HBM Stocks กับ GPU Stocks ต่างกันอย่างไร?

ความแตกต่างที่สำคัญที่สุดระหว่างหุ้น HBM และหุ้น GPU คือ ฝ่ายหนึ่งอยู่ใกล้กับ “แพลตฟอร์มการคำนวณ AI” มากกว่า ส่วนอีกฝ่ายอยู่ใกล้กับห่วงโซ่อุปทานหน่วยความจำแบบแบนด์วิดท์สูงที่จำเป็นต่อการปลดล็อกประสิทธิภาพของ AI GPU มากกว่า หุ้น GPU ถูกประเมินจากพลังการคำนวณ ระบบนิเวศ ระบบเซิร์ฟเวอร์ และคำสั่งซื้อจากลูกค้าคลาวด์เป็นหลัก ส่วนหุ้น HBM ถูกประเมินจากแบนด์วิดท์ การซ้อนทับ (stacking) อัตราผลผลิต (yield) การบรรจุชิปขั้นสูง กำลังการผลิต และวงจรการตั้งราคา เมื่อเปรียบเทียบทั้งสองอย่าง คุณไม่ควรถามเพียงง่าย ๆ ว่าธีมไหนร้อนแรงกว่ากัน แต่คุณต้องเข้าใจว่าแต่ละบริษัทกำลังสร้างรายได้จากชั้นใดของห่วงโซ่โครงสร้างพื้นฐาน AI

สรุปประเด็นสำคัญ

• หุ้น GPU ส่วนใหญ่ขึ้นอยู่กับกำลังประมวลผล ระบบนิเวศ ระบบเซิร์ฟเวอร์ และคำสั่งซื้อจากลูกค้าคลาวด์
• หุ้น HBM ส่วนใหญ่ขึ้นอยู่กับหน่วยความจำแบนด์วิดท์สูง อัตราผลผลิต กำลังการผลิต และการรับรองจากลูกค้า
• อุปสงค์ของ GPU เป็นตัวกำหนดเพดานของอุปสงค์ HBM ในขณะที่อุปทานของ HBM ก็สามารถจำกัดการเติบโตของปริมาณ GPU ได้เช่นกัน
• หุ้น GPU ขับเคลื่อนด้วยแพลตฟอร์มมากกว่า ในขณะที่หุ้น HBM ผูกพันกับวัฏจักรหน่วยความจำระดับไฮเอนด์มากกว่า
• ศักยภาพการเติบโตของ HBM อาจกระจุกตัวมากกว่า แต่ก็ไวต่อวัฏจักรการขยายกำลังการผลิตและการกำหนดราคามากกว่าเช่นกัน
• การวิเคราะห์การลงทุนควรพิจารณาแผนที่นำทางด้านเทคโนโลยี โครงสร้างลูกค้า อัตรากำไรขั้นต้น และการเปลี่ยนแปลงของสินค้าคงคลัง

ความแตกต่างหลักระหว่างหุ้น HBM และหุ้น GPU คืออะไร?

ความแตกต่างสำคัญระหว่างหุ้น HBM และหุ้น GPU คือตำแหน่งของพวกมันในห่วงโซ่อุปทาน หุ้น GPU เป็นตัวแทนของแพลตฟอร์มการประมวลผล AI โดยมีรายได้มาจากตัวเร่ง AI ระบบเซิร์ฟเวอร์ ระบบนิเวศซอฟต์แวร์ และการจัดซื้อจากผู้ให้บริการคลาวด์ ส่วนหุ้น HBM เป็นตัวแทนของอุปทานหน่วยความจำแบบแบนด์วิดท์สูงที่เกี่ยวข้องกับ GPU โดยมีรายได้มาจากชุด HBM การรับรองลูกค้า การประสานงานด้านบรรจุภัณฑ์ขั้นสูง และการเติบโตของปริมาณ DRAM ระดับไฮเอนด์

GPU สามารถเข้าใจได้ว่าเป็นเครื่องยนต์การประมวลผลของ AI มันทำหน้าที่จัดการการคำนวณเมทริกซ์ การเร่งความเร็วการฝึกโมเดล ปริมาณการประมวลผลการอนุมาน (inference throughput) และประสิทธิภาพการทำงานของโมเดล บริษัทอย่าง NVIDIA และ AMD มักไม่ได้ขายเพียงชิปเดี่ยวเท่านั้น แต่พวกเขาสร้างแพลตฟอร์มเซิร์ฟเวอร์ ระบบเชื่อมต่อระหว่างกัน เครื่องมือสำหรับนักพัฒนา และระบบนิเวศซอฟต์แวร์ขึ้นรอบ GPU ตัวอย่างเช่น NVIDIA DGX B200 มาพร้อมกับ GPU Blackwell 8 ตัว หน่วยความจำ GPU 1,440GB และแบนด์วิดท์ HBM3e 64TB/s สิ่งนี้ไม่ใช่แค่ผลิตภัณฑ์ชิปเดี่ยวอีกต่อไป แต่เป็นส่วนประกอบระดับระบบของโรงงาน AI

HBM เปรียบเสมือนช่องทางจ่ายเชื้อเพลิงความเร็วสูงที่อยู่ข้างเครื่องยนต์นั้น มันไม่ใช่หน่วยความจำ PC ทั่วไป และไม่ใช่หน่วยจัดเก็บข้อมูลสำหรับอุปกรณ์อิเล็กทรอนิกส์ระดับล่างของผู้บริโภค แต่เป็นหน่วยความจำแบบแบนด์วิดท์สูงที่วางอยู่ใกล้กับ AI GPU เมื่อโมเดล AI ทำงาน น้ำหนัก (weights), การกระตุ้น (activations), KV cache และข้อมูลบริบทจำเป็นต้องส่งเข้าและออกจาก GPU ด้วยความเร็วสูง DRAM ทั่วไปวางอยู่ห่างจาก GPU มากกว่า และแบนด์วิดท์รวมถึงเวลาแฝงของมันไม่เพียงพอสำหรับตัวเร่ง AI ระดับสูงสุด HBM ใช้เทคนิคการซ้อนกัน (stacking), TSV, interposer และการบรรจุ (packaging) ขั้นสูงเพื่อวางแบนด์วิดท์ที่สูงกว่าให้ใกล้ชิดกับ GPU มากขึ้น

เมื่อวิเคราะห์หุ้นสองประเภทนี้ คุณควรแยกความแตกต่างระหว่าง "แพลตฟอร์ม" และ "คอขวด" ก่อน หุ้น GPU มักสะท้อนความคาดหวังของตลาดต่อส่วนแบ่งของแพลตฟอร์มประมวลผล AI และการประเมินมูลค่าของหุ้นเหล่านี้อาจรวมถึงระบบนิเวศซอฟต์แวร์ ระบบเซิร์ฟเวอร์ ระบบเครือข่ายศูนย์ข้อมูล และความสามารถของแพลตฟอร์มการอนุมาน (inference) ส่วนหุ้น HBM สะท้อนว่าดีมานด์ GPU ระดับไฮเอนด์แข็งแกร่งพอที่จะขับเคลื่อนดีมานด์ด้านความจุและแบนด์วิดท์ของหน่วยความจำหรือไม่ และอุปทานยังคงตึงตัวเพียงพอหรือไม่

สรุป: หุ้น GPU เดินตามตรรกะของแพลตฟอร์มคอมพิวติ้ง AI ในขณะที่หุ้น HBM เดินตามตรรกะของคอขวดในการคำนวณ AI ทั้งสองได้รับประโยชน์จากการขยายตัวของศูนย์ข้อมูล AI แต่กรอบการวิเคราะห์ของแต่ละฝ่ายแตกต่างกัน หุ้น GPU ควรได้รับการประเมินจากประสิทธิภาพของผลิตภัณฑ์ ระบบนิเวศซอฟต์แวร์ ส่วนแบ่งในระดับระบบ และงบลงทุนด้านสินทรัพย์ถาวรของผู้ให้บริการคลาวด์ ส่วนหุ้น HBM ควรได้รับการประเมินจากความตึงตัวของอุปทาน การประสานงานด้านการบรรจุ การเพิ่มขึ้นของอัตราผลผลิต การรับรองจากลูกค้า และวงจรการตั้งราคา คุณไม่ควรมองว่าหุ้น HBM เป็นเพียงอุปกรณ์เสริมง่าย ๆ ของหุ้น GPU และไม่ควรมองว่าหุ้นกลุ่มเซมิคอนดักเตอร์หน่วยความจำทั้งหมดเป็นผู้ได้รับประโยชน์จาก HBM การเปรียบเทียบที่มีประโยชน์คือการระบุให้ชัดเจนว่าบริษัทใดครองตำแหน่งใดในเชิงโครงสร้างของห่วงโซ่ชิป AI

จากมุมมองของห่วงโซ่อุปทาน: GPU คือแกนการคำนวณ ส่วน HBM คือคอขวดด้านประสิทธิภาพ

จากมุมมองของห่วงโซ่อุปทาน GPU คือสินทรัพย์หลักของโครงสร้างพื้นฐาน AI ในขณะที่ HBM คือคอขวดสำคัญในการปลดล็อกประสิทธิภาพของ GPU GPU เป็นตัวกำหนดความสามารถในการประมวลผลของการฝึกและการอนุมาน (inference) AI แต่หากความจุ HBM ไม่เพียงพอ แบนด์วิดท์ต่ำเกินไป หรืออุปทานไม่ทันต่อความต้องการ GPU ก็จะไม่สามารถทำงานได้อย่างมีประสิทธิภาพในวงกว้าง ดังนั้น GPU และ HBM จึงเป็นทั้งคู่ค้าในห่วงโซ่ต้นน้ำ-ปลายน้ำ และเป็นองค์ประกอบของระบบที่พึ่งพาซึ่งกันและกันอย่างมีข้อจำกัด

เหตุใดหุ้น GPU จึงใกล้เคียงกับตรรกะของแพลตฟอร์ม AI มากกว่า?

หุ้น GPU ใกล้เคียงกับตรรกะของแพลตฟอร์ม AI มากกว่า เนื่องจากผู้ขาย GPU มักควบคุมสถาปัตยกรรมการประมวลผล โซลูชันแบบครบวงจร ระบบการเชื่อมต่อ และระบบนิเวศของนักพัฒนา ความได้เปรียบของ NVIDIA ไม่ได้มาจากชิป GPU เพียงอย่างเดียว แต่ยังมาจาก CUDA, NVLink, ระบบ DGX / HGX, อุปกรณ์เครือข่าย และเครื่องมือซอฟต์แวร์ต่าง ๆ ความสามารถเหล่านี้ช่วยเพิ่มต้นทุนในการเปลี่ยนผู้ให้บริการของลูกค้า และทำให้การประเมินมูลค่าหุ้น GPU ใกล้เคียงกับบริษัทเทคโนโลยีแพลตฟอร์มมากขึ้น

คุณสามารถเห็นการเปลี่ยนแปลงนี้ได้จากสเปกของผลิตภัณฑ์ NVIDIA H200 มีหน่วยความจำ HBM3e ขนาด 141GB และแบนด์วิดท์หน่วยความจำ 4.8TB/s ซึ่งแสดงให้เห็นว่าการอัปเกรด GPU ไม่ได้เกี่ยวข้องกับหน่วยประมวลผลเพียงอย่างเดียวอีกต่อไป แต่ยังขึ้นอยู่กับความจุและแบนด์วิดท์ของหน่วยความจำ GPU ด้วย Blackwell Ultra ที่มี HBM3e ขนาด 288GB ต่อ GPU ยิ่งแสดงให้เห็นว่า GPU AI ระดับไฮเอนด์ถูกกำหนดค่าด้วยความจุใกล้หน่วยความจำที่มากขึ้นเพื่อรองรับโมเดลที่ใหญ่ขึ้น หน้าต่างบริบทที่ยาวนานขึ้น และการอนุมานที่มีการทำงานพร้อมกันสูงขึ้น

ทำไมหุ้น HBM จึงเข้าใกล้ตรรกะของคอขวดด้านอุปทานมากขึ้น?

หุ้น HBM อยู่ใกล้กับตรรกะของคอขวดด้านอุปทานมากกว่า เนื่องจากการเติบโตของปริมาณ HBM ขึ้นอยู่ไม่เพียงแค่กับด้านอุปสงค์ แต่ยังรวมถึงความยากลำบากในการผลิตด้วย HBM ต้องการการซ้อนชิป DRAM, TSV, ชิปฐาน (base dies), การบรรจุภัณฑ์ขั้นสูง การจัดการความร้อน การทดสอบ และการรับรองจากลูกค้า แม้ว่าอุปสงค์ของ GPU AI ในตลาดปลายทางจะแข็งแกร่ง แต่อัตราผลผลิต (yield) ของ HBM ที่ต่ำ การประสานงานด้านการบรรจุภัณฑ์ที่อ่อนแอ หรือการรับรองที่ล่าช้า ก็สามารถจำกัดจังหวะการส่งมอบ GPU ระดับไฮเอนด์ได้

ผลิตภัณฑ์ของ AMD ก็แสดงให้เห็นถึงความสำคัญของ HBM ต่อประสิทธิภาพของ GPU เช่นกัน AMD Instinct MI325X มี HBM3E ความจุ 256GB และแบนด์วิดท์หน่วยความจำสูงสุด 6TB/s ทำให้ HBM ความจุสูงเป็นหนึ่งในจุดขายหลักของผลิตภัณฑ์นี้ AMD Instinct MI300X ที่มี HBM3 ความจุ 192GB ก็แสดงให้เห็นว่าการแข่งขันด้าน AI accelerator นั้นในตอนนี้แยกออกจากความจุและแบนด์วิดท์ของหน่วยความจำไม่ได้อีกต่อไป

ความสัมพันธ์ระหว่าง HBM และ GPU ไม่ใช่เรื่องของการแทนที่กัน แต่เป็นเรื่องของว่าองค์ประกอบใดจะกลายเป็นคอขวด ในตลาด AI ช่วงแรก นักลงทุนให้ความสำคัญกับว่ามี GPU เพียงพอหรือไม่มากกว่า เมื่อคลัสเตอร์ GPU มีขนาดใหญ่ขึ้น ตลาดเริ่มใส่ใจว่า HBM จะเร็วพอ ใหญ่พอ และเสถียรพอหรือไม่ เมื่อพิจารณาหุ้น GPU คำถามสำคัญคือแพลตฟอร์มการคำนวณจะสามารถขยายส่วนแบ่งตลาดต่อไปได้หรือไม่ เมื่อพิจารณาหุ้น HBM คำถามสำคัญคืออุปทานหน่วยความจำระดับไฮเอนด์จะตามการเติบโตของปริมาณ GPU ได้ทันหรือไม่

สรุป: GPU เป็นสินทรัพย์หลักของโครงสร้างพื้นฐาน AI แต่ HBM เป็นเงื่อนไขที่จำเป็นเพื่อให้ GPU ทำงานได้อย่างมีประสิทธิภาพ หุ้น GPU แทน "แพลตฟอร์มการคำนวณ" ในขณะที่หุ้น HBM แทนคอขวดสำคัญภายในแพลตฟอร์มนั้น หากความต้องการ GPU สำหรับ AI ยังคงเติบโตต่อไป HBM มักได้รับประโยชน์ตามไปด้วย แต่หากอุปทาน HBM ไม่เพียงพอ การส่งมอบ GPU ก็อาจถูกจำกัดเช่นกัน เมื่อเปรียบเทียบหุ้นทั้งสองประเภทนี้ คุณไม่ควรมองเพียงความต้องการปลายทางเท่านั้น แต่ยังต้องระบุคอขวดในห่วงโซ่อุปทานด้วย หุ้น GPU เหมาะสำหรับการวิเคราะห์ผ่านส่วนแบ่งแพลตฟอร์มและข้อได้เปรียบด้านระบบนิเวศ ในขณะที่หุ้น HBM เหมาะสำหรับการวิเคราะห์ผ่านช่องว่างอุปสงค์-อุปทานและการอัปเกรดรุ่นผลิตภัณฑ์

จากมุมมองรูปแบบธุรกิจ: หุ้น GPU ได้รับมูลค่าเพิ่มจากแพลตฟอร์ม หุ้น HBM ได้รับมูลค่าเพิ่มจากอุปสงค์-อุปทานและเทคโนโลยี

จากมุมมองรูปแบบธุรกิจ หุ้น GPU ได้รับมูลค่าเพิ่มจากแพลตฟอร์ม ในขณะที่หุ้น HBM ได้รับมูลค่าเพิ่มจากอุปสงค์-อุปทานและเทคโนโลยี ผู้ขาย GPU ผูกมัดลูกค้าผ่านชิป ระบบ ซอฟต์แวร์ และระบบนิเวศ ส่วนผู้ขาย HBM ได้รับแรงหนุนด้านกำไรผ่านสัดส่วนหน่วยความจำระดับไฮเอนด์ การล็อกกำลังการผลิต การปรับปรุงอัตราผลผลิตที่ดี และราคาตามสัญญา ทั้งสองได้รับแรงหนุนจาก AI แต่แหล่งที่มาของกำไรไม่เหมือนกัน

รายได้ของหุ้น GPU ขึ้นอยู่กับความสามารถด้านแพลตฟอร์มมากกว่า

รายได้ของผู้ผลิต GPU ไม่ได้ขึ้นอยู่กับการส่งมอบชิปเพียงอย่างเดียว GPU AI ระดับไฮเอนด์มักถูกขายควบคู่ไปกับดีไซน์อ้างอิงเซิร์ฟเวอร์ ระบบเต็มรูปแบบ ระบบเชื่อมต่อเครือข่าย เครื่องมือซอฟต์แวร์ และระบบนิเวศของนักพัฒนา ข้อได้เปรียบด้านแพลตฟอร์มของ NVIDIA สามารถเห็นได้จาก CUDA, TensorRT, NVLink, InfiniBand, Ethernet, DGX และระบบนิเซซอฟต์แวร์สำหรับองค์กร ส่วน AMD เข้าร่วมการแข่งขันผ่าน MI300, MI325X, ROCm และโซลูชัน HBM ความจุสูง

นี่คือเหตุผลที่มูลค่าหุ้น GPU มักไม่ถูกตีความว่าเป็นเพียงวัฏจักรของฮาร์ดแวร์ ตลาดมีแนวโน้มที่จะมองว่าบริษัทเหล่านี้เป็นแพลตฟอร์มโครงสร้างพื้นฐาน AI ตราบใดที่ผู้ให้บริการคลาวด์ยังคงสร้างศูนย์ข้อมูล AI ต่อไป ผู้ขาย GPU ก็อาจได้รับประโยชน์ในหลายด้าน ทั้งชิป ระบบ เครือข่าย และซอฟต์แวร์ แต่ความเสี่ยงก็มาจากตรรกะแบบแพลตฟอร์มนี้เช่นกัน หากการแข่งขันรุนแรงขึ้น ลูกค้าเพิ่มการพัฒนาชิปด้วยตนเอง หรือการลงทุนด้านทุนของผู้ให้บริการคลาวด์ชะลอตัวลง ส่วนต่างราคาของแพลตฟอร์มอาจถูกปรับมูลค่าใหม่

รายได้ของหุ้น HBM ขึ้นอยู่กับโครงสร้างผลิตภัณฑ์และข้อจำกัดด้านอุปทานมากกว่า

ผู้ผลิต HBM ยังคงเป็นส่วนหนึ่งของอุตสาหกรรมเซมิคอนดักเตอร์หน่วยความจำ แต่ HBM มีโครงสร้างรายได้ที่แตกต่างจาก DRAM ทั่วไป HBM ระดับไฮเอนด์มีราคาต่อหน่วยสูงกว่า วงจรการรับรองสินค้า (qualification) ที่ยาวนานกว่า และการผูกมัดกับแพลตฟอร์มของลูกค้าที่ลึกซึ้งกว่า เมื่อส่วนผสมของผลิตภัณฑ์ดีขึ้น อัตรากำไรขั้นต้นสามารถเพิ่มขึ้นได้อย่างมีนัยสำคัญ ในไตรมาสที่สี่ของปีงบประมาณ 2025 Micron รายงาน รายได้ของหน่วยธุรกิจหน่วยความจำคลาวด์ที่ 4,543 ล้านดอลลาร์สหรัฐ และอัตรากำไรขั้นต้นที่ 59% ซึ่งแสดงให้เห็นว่าเมื่อความต้องการหน่วยความจำคลาวด์ระดับไฮเอนด์และ HBM เข้าสู่งบการเงิน เลเวอเรจของรายได้สามารถกลายเป็นสิ่งที่ชัดเจนได้

หุ้น HBM ถูกขับเคลื่อนหลักด้วยตัวแปรสองกลุ่ม กลุ่มแรกคือด้านเทคนิค ได้แก่ HBM3E, HBM4, HBM4E, 12-high, 16-high, การใช้พลังงาน, ประสิทธิภาพการระบายความร้อน และการแพ็กเกจจิง กลุ่มที่สองคือด้านวัฏจักร ได้แก่ ASP, อัตรากำไรขั้นต้น, capex, สินค้าคงเหลือ, การรับรองจากลูกค้า และการขยายกำลังการผลิต การแข่งขันระหว่าง SK hynix, Micron และ Samsung ไม่ได้เป็นเพียงแค่เรื่องใครสามารถผลิต HBM ได้ แต่เป็นเรื่องของใครสามารถผ่านการรับรองจากลูกค้ารายใหญ่ได้เร็วกว่าและส่งมอบสินค้าได้อย่างมีเสถียรภาพด้วยอัตราผลผลิตที่สูง

หุ้น GPU ถูกประเมินหลักด้วยปัจจัยดังนี้:

1. แผนงานผลิตภัณฑ์ AI GPU และการอัปเกรดสถาปัตยกรรม
2. คำสั่งซื้อจากผู้ให้บริการคลาวด์และลูกค้าองค์กร
3. ระบบนิเวศซอฟต์แวร์และการผูกขาดนักพัฒนา
4. ระบบศูนย์ข้อมูล ระบบเครือข่าย และความสามารถด้านเซิร์ฟเวอร์แบบครบวงจร
5. ต้นทุนการอนุมาน (inference) ประสิทธิภาพการใช้พลังงาน และประสิทธิภาพการปรับใช้

หุ้น HBM ถูกพิจารณาเป็นหลักจาก:

1. การอัปเกรดรุ่นของ HBM3E, HBM4 และ HBM4E
2. ความคืบหน้าในการผ่านการรับรองกับลูกค้า GPU / ASIC รายใหญ่
3. กำลังการผลิต อัตราผลผลิตที่ดี และการประสานงานด้านบรรจุภัณฑ์ขั้นสูง
4. ราคาสัญญา ช่องว่างด้านอุปทาน และส่วนผสมของผลิตภัณฑ์
5. ว่าวงจร DRAM ทั่วไปกำลังฟื้นตัวในเวลาเดียวกันหรือไม่

สรุป: หุ้น GPU และหุ้น HBM ต่างก็ได้ประโยชน์จาก AI แต่ทั้งสองทำเงินด้วยวิธีที่แตกต่างกัน หุ้น GPU ได้รับส่วนพรีเมียมจากแพลตฟอร์มการประมวลผล ส่วนแบ่งระบบ ระบบนิเวศซอฟต์แวร์ และความผูกพันของลูกค้า ส่วนหุ้น HBM ได้รับเครื่องมือเพิ่มกำไรจากอุปทานหน่วยความจำระดับไฮเอนด์ที่มีจำกัด การอัปเกรดเทคโนโลยี และการปรับปรุงส่วนผสมของผลิตภัณฑ์ อดีตมีลักษณะคล้ายหุ้นเทคโนโลยีแพลตฟอร์มมากกว่า ในขณะที่หลังมีลักษณะคล้ายหุ้นเซมิคอนดักเตอร์ที่ขึ้นกับวัฏจักรและมีลักษณะการเติบโต หากคุณให้ความสำคัญกับส่วนแบ่งแพลตฟอร์มในระยะยาวมากกว่า หุ้น GPU จะเป็นตัวแทนที่เหมาะสมกว่า หากคุณให้ความสำคัญกับความไม่สมดุลของอุปสงค์-อุปทานและเครื่องมือเพิ่มอัตรากำไรขั้นต้นในระยะสั้นถึงกลางมากกว่า หุ้น HBM ก็เป็นอีกหนึ่งตัวที่ควรติดตามอย่างใกล้ชิด

จากมุมมองของกำแพงด้านเทคนิค: GPU ขึ้นอยู่กับสถาปัตยกรรมและระบบนิเวศ ส่วน HBM ขึ้นอยู่กับการซ้อนทับ การบรรจุ และอัตราผลผลิต

กำแพงด้านเทคนิคของ GPU และ HBM มีอยู่ในระดับที่แตกต่างกัน กำแพงของ GPU มาจากสถาปัตยกรรมการประมวลผล ระบบนิเวศซอฟต์แวร์ การบูรณาการระบบ และต้นทุนในการเปลี่ยนผู้ให้บริการของลูกค้า ส่วนกำแพงของ HBM มาจากการซ้อนทับ DRAM, TSV, base die, interposer, การบรรจุขั้นสูง การจัดการความร้อน การทดสอบ และอัตราผลผลิต ด้านหนึ่งเน้นไปทางวิศวกรรมแพลตฟอร์ม ขณะที่อีกด้านหนึ่งเน้นไปทางวิศวกรรมการผลิต

กำแพงด้านเทคนิคของ GPU มาจากสถาปัตยกรรม ซอฟต์แวร์ และการบูรณาการระบบ

การแข่งขันด้าน GPU ครอบคลุมสถาปัตยกรรมการประมวลผล, Tensor Core / Matrix Core, ความจุหน่วยความจำ, แบนด์วิดท์การเชื่อมต่อ, การควบคุมพลังงาน, คอมไพเลอร์, การเพิ่มประสิทธิภาพโมเดล และความเข้ากันได้ของซอฟต์แวร์ ลูกค้าไม่ได้เลือก GPU โดยพิจารณาจากประสิทธิภาพสูงสุดของชิปเพียงอย่างเดียว แต่ยังให้ความสำคัญกับว่าโมเดลที่มีอยู่สามารถย้ายไปใช้งานได้อย่างราบรื่นหรือไม่ เครื่องมือพัฒนามีความ成熟เพียงใด การติดตั้งคลัสเตอร์มีเสถียรภาพหรือไม่ และต้นทุนการอนุมาน (inference) สามารถลดลงได้หรือไม่

นี่ก็คือเหตุผลว่าทำไมคูเมืองของหุ้น GPU จึงมีความซับซ้อนมากกว่า กระบวนการผลิตขั้นสูงและเทคโนโลยีบรรจุภัณฑ์ขั้นสูงมีความสำคัญ แต่ระบบนิเวศซอฟต์แวร์ก็มีความสำคัญไม่แพ้กัน การใช้งาน CUDA, คลังไลบรารีตัวดำเนินการ, เฟรมเวิร์กสำหรับการอนุมาน (inference frameworks) และเครื่องมือปรับปรุงประสิทธิภาพในระยะยาว สร้างต้นทุนในการเปลี่ยนผ่านให้กับนักพัฒนา แม้ว่าคู่แข่งจะเปิดตัว GPU ที่มีสเปกฮาร์ดแวร์ใกล้เคียงกัน พวกเขาก็ยังคงต้องแก้ไขปัญหาด้านความเข้ากันได้ของซอฟต์แวร์ การปรับแต่งประสิทธิภาพ และความเสถียรในการปรับใช้ขนาดใหญ่

อุปสรรคทางเทคนิคของ HBM มาจากการซ้อนกันความหนาแน่นสูงและการประสานงานของเทคโนโลยีบรรจุภัณฑ์ขั้นสูง

ความท้าทายของ HBM คือการเร็ว สูง และมีเสถียรภาพในเวลาเดียวกัน HBM ซ้อนชิป DRAM หลายชั้นในแนวตั้ง ใช้ TSV สร้างช่องทางความเร็วสูง และทำงานร่วมกับ GPU หรือ AI ASIC ผ่านแพลตฟอร์มการแพ็กเกจขั้นสูง ยิ่งสแตกสูง ความจุยิ่งมากขึ้น แต่การจัดการความร้อน อัตราผลผลิต การทดสอบ และความน่าเชื่อถือเชิงโครงสร้างก็ยากขึ้นด้วยเช่นกัน

อินเทอร์เฟซบัส 2048 พิน ของ Micron HBM4 และแบนด์วิดท์มากกว่า 2.8TB/s ต่อสแตก แสดงให้เห็นว่า HBM4 กำลังมุ่งไปสู่อินเทอร์เฟซที่กว้างขึ้น แบนด์วิดท์ที่สูงขึ้น และประสิทธิภาพการใช้พลังงานที่ดีกว่า ตัวอย่าง HBM4 แบบ 12 ชั้นของ SK hynix ได้ถูกส่งมอบให้กับลูกค้ารายใหญ่แล้ว พร้อมเน้นย้ำแบนด์วิดท์ในการประมวลผลที่เกิน 2TB/s ตัวอย่าง HBM4E แบบ 12 ชั้นของ Samsung เน้นย้ำความเร็วสูงสุดถึง 16Gbps ประสิทธิภาพการใช้พลังงานที่ดีขึ้น และการระบายความร้อนที่ดีกว่าการอัปเกรดเหล่านี้แสดงให้เห็นว่าการแข่งขันด้าน HBM กำลังขยายจากด้านความจุและแบนด์วิดท์ไปสู่ด้านการแพ็กเกจจิ้ง การระบายความร้อน และการปรับแต่งตามความต้องการของลูกค้า

HBM การรับรองลูกค้ามีความสำคัญเป็นพิเศษ เมื่อ HBM เข้าสู่แพลตฟอร์ม GPU AI ระดับไฮเอนด์แล้ว การเปลี่ยนผู้ผลิตในระยะสั้นไม่ใช่เรื่องง่าย เนื่องจากเกี่ยวข้องกับการแพ็กเกจ คุณลักษณะทางไฟฟ้า การออกแบบการระบายความร้อน การตรวจสอบระบบ และความเสถียรของอุปทาน ในทางกลับกัน หากผู้ผลิต HBM รายใดตามหลังในการได้รับการรับรอง บริษัทอาจไม่ได้รับประโยชน์อย่างเต็มที่จากคำสั่งซื้อในปัจจุบัน แม้ว่าความต้องการของอุตสาหกรรมจะสูงก็ตาม

สรุป: กำแพงทางเทคนิคของ GPU และ HBM มีอยู่ในระดับที่แตกต่างกัน กำแพงของ GPU เกี่ยวข้องกับสถาปัตยกรรม ระบบนิเวศซอฟต์แวร์ ระบบการเชื่อมต่อ และต้นทุนในการเปลี่ยนแพลตฟอร์มเป็นหลัก ส่วนกำแพงของ HBM เกี่ยวข้องกับกระบวนการผลิต ความสูงของการซ้อนชิป การประสานงานด้านการบรรจุ อัตราผลผลิตที่ดี และการรับรองจากลูกค้าเป็นหลัก เมื่อประเมินหุ้น GPU คุณควรถามว่าบริษัทสามารถรักษาความได้เปรียบของแพลตฟอร์มและส่วนแบ่งในระดับระบบไว้ได้หรือไม่ เมื่อประเมินหุ้น HBM คุณควรถามว่าบริษัทสามารถจัดหาหน่วยความจำแบบแบนด์วิดท์สูงรุ่นถัดไปได้อย่างเสถียรภาพ ในขณะที่ยังคงรักษาอัตราผลผลิตที่ดีและความสามารถในการทำกำไรไว้ระหว่างการขยายกำลังการผลิตได้หรือไม่

จากมุมมองของศักยภาพในการลงทุน: HBM อาจกระจุกตัวมากกว่า ขณะที่ GPU อาจขับเคลื่อนด้วยแพลตฟอร์มมากกว่า

หุ้น HBM และหุ้น GPU มีแหล่งของผลตอบแทนจากการลงทุนที่แตกต่างกัน หุ้น GPU มักได้ประโยชน์จากการขยายตัวของแพลตฟอร์ม AI ซึ่งมีตรรกะที่กว้างขวางและเป็นระยะยาวมากกว่า ส่วนหุ้น HBM มีแนวโน้มที่จะแสดงแรงกดดันจากกำไร (earnings leverage) เมื่ออุปทานตึงตัว ราคาสูงขึ้น และโครงสร้างผลิตภัณฑ์ดีขึ้น แต่ก็มีแนวโน้มที่จะเผชิญแรงกดดันเช่นกันเมื่อกำลังการผลิตขยายตัว สินค้าคงคลังเพิ่มขึ้น และราคาลดลง

สต็อก GPU มีศักยภาพขาขึ้นจากส่วนแบ่งของแพลตฟอร์ม เมื่อศูนย์ข้อมูล AI ยังคงขยายตัวต่อเนื่อง ผู้ขาย GPU อาจได้ประโยชน์จากการส่งมอบตัวเร่ง AI ระบบเซิร์ฟเวอร์เต็มรูปแบบ การเชื่อมต่อเครือข่าย ระบบนิเวศซอฟต์แวร์ และต้นทุนการอนุมาน (inference) ที่ต่ำลง จุดแข็งคือการได้รับประโยชน์จากหลายด้านอย่างกว้างขวาง จุดอ่อนคือความคาดหวังของตลาดมักอยู่ในระดับสูงอยู่แล้ว หากการประเมินมูลค่าได้สะท้อนการเติบโตหลายปีไว้แล้ว แม้การเปลี่ยนแปลงเพียงเล็กน้อยในคำสั่งซื้อ อัตรากำไรขั้นต้น หรือข้อจำกัดการส่งออก ก็สามารถขยายความผันผวนได้

HBM มีศักยภาพในการเติบโตของราคาหุ้นมาจากความขาดแคลนของคอขวด เมื่อความต้องการ GPU สูงแต่อุปทาน HBM ไม่สามารถตามทัน สัญญา HBM ราคาขายเฉลี่ย (ASP) การปรับปรุงอัตราผลผลิต และการอัปเกรดส่วนผสมของผลิตภัณฑ์ สามารถสะท้อนในกำไรได้อย่างรวดเร็ว หากวงจร DRAM ทั่วไปฟื้นตัวในเวลาเดียวกัน ผู้ผลิต HBM อาจได้ประโยชน์ทั้งจากผลิตภัณฑ์ระดับไฮเอนด์และวงจรอุตสาหกรรมโดยรวม อย่างไรก็ตาม หาก HBM ขยายกำลังการผลิตอย่างก้าวรุกราน ลูกค้ากดดันให้ลดราคา หรือผลิตภัณฑ์รุ่นถัดไปประสบปัญหาด้านอัตราผลผลิต แรงกดดันต่อกำไรก็สามารถส่งผลย้อนกลับได้เช่นกัน

ข้อความที่ว่า "HBM มีศักยภาพในการเติบโตมากกว่า GPU" ไม่เป็นจริงเสมอไป แต่มีแนวโน้มที่จะเป็นจริงมากขึ้นเมื่อเงื่อนไขหลายประการปรากฏขึ้นพร้อมกัน นั่นคือ อุปทาน HBM ตึงตัว การรับรองจากลูกค้าระดับไฮเอนด์ประสบความสำเร็จ วงจร DRAM ทั่วไปกำลังฟื้นตัวในเวลาเดียวกัน อัตรากำไรขั้นต้นสูงขึ้นตามโครงสร้างผลิตภัณฑ์ และการประเมินมูลค่ายังไม่ได้สะท้อนการเติบโตสูงอย่างเต็มที่ ในทางกลับกัน หากความต้องการ GPU ชะลอตัว HBM ขยายตัวอย่างรวดเร็ว ลูกค้าเริ่มกดราคาลง หรือตลาดได้สะท้อนการเติบโตสูงไว้แล้ว หุ้น HBM อาจผันผวนมากกว่าหุ้น GPU

สรุป: จุดแข็งของหุ้น GPU อยู่ที่การกลายเป็นแพลตฟอร์ม ส่วนจุดแข็งของหุ้น HBM อยู่ที่อำนาจต่อรองจากการเป็นคอขวด อดีตเหมาะสำหรับการติดตามภาพรวมระยะยาวของแพลตฟอร์มคอมพิวติ้ง AI ส่วนหลังเหมาะสำหรับการติดตามวงจรอุปสงค์-อุปทานของหน่วยความจำระดับไฮเอนด์ ไม่มีผู้ชนะที่เด็ดขาดระหว่างทั้งสอง กุญแจสำคัญคือคุณเต็มใจรับความเสี่ยงประเภทใด หุ้น GPU มีความเสี่ยงด้านการแข่งขันของแพลตฟอร์ม ข้อจำกัดการส่งออก และการประเมินมูลค่ามากกว่า ส่วนหุ้น HBM มีความเสี่ยงด้านวงจรอุตสาหกรรม กำลังการผลิต อัตราผลผลิต และการกำหนดราคามากกว่า หากคุณมองเพียงผลตอบแทนจากราคา คุณอาจมองข้ามโครงสร้างความเสี่ยงที่อยู่เบื้องหลัง การแยกแยะแหล่งที่มาของศักยภาพการเติบโตขึ้นเท่านั้น จึงจะสามารถเปรียบเทียบสินทรัพย์ทั้งสองประเภทนี้ได้อย่างชัดเจน

นักลงทุนทั่วไปควรเปรียบเทียบหุ้น HBM กับหุ้น GPU อย่างไร?

นักลงทุนทั่วไปควรเปรียบเทียบหุ้น HBM กับหุ้น GPU โดยเริ่มจากการระบุว่าบริษัทนั้นอยู่ในชั้นใดของห่วงโซ่อุปทาน จากนั้นตรวจสอบว่าความต้องการ AI ไหลเข้าสู่รายได้ อัตรากำไรขั้นต้น และกระแสเงินสดหรือไม่ และสุดท้ายจึงพิจารณาการประเมินมูลค่า ต้นทุนในการทำธุรกรรม และขอบเขตความเสี่ยง อย่าพึ่งพาเพียงฉลากในตลาด เพราะ "หุ้นชิป AI" สามารถหมายถึงธุรกิจและการสัมผัสวัฏจักรที่แตกต่างกันอย่างมาก

ขั้นตอนที่ 1: ระบุว่าบริษัทอยู่ในชั้นใด

คุณจำเป็นต้องแยกแยะระหว่างผู้ออกแบบ GPU, ผู้ขาย AI ASIC, ผู้ขายหน่วยความจำ HBM, บริษัทบรรจุภัณฑ์ขั้นสูง, ผู้ขายเครื่องจักรและวัสดุ และผู้ขายระบบเซิร์ฟเวอร์ บริษัทบางแห่งอาจดูเกี่ยวข้องกับชิป AI แต่รายได้ของพวกเขาอาจมาจากอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภค, DRAM ทั่วไป, NAND, วัสดุบรรจุภัณฑ์ หรือคำสั่งซื้ออุปกรณ์เป็นหลัก มีเพียงบริษัทที่รายได้เชื่อมโยงกับ HBM ระดับไฮเอนด์, AI GPU หรือคอขวดสำคัญในห่วงโซ่อุปทานอย่างแท้จริงเท่านั้นที่ควรได้รับการวิเคราะห์ภายใต้กรอบที่สอดคล้องกัน

ขั้นตอนที่ 2: ตรวจสอบว่าวัฏจักรไปถึงข้อมูลทางการเงินแล้วหรือยัง

สำหรับหุ้น GPU ให้เน้นที่รายได้จากศูนย์ข้อมูล ยอดจัดส่ง AI accelerator ยอดสั่งจอง (backlog) อัตรากำไรขั้นต้น อัตราการแนบซอฟต์แวร์ และ CapEx ของลูกค้า สำหรับหุ้น HBM ให้เน้นที่รายได้จาก HBM ยอดจัดส่ง DRAM bit ASP, capex, สินค้าคงคลัง อัตรากำไรขั้นต้น และความเข้มข้นของลูกค้า ความนิยมของธีมไม่เท่ากับการรับรู้กำไร ตรรกะจะแข็งแกร่งขึ้นเมื่อคำสั่งซื้อ การตั้งราคา อัตรากำไรขั้นต้น และกระแสเงินสดปรับตัวดีขึ้นไปพร้อมกันเท่านั้น

ขั้นตอนที่ 3: ทำความเข้าใจต้นทุนธุรกรรมและขอบเขตความเสี่ยง

หากคุณกำลังเฝ้าดูหุ้นที่เกี่ยวข้องกับ HBM หรือ GPU ในตลาดสหรัฐฯ ฮ่องกง หรือตลาดอื่น ๆ คุณควรพิจารณาไม่เพียงแค่ตรรกะของห่วงโซ่อุตสาหกรรม แต่ยังรวมถึงต้นทุนการซื้อขายจริงด้วย ค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯ มักไม่ได้รวมเพียงค่าคอมมิชชันเท่านั้น แต่อาจรวมถึงค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมตัวแทนภายนอก ค่าธรรมเนียมกิจกรรมการซื้อขาย และค่าใช้จ่ายอื่น ๆ Biya ไม่เก็บค่าคอมมิชชันสำหรับการซื้อขายหุ้นสหรัฐฯ ส่วนค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมตัวแทนภายนอก และค่าใช้จ่ายอื่น ๆ จะเป็นไปตามข้อมูลที่แสดงใน ค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯ และบนหน้าคำสั่งซื้อ การให้บริการที่เกี่ยวข้องจะพร้อมใช้งานหรือไม่ขึ้นอยู่กับสถานที่ตั้งของผู้ใช้ ผลการตรวจสอบยืนยันตัวตน กฎของแพลตฟอร์ม รวมถึงกฎหมายและข้อบังคับที่บังคับใช้

คุณยังสามารถใช้ Biya เพื่อติดตามหุ้นสหรัฐฯ หุ้นฮ่องกง และคำพูดตลาดสินทรัพย์หลายประเภท รวมทั้งจัดให้บริษัท GPU, HBM, อุปกรณ์เซมิคอนดักเตอร์, การบรรจุขั้นสูง และคลาวด์คอมพิวติ้ง อยู่ในห่วงโซ่โครงสร้างพื้นฐาน AI เดียวกันเพื่อเปรียบเทียบ ค่าธรรมเนียมไม่ใช่ปัจจัยที่กำหนดผลตอบแทนการลงทุน แต่ในตลาดที่ผันผวนสูง การซื้อแบบแบ่งช่วง หรือการปรับสมดุลพอร์ตบ่อยครั้ง ค่าธรรมเนียมอาจส่งผลต่อประสบการณ์การซื้อขายจริง

นักลงทุนทั่วไปสามารถเปรียบเทียบหุ้นทั้งสองประเภทนี้ด้วยคำถาม 6 ข้อ:

1. บริษัทสร้างรายได้หลักจาก GPU, HBM หรือธุรกิจในห่วงโซ่อุปทานส่วนประกอบรอบนอกหรือไม่?
2. ความต้องการ AI ได้เข้าสู่คำสั่งซื้อและรายได้จริงแล้วหรือยัง?
3. การปรับปรุงอัตรากำไรขั้นต้นเกิดจากการอัปเกรดผลิตภัณฑ์ที่แท้จริงหรือเป็นเพียงวงจรราคาระยะสั้น?
4. ฐานลูกค้ามีความเข้มข้นเกินไปกับผู้ให้บริการคลาวด์ไม่กี่รายหรือแพลตฟอร์ม GPU ไม่กี่แห่งหรือไม่?
5. มูลค่าหุ้นปัจจุบันได้สะท้อนความคาดหวังการเติบโตสูงไว้แล้วหรือยัง?
6. ค่าธรรมเนียมธุรกรรม อัตราแลกเปลี่ยน กฎบัญชี และข้อกำหนดการปฏิบัติตามกฎหมายในท้องถิ่นชัดเจนหรือไม่?

สรุป: การเปรียบเทียบหุ้น HBM กับหุ้น GPU ไม่ใช่เรื่องของการดูว่าตัวไหนขึ้นมากกว่ากัน คุณต้องระบุตำแหน่งในห่วงโซ่อุปทานก่อน จากนั้นตรวจสอบว่าการเติบโตไหลเข้าสู่รายได้ อัตรากำไรขั้นต้น กระแสเงินสด และสินค้าคงเหลือหรือไม่ และสุดท้ายจึงพิจารณาการประเมินมูลค่า ต้นทุนการทำธุรกรรม และระดับความเสี่ยงที่ยอมรับได้ส่วนบุคคล หุ้น GPU ควรติดตามจากมุมมองการแข่งขันของแพลตฟอร์ม ระบบนิเวศซอฟต์แวร์ และระบบศูนย์ข้อมูล ส่วนหุ้น HBM ควรติดตามจากมุมมองวัฏจักรอุปสงค์-อุปทานของหน่วยความจำระดับไฮเอนด์ การรับรองจากลูกค้า และอำนาจต่อรองด้านราคา ข้อมูลจากตลาดสาธารณะสามารถช่วยสร้างกรอบการวิเคราะห์ได้ แต่ไม่ควรเข้าใจว่าเป็นคำแนะนำการลงทุนเฉพาะเจาะจง

หากคุณกำลังติดตามหุ้น HBM และหุ้น GPU คุณสามารถจัดวางหุ้นเหล่านี้ไว้ในห่วงโซ่โครงสร้างพื้นฐาน AI เดียวกันได้ แต่คุณไม่ควรใช้ตัวชี้วัดชุดเดียวกันในการประเมิน GPU นั้นคล้ายกับจุดเข้าสู่แพลตฟอร์ม AI มากกว่า ในขณะที่ HBM นั้นคล้ายกับคอขวดด้านประสิทธิภาพของ AI มากกว่า การบรรจุขั้นสูง (Advanced Packaging) อุปกรณ์เซมิคอนดักเตอร์ คลาวด์คอมพิวติ้ง และระบบเซิร์ฟเวอร์ ต่างก็มีความเสี่ยงที่แตกต่างกันออกไป คุณสามารถใช้ ค้นหาข้อมูลหุ้นสหรัฐฯ เพื่อจัดระเบียบรายชื่อหุ้นที่เกี่ยวข้อง จากนั้นจึงพิจารณาร่วมกับรายงานผลประกอบการ มูลค่าหุ้น (Valuation) โครงสร้างค่าธรรมเนียม และระดับความเสี่ยงที่คุณยอมรับได้ก่อนตัดสินใจลงทุน หากมีบริการที่เกี่ยวข้องในภูมิภาคของคุณ คุณยังสามารถ สมัครบัญชี เพื่อสำรวจการสนับสนุนการซื้อขายสินทรัพย์หลายรูปแบบของ Biya เพิ่มเติมได้อีกด้วยก่อนทำการซื้อขาย โปรดอ่านกฎของแพลตฟอร์ม ข้อมูลคำสั่งซื้อ รายละเอียดค่าธรรมเนียม และข้อกำหนดด้านกฎระเบียบที่เกี่ยวข้องในท้องถิ่นอยู่เสมอ

คำถามที่พบบ่อย

หุ้น HBM หรือหุ้น GPU ใดได้รับผลกระทบจากดีมานด์ AI มากกว่ากัน?

ทั้งหุ้น HBM และหุ้น GPU ต่างได้รับผลกระทบจากดีมานด์ AI แต่เส้นทางการส่งผ่านแตกต่างกัน หุ้น GPU ได้รับผลกระทบโดยตรงจากการจัดซ้ออุปกรณ์ประมวลผล AI มากกว่า ส่วนหุ้น HBM ได้รับประโยชน์ผ่านความต้องการความจุและแบนด์วิดท์หน่วยความจำของ GPU ระดับไฮเอนด์ ศักยภาพการเติบโตของ HBM อาจมีความเข้มข้นมากกว่า แต่ความผันผวนตามวัฏจักรก็อาจชัดเจนมากกว่าเช่นกัน

ทำไมหุ้น HBM จึงไม่เหมือนกับหุ้น DRAM ทั่วไป?

หุ้น HBM ไม่เหมือนกับหุ้น DRAM ทั่วไป เนื่องจาก HBM เป็นผลิตภัณฑ์ DRAM ระดับไฮเอนด์ที่มีแบนด์วิดท์สูง มีการซ้อนชั้น และอยู่ใกล้ชิดกับ GPU ในการประเมินหุ้น HBM จำเป็นต้องดูสัดส่วนรายได้จาก HBM การรับรองจากลูกค้า กำลังการผลิต อัตราผลผลิต และโครงสร้างผลิตภัณฑ์ ไม่ใช่เพียงดูว่าบริษัทผลิตหน่วยความจำหรือไม่เท่านั้น

เหตุใดหุ้น GPU จึงมักซื้อขายที่มูลค่าหลักทรัพย์สูงกว่าหุ้นหน่วยความจำ?

หุ้น GPU มักซื้อขายที่มูลค่าหลักทรัพย์สูงกว่า เนื่องจากมักรวมความคาดหวังเกี่ยวกับแพลตฟอร์ม ระบบนิเวศซอฟต์แวร์ และระบบศูนย์ข้อมูลเข้าไว้ด้วย ส่วนหุ้นหน่วยความจำอาจมีแรงหนุนจาก AI เช่นกัน แต่ยังคงได้รับผลกระทบจากวงจรราคา สินค้าคงคลัง และการขยายกำลังการผลิต ดังนั้นกรอบการประเมินมูลค่าของหุ้นกลุ่มนี้จึงมักผูกอยู่กับวงจรธุรกิจและการปรับปรุงส่วนผสมของผลิตภัณฑ์มากกว่า

การเติบโตของ AI Inference ส่งผลดีต่อหุ้น HBM หรือหุ้น GPU มากกว่ากัน?

การเติบโตของการอนุมาน (inference) ด้วย AI มักเป็นประโยชน์ต่อทั้งหุ้น GPU และ HBM แต่ในรูปแบบที่แตกต่างกัน GPU ได้ประโยชน์จากความต้องการกำลังประมวลผลสำหรับการอนุมาน ในขณะที่ HBM ได้ประโยชน์จาก KV cache หน้าต่างบริบทที่ยาวนาน และข้อกำหนดด้านความพร้อมกันสูง (high concurrency) ที่ต้องการความจุและแบนด์วิดท์ของหน่วยความจำ ผลกระทบสุดท้ายยังขึ้นอยู่กับต้นทุนการอนุมาน ประสิทธิภาพการใช้งานฮาร์ดแวร์ และจังหวะการจัดซื้อของลูกค้าด้วย

นักลงทุนทั่วไปจะหลีกเลี่ยงการซื้อหุ้นแนวคิด HBM ปลอมได้อย่างไร?

นักลงทุนทั่วไปควรตรวจสอบว่าบริษัทนั้นมีผลิตภัณฑ์ HBM จริงหรือไม่ มีการรับรองจากลูกค้าหรือไม่ มีส่วนช่วยในรายได้หรือไม่ หรือมีตำแหน่งสำคัญในห่วงโซ่อุปทานหรือไม่ บริษัทที่ให้บริการเพียง DRAM ทั่วไป อุปกรณ์จัดเก็บข้อมูลสำหรับผู้บริโภค การบรรจุระดับล่าง หรือวัสดุภายนอก อาจไม่ได้รับประโยชน์อย่างมีนัยสำคัญจากการเติบโตของปริมาณ HBM ระดับไฮเอนด์

ค่าธรรมเนียมและความเสี่ยงใดที่นักลงทุนควรใส่ใจเมื่อซื้อขายหุ้นที่เกี่ยวข้องกับ HBM และ GPU?

เมื่อซื้อขายหุ้นที่เกี่ยวข้องกับ HBM และ GPU นักลงทุนควรใส่ใจกับความผันผวนของราคาหุ้น การประเมินมูลค่า วงจรอุตสาหกรรม อัตราแลกเปลี่ยนเงินตราต่างประเทศ ค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมตัวแทนภายนอก และข้อกำหนดด้านกฎระเบียบในท้องถิ่น โดยค่าธรรมเนียมเฉพาะควรอ้างอิงจากข้อมูลค่าธรรมเนียมของแพลตฟอร์ม หน้าคำสั่งซื้อขาย และรายละเอียดการเรียกเก็บเงิน ข้อมูลตลาดสาธารณะไม่ถือเป็นคำแนะนำการลงทุน