HPE และโครงสร้างพื้นฐานพื้นที่จัดเก็บข้อมูล AI: เซิร์ฟเวอร์ อุปกรณ์จัดเก็บข้อมูลระดับองค์กร และการวางตำแหน่ง Hybrid Cloud

ความสัมพันธ์ของ HPE กับโครงสร้างพื้นฐานพื้นที่จัดเก็บข้อมูล AI ไม่ได้เน้นไปที่การผลิต DRAM, NAND หรือ HBM เป็นหลัก แต่ HPE ผสานผลิตภัณฑ์เซิร์ฟเวอร์ ที่จัดเก็บข้อมูลสำหรับองค์กร ระบบเครือข่าย การปกป้องข้อมูล และแพลตฟอร์มคลาวด์ไฮบริด เข้าไว้ด้วยกันเป็นโซลูชันการปรับใช้ AI สำหรับองค์กร คุณสามารถเข้าใจ HPE ได้ว่าเป็นบริษัทด้าน "โครงสร้างพื้นฐาน AI + คลาวด์ไฮบริด + การบูรณาการเครือข่าย": ProLiant และ Cray มอบพลังการประมวลผล Alletra Storage และ Data Fabric ดูแลจัดการข้อมูลองค์กร ขณะที่ GreenLake และ Private Cloud AI เปลี่ยน AI ภายในองค์กรให้กลายเป็นประสบการณ์การให้บริการที่คล้ายคลาวด์

ประเด็นสำคัญ

• HPE ไม่ใช่หุ้นสตอเรจ AI ล้วน ๆ แต่เป็นบริษัทแพลตฟอร์มโครงสร้างพื้นฐาน AI ระดับองค์กร
• ProLiant และ Cray ทำหน้าที่เป็นจุดเข้าสู่ด้านการประมวลผล ส่วน Alletra รองรับโครงสร้างพื้นฐานด้านข้อมูล
• GreenLake คือจุดเข้าสู่การส่งมอบคลาวด์แบบไฮบริดของ HPE ซึ่งแยกบริษัทออกจากผู้ขายฮาร์ดแวร์แบบดั้งเดิม
• หลังการเข้าซื้อกิจการ Juniper เครือข่าย AI กลายเป็นส่วนสำคัญของเรื่องราวโครงสร้างพื้นฐานของ HPE
• ควรประเมิน HPE จากเซิร์ฟเวอร์ สตอเรจ เครือข่าย อัตรากำไร และการแปลงคำสั่งซื้อโดยพิจารณาในภาพรวม

เหตุใด HPE จึงถูกจัดอยู่ในธีมโครงสร้างพื้นฐานสตอเรจ AI?

HPE ถูกจัดอยู่ในธีมโครงสร้างพื้นฐานการจัดเก็บข้อมูล AI เนื่องจาก AI ระดับองค์กรต้องพึ่งพามากกว่าแค่ GPU เท่านั้น แต่ต้องการเซิร์ฟเวอร์ ระบบจัดเก็บข้อมูล ระบบเครือข่าย ความปลอดภัย การปกป้องข้อมูล และแพลตฟอร์มคลาวด์แบบไฮบริดที่ทำงานร่วมกัน คุณไม่ควรมองว่า HPE เป็นเพียงบริษัทชิปสำหรับจัดเก็บข้อมูล แต่ที่ถูกต้องกว่านั้นคือ HPE เป็นผู้จำหน่ายโครงสร้างพื้นฐานระดับองค์กร ซึ่งให้บริการ AI เซิร์ฟเวอร์, Alletra Storage, GreenLake, Zerto และความสามารถด้านระบบเครือข่ายของ Juniper เพื่อช่วยให้บริษัทต่าง ๆ นำ AI จากสภาพแวดล้อมการทดสอบไปสู่การใช้งานจริง

โครงสร้างพื้นฐาน AI สามารถแบ่งออกเป็นสี่ชั้น ชั้นแรกคือการประมวลผล รวมถึงเซิร์ฟเวอร์ GPU การประมวลผลประสิทธิภาพสูง และการอนุมานที่ขอบเครือข่าย ชั้นที่สองคือข้อมูล รวมถึงไฟล์ ออบเจกต์ ฐานข้อมูล ทะเลสาบข้อมูล และข้อมูลที่ไม่มีโครงสร้าง ชั้นที่สามคือเครือข่าย รวมถึงความหน่วงต่ำ ปริมาณงานสูง การเฝ้าสังเกต และการเชื่อมต่อที่ปลอดภัย ชั้นที่สี่คือชั้นแพลตฟอร์ม รวมถึงการจัดการคลาวด์แบบไฮบริด การกำกับดูแลข้อมูล การสำรองและกู้คืนข้อมูล และการดำเนินงาน จุดเด่นของ HPE คือมีการปรากฏตัวครอบคลุมทั้งสี่ชั้น แทนที่จะเดิมพันเพียงหนึ่งกลุ่มธุรกิจเท่านั้น

จาก ผลประกอบการไตรมาสที่สองของปีงบประมาณ 2026 ของ HPE รายได้จาก Cloud & AI อยู่ที่ 7.7 พันล้านดอลลาร์ เพิ่มขึ้น 22.9% เมื่อเทียบกับปีก่อนหน้า รายได้จากเซิร์ฟเวอร์อยู่ที่ 5.5 พันล้านดอลลาร์ เพิ่มขึ้น 32.7% และรายได้จากระบบจัดเก็บข้อมูลอยู่ที่ 1.2 พันล้านดอลลาร์ เพิ่มขึ้น 2.4% ตัวเลขเหล่านี้แสดงให้เห็นว่าความคาดหวังด้าน AI ของตลาดที่มีต่อ HPE นั้นสะท้อนผ่านเซิร์ฟเวอร์และกลุ่มธุรกิจ Cloud & AI เป็นลำดับแรก ในขณะที่ระบบจัดเก็บข้อมูลยังคงเป็นตัวแปรเสริมในการอัปเกรดโครงสร้างพื้นฐานขององค์กรและการเตรียมความพร้อมด้านข้อมูล AI เป็นหลัก

ตรรกะการจัดเก็บข้อมูล AI ของ HPE ไม่ใช่เรื่องของ "การขายฮาร์ดดิสก์ให้มากขึ้น" แต่เป็นเรื่องของการช่วยให้วิสาหกิจเปลี่ยนข้อมูลที่กระจัดกระจายให้กลายเป็นข้อมูลที่พร้อมสำหรับ AI ข้อมูลของวิสาหกิจมักกระจายอยู่ตามศูนย์ข้อมูลภายในองค์กร คลาวด์สาธารณะ ระบบ SaaS ระบบไฟล์ และฐานข้อมูลต่าง ๆ เพื่อให้แอปพลิเคชัน AI สามารถใช้ข้อมูลเหล่านี้ได้ บริษัทต้องแก้ไขปัญหาต่าง ๆ ที่เกี่ยวข้องกับสิทธิ์การเข้าถึง ความหน่วงของระบบ การกำกับดูแล การสำรองข้อมูล การกู้คืนข้อมูล และการเข้าถึงข้ามสภาพแวดล้อม คุณค่าของแพลตฟอร์มคลาวด์แบบไฮบริดและข้อมูลของ HPE ถูกสร้างขึ้นโดยคำนึงถึงข้อจำกัดระดับวิสาหกิจเหล่านี้

สรุป: HPE เกี่ยวข้องกับโครงสร้างพื้นฐานการจัดเก็บข้อมูลสำหรับ AI แต่ไม่ใช่เพราะเป็นส่วนหนึ่งของห่วงโซ่อุปทาน DRAM, NAND หรือ HBM ความเกี่ยวข้องของบริษัทมาจากข้อเท็จจริงที่ว่า AI ระดับองค์กรต้องการกองโครงสร้างพื้นฐานแบบครบวงจร เมื่อวิเคราะห์ HPE คุณควรวางบริษัทไว้ในกรอบของ "เซิร์ฟเวอร์ + การจัดเก็บข้อมูล + เครือข่าย + คลาวด์แบบไฮบริด + การปกป้องข้อมูล" ในระยะสั้น Server และ Cloud & AI มีแนวโน้มที่จะสร้างรายได้เพิ่มขึ้นมากกว่า ส่วนในระยะกลางถึงระยะยาว ความสามารถในการสร้างความเชื่อมโยงกันอย่างแท้จริงระหว่าง Alletra Storage, GreenLake, Data Fabric, Zerto และเครือข่ายของ Juniper จะเป็นตัวกำหนดว่า HPE สามารถพัฒนาจากผู้ให้บริการไอทีองค์กรแบบดั้งเดิมไปสู่แพลตฟอร์มโครงสร้างพื้นฐานคลาวด์แบบไฮบริดสำหรับยุค AI ได้หรือไม่

HPE ProLiant, Cray และเซิร์ฟเวอร์ AI: งานคำนวณคือจุดเข้าสู่ตลาดอันดับแรก

เมื่อประเมินตรรกะของโครงสร้างพื้นฐาน AI ของ HPE สิ่งแรกที่คุณควรมองคือเซิร์ฟเวอร์ AI และการคำนวณประสิทธิภาพสูง เหตุผลก็ตรงไปตรงมา: งบประมาณ AI รายการใหญ่แรกขององค์กรมักจะถูกจัดสรรไปที่เซิร์ฟเวอร์ GPU เครือข่าย และระบบแร็ค HPE ProLiant มุ่งเน้นไปที่การอนุมาน (inference) AI ระดับองค์กร AI ส่วนตัว และแอปพลิเคชันระดับแผนก ในขณะที่ Cray มุ่งเน้นไปที่ซูเปอร์คอมพิวเตอร์ งานวิจัย ภาครัฐ sovereign AI และโครงการ HPC ขนาดใหญ่ เมื่อรวมกันแล้วทั้งสองจึงเป็นจุดเข้าสู่ด้านการประมวลผลของ HPE

จุดแข็งของ ProLiant อยู่ที่การทำให้วิสาหกิจสามารถนำ AI ไปใส่ไว้ในสถาปัตยกรรมไอทีที่มีอยู่เดิมได้ง่ายขึ้น บริษัทจำนวนมากไม่ได้สร้างคลัสเตอร์สำหรับฝึกโมเดลขนาดใหญ่ตั้งแต่ต้น แต่จะเริ่มจากงานต่าง ๆ เช่น การค้นคืนเอกสาร เอเจนต์บริการลูกค้า ผู้ช่วยเขียนโค้ด การจดจำรูปภาพ ฐานความรู้ภายในองค์กร และระบบอัตโนมัติสำหรับกระบวนการทางธุรกิจ สถานการณ์เหล่านี้ให้ความสำคัญกับความเร็วในการปรับใช้ ความเข้ากันได้ ความสามารถในการจัดการ และการบริการในระยะยาวมากขึ้น HPE Private Cloud AI เน้นที่คอนโซลควบคุมแบบเดียว การควบคุมการประมวลผลอนุมาน การพัฒนาโมเดล นโยบายความปลอดภัย และการเข้าถึงข้อมูล เครื่องมือ และ API ขององค์กรอย่างมีการควบคุม ซึ่งตอบโจทย์ความต้องการของวิสาหกิจเหล่านี้ได้โดยตรง

Cray ช่วยสร้างความน่าเชื่อถือทางเทคนิคระดับสูงให้แก่ HPE ด้าน HPC การจำลองสภาพอากาศ วิทยาศาสตร์ชีวภาพ การจำลองอุตสาหกรรม งานวิจัยภาครัฐ และ sovereign AI ล้วนต้องการวิศวกรรมระบบที่ซับซ้อนมากขึ้น รวมถึงการคำนวณความหนาแน่นสูง ระบบไฟล์แบบขนาน เครือข่ายความเร็วสูง และประสิทธิภาพด้านพลังงาน ผ่าน Cray ทำให้ HPE เข้าสู่โครงการขนาดใหญ่เหล่านี้ได้ ซึ่งไม่จำเป็นต้องแปลเป็นรายได้จากการจัดเก็บข้อมูลสำหรับองค์กรทั่วไปโดยตรง แต่ช่วยเสริมความน่าเชื่อถือของ HPE ในด้านโครงสร้างพื้นฐาน AI ระดับสูง

หุ้นส่วนระหว่าง HPE กับ NVIDIA ช่วยเสริมตรรกะนี้ให้แข็งแรงยิ่งขึ้นไปอีก GPU NVIDIA RTX PRO 6000 Blackwell Server Edition ถูกออกแบบมาสำหรับงานในศูนย์ข้อมูลระดับองค์กร เช่น AI การคำนวณทางวิทยาศาสตร์ กราฟิก และวิดีโอ ในเดือนมีนาคม 2026 HPE ได้ประกาศว่า HPE Private Cloud AI จะรองรับ GPU เซิร์ฟเวอร์ Blackwell ประเภทนี้ พร้อมขยายความสามารถด้านความปลอดภัย ความยืดหยุ่นในการขยายตัว และความพร้อมใช้งานระดับการผลิต ซึ่งหมายความว่า HPE ไม่ได้เพียงขายเซิร์ฟเวอร์เปล่า ๆ แต่กำลังพยายามผสาน GPU ซอฟต์แวร์ ข้อมูล และประสบการณ์ด้านการจัดการเข้าด้วยกันเป็นโรงงาน AI สำหรับองค์กร

สรุป: ตรรกะ AI ของ HPE เริ่มต้นจากคอมพิวติ้ง ProLiant และ Cray คือจุดเข้าชั้นแรกสู่ AI ระดับองค์กร, HPC และโครงการ AI อธิปไตย (sovereign AI) โดย ProLiant เหมาะสำหรับ AI ส่วนบุคคลขององค์กร งาน inference และแอปพลิเคชันระดับแผนกมากกว่า ส่วน Cray เหมาะสำหรับงานซูเปอร์คอมพิวติ้งและโครงการวิจัยทางวิทยาศาสตร์ขนาดใหญ่มากกว่า เมื่อประเมินตรรกะด้านเซิร์ฟเวอร์ของ HPE คุณไม่ควรมองเพียงปริมาณการจัดส่งเท่านั้น แต่ยังต้องพิจารณาด้วยว่าออร์เดอร์เซิร์ฟเวอร์ AI สามารถแปลงเป็นรายได้ได้หรือไม่ อัตรากำไรยังคงมั่นคงหรือไม่ และเซิร์ฟเวอร์เหล่านี้ช่วยสร้างโอกาสในการขายแพ็กเกจเสริม (attach) ของ Alletra Storage, GreenLake, Zerto และระบบเครือข่ายของ Juniper เพิ่มเติมหรือไม่ ก็ต่อเมื่อคอมพิวติ้ง ข้อมูล และเครือข่ายทั้งหมดเข้าสู่สภาพแวดล้อมการผลิตของลูกค้าเท่านั้น ที่เรื่องราวโครงสร้างพื้นฐาน AI ของ HPE จะสมบูรณ์ขึ้นมากยิ่งขึ้น

Alletra Storage, Data Fabric และ Zerto: HPE AI Storage หมายความว่าอะไรกันแน่?

HPE AI storage ไม่ใช่ฮาร์ดไดรฟ์หรือ SSD เพียงตัวเดียว แต่เป็นโครงสร้างพื้นฐานด้านข้อมูลที่สร้างขึ้นรอบ Alletra Storage, Data Fabric, Zerto และ GreenLake คุณสามารถเข้าใจได้ว่ามีความสามารถ 3 ประเภท ได้แก่ Alletra รับผิดชอบด้านการจัดเก็บข้อมูลและการเข้าถึงข้อมูล, Data Fabric ดูแลการควบคุมจัดการข้อมูลข้ามสภาพแวดล้อม และ Zerto ให้ความสามารถด้านการปกป้องข้อมูลอย่างต่อเนื่อง การกู้คืนระบบหลังภัยพิบัติ และการกู้คืนข้อมูล สิ่งที่ AI ระดับองค์กรต้องการจริงๆ ไม่ใช่แค่คำถามว่า "จัดเก็บข้อมูลได้มากแค่ไหน" แต่เป็นว่าข้อมูลสามารถเข้าถึงได้โดยโมเดลอย่างปลอดภัย รวดเร็ว และมีการกำกับดูแลหรือไม่

ระบบจัดเก็บข้อมูล Alletra เป็นตัวกลางสำคัญของระบบจัดเก็บข้อมูลระดับองค์กรของ HPE โดยเฉพาะ HPE Alletra Storage MP X10000 ซึ่งมีความเชื่อมโยงอย่างใกล้ชิดยิ่งขึ้นกับ AI, analytics และไปป์ไลน์ข้อมูลแบบไม่มีโครงสร้าง หลังจากขยายจาก object storage ไปสู่ file storage HPE กล่าวว่า Alletra Storage MP X10000 ที่รองรับ file storage จะพร้อมใช้งานทั่วไปในไตรมาสที่สองของปี 2026 ขณะที่การรองรับ scale-out แบบ 16 โหนด และ RDMA สำหรับ file มีแผนจะพร้อมใช้งานทั่วไปในไตรมาสที่สามของปี 2026ทิศทางนี้แสดงให้เห็นว่า HPE กำลังบูรณาการระบบ object, file, throughput และความสามารถในการขยายตัวเข้าสู่แพลตฟอร์มการจัดเก็บข้อมูลที่เหมาะสมยิ่งขึ้นกับความพร้อมของข้อมูล AI

จุดคุณค่าของ Data Fabric อยู่ที่การเชื่อมโยงข้อมูลที่กระจัดกระจายเข้าด้วยกัน ข้อมูลขององค์กรไม่ได้อยู่ในที่เดียว แต่อาจกระจายอยู่ตามศูนย์ข้อมูลภายในองค์กร (on-premises) คลาวด์สาธารณะ แพลตฟอร์ม SaaS ฐานข้อมูล ไฟล์แชร์ และระบบขอบเครือข่าย (edge) เพื่อให้แอปพลิเคชัน AI สามารถใช้ข้อมูลเหล่านี้ได้ บริษัทต่าง ๆ จำเป็นต้องมีการค้นหา การจัดทำดัชนี การควบคุมสิทธิ์การเข้าถึง การจัดการข้อมูลเมตา และการกำกับดูแลข้อมูล ในการอัปเดตครั้งเดียวกันนี้ HPE ได้กล่าวถึงการอัปเดตของ HPE Data Fabric Software โดยเน้นไปที่การปรับปรุงกระบวนการทางธุรกิจขององค์กรให้ทันสมัย ความพร้อมด้านข้อมูลสำหรับ AI และการทำให้ข้อมูลสามารถเข้าถึงได้ข้ามสภาพแวดล้อมต่าง ๆ

Zerto ช่วยให้สภาพแวดล้อมการผลิต AI ปลอดภัยยิ่งขึ้น เมื่อระบบ AI เข้าสู่ขั้นตอนการทำงานทางธุรกิจที่สำคัญ พฤติกรรมของเอเจนต์ที่ผิดพลาด การเปลี่ยนแปลงข้อมูลโดยไม่ตั้งใจ แรนซัมแวร์ ความล้มเหลวของระบบ และการย้ายข้ามสภาพแวดล้อม ล้วนกลายเป็นเรื่องที่มีความอ่อนไหวมากขึ้น ความสามารถใหม่ใน HPE Zerto Software ถูกใช้เพื่อระบุพฤติกรรมที่ผิดปกติของเอเจนต์ และย้อนกลับไปยังสถานะที่สะอาดผ่านการปกป้องข้อมูลแบบต่อเนื่อง ซึ่งเปลี่ยนการปกป้องข้อมูลจากการสำรองข้อมูลแบบดั้งเดิมให้กลายเป็นเขตความปลอดภัยด้านการผลิตสำหรับขั้นตอนการทำงานของ AI เอเจนต์

สรุป: แกนหลักของที่เก็บข้อมูล AI ของ HPE ไม่ใช่ความจุ แต่เป็นโครงสร้างพื้นฐานข้อมูลที่พร้อมสำหรับ AI Alletra Storage รองรับการเข้าถึงข้อมูลแบบไฟล์ ออบเจ็กต์ และที่เก็บข้อมูลระดับองค์กร; Data Fabric รองรับการแก้ปัญหาข้อมูลที่กระจัดกระจายและการกำกับดูแลข้อมูล; และ Zerto รองรับการกู้คืนและความทนทานในสภาพแวดล้อมการใช้งานจริง เมื่อวิเคราะห์ HPE คุณควรเน้นที่ว่ารายได้จาก Storage สามารถก้าวจากการเติบโตระดับปานกลางไปสู่การเติบโตที่แข็งแกร่งและต่อเนื่องได้หรือไม่ และ Alletra X10000, Data Fabric และ Zerto ได้รับการนำไปใช้จริงในสถานการณ์ AI ขององค์กรหรือไม่ หากความสามารถเหล่านี้ยังคงเป็นเพียงเครื่องมือสำหรับการปรับปรุงระบบ IT แบบดั้งเดิม ตรรกะของที่เก็บข้อมูล AI ก็จะอ่อนแอลง หากเข้าสู่กระบวนการข้อมูล RAG, เอเจนต์ AI, ข้อมูลหลายรูปแบบ และ AI อธิปไตย (sovereign AI) มูลค่าโครงสร้างพื้นฐานของ HPE ก็จะชัดเจนขึ้น

GreenLake และ Private Cloud AI: HPE มีตำแหน่งทางการแข่งขันด้าน Hybrid Cloud อย่างไร?

ตำแหน่งทางการแข่งขันด้าน Hybrid Cloud ของ HPE สะท้อนออกมาหลัก ๆ ผ่าน GreenLake และ Private Cloud AI ปัญหาที่บริษัทพยายามแก้ไขคือ: องค์กรต้องการประสบการณ์ที่ใกล้เคียงกับ Public Cloud แต่ไม่ต้องการนำข้อมูล โมเดล และปริมาณงานที่สำคัญต่อภารกิจทั้งหมดไปไว้ในสภาพแวดล้อมภายนอก สำหรับสถาบันการเงิน หน่วยงานรัฐบาล องค์กรด้านการแพทย์และสุขภาพ ผู้ผลิต บริษัทพลังงาน และสถาบันวิจัย ปัจจัยต่าง ๆ เช่น AI แบบส่วนตัว (Private AI) อธิปไตยของข้อมูล การปฏิบัติตามข้อกำหนด ความปลอดภัย ความหน่วงต่ำ และการควบคุมต้นทุน มักมีความสำคัญมากกว่าการ “ย้ายขึ้นคลาวด์ให้เร็วขึ้น” เพียงอย่างเดียว

GreenLake คือจุดเข้าสู่ระบบการส่งมอบแบบคล้ายคลาวด์และการจัดการแบบรวมศูนย์ของ HPE การขายฮาร์ดแวร์แบบดั้งเดิมเกี่ยวข้องกับการส่งมอบเซิร์ฟเวอร์ ระบบจัดเก็บข้อมูล และอุปกรณ์เครือข่ายแบบครั้งเดียว GreenLake เน้นโมเดลแบบชำระตามการใช้งาน การสมัครสมาชิก คอนโซลควบคุมแบบรวมศูนย์ การขยายขนาดตามความต้องการ และการจัดการข้ามสภาพแวดล้อม สำหรับลูกค้า มันเปลี่ยนโครงสร้างพื้นฐานภายในองค์กรให้กลายเป็นประสบการณ์ที่คล้ายคลาวด์มากขึ้น สำหรับ HPE มันสร้างโอกาสในการเพิ่มความผูกพันของลูกค้าและเปลี่ยนเซิร์ฟเวอร์ ระบบจัดเก็บข้อมูล เครือข่าย การปกป้องข้อมูล และบริการต่างๆ ให้กลายเป็นความสัมพันธ์ระยะยาว

Private Cloud AI คือโซลูชัน AI ส่วนตัวระดับองค์กรแบบครบวงจรของ HPE ซึ่งพัฒนาร่วมกับ NVIDIA HPE Private Cloud AI ได้รับการอธิบายว่าเป็นสแตกที่พร้อมใช้งานจริงสำหรับการทำ inference การจัดการขั้นตอนการทำงาน และการพัฒนาโมเดล โดยมีคอนโซลควบคุมแบบเดียว นโยบายความปลอดภัยในตัว และการควบคุมการเข้าถึงข้อมูล เครื่องมือ และ API ขององค์กร ซึ่งแตกต่างจากการจัดซื้อเซิร์ฟเวอร์ทั่วไป เนื่องจากลูกค้าไม่ได้ซื้อเพียงแค่ฮาร์ดแวร์เท่านั้น แต่กำลังซื้อสิ่งที่ใกล้เคียงกับ “เทมเพลตสภาพแวดล้อมการผลิต AI” มากกว่า

ตรรกะคลาวด์แบบไฮบริดของ HPE เหมาะสำหรับลูกค้าองค์กรที่ “ไม่สามารถพึ่งพาคลาวด์สาธารณะได้อย่างเต็มที่ แต่ยังคงต้องการประสบการณ์แบบคลาวด์” ลูกค้ากลุ่มนี้อาจมีศูนย์ข้อมูลภายในองค์กรอยู่แล้ว มีข้อกำหนดด้านการปฏิบัติตามกฎระเบียบเฉพาะอุตสาหกรรม มีทีมไอทีภายใน และระบบธุรกิจที่สำคัญต่อภารกิจ โดย AI ก็เป็นเพียงวงจรการอัปเกรดรอบถัดไปเท่านั้น โอกาสของ HPE อยู่ที่การนำพาลูกค้าแบบดั้งเดิมเหล่านี้เข้าสู่ระบบนิเวศของ GreenLake และ Private Cloud AI เพื่อเปลี่ยนเซิร์ฟเวอร์ AI ระบบจัดเก็บข้อมูล ระบบเครือข่าย และการปกป้องข้อมูล ให้กลายเป็นรายจ่ายโครงสร้างพื้นฐานอย่างต่อเนื่องภายใต้แพลตฟอร์มเดียวกัน

สรุป: GreenLake และ Private Cloud AI ถือเป็นหัวใจสำคัญในการสร้างความแตกต่างของ HPE จากบริษัทที่ขายเซิร์ฟเวอร์เพียงอย่างเดียว HPE ไม่ได้เพียงขาย ProLiant, Cray หรือ Alletra เท่านั้น แต่กำลังพยายามเปลี่ยนโครงสร้างพื้นฐาน AI สำหรับองค์กรให้กลายเป็นแพลตฟอร์มคลาวด์แบบไฮบริด นั่นคือการติดตั้งภายในองค์กร (on-prem) การจัดการแบบคลาวด์ การควบคุมข้อมูล โมเดลที่กำกับดูแลได้ และการดำเนินงานที่ยั่งยืน ในการตัดสินว่าตรรกะนี้จะยืนหยัดได้จริงหรือไม่ คุณต้องจับตาดูว่า GreenLake จะช่วยเพิ่มความผูกพันของลูกค้าหรือไม่ Private Cloud AI จะก้าวจากขั้นตอนการทดลองไปสู่การใช้งานจริงในระดับการผลิตได้เมื่อใด และลูกค้าองค์กรจะยอมจัดสรรงบประมาณโครงสร้างพื้นฐานในระยะยาวให้กับ AI ส่วนตัว อธิปไตยทางข้อมูล และประสบการณ์คลาวด์ไฮบริดหรือไม่

เหตุใด AI Networking จึงเปลี่ยนเรื่องราวโครงสร้างพื้นฐานของ HPE หลังการเข้าซื้อ Juniper?

หลังจากที่ Juniper ถูกผนวกเข้ามา ตรรกะด้านโครงสร้างพื้นฐาน AI ของ HPE ได้ขยายจาก "เซิร์ฟเวอร์ + ที่เก็บข้อมูล + คลาวด์แบบไฮบริด" เป็น "เซิร์ฟเวอร์ + ที่เก็บข้อมูล + เครือข่าย + ความปลอดภัย + การจัดการคลาวด์" เครือข่าย AI มีความสำคัญเนื่องจาก GPU ที่เก็บข้อมูล และแพลตฟอร์มข้อมูลต้องการการเชื่อมต่อที่มีความเร็วสูง ความหน่วงต่ำ สามารถตรวจสอบได้ และเป็นแบบอัตโนมัติ หากไม่มีเครือข่ายที่มีเสถียรภาพ อัตราการใช้งาน GPU ประสิทธิภาพการฝึกฝน ความหน่วงของการอนุมาน และประสบการณ์การค้นคืนข้อมูล RAG ล้วนได้รับผลกระทบทั้งสิ้น

ในเดือนกรกฎาคม 2025 HPE ได้ประกาศว่า สำเร็จการเข้าซื้อกิจการ Juniper Networks โดยระบุว่าบริษัทที่ผสานกันจะนำเสนอและไอทีแบบคลาวด์เนทีฟที่ขับเคลื่อนด้วย AI รวมถึงสแตกเครือข่ายสมัยใหม่แบบครบวงจร Juniper นำมาซึ่งมากกว่าแค่การขายเราเตอร์ โดยเพิ่มเครือข่ายแบบ AI-native, Mist AI, สวิตชิงศูนย์ข้อมูล, การกำหนดเส้นทาง, ความปลอดภัย และการจัดการเครือข่ายแบบคลาวด์เนทีฟ

เซิร์ฟเวอร์ AI และระบบจัดเก็บข้อมูล AI ไม่สามารถวิเคราะห์แยกจากระบบเครือข่ายได้ ในสถานการณ์การฝึกฝน (Training) โหนด GPU หลายตัวจำเป็นต้องแลกเปลี่ยนพารามิเตอร์และข้อมูลด้วยความเร็วสูง ในสถานการณ์การอนุมาน (Inference) โมเดล ฐานข้อมูลเวกเตอร์ ที่จัดเก็บไฟล์ และระบบธุรกิจต้องมีปฏิสัมพันธ์กันบ่อยครั้ง ในสถานการณ์ RAG ขององค์กร ความหน่วงในการค้นหาส่งผลโดยตรงต่อประสบการณ์ของผู้ใช้ คอขวดด้านเครือข่ายอาจทำให้ GPU ที่มีราคาแพงต้องรอข้อมูล และทำให้อัตราการถ่ายโอนข้อมูลของระบบจัดเก็บข้อมูลไม่สามารถใช้งานได้อย่างเต็มที่ การผสานรวมของ Juniper ช่วยให้ HPE เข้าร่วมในการอัปเกรดศูนย์ข้อมูล AI และเครือข่ายองค์กรได้อย่างครบถ้วนยิ่งขึ้น

อย่างไรก็ตาม Juniper ยังนำมาซึ่งความเสี่ยงด้านการบูรณาการอีกด้วย พลังผลลัพธ์จากการควบรวมกิจการ (M&A synergy) ไม่ได้เกิดขึ้นโดยอัตโนมัติหลังจากมีการประกาศ HPE จำเป็นต้องพิสูจน์ว่าทีมขายสามารถขายข้ามสินค้าได้ (cross-sell), แผนการพัฒนาผลิตภัณฑ์สามารถบูรณาการเข้าด้วยกันได้, ประสบการณ์ของลูกค้าสามารถดีขึ้นได้ และอัตรากำไรและการเติบโตของรายได้ในธุรกิจเครือข่ายสามารถดำเนินต่อไปได้ มิฉะนั้น Juniper อาจเพิ่มขนาดรายได้โดยที่มูลค่าด้านโครงสร้างพื้นฐาน AI ของ HPE ไม่จำเป็นต้องดีขึ้นเลยก็ได้

สรุป: Juniper เป็นการเสริมความแข็งแกร่งที่สำคัญให้กับเรื่องราวโครงสร้างพื้นฐาน AI ของ HPE เนื่องจากศูนย์ข้อมูล AI ต้องการให้คอมพิวติ้ง สตอเรจ และเครือข่ายได้รับการปรับให้เหมาะสมร่วมกัน เซิร์ฟเวอร์เป็นตัวกำหนดความสามารถด้านการประมวลผล สตอเรจเป็นตัวกำหนดความพร้อมใช้งานของข้อมูล และเครือข่ายเป็นตัวกำหนดว่าข้อมูลและการประมวลผลสามารถทำงานร่วมกันได้อย่างมีประสิทธิภาพหรือไม่ เมื่อวิเคราะห์ HPE คุณควรติดตามว่า Juniper ช่วยยกระดับความสามารถด้านเครือข่าย AI, การสลับเส้นทางในศูนย์ข้อมูล, การจัดการแบบคลาวด์เนทีฟ และความปลอดภัยระดับองค์กรได้จริงหรือไม่ สัญญาณเชิงบวกได้แก่ การเติบโตของรายได้ส่วน Networking, ลูกค้าคลัสเตอร์ AI ที่เพิ่มขึ้น และการขายข้ามระหว่าง GreenLake กับ Juniper ที่แข็งแกร่งขึ้น สัญญาณความเสี่ยงได้แก่ การบูรณาการผลิตภัณฑ์ที่ล่าช้า, ความขัดแย้งกับช่องทางการขาย, ความเชื่อมโยงเชิงบวกจากการเข้าซื้อกิจการที่อ่อนแอกว่าคาด และการแข่งขันที่ทวีความรุนแรงขึ้น

นักลงทุนควรตัดสินอย่างไรว่าตรรกะโครงสร้างพื้นฐาน AI Storage ของ HPE ยั่งยืนหรือไม่?

ในการตัดสินว่าตรรกะโครงสร้างพื้นฐาน AI Storage ของ HPE ยั่งยืนหรือไม่ คุณไม่ควรมองเพียงข่าว AI หรือปฏิกิริยาระยะสั้นของราคาหุ้นเท่านั้น แต่ควรพิจารณารายได้จาก Cloud & AI, การเติบโตของ Server, ผลต่อเนื่องด้าน Storage, การนำ GreenLake มาใช้, การบูรณาการ Juniper, อัตรากำไร และการเปลี่ยนคำสั่งซื้อเป็นรายได้ โอกาสของ HPE มาจากการอัปเกรดโครงสร้างพื้นฐาน AI ขององค์กร และความเสี่ยงของบริษัทก็มาจากวงจรเดียวกันนี้ หากการเติบโตของ Server แข็งแกร่ง แต่ Storage, Networking และ Hybrid Cloud ไม่สามารถสร้างความเป็นเอกภาพร่วมกันได้ การสนับสนุนด้านมูลค่าหุ้นอาจอ่อนแอลง

จากมุมมองการรายงานทางการเงิน HPE ได้ปรับโครงสร้างภาคธุรกิจใหม่ตั้งแต่ปีงบประมาณ FY26 ผลประกอบการไตรมาสแรกของปีงบประมาณ 2026 ของ HPE อธิบายว่าภาคธุรกิจ Cloud & AI ได้บูรณาการธุรกิจเซิร์ฟเวอร์ ระบบจัดเก็บข้อมูล และบริการทางการเงินเข้าด้วยกัน ซึ่งสะท้อนถึงโครงสร้างภาคธุรกิจใหม่สำหรับปี FY26 ของบริษัท การเปลี่ยนแปลงนี้ทำให้สังเกตผลการดำเนินงานด้านเซิร์ฟเวอร์ AI ระบบจัดเก็บข้อมูลสำหรับองค์กร และโครงสร้างพื้นฐานที่เกี่ยวข้องของ HPE ภายในภาคธุรกิจเดียวกันได้ง่ายขึ้น

ในไตรมาสที่สอง รายได้จาก Cloud & AI มีมูลค่า 7.7 พันล้านดอลลาร์ เพิ่มขึ้น 22.9% เมื่อเทียบกับปีก่อนหน้า; รายได้จาก Server อยู่ที่ 5.5 พันล้านดอลลาร์ เพิ่มขึ้น 32.7%; และรายได้จาก Storage อยู่ที่ 1.2 พันล้านดอลลาร์ เพิ่มขึ้น 2.4% ซึ่งแสดงให้เห็นว่าเรื่องราวด้าน AI ของ HPE ในปัจจุบันขับเคลื่อนด้วยฝั่ง server เป็นหลัก ขณะที่ storage ยังไม่แสดงการเติบโตอย่างโดดเด่น คำถามสำคัญคือ Alletra, Data Fabric, Zerto และ GreenLake จะสามารถเปลี่ยน storage จากการเติบโตอย่างจำกัดให้กลายเป็นการเติบโตของแพลตฟอร์มข้อมูล AI ที่แข็งแกร่งยิ่งขึ้นได้หรือไม่

Reuters รายงานว่า HPE ได้ปรับเพิ่มมุมมองผลประกอบการปีงบประมาณ 2026 ขึ้นจากความต้องการด้าน AI ที่แข็งแกร่ง และกล่าวถึงงานสะสมด้าน AI (AI backlog) ที่เชื่อมโยงกับความต้องการจากลูกค้าภาครัฐและวิสาหกิจขนาดใหญ่ ซึ่งเป็นสิ่งที่น่าจับตามอง เพราะคุณภาพของคำสั่งซื้อสำคัญกว่าขนาดของคำสั่งซื้อเพียงอย่างเดียว โครงการของภาครัฐ sovereign AI และวิสาหกิจขนาดใหญ่อาจมีมูลค่าสูงและเป็นโครงการระยะยาว แต่ก็อาจได้รับผลกระทบจากงบประมาณ การอนุมัติ กำหนดการส่งมอบ และห่วงโซ่อุปทานได้เช่นกัน

หากคุณเพิ่ม HPE ไว้ในรายการเฝ้าดูหุ้นสหรัฐฯ คุณควรพิจารณาต้นทุนการซื้อขายควบคู่ไปกับผลประกอบการทางการเงินและกลุ่มธุรกิจต่าง ๆ ด้วย ค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯ มักรวมถึงไม่เพียงแค่ค่าคอมมิชชัน แต่ยังรวมถึงค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมสถาบันภายนอก ค่าธรรมเนียมกิจกรรมธุรกรรม และค่าใช้จ่ายอื่น ๆ อีกด้วย หากมีบริการที่เกี่ยวข้องในภูมิภาคของคุณ คุณสามารถดูข้อมูลได้ที่ ค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯ ของ Biya: ค่าคอมมิชชันการซื้อขายหุ้นสหรัฐฯ ของ Biya อยู่ที่ $0 ส่วนค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมสถาบันภายนอก และค่าใช้จ่ายอื่น ๆ จะเป็นไปตามที่ศูนย์ค่าธรรมเนียมและหน้าคำสั่งซื้อแสดงไว้ ก่อนทำการซื้อขาย คุณควรพิจารณากฎของแพลตฟอร์ม รายละเอียดคำสั่งซื้อ ข้อกำหนดในท้องถิ่น และระดับความเสี่ยงที่คุณรับได้เองด้วย

สรุป: HPE ควรได้รับการทำความเข้าใจว่าเป็นบริษัท “โครงสร้างพื้นฐาน AI + คลาวด์แบบไฮบริด + การบูรณาการเครือข่าย” มากกว่าที่จะเป็นหุ้นพื้นที่จัดเก็บข้อมูล AI ล้วนๆ เพื่อประเมินว่าตรรกะการลงทุนด้าน AI ของ HPE ยังคงยืนหยัดได้หรือไม่ คุณควรพิจารณาว่าธุรกิจ Server ยังเติบโตต่อไปหรือไม่, Storage จะตามมาหรือไม่, GreenLake ช่วยเพิ่มความผูกพันของลูกค้าหรือไม่, Juniper นำมาซึ่งความเกื้อกูลทางเครือข่ายหรือไม่ และอัตรากำไรและกระแสเงินสดสามารถรับแรงกดดันจากการส่งมอบฮาร์ดแวร์ AI ได้หรือไม่ สัญญาณเชิงบวก ได้แก่ การแปลงคำสั่งซื้อ AI เป็นรายได้, Alletra X10000 เข้าสู่สถานการณ์ข้อมูล AI เพิ่มมากขึ้น, การขยายตัวของลูกค้า Private Cloud AI และคุณภาพรายได้จากธุรกิจ Networking ที่ดีขึ้น ส่วนสัญญาณความเสี่ยง ได้แก่ การเติบโตของธุรกิจพื้นที่จัดเก็บข้อมูลที่ไม่เพียงพอ, แรงกดดันต่ออัตรากำไรของเซิร์ฟเวอร์ AI, การบูรณาการ Juniper ที่ไม่ราบรื่น, ความล่าช้าของโครงการลูกค้า และการใช้จ่ายด้านทุนของภาคธุรกิจที่ช้าลง

การทำความเข้าใจบริษัทโครงสร้างพื้นฐาน AI ที่จดทะเบียนในตลาดสหรัฐฯ เช่น HPE ต้องมากกว่าแค่การจับตาเรื่องราว "แนวคิด AI" หรือการเคลื่อนไหวของราคาในหนึ่งวัน คุณจำเป็นต้องติดตามผลประกอบการ คำสั่งซื้อ กลุ่มธุรกิจ มูลค่าหุ้น การแข่งขัน และต้นทุนการซื้อขายจริง คุณสามารถใช้ ค้นหาข้อมูลหุ้นสหรัฐฯ เพื่อตรวจสอบข้อมูลพื้นฐานของ HPE และหุ้นอื่น ๆ จากนั้นสร้างรายการติดตามโดยอิงจากรายงานการเงินที่เปิดเผยต่อสาธารณะและระดับความเสี่ยงที่คุณยอมรับได้ หากมีบริการที่เกี่ยวข้องในภูมิภาคของคุณ คุณยังสามารถใช้ Biya เพื่อติดตามหุ้นสหรัฐฯ หุ้นฮ่องกง สินทรัพย์ดิจิทัล และตลาดสินทรัพย์หลายประเภทอื่น ๆ ก่อนทำการซื้อขาย โปรดยืนยันข้อกำหนดสำหรับการลงทะเบียนบัญชี, กฎของแพลตฟอร์ม โครงสร้างค่าธรรมเนียม และการแสดงผลของหน้าสั่งซื้อ เนื้อหาข้างต้นกล่าวถึงเฉพาะข้อมูลตลาดสาธารณะ ตรรกะทางธุรกิจ และโครงสร้างค่าธรรมเนียมเท่านั้น และไม่ถือเป็นคำแนะนำในการลงทุน

คำถามที่พบบ่อย

HPE เป็นหุ้น AI ด้านที่เก็บข้อมูลหรือไม่?

HPE ไม่ใช่หุ้นชิปที่เก็บข้อมูล AI ในความหมายดั้งเดิม บริษัทไม่ผลิต DRAM, NAND หรือ HBM แต่ให้บริการโซลูชันเซิร์ฟเวอร์ AI, ระบบจัดเก็บข้อมูลสำหรับองค์กร, คลาวด์แบบไฮบริด, เครือข่าย และการปกป้องข้อมูล คุณสามารถมองว่า HPE เป็นบริษัทโครงสร้างพื้นฐาน AI แต่ไม่ใช่บริษัทสื่อจัดเก็บข้อมูลบริสุทธิ์

HPE Alletra Storage เหมาะกับสถานการณ์ AI แบบใด?

HPE Alletra Storage เหมาะสำหรับการเตรียมข้อมูล AI ขององค์กร การจัดการข้อมูลที่ไม่มีโครงสร้าง การเข้าถึงไฟล์และออบเจ็กต์ RAG เวิร์กโหลดการวิเคราะห์ และสถานการณ์ data lake มากกว่า คุณค่าของมันไม่ได้อยู่ที่ความจุเพียงอย่างเดียว แต่ยังช่วยให้แอปพลิเคชัน AI เข้าถึงข้อมูลองค์กรได้เร็วขึ้นและปลอดภัยยิ่งขึ้น

HPE GreenLake ให้คุณค่าอะไรกับ AI ขององค์กร?

HPE GreenLake เปลี่ยนโครงสร้างพื้นฐานภายในองค์กร (on-prem) ให้กลายเป็นประสบการณ์การจัดการและการบริโภคที่คล้ายคลึงกับคลาวด์ สำหรับองค์กรที่ต้องการ AI แบบส่วนตัว (Private AI) คลาวด์แบบไฮบริด อธิปไตยของข้อมูล การปฏิบัติตามข้อกำหนด และการควบคุมต้นทุน GreenLake สามารถลดความซับซ้อนในการปรับใช้และการดำเนินงานได้

ความแตกต่างระหว่าง HPE และ Dell ในด้านโครงสร้างพื้นฐาน AI คืออะไร?

HPE เน้นที่คลาวด์แบบไฮบริด GreenLake, Private Cloud AI และการผสานรวมเครือข่ายของ Juniper ในขณะที่ตรรกะทางธุรกิจด้าน AI ของ Dell ขับเคลื่อนโดยรายได้จากเซิร์ฟเวอร์ AI โดยตรงกว่า ทั้งสองบริษัทไม่ใช่บริษัทชิปสำหรับจัดเก็บข้อมูลโดยสมบูรณ์ ควรเปรียบเทียบกันด้วยการเติบโตของเซิร์ฟเวอร์ การต่อยอดด้านพื้นที่จัดเก็บข้อมูล อัตรากำไร และโครงสร้างลูกค้า

นักลงทุนทั่วไปควรติดตามตัวชี้วัด AI ของ HPE ด้านใดบ้าง?

นักลงทุนทั่วไปควรติดตามรายได้จากคลาวด์และ AI การเติบโตของเซิร์ฟเวอร์ การเติบโตของสตอเรจ คำสั่งซื้อ AI ที่รอดำเนินการ การนำ GreenLake มาใช้ ผลการดำเนินงานด้านเครือข่าย การควบรวม Juniper อัตรากำไร และกระแสเงินสด พาดหัวข่าวเกี่ยวกับ AI เพียงอย่างเดียวยังไม่พอ นักลงทุนยังต้องตรวจสอบด้วยว่าคำสั่งซื้อสามารถแปลงเป็นรายได้และกำไรได้จริงหรือไม่

ความเสี่ยงหลักในการลงทุนใน HPE มีอะไรบ้าง?

ความเสี่ยงหลักในการลงทุนใน HPE ได้แก่ ความล่าช้าของโครงการ AI แรงกดดันต่ออัตรากำไรของเซิร์ฟเวอร์ การเติบโตของสตอเรจที่ไม่เป็นไปตามเป้า ความผันผวนของต้นทุนชิ้นส่วน การควบรวม Juniper ที่อ่อนแอกว่าที่คาด การใช้จ่ายด้านทุนของภาคองค์กรที่ช้าลง และการแข่งขันจาก Dell, Cisco, Supermicro, Pure Storage, NetApp และอื่น ๆ