟฟ้าแบบแอนะล็อก ความเกี่ยวข้องด้านหน่วยความจำ AI ของบริษัทอยู่ในระดับกลาง

ผลประกอบการไตรมาสที่ 2 ของปี 2025 ของ Hua Hong Semiconductor (รายงานผลประกอบการไตรมาส 2 ปี 2025) แสดงให้เห็นว่ารายได้ไตรมาสที่ 2 แตะระดับ 566.1 ล้านดอลลาร์สหรัฐ อัตรากำไรขั้นต้นอยู่ที่ 10.9% และอัตราการใช้กำลังการผลิตถึง 108.3% จำแนกตามแพลตฟอร์มเทคโนโลยี รายได้จาก Embedded NVM อยู่ที่ 141.158 ล้านดอลลาร์สหรัฐ คิดเป็น 24.9% ของรายได้ ส่วนรายได้จาก Standalone NVM อยู่ที่ 27.603 ล้านดอลลาร์สหรัฐ คิดเป็น 4.9% สิ่งนี้แสดงให้เห็นว่า Hua Hong มีรายได้จากกระบวนการผลิตที่เกี่ยวข้องกับหน่วยความจำจริง แต่แกนหลักยังคงเป็นบริการก่อสร้างเวเฟอร์เฉพาะทาง (specialty foundry services) มากกว่าการผลิตชิปหน่วยความจำโดยเฉพาะ

eNVM ของ Hua Hong เหมาะสำหรับ MCU สมาร์ทการ์ด ระบบควบคุมแบบฝังตัว และอุปกรณ์พลังงานต่ำมากกว่า ส่วน Standalone NVM เกี่ยวข้องกับความต้องการผลิตภัณฑ์ Flash ทั้งสองสามารถจัดอยู่ในหมวดที่เกี่ยวข้องกับหน่วยความจำ แต่ไม่ได้อยู่ในระดับเดียวกับ HBM, HBM3E หรือ HBM4 ที่ใช้ในศูนย์ข้อมูล AI เซิร์ฟเวอร์ AI ต้องการ GPU จำนวนมาก HBM การเชื่อมต่อความเร็วสูง การบรรจุชิปขั้นสูง และการจัดการพลังงาน Hua Hong มีแนวโน้มที่จะได้รับประโยชน์ทางอ้อมมากกว่า ผ่านกระบวนการผลิตโหนดขนาดใหญ่ (mature-node) PMIC, MCU อุปกรณ์กำลังไฟ และการทดแทนสินค้าภายในประเทศ

ประเด็นสำคัญอีกประการหนึ่งคือโครงสร้างตลาดปลายทาง ในการเปิดเผยผลประกอบการชุดเดียวกัน ธุรกิจเครื่องใช้อิเล็กทรอนิกส์สำหรับผู้บริโภคคิดเป็นสัดส่วนที่ค่อนข้างสูงของรายได้ของ Hua Hong ขณะที่ภาคอุตสาหกรรมและยานยนต์ก็ยังคงมีความสำคัญเช่นกัน ส่วนรายได้จากกลุ่มคอมพิวติ้งมีสัดส่วนไม่มากนัก ซึ่งหมายความว่าคุณไม่ควรนิยาม Hua Hong ว่าเป็นหุ้นหน่วยความจำ AI หลักเพียงเพราะมีเทคโนโลยี eNVM ตำแหน่งที่ถูกต้องกว่าคือ Hua Hong เป็นผู้ผลิตฟาวดรีเฉพาะทางที่มีส่วนเกี่ยวข้องกับกระบวนการผลิตหน่วยความจำและมีความเชื่อมโยงบ้างกับหน่วยความจำ AI แต่ไม่ใช่หนึ่งในกลุ่มที่มีความเชื่อมโยงโดยตรงที่สุด

สำหรับการวิเคราะห์การลงทุน ตัวแปรสำคัญของ Hua Hong ได้แก่:

• ความต้องการสำหรับ eNVM, NVM แบบสแตนด์อโลน, PMIC และอุปกรณ์กำลังไฟฟ้า
• แรงกดดันจากการเพิ่มกำลังการผลิตและค่าเสื่อมราคาที่สายการผลิตเวเฟอร์ 12 นิ้วของบริษัทที่เมืองอู่ซี
• การแข่งขันด้านราคาในกระบวนการผลิตโหนดที่พัฒนาแล้ว
• ว่าอัตราการใช้งานกำลังการผลิตและอัตรากำไรขั้นต้นจะสามารถพัฒนาต่อเนื่องขึ้นได้หรือไม่
• ว่าส่วนผสมของลูกค้าจะสามารถขยายจากเครื่องใช้ไฟฟ้าสำหรับผู้บริโภคไปสู่ห่วงโซ่ที่เกี่ยวข้องกับอุตสาหกรรม ยานยนต์ และศูนย์ข้อมูลได้มากขึ้นอีกหรือไม่

สรุป: Hua Hong Semiconductor เกี่ยวข้องกับหน่วยความจำ แต่ผ่าน eNVM, standalone NVM และแพลตฟอร์มกระบวนการโหนดขนาดเล็ก (mature-node) เป็นหลัก ไม่ใช่ผ่านการผลิต HBM, DRAM หรือ NAND ความเชื่อมโยงกับหน่วยความจำ AI ของบริษัทมีความเฉพาะเจาะจงมากกว่าของ SMIC แต่ไม่ตรงไปตรงมาเท่า ASMPT และแตกต่างจากการสัมผัสกับผลิตภัณฑ์ชิปของ Shanghai Fudan เมื่อวิเคราะห์ Hua Hong คุณควรเน้นที่โครงสร้างรายได้จากแพลตฟอร์มเทคโนโลยี อัตราการใช้กำลังการผลิต อัตรากำไรขั้นต้น และวงจรของโหนดขนาดเล็ก แทนที่จะเพียงแค่ติดป้ายว่าเป็น "หุ้นหน่วยความจำ AI"

อันดับโดยรวม: ข้อสรุปเปลี่ยนแปลงตามเกณฑ์ที่ต่างกัน

หากคำถามมีเพียงข้อเดียวคือ “บริษัทใดเกี่ยวข้องกับหน่วยความจำ AI มากที่สุด” ASMPT จะอยู่อันดับหนึ่ง หากคำถามคือ “บริษัทใดมีผลิตภัณฑ์ชิปหน่วยความจำโดยตรง” Shanghai Fudan จะมีอันดับสูงกว่า หากคำถามคือ “บริษัทใดเป็นตัวแทนแพลตฟอร์มผู้รับจ้างผลิตเวเฟอร์ในประเทศ” SMIC และ Hua Hong Semiconductor จะมีความสำคัญมากกว่า คุณต้องกำหนดเกณฑ์การเปรียบเทียบให้ชัดเจนก่อน มิฉะนั้นจะง่ายต่อการผสมผสานบริษัทผลิตภัณฑ์ บริษัทอุปกรณ์ และบริษัทผู้รับจ้างผลิตเข้าไว้ในหมวดหมู่เดียวกัน

เมื่อจัดอันดับตามความเกี่ยวข้องโดยตรงกับหน่วยความจำ AI อันดับสามารถเป็นได้ดังนี้:

เมื่อจัดอันดับตามความเกี่ยวข้องกับเซมิคอนดักเตอร์ AI ในประเทศ อันดับจะเปลี่ยนไปดังนี้:

หากคุณใส่ใจเรื่องความเสี่ยงในการลงทุน คุณควรจัดประเภทแต่ละบริษัทตามประเภทธุรกิจด้วย:

• ASMPT: ติดตามคำสั่งซื้อ advanced packaging, capex ของลูกค้า, การเปลี่ยนผ่านสู่ HBM4 และการส่งมอบอุปกรณ์
• Shanghai Fudan: ติดตามราคา NVM, การตัดมูลค่าสินค้าคงคลัง, การลงทุน R&D ด้าน FPGA และการเพิ่มกำลังผลิตผลิตภัณฑ์ใหม่
• SMIC: ติดตาม capex, ค่าเสื่อมราคา, อัตราการใช้กำลังการผลิต, มาตรการควบคุมการส่งออก และการแข่งขันในโหนดผลิตแบบ mature node
• Hua Hong Semiconductor: ติดตามความต้องการ eNVM, PMIC และอุปกรณ์กำลังไฟฟ้า รวมถึงอัตรากำไรขั้นต้นและการเพิ่มกำลังการผลิตของสายการผลิต

ค่าธรรมเนียมการซื้อขายควรเป็นส่วนหนึ่งของการตัดสินใจของคุณด้วย หุ้นกึ่งตัวนำและหุ้นหน่วยความจำ AI อาจมีความผันผวนสูง โดยเฉพาะในช่วงการประกาศผลประกอบการ ข่าวลือเรื่องคำสั่งซื้อ การปรับงบลงทุน (capex) การเปลี่ยนแปลงนโยบายภูมิรัฐศาสตร์ และวงจรราคาในอุตสาหกรรม ความถี่ในการซื้อขายอาจเพิ่มขึ้นในช่วงเวลาเหล่านี้ หากคุณติดตามหุ้นกึ่งตัวนำในตลาดสหรัฐฯ และฮ่องกง การเปรียบเทียบราคาเสนอซื้อขาย ประเภทคำสั่งซื้อ และโครงสร้างค่าธรรมเนียมในเวลาเดียวกันจะเป็นประโยชน์ Biya รองรับการซื้อขายสินทรัพย์หลายประเภทครอบคลุมหุ้นสหรัฐฯ หุ้นฮ่องกง และสินทรัพย์ดิจิทัล ภายใต้ค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯ Biya ไม่เก็บค่าคอมมิชชันสำหรับหุ้นสหรัฐฯ เป็นดอลลาร์สหรัฐการซื้อขายหุ้น ในขณะที่ค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมสถาบันภายนอก และค่าธรรมเนียมอื่น ๆ จะเป็นไปตามการแสดงผลของศูนย์ค่าธรรมเนียมและหน้าคำสั่งซื้อ ก่อนทำการซื้อขาย คุณควรพิจารณาสถานที่ตั้งของคุณ ผลการตรวจสอบยืนยันตัวตน กฎของแพลตฟอร์ม รวมถึงกฎหมายและข้อบังคับที่เกี่ยวข้อง เพื่อพิจารณาว่าบริการที่เกี่ยวข้องสามารถใช้งานได้หรือไม่

วิธีที่ใช้ได้จริงกว่านั้นคือการแยก “ความเกี่ยวข้อง” ออกจาก “ความยืดหยุ่นของกำไร”

หากคุณเป็นมือใหม่ ควรตั้งคำถามสามข้อก่อน: บริษัทนี้ขายชิปหน่วยความจำโดยตรงหรือไม่? มีตำแหน่งในคอขวดของ HBM หรือการบรรจุขั้นสูง (advanced packaging) หรือไม่? และรายได้จากธุรกิจที่เกี่ยวข้องมีสัดส่วนเท่าใด? หลังจากคำถามเหล่านี้ชัดเจนแล้ว ความเกี่ยวข้องกับหน่วยความจำ AI จึงจะมีประโยชน์ในเชิงการวิเคราะห์

สรุป: ทั้งสี่บริษัทนี้ไม่ควรถูกเปรียบเทียบด้วยมาตรวัดเดียวกัน ASMPT เกี่ยวข้องกับอุปกรณ์เทคโนโลยีการบรรจุขั้นสูง (advanced packaging) สำหรับ HBM Shanghai Fudan เกี่ยวข้องกับผลิตภัณฑ์หน่วยความจำแบบไม่ลบเลือน Hua Hong Semiconductor เกี่ยวข้องกับ eNVM และกระบวนการผลิตแบบฟาวดรีเฉพาะทาง SMIC เกี่ยวข้องกับการผลิตชิป AI และแพลตฟอร์มฟาวดรีเวเฟอร์ในประเทศ หากคุณมุ่งเน้นเฉพาะห่วงโซ่หน่วยความจำ AI โดยตรง ASMPT จะได้รับการจัดอันดับสูงกว่า หากคุณมุ่งเน้นผลิตภัณฑ์หน่วยความจำโดยตรง Shanghai Fudan จะได้รับการจัดอันดับสูงกว่า หากคุณมุ่งเน้นแพลตฟอร์มฟาวดรีเวเฟอร์ในประเทศ SMIC และ Hua Hong จะมีความสำคัญมากกว่า การจัดอันดับไม่คงที่ แต่ขึ้นอยู่กับเกณฑ์ห่วงโซ่อุปทานที่คุณใช้

หากคุณต้องการติดตาม Shanghai Fudan, ASMPT, SMIC, Hua Hong Semiconductor ต่อไป รวมถึงบริษัทในห่วงโซ่อุปทานหน่วยความจำ AI อย่าง Micron, Samsung, SK hynix, TSMC และ Nvidia คุณสามารถรวบรวมประกาศของบริษัท รายงานผลประกอบการ คำสั่งซื้อ อัตราการใช้กำลังการผลิต อัตรากำไรขั้นต้น เงินลงทุนในสินทรัพย์ถาวร และความผันผวนของมูลค่าหลักทรัพย์ไว้ในตารางติดตามเดียวกันได้ ผ่านทาง ค้นหาข้อมูลหุ้นสหรัฐฯ คุณสามารถตรวจสอบข้อมูลพื้นฐานของหุ้นที่จดทะเบียนในสหรัฐฯ ที่เกี่ยวข้องก่อน แล้วจึงตรวจสอบเทียบเคียงกับประกาศของบริษัทที่จดทะเบียนในฮ่องกงและข้อมูลอุตสาหกรรม หากบริการที่เกี่ยวข้องพร้อมใช้งานในภูมิภาคของคุณ คุณยังสามารถ ดาวน์โหลดแอป เพื่อตรวจสอบสินทรัพย์ที่ซื้อขายได้ การแสดงผลคำสั่งซื้อ และรายละเอียดค่าธรรมเนียมเพิ่มเติมการวิเคราะห์ข้างต้นเป็นเพียงการแนะนำข้อมูลจากตลาดสาธารณะ ความสัมพันธ์ของห่วงโซ่อุปทาน และโครงสร้างค่าธรรมเนียมเท่านั้น ไม่ถือเป็นคำแนะนำการลงทุน หุ้นกลุ่มสารกึ่งตัวนำอาจมีความผันผวนสูง ก่อนทำการซื้อขาย คุณควรทำความเข้าใจข้อมูลพื้นฐานของบริษัท ประเภทคำสั่งซื้อขาย โครงสร้างค่าธรรมเนียม และความเสี่ยงอย่างถี่ถ้วน

คำถามที่พบบ่อย

Shanghai Fudan เป็นหุ้นชิปหน่วยความจำ AI หรือไม่?

Shanghai Fudan เป็นบริษัทชิปที่เกี่ยวข้องกับหน่วยความจำ แต่ไม่ควรเทียบเคียงโดยตรงว่าเป็นหุ้นหน่วยความจำ HBM สำหรับ AI ส่วนที่เกี่ยวข้องกับหน่วยความจำของบริษัทมาจากผลิตภัณฑ์หน่วยความจำแบบไม่ลบเลือน เช่น EEPROM, NOR Flash และ SLC NAND ซึ่งถูกใช้อย่างแพร่หลายในอุตสาหกรรม, IoT, ระบบรักษาความปลอดภัย, ยานยนต์ และอุปกรณ์ฝังตัวมากกว่า หากกำลังพูดถึงหน่วยความจำ HBM, DRAM หรือหน่วยความจำสำหรับเซิร์ฟเวอร์ฝึก AI ความเกี่ยวข้องโดยตรงของบริษัทจะต่ำกว่าผู้ผลิต HBM และบริษัทอุปกรณ์การบรรจุชิปขั้นสูง

เหตุใด ASMPT จึงเกี่ยวข้องกับการบรรจุชิปขั้นสูง HBM?

ASMPT เกี่ยวข้องกับการแพ็กเกจขั้นสูงของ HBM เนื่องจากบริษัทผลิตอุปกรณ์แพ็กเกจขั้นสูง เช่น TCB, C2S, C2W และ hybrid bonding HBM ต้องการเชื่อมต่อ DRAM หลายชั้นเข้ากับ AI GPU หรือ AI ASIC ผ่านการแพ็กเกจความหนาแน่นสูง ความแม่นยำของอุปกรณ์ อัตราผลผลิต และกำลังการผลิต ล้วนส่งผลต่อจังหวะการขยายตัว ดังนั้น ASMPT ไม่ใช่บริษัทชิปหน่วยความจำ แต่อาจได้รับประโยชน์จากความต้องการ HBM4 และการแพ็กเกจตัวเร่ง AI

SMOC ได้รับประโยชน์โดยตรงจากความต้องการหน่วยความจำ AI หรือไม่?

SMIC ได้รับประโยชน์จากความต้องการหน่วยความจำ AI อย่างไม่ตรงตัวมากกว่า ตำแหน่งหลักของบริษัทคือแพลตฟอร์มก้าวชิปแบบ Fabless Foundry ที่ให้บริการกับการใช้งานต่าง ๆ เช่น ชิปสำหรับสมาร์ตโฟน อุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภค คอมพิวเตอร์ IoT อุตสาหกรรม และยานยนต์ การขาดแคลนหน่วยความจำ AI อาจส่งผลกระทบต่อกำหนดการผลิตของลูกค้าและความคาดหวังต่อวัฏจักรเซมิคอนดักเตอร์ แต่ SMIC ไม่ใช่ผู้ผลิต HBM, DRAM หรือ NAND จึงไม่ควรนิยามอย่างง่ายว่าเป็นหุ้นหน่วยความจำ AI โดยตรง

eNVM ของ Hua Hong Semiconductor เป็นธุรกิจหน่วยความจำหรือไม่?

แพลตฟอร์มกระบวนการ eNVM ของ Hua Hong Semiconductor เป็นแพลตฟอร์มที่เกี่ยวข้องกับหน่วยความจำ แต่ไม่ใช่ธุรกิจชิปหน่วยความจำโดยเฉพาะ eNVM ถูกใช้ทั่วไปใน MCU, สมาร์ตการ์ด, ระบบควบคุมแบบฝังตัว และอุปกรณ์พลังงานต่ำ ในขณะที่ NVM แบบแยกอิสระนั้นเกี่ยวข้องกับผลิตภัณฑ์ Flash ซึ่งแตกต่างจากเส้นทางหลักของ HBM ในศูนย์ข้อมูล AI การวิเคราะห์ Hua Hong ควรทำภายใต้กรอบของโหนดกระบวนการขั้นเก่า, กระบวนการเฉพาะทาง, MCU, PMIC และการทดแทนในประเทศ

นักลงทุนทั่วไปจะแยกแยะหุ้นกลุ่มแนวคิดหน่วยความจำ AI ได้อย่างไร?

นักลงทุนทั่วไปควรพิจารณาก่อนว่าบริษัทอยู่ในชั้นผลิตภัณฑ์ อุปกรณ์ การผลิตแบบรับจ้าง (foundry) หรือชั้นการใช้งาน บริษัทที่ผลิต HBM, DRAM หรือ NAND โดยตรงถือเป็นบริษัทในชั้นผลิตภัณฑ์หน่วยความจำ บริษัทที่ให้บริการอุปกรณ์ TCB, CoWoS หรือ hybrid bonding ถือเป็นบริษัทในชั้นอุปกรณ์การบรรจุขั้นสูง ส่วนบริษัทอย่าง SMIC และ Hua Hong มีความเกี่ยวข้องมากกว่ากับการผลิตแบบรับจ้างเวเฟอร์หรือแพลตฟอร์มกระบวนการเฉพาะทาง ควรทบทวนโครงสร้างรายได้ คำสั่งซื้อ อัตรากำไรขั้นต้น และการเปิดเผยความเสี่ยงทั้งหมด

แนวคิดหน่วยความจำ AI เหมือนกับ DRAM และ NAND หรือไม่?

แนวคิดหน่วยความจำ AI ไม่เหมือนกับ DRAM และ NAND อย่างเป๊ะ การฝึกและการอนุมานของ AI ต้องใช้ HBM, DRAM, NAND, SSD, หน่วยความจำ CXL, NOR Flash, eNVM, การบรรจุขั้นสูง และการเชื่อมต่อความเร็วสูง ปัจจุบัน HBM เป็นหน่วยความจำแบบแบนด์วิดท์สูงที่ได้รับความสนใจมากที่สุดสำหรับตัวเร่ง AI แต่มันไม่ได้แทนห่วงโซ่อุปทานของหน่วยความจำทั้งหมด บริษัทต่าง ๆ ได้รับประโยชน์ผ่านเส้นทางที่แตกต่างกัน จึงไม่ควรตัดสินภายใต้แนวคิดเดียวกัน