บริษัทหนึ่งสามารถส่งผลต่อห่วงโซ่อุปทาน AI ทั้งหมดได้อย่างไร? จาก TSMC และ ASML สู่ Micron และ Seagate

ผลประกอบการของบริษัทเดียวสามารถส่งผลกระทบต่อห่วงโซ่อุปทาน AI ทั้งหมดได้ เนื่องจากรายงานผลประกอบการเปิดเผยข้อมูลมากกว่ารายได้ในอดีต กล่าวคือ ยังให้ข้อมูลเกี่ยวกับการลงทุนด้านทุนในอนาคต คำสั่งซื้อ กำลังการผลิต สินค้าคงคลัง และความต้องการของลูกค้าอีกด้วย เมื่อบริษัทคลาวด์เพิ่มการลงทุนในเซิร์ฟเวอร์ ผลกระทบจะไปถึง GPU อุปกรณ์เครือข่าย และ HBM เป็นอันดับแรก จากนั้นจึงแพร่กระจายไปสู่กระบวนการผลิตขั้นสูงของ TSMC ระบบเครื่องภาพถ่ายหิน (lithography) ของ ASML SSD สำหรับองค์กร และในที่สุดคือ HDD แบบใกล้ไลน์ (nearline) อย่างไรก็ตาม แต่ละส่วนธุรกิจสร้างรายได้จากความต้องการในช่วงเวลาที่แตกต่างกัน และการเคลื่อนไหวของราคาหุ้นที่สัมพันธ์กันไม่จำเป็นต้องหมายความว่าปัจจัยพื้นฐานกำลังดีขึ้นพร้อมกัน

ข้อสรุปสำคัญ

• การส่งผ่านผลกำไรของ AI ขับเคลื่อนด้วยการลงทุนด้านทุน คำสั่งซื้อ กำลังการผลิต และสินค้าคงคลังเป็นหลัก
• TSMC เชื่อมต่อผู้ออกแบบชิป การบรรจุชิปขั้นสูง และผู้ผลิตอุปกรณ์เซมิคอนดักเตอร์เข้าด้วยกัน
• คำสั่งซื้อของ ASML สะท้อนการขยายตัวในอนาคต และมักนำหน้ารายได้ของผู้รับจ้างผลิตเวฟเฟอร์
• Micron ได้รับประโยชน์จากการติดตั้งระบบประมวลผล ในขณะที่ Seagate ได้รับประโยชน์มากกว่าจากการเติบโตของข้อมูลในระยะยาว
• บริษัทต่างๆ ในห่วงโซ่อุปทาน AI เดียวกันไม่จำเป็นต้องมีวงจรรายได้หรือทิศทางราคาเหมือนกัน
• การตรวจสอบข้ามหลายบริษัทน่าเชื่อถือกว่าการพึ่งพารายงานผลประกอบการเพียงรายการเดียว

ทำไมผลกำไรของบริษัทเดียวจึงกลายเป็นสัญญาณสำหรับห่วงโซ่อุปทาน AI ทั้งหมดได้?

ผลประกอบการของบริษัทจะสร้างผลกระทบต่อห่วงโซ่อุปทานในระยะยาวได้ก็ต่อเมื่อรายงานนั้นเปลี่ยนความคาดหวังของตลาดเกี่ยวกับคำสั่งซื้อ การจัดซื้อจัดจ้าง หรือกำลังการผลิตเท่านั้น รายได้ที่สูงกว่าคาดเพียงอย่างเดียวไม่จำเป็นต้องหมายความว่าสภาพความต้องการของทั้งต้นน้ำและปลายน้ำกำลังฟื้นตัวไปพร้อมกัน การใช้จ่ายด้านทุนที่สูงขึ้น ความต้องการของลูกค้าที่เร่งตัวขึ้น คำสั่งซื้ออุปกรณ์ที่แข็งแกร่งขึ้น หรือสินค้าคงคลังที่ลดลง มีแนวโน้มมากกว่าที่จะทำให้นักวิเคราะห์ปรับแก้ประมาณการรายได้และผลประกอบการของบริษัทที่เกี่ยวข้อง

ความต้องการโครงสร้างพื้นฐาน AI มักเริ่มต้นจากระดับตลาดปลายทาง ผู้ให้บริการคลาวด์ตัดสินใจว่าจะสร้างศูนย์ข้อมูลและเซิร์ฟเวอร์จำนวนเท่าใด จากนั้นบริษัทชิปจะจองกำลังการผลิตตามคำสั่งซื้อ และผู้รับจ้างผลิตเวเฟอร์ (Foundry) จะจัดซื้อเครื่องมือการผลิตจากผู้ผลิตอุปกรณ์และวัสดุ เมื่อเซิร์ฟเวอร์เริ่มเข้าสู่การใช้งาน ยังต้องใช้ HBM, DRAM, SSD และฮาร์ดดิสก์ความจุสูงสำหรับการประมวลผลและจัดเก็บข้อมูลอีกด้วย

รายได้ไตรมาสแรกของปี 2026 ของ Alphabet แสดงให้เห็นว่าค่าใช้จ่ายด้านทุนรายไตรมาสอยู่ที่ 35.7 พันล้านดอลลาร์ โดยมีค่าใช้จ่ายด้านโครงสร้างพื้นฐานด้านเทคนิคประมาณ 60% จัดสรรให้กับเซิร์ฟเวอร์ และ 40% ให้กับศูนย์ข้อมูลและอุปกรณ์เครือข่าย ข้อมูลลักษณะนี้ส่งผลต่อความคาดหวังด้านความต้องการของ GPU, ชิปแบบกำหนดเอง, ระบบเครือข่าย, โครงสร้างพื้นฐานด้านพลังงาน และบริษัทด้านที่เก็บข้อมูลพร้อมกันในเวลาเดียวกัน

ผลประกอบการไตรมาสแรกของปี 2026 ของ Meta ทำให้บริษัทปรับเพิ่มคำแนะนำค่าใช้จ่ายด้านทุนประจำปีขึ้นไปอยู่ที่ 125,000 ล้านดอลลาร์–145,000 ล้านดอลลาร์ ซึ่งเป็นผลมาจากราคาอุปกรณ์ส่วนประกอบที่สูงขึ้นและความจุของศูนย์ข้อมูลในอนาคตเป็นบางส่วน ดังนั้นตลาดจึงต้องประเมินใหม่ไม่เพียงแค่กระแสเงินสดของ Meta เท่านั้น แต่ยังรวมถึงขนาดของการจัดซื้อเซิร์ฟเวอร์ ตัวเร่งปฏิกิริยา (accelerator) และอุปกรณ์จัดเก็บข้อมูลด้วย

ห่วงโซ่การส่งผ่านผลประกอบการที่ค่อนข้างสมบูรณ์สามารถสรุปได้ดังนี้:

1. ผู้ให้บริการคลาวด์เพิ่มการใช้จ่ายด้านทุนสำหรับ AI;
2. คำสั่งซื้อเพิ่มขึ้นสำหรับ Nvidia, AMD หรือผู้ผลิต ASIC เฉพาะทาง;
3. ความต้องการโหนดกระบวนการผลิตขั้นสูงและกำลังการผลิตบรรจุภัณฑ์ของ TSMC ตึงตัวขึ้น;
4. โรงงานรับเหมาผลิตเพิ่มการจัดซื้ออุปกรณ์ ส่งผลให้ซัพพลายเออร์อย่าง ASML ได้รับประโยชน์;
5. เซิร์ฟเวอร์ AI ต้องการความจุ HBM, DRAM และ SSD มากขึ้น;
6. การเติบโตของข้อมูลในที่สุดจะขับเคลื่อนการขยายตัวของพื้นที่จัดเก็บ HDD แบบ nearline

บริษัทในห่วงโซ่อุปทานไม่ได้เคลื่อนไหวอย่างสอดคล้องกันอย่างสมบูรณ์ ผลประกอบการไตรมาสสามของปีการเงิน 2026 ของ Microsoft อาจยืนยันได้ว่าดีมานด์คลาวด์และ AI ยังคงเติบโต แต่ Microsoft จัดซื้อ GPU ของ Nvidia ชิปที่ออกแบบเฉพาะ และหน่วยความจำจัดเก็บข้อมูลหลายประเภทจากผู้ขายที่แตกต่างกัน โดยผู้ขายแต่ละรายอาจได้รับสัดส่วนการใช้จ่ายที่ไม่เท่ากัน ในทำนองเดียวกัน การเติบโตของ รายได้ศูนย์ข้อมูลไตรมาสแรกของปีการเงิน 2027 ของ Nvidia ไม่ได้พิสูจน์ว่าเซมิคอนดักเตอร์กระบวนการโหนดเมเจอร์ NAND สำหรับผู้บริโภค หรือผลิตภัณฑ์ HDD ทั่วไปกำลังฟื้นตัวในเวลาเดียวกัน

สรุป: ผลกระทบที่แท้จริงของรายงานผลประกอบการต่อห่วงโซ่อุปทาน AI ไม่ได้อยู่ที่ว่าหุ้นที่เกี่ยวข้องจะขึ้นในวันเดียวกันหรือไม่ แต่สิ่งที่สำคัญคือรายงานนั้นเปลี่ยนแปลงคำสั่งซื้อ แผนการจัดซื้อ กำลังการผลิต และการประมาณการกำไรในกลุ่มธุรกิจอื่น ๆ หรือไม่ ในการประเมินความแข็งแรงของการส่งผ่าน ให้ระบุก่อนว่าบริษัทดำเนินธุรกิจในระดับใด ระหว่างระดับความต้องการ การออกแบบชิป การรับจ้างผลิต เครื่องจักร หรือหน่วยความจำ จากนั้นจึงประเมินความทับซ้อนของลูกค้า ช่วงเวลาการรับรู้รายได้ และความเกี่ยวข้องของธุรกิจ

ผลประกอบการของ TSMC ส่งผลต่อบริษัทชิป AI เครื่องจักร และบรรจุภัณฑ์เซมิคอนดักเตอร์อย่างไร?

รายได้ของ TSMC ถือเป็นสัญญาณที่ครอบคลุมสำหรับห่วงโซ่อุปทานฮาร์ดแวร์ AI อย่างกว้าง เพราะสะท้อนความต้องการการผลิตจริงจากนักออกแบบชิปอย่าง Nvidia, AMD และ Broadcom ขณะเดียวกันก็มีอิทธิพลต่อความคาดหวังด้านคำสั่งซื้อของ ASML, Applied Materials, Lam Research และผู้ผลิตบรรจุภัณฑ์ขั้นสูง ตัวชี้วัดที่สำคัญที่สุดมิใช่รายได้รวมรายไตรมาสเพียงอย่างเดียว แต่คือการเติบโตของ HPC สัดส่วนของโหนดการผลิตขั้นสูง ความสามารถด้านบรรจุภัณฑ์ และการลงทุนด้านทุน

รายได้จากโหนดการผลิตขั้นสูงยืนยันว่าชิป AI เข้าสู่การผลิตจำนวนมากแล้วหรือยัง

นักออกแบบชิปสามารถประกาศคำสั่งซื้อหรือแผนงานผลิตภัณฑ์ได้ก่อนที่การผลิตจะเริ่มขึ้น แต่ความต้องการจะกลายเป็นของจริงในระดับการผลิตก็ต่อเมื่อแผ่นเวเฟอร์เข้าสู่กระบวนการผลิตเท่านั้น ผลประกอบการไตรมาสแรกของปี 2026 ของ TSMC แสดงให้เห็นรายได้รายไตรมาสเป็นดอลลาร์สหรัฐ 35.9 พันล้านดอลลาร์ อัตรากำไรขั้นต้น 66.2% และคำแนะนำรายได้ไตรมาสที่สองอยู่ที่ 39,000 ล้าน–40,200 ล้านดอลลาร์

จากนั้นคุณควรตรวจสอบ:

• รายได้จากกลุ่ม HPC ยังคงเติบโตเร็วกว่าสมาร์ตโฟนและกลุ่มธุรกิจอื่น ๆ หรือไม่
• สัดส่วนของกระบวนการผลิตขั้นสูงอย่าง 3 นาโนเมตรและ 5 นาโนเมตรกำลังเพิ่มขึ้นหรือไม่
• การเติบโตมาจากปริมาณเวเฟอร์ ราคา หรือการปรับโครงสร้างผลิตภัณฑ์ไปสู่ระดับที่ล้ำสมัยขึ้นหรือไม่
• อุปสงค์ขับเคลื่อนโดยลูกค้า GPU รายเดียวหรือไม่
• การมองเห็นคำสั่งซื้อล่วงหน้าครอบคลุมหลายไตรมาสข้างหน้าหรือไม่

เมื่อรายได้จากกลุ่ม HPC และกระบวนการผลิตขั้นสูงเติบโตขึ้นพร้อมกัน แสดงว่าอุปสงค์ของชิป AI ได้ก้าวข้ามความคาดหวังของตลาดและเข้าสู่การผลิตเวเฟอร์จริงแล้ว แต่หากการเติบโตสะท้อนจากราคาที่สูงขึ้นเป็นหลัก หรือจากการสั่งซื้อล่วงหน้าโดยลูกค้ารายเดียว สัญญาณต่อห่วงโซ่อุปทานโดยรวมจะอ่อนแอกว่า

บรรจุภัณฑ์ขั้นสูง (Advanced Packaging) อาจตึงตัวกว่ากำลังการผลิตเวเฟอร์

ตัวเร่งปฏิกิริยา AI ไม่สามารถส่งมอบได้ทันทีที่แผงเวเฟอร์เสร็จสมบูรณ์ GPU, HBM และส่วนประกอบอื่น ๆ จะต้องถูกบูรณาการเข้าด้วยกันด้วยเทคโนโลยีการบรรจุขั้นสูง เช่น CoWoS หากมีคอขวดในขั้นตอนการบรรจุใด ๆ ก็สามารถทำให้การส่งมอบเซิร์ฟเวอร์ขั้นสุดท้ายล่าช้าได้

ระหว่างการประชุมสายผลประกอบการไตรมาสแรกของ TSMC ฝ่ายบริหารกล่าวว่าบริษัทจะเพิ่มการลงทุนเพื่อตอบสนองความต้องการที่เกี่ยวข้องกับ AI ที่แข็งแกร่ง และขยายกำลังการผลิตกระบวนการ N3 สัญญาณนี้ไม่เพียงส่งผลกระทบต่อการผลิตโหนดกระบวนการขั้นสูงเท่านั้น แต่ยังรวมถึงอุปกรณ์บรรจุ ซับสเตรต การทดสอบ วัสดุ และผู้จำหน่าย HBM อีกด้วย

ค่าใช้จ่ายฝ่ายทุนเป็นตัวกำหนดขั้นตอนถัดไปของอุปสงค์อุปกรณ์

ผลกระทบจากผลประกอบการของ TSMC ต่อ ASML มักไม่เกิดขึ้นทันที แต่ถ่ายทอดผ่านค่าใช้จ่ายฝ่ายทุนในอนาคต ผู้รับจ้างผลิตเซมิคอนดักเตอร์จะยืนยันอุปสงค์ของลูกค้าก่อน จากนั้นจึงขยายโรงงาน เครื่องมือการผลิต และกำลังการผลิตด้านการบรรจุ ส่วนผู้จำหน่ายอุปกรณ์จะเข้าสู่ขั้นตอนการผลิต การจัดส่ง การติดตั้ง และการตรวจรับในภายหลัง

รายงานประจำปี 2025 ของ TSMC ระบุว่าการผลิตขั้นสูง การบรรจุชิปขั้นสูง และการซ้อนชิป เป็นความสามารถสำคัญในการตอบสนองความต้องการด้าน AI หากฝ่ายบริหารเพิ่มการลงทุนในโหนดกระบวนการขั้นสูงและการบรรจุชิปต่อเนื่องกันหลายไตรมาส ความต้องการอุปกรณ์ก็มีแนวโน้มที่จะยั่งยืนมากกว่ากรณีที่รายได้รายไตรมาสเพียงทำได้ดีเกินคาดเพียงครั้งเดียว

ค่าใช้จ่ายด้านเงินลงทุนยังคงต้องแยกตามหมวดหมู่ เงินลงทุนอาจถูกจัดสรรไปยังลอจิกขั้นสูง กระบวนการผลิตรุ่นเก่า การบรรจุชิป การก่อสร้างโรงงาน หรือสิ่งอำนวยความสะดวกในต่างประเทศ มีเพียงส่วนที่เกี่ยวข้องโดยตรงกับเครื่องมือการผลิตเท่านั้นที่จะแปลเป็นรายได้ของผู้ผลิตอุปกรณ์

สรุป: ผลประกอบการของ TSMC ให้สัญญาณสองประเภท ได้แก่ ความต้องการการผลิตในปัจจุบันและแผนการขยายตัวในอนาคต HPC กระบวนการผลิตขั้นสูง และการบรรจุชิปขั้นสูง แสดงให้เห็นว่าชิป AI กำลังเข้าสู่การผลิตจริง ในขณะที่การใช้จ่ายด้านทุนเป็นตัวกำหนดโอกาสในอนาคตของ ASML และผู้ผลิตอุปกรณ์รายอื่นๆ รายได้ที่แข็งแกร่งของ TSMC ไม่ได้หมายความว่าบริษัทเซมิคอนดักเตอร์ทุกแห่งจะได้รับประโยชน์ในเวลาเดียวกัน การสัมผัสกับกระบวนการผลิต คอขวดด้านการบรรจุชิป โครงสร้างลูกค้า และกำหนดการส่งมอบอุปกรณ์ ยังคงเป็นปัจจัยสำคัญ

ผลประกอบการของ ASML บอกสัญญาณอะไรเกี่ยวกับวงจรการขยายตัวรอบถัดไปของผู้รับจ้างผลิตเซมิคอนดักเตอร์?

กำไรของ ASML มีประโยชน์มากกว่าในฐานะสัญญาณของการขยายตัวด้านฟาวน์ดรีในอนาคต มากกว่าเป็นตัวชี้วัดการจัดส่งชิป AI ในไตรมาสปัจจุบัน กระบวนการตั้งแต่ลูกค้ากำหนดงบประมาณด้านทุน ไปจนถึงการสั่งซื้อ การผลิต การขนส่ง การติดตั้ง และการตรวจรับระบบเครื่องถ่ายภาพด้วยแสง (lithography) อาจใช้เวลาหลายไตรมาส ดังนั้นความเห็นของฝ่ายบริหารเกี่ยวกับดีมานด์และโมเมนตัมของคำสั่งซื้อจึงมักมีลักษณะมองไปข้างหน้ามากกว่ารายได้รายไตรมาส

รายได้จากอุปกรณ์สะท้อนคำสั่งซื้อในอดีต ในขณะที่โมเมนตัมของคำสั่งซื้อสะท้อนการลงทุนในอนาคต

ผลประกอบการไตรมาสแรกของปี 2026 ของ ASML แสดงให้เห็นยอดขายสุทธิ 8.8 พันล้านยูโร อัตรากำไรขั้นต้น 53% และรายได้สุทธิ 2.8 พันล้านยูโร บริษัทยังได้ปรับเพิ่มการคาดการณ์ยอดขายสุทธิประจำปี 2026 เป็น 36,000–40,000 ล้านยูโร

ฝ่ายบริหารกล่าวว่าการลงทุนด้านโครงสร้างพื้นฐาน AI กำลังผลักดันความต้องการชิปให้สูงกว่าอุปทาน และลูกค้าต่างเร่งแผนขยายกำลังการผลิตสำหรับปี 2026 และหลังจากนั้น ซึ่งสะท้อนว่าความต้องการที่ TSMC ผู้ผลิตหน่วยความจำ และผู้รับจ้างผลิตรายอื่นเผชิญอยู่นั้นเริ่มส่งผลต่อการวางแผนกำลังการผลิตระยะกลาง ไม่ใช่เพียงคำสั่งซื้อระยะสั้นเท่านั้น

เมื่อวิเคราะห์ผลประกอบการของ ASML ควรติดตาม:

• ว่าลูกค้ากำลังเพิ่มความต้องการอุปกรณ์ระยะสั้นและระยะกลางหรือไม่
• ว่า EUV, DUV และบริการเครื่องจักรที่ติดตั้งแล้วกำลังพัฒนาไปพร้อมกันหรือไม่
• ว่าคำแนะนำยอดขายทั้งปีถูกปรับขึ้นหรือไม่
• ว่าการส่งมอบถูกจำกัดด้วยห่วงโซ่อุปทานหรือไม่
• ว่ามาตรการควบคุมการส่งออกกำลังเปลี่ยนสัดส่วนยอดขายในแต่ละภูมิภาคหรือไม่

EUV และ DUV สะท้อนการขยายตัวที่แตกต่างกัน

เครื่องลิโธกราฟี EUV ของ ASML ถูกใช้เป็นหลักในชั้นกระบวนการที่สำคัญสำหรับชิปลอจิกขั้นสูงและชิปหน่วยความจำระดับไฮเอนด์ ดังนั้นความต้องการ EUV ที่เพิ่มขึ้นจึงเกี่ยวข้องโดยตรงกับโหนดขั้นสูงของ TSMC และกระบวนการ DRAM ขั้นสูงที่ใช้สำหรับ HBM มากกว่า

เครื่องมือ DUV ถูกใช้ในชั้นกระบวนการผลิตชิปที่หลากหลายกว่ามาก และยังสนับสนุนการผลิตในโหนดเก่า (mature-node) อีกด้วย แม้ว่าความต้องการ GPU สำหรับ AI จะสูง แต่ผู้รับจ้างผลิตชิป (foundry) ก็ยังคงต้องการเครื่องระบบ DUV หลากหลายประเภทสำหรับขั้นตอนการผลิตเพิ่มเติม ดังนั้นการเติบโตของ ASML จึงไม่ควรถูกตีความว่าเป็นวงจรของ EUV เพียงอย่างเดียว

High-NA EUV ถูกออกแบบมาสำหรับกระบวนการผลิตชิปขั้นสูงยิ่งขึ้น แต่การได้รับการรับรองจากลูกค้า การตรวจสอบความถูกต้องของกระบวนการ และการผลิตในปริมาณมาก ต้องใช้เวลา การส่งมอบ High-NA เป็นสัญญาณทางเทคโนโลยีระยะยาว และไม่ควรถูกมองว่าเป็นตัวชี้วัดโดยตรงของรายได้ GPU ในไตรมาสถัดไป

ผลประกอบการที่แข็งแกร่งของ ASML ยังไม่ได้แปลว่า TSMC และ Micron จะต้องขยายตัวในจังหวะเดียวกันเสมอไป เนื่องจากชิปตรรกะ (Logic) และชิปหน่วยความจำ (Memory) อาจอยู่ในวงจรอุปสงค์-อุปทานที่แตกต่างกัน และลูกค้าปรับการจัดซื้อตามอัตราการใช้งาน กระแสเงินสด และข้อตกลงระยะยาว วงจรการขยายตัวจะสมบูรณ์ก็ต่อเมื่อความต้องการอุปกรณ์ การลงทุนด้านทุนของลูกค้า และผลผลิตเวเฟอร์ขั้นสุดท้ายเพิ่มขึ้นพร้อมกันทั้งหมด

สรุป: คุณค่าของผลประกอบการของ ASML อยู่ที่การเปิดเผยว่าโรงงานรับผลิตจริง (foundry) ยินดีลงทุนล่วงหน้าตามความต้องการในอนาคตหรือไม่ รายได้สะท้อนการส่งมอบคำสั่งซื้อก่อนหน้า ในขณะที่ความต้องการของลูกค้า แรงส่งของคำสั่งซื้อ และแนวทางประมาณการรายปี มีความเกี่ยวข้องโดยตรงกับกำลังการผลิตในอนาคตมากกว่า เครื่องจักร EUV, DUV และบริการติดตั้งที่มีอยู่ (installed-base services) ต้องได้รับการวิเคราะห์แยกจากกัน มิใช่ตัดสินว่าการเติบโตของอุปกรณ์ทั้งหมดมาจาก GPU สำหรับ AI

Micron และ Seagate จับกินความต้องการ AI ที่ต่างขั้นตอนกันอย่างไร?

Micron และ Seagate ต่างได้ประโยชน์จากการลงทุนในศูนย์ข้อมูล AI แต่ทั้งสองบริษัทตอบสนองต่อขั้นตอนที่แตกต่างกันของวงจรความต้องการ HBM และ DRAM ของ Micron เกี่ยวข้องโดยตรงกับการฝึกโมเดลและการอนุมาน (inference) ทำให้บริษัทอยู่ใกล้กับการติดตั้งเซิร์ฟเวอร์ ส่วนฮาร์ดดิสก์ nearline ของ Seagate ส่วนใหญ่ใช้สำหรับการจัดเก็บชุดข้อมูลขนาดใหญ่ในระยะยาว ดังนั้นความต้องการจึงมักปรากฏขึ้นหลังจากการสร้างข้อมูล การสะสมข้อมูล และการขยายความจุคลาวด์

Micron ได้รับประโยชน์จากการติดตั้งพลังการประมวลผล AI ก่อนเป็นอันดับแรก

เซิร์ฟเวอร์ AI แต่ละเครื่องไม่เพียงต้องการ GPU เท่านั้น แต่ยังต้องการหน่วยความจำแบบแบนด์วิดท์สูง หน่วยความจำระบบ และที่เก็บข้อมูลความเร็วสูงอีกด้วย เมื่อขนาดโมเดล ความยาวของบริบท (context length) และการทำงานพร้อมกันของการอนุมานเพิ่มขึ้น ความต้องการด้านความจุและแบนด์วิดท์ของหน่วยความจำต่อเซิร์ฟเวอร์ก็เพิ่มขึ้นเช่นกัน

ผลประกอบการไตรมาสที่สามของปีงบการเงิน 2026 ของ Micron แสดงให้เห็นรายได้รายไตรมาสที่ 41.46 พันล้านดอลลาร์ โดยมีการเติบโตอย่างมีนัยสำคัญในด้านหน่วยความจำสำหรับคลาวด์และรายได้จากศูนย์ข้อมูลหลัก บริษัทยังกล่าวด้วยว่า HBM4 ได้เริ่มการจัดส่งปริมาณมากสำหรับแพลตฟอร์มลูกค้ารายใหญ่แล้ว

เส้นทางการส่งผ่าน AI ของ Micron ประกอบด้วย:

• การจัดส่ง GPU ที่เพิ่มขึ้นทำให้ความต้องการ HBM ต่อตัวเร่ง (accelerator) เพิ่มสูงขึ้น
• HBM ใช้ทรัพยากรเวเฟอร์และการบรรจุ (packaging) มากขึ้น
• ความต้องการ DRAM ระดับไฮเอนด์อาจลดอุปทานที่มีอยู่สำหรับผลิตภัณฑ์ทั่วไป
• การผสมผสานผลิตภัณฑ์ที่หลากหลายขึ้นสามารถปรับปรุงอัตรากำไรขั้นต้นได้
• SSD สำหรับองค์กรสนับสนุนข้อมูลการฝึกอบรม (training data) และการเข้าถึงประสิทธิภาพสูง

แผนการผลิต HBM4 ของ Micron ยังแสดงให้เห็นว่าแพลตฟอร์ม AI รุ่นถัดไปกำลังเพิ่มความต้องการด้านแบนด์วิดท์ของหน่วยความจำ ความจุ และประสิทธิภาพการใช้พลังงานขึ้นพร้อมกัน ดังนั้นการประกาศผลิตภัณฑ์ใหม่จาก Nvidia และบริษัทชิปอื่น ๆ จึงส่งผลโดยตรงต่อกลุ่มผลิตภัณฑ์และการลงทุนด้านเงินทุนของ Micron

Seagate คว้าการสะสมข้อมูล AI ระยะยาว

โมเดล AI ต้องการชุดข้อมูลสำหรับการฝึกฝน บันทึกการอนุมาน (inference logs) วิดีโอ เอกสาร ข้อมูลสำรอง และไฟล์จดหมายเหตุเพื่อการปฏิบัติตามกฎระเบียบ ข้อมูลเหล่านี้ไม่ใช่ทั้งหมดที่จำเป็นต้องจัดเก็บอยู่บน SSD ประสิทธิภาพสูง ข้อมูลปริมาณมหาศาลที่ไม่ค่อยถูกเข้าถึงยังคงถูกย้ายไปยังฮาร์ดดิสก์ความจุสูงที่มีต้นทุนต่ำกว่าต่อไป

รายได้ไตรมาสที่สามของปีการเงิน 2026 ของ Seagate แสดงให้เห็นรายได้ 3.11 พันล้านดอลลาร์ อัตรากำไรขั้นต้นแบบ non-GAAP ที่ 47% และกระแสเงินสดอิสระ 953 ล้านดอลลาร์ ผู้บริหารเชื่อมโยงแนวโน้มการเติบโตกับการขยายตัวของการสร้างข้อมูลจากแอปพลิเคชัน AI และความต้องการจัดเก็บข้อมูลที่เพิ่มขึ้น

Seagate ใช้เทคโนโลยี HAMR เพื่อเพิ่มความจุต่อไดรฟ์ ซึ่งช่วยลดจำนวนแร็ก การใช้พลังงาน และอุปกรณ์ที่จำเป็นต่อเทระไบต์ ไดรฟ์ 30TB ของ Seagate สำหรับศูนย์ข้อมูล AI สะท้อนความต้องการด้านประสิทธิภาพของพื้นที่จัดเก็บข้อมูลหลังจากที่แอปพลิเคชัน AI ถูกนำไปใช้งาน มากกว่าความต้องการชิปประมวลผลโดยตัวของมันเอง

รายได้ที่แข็งแกร่งของ Micron จึงไม่ได้แปลว่ามีความต้องการที่เท่าเทียมกันต่อ Seagate ทันที ผู้ให้บริการคลาวด์อาจซื้อ GPU และ HBM ก่อน ใช้ความจุจัดเก็บข้อมูลที่มีอยู่ไประยะหนึ่ง และขยายความจุ nearline HDD เฉพาะเมื่อปริมาณข้อมูลและอัตราการใช้งานเพิ่มขึ้นเท่านั้น ทั้งสองบริษัทต่างมีส่วนร่วมในโครงสร้างพื้นฐาน AI แต่การรับรู้รายได้อาจห่างกันหลายไตรมาส

สรุป: Micron และ Seagate เป็นตัวแทนของสองระยะที่แตกต่างกันของความต้องการ AI Micron อยู่ใกล้กับการนำพลังการประมวลผลไปใช้งานมากกว่า โดยมีรายได้จาก HBM, DRAM และ SSD ปรากฏควบคู่ไปกับการตั้งค่าเซิร์ฟเวอร์ ส่วน Seagate อยู่ใกล้กับการสะสมข้อมูลมากกว่า โดยความต้องการ HDD แบบ nearline ขึ้นอยู่กับการใช้งานความจุของคลาวด์ สต็อกสินค้าของลูกค้า และการเก็บรักษาข้อมูลระยะยาว การเติบโตของ Micron สามารถยืนยันความต้องการ AI ด้านการประมวลผลได้ แต่ไม่สามารถพิสูจน์ได้ด้วยตัวเองว่าการจัดซื้อ HDD กำลังดีขึ้นในไตรมาสเดียวกันหรือไม่

คุณจะใช้รายงานผลประกอบการที่ออกก่อนกำหนดเพื่อวัดแรงส่งที่แท้จริงของห่วงโซ่อุปทาน AI ได้อย่างไร?

เพื่อพิจารณาว่าห่วงโซ่อุปทาน AI กำลังเข้าสู่ระยะการขยายตัวอย่างแท้จริงหรือไม่ คุณไม่ควรเพียงแค่มองหาบริษัทที่มีกำไรดีที่สุด การลงทุนด้านทุนคลาวด์ คำสั่งซื้อชิป การผลิตของ TSMC ความต้องการอุปกรณ์ของ ASML สภาพความจำของ Micron และการจัดส่งกำลังการผลิตของ Seagate จะต้องถูกวางไว้บนไทม์ไลน์เดียวกัน เพื่อพิจารณาว่าหลายภาคส่วนให้การยืนยันอย่างต่อเนื่องหรือไม่

ขั้นตอนแรกคือการระบุว่าแต่ละบริษัทอยู่ในตำแหน่งใดของห่วงโซ่อุปทาน:

1. บริการคลาวด์และแอปพลิเคชัน AI เป็นตัวกำหนดค่าใช้จ่ายด้านเงินทุน;
2. ผู้ออกแบบชิปสะท้อนความต้องการ GPU, ASIC และระบบเครือข่าย;
3. ผู้ผลิตเวเฟอร์และผู้ให้บริการบรรจุภัณฑ์ยืนยันการผลิตจริง;
4. บริษัทอุปกรณ์และหน่วยความจำสะท้อนการขยายกำลังการผลิตและการกำหนดค่าเซิร์ฟเวอร์;
5. อุปกรณ์จัดเก็บข้อมูลความจุสูงสะท้อนการสะสมข้อมูลในระยะยาว

ขั้นตอนที่สองคือการแยกแยะระหว่างตัวชี้วัดนำ ตัวชี้วัดพร้อมกัน และตัวชี้วัดตามหลัง

ขั้นตอนที่สามคือการตัดปัจจัยเฉพาะตัวของบริษัทออกไป การเติบโตของรายได้อาจมาจากการปรับราคา การเข้าซื้อกิจการ ความเคลื่อนไหวของอัตราแลกเปลี่ยน หรือการจัดซื้อครั้งเดียว มากกว่าจะมาจากความต้องการของอุตสาหกรรมโดยรวม อัตรากำไรขั้นต้นที่สูงขึ้นอาจเกิดจากวินัยด้านอุปทานแทนที่จะมาจากการเติบโตของปริมาณการจัดส่งก็ได้

จากการวิเคราะห์ห่วงโซ่อุปทานสู่การเทรด ต้นทุนยังคงเป็นเรื่องสำคัญ

หลังการประกาศงบการเงิน หุ้น TSMC ADR, ASML, Micron และ Seagate อาจเคลื่อนไหวอย่างรวดเร็วในการเทรดก่อนเปิดตลาดและหลังปิดตลาด นอกจากการประเมินปัจจัยพื้นฐานแล้ว คุณควรพิจารณาส่วนต่างราคาเสนอซื้อ-ขาย การคลาดสไลป์ ค่าธรรมเนียมแพลตฟอร์ม และค่าธรรมเนียมจากสถาบันภายนอก โดยเฉพาะเมื่อเทรดหุ้นในห่วงโซ่อุปทานหลายตัวภายในช่วงเวลาสั้น ๆ

ภายใต้โครงสร้างค่าธรรมเนียมหุ้นสหรัฐฯ ของ Biya ในปัจจุบัน ค่าคอมมิชชันคือ $0 ส่วนค่าธรรมเนียมแพลตฟอร์มคือ $0.005 ต่อหุ้น โดยมีขั้นต่ำ $0.99 ต่อคำสั่งซื้อ และสูงสุดไม่เกิน 1% ของมูลค่าธุรกรรม ค่าธรรมเนียมกิจกรรมสถาบันภายนอกและการซื้อขายรวมเป็น $0.00396 ต่อหุ้น สำหรับคำสั่งซื้อหุ้นเศษส่วนที่มีจำนวนน้อยกว่าหนึ่งหุ้นเต็ม ค่าธรรมเนียมแพลตฟอร์มจะเป็น 1% ของมูลค่าธุรกรรม โดยจำกัดไม่เกิน $1 การเรียกเก็บเงินจริงยังคงอยู่ภายใต้ศูนย์ค่าธรรมเนียมและหน้าจอคำสั่งซื้อ

คุณสามารถใช้กรอบการให้คะแนนดังต่อไปนี้:

• ค่าใช้จ่ายด้านอสังหาริมทรัพย์ของผู้รับส่งต่อ (downstream capital expenditure) ถูกปรับเพิ่มขึ้นหรือไม่?
• รายได้จากชิป AI และแนวโน้มการเติบโตยังคงเพิ่มขึ้นหรือไม่?
• ข้อกำหนดด้านโหนดการผลิตขั้นสูง (advanced-node) และการบรรจุชิป (packaging) ของ TSMC กำลังเพิ่มขึ้นหรือไม่?
• ลูกค้าของ ASML กำลังเร่งขยายการลงทุนหรือไม่?
• สภาพอุปสงค์-อุปทานของ HBM และ DRAM กำลังตึงตัวขึ้นหรือไม่?
• การจัดส่งฮาร์ดดิสก์แบบ nearline HDD เริ่มฟื้นตัวขึ้นหรือไม่?
• การคาดการณ์กำไรของนักวิเคราะห์ทั่วทั้งห่วงโซ่อุปทานกำลังปรับเพิ่มขึ้นหรือไม่?

สิ่งนี้ส่งผลให้เกิดสภาวะอุตสาหกรรมที่เป็นไปได้สี่แบบ:

• การขยายตัวอย่างกว้างขวาง: การใช้จ่ายด้านทุน ชิป โรงงานผลิตชิป (Foundries) อุปกรณ์ และหน่วยจัดเก็บข้อมูลต่างดีขึ้นทั้งหมด;
• ความแข็งแกร่งเฉพาะบางส่วน: GPU และ HBM ยังคงแข็งแกร่ง ขณะที่หน่วยจัดเก็บข้อมูลแบบทั่วไปยังไม่ได้รับอานิสงส์ตามไปด้วย;
• คอขวดด้านอุปทาน: อุปสงค์แข็งแกร่ง แต่ข้อจำกัดด้านเวเฟอร์ บรรจุภัณฑ์ หรือพลังงานไฟฟ้าทำให้การส่งมอบถูกจำกัด;
• ความคาดหวังที่เย็นลง: คำสั่งซื้อ แนวโน้มการเติบโต และอัตราการใช้กำลังการผลิตเริ่มอ่อนแรงลงพร้อมกัน

กลยุทธ์ผลิตภัณฑ์ระยะยาวของ Seagate เน้นย้ำถึงการเติบโตของข้อมูล AI และความจุที่สูงขึ้นของ HAMR แต่ความคาดหวังระยะยาวดังกล่าวยังคงต้องได้รับการยืนยันจากปริมาณการจัดส่ง Exabyte และการจัดซื้อของลูกค้าคลาวด์ในอนาคต ความเห็นของฝ่ายบริหารเกี่ยวกับโอกาสในอุตสาหกรรมไม่ควรถูกนำมาใช้เป็นหลักฐานเพียงอย่างเดียว

สรุป: การใช้กำไรเพื่อประเมินห่วงโซ่อุปทาน AI ต้องอาศัยหลักฐานที่สอดคล้องกันจากหลายบริษัทและหลายกลุ่มธุรกิจ ผู้ให้บริการคลาวด์ยืนยันงบประมาณ บริษัทชิปอย่าง Nvidia ยืนยันความต้องการด้านการประมวลผล TSMC ยืนยันการผลิต ASML ยืนยันการขยายกำลังการผลิต Micron ยืนยันส่วนแบ่งหน่วยความจำ และ Seagate ยืนยันความจุด้านการจัดเก็บข้อมูล บริษัทเดียวให้มุมมองได้เพียงด้านเดียวเท่านั้น จำเป็นต้องเห็นการพัฒนาที่ต่อเนื่องในหลายตัวชี้วัดก่อนที่จะสรุปได้ว่าโมเมนตัมของ AI นั้นกว้างขวางและยั่งยืน

เมื่อติดตามหุ้น TSMC, ASML, Micron และ Seagate คุณสามารถใช้ การค้นหาหุ้นสหรัฐฯ ของ Biya เพื่อจัดระเบียบวันประกาศงบการเงิน การเคลื่อนไหวของราคา และรายการเฝ้าดูห่วงโซ่อุปทาน ก่อนที่จะเปรียบเทียบตัวชี้วัดนำและตัวชี้วัดตาม นอกจากนี้ Biya ยังสามารถใช้เพื่อตรวจสอบข้อมูลตลาดที่เกี่ยวข้องและข้อกำหนดการซื้อขายได้ ในขณะที่ แอป รองรับการติดตามอย่างต่อเนื่องผ่านอุปกรณ์เคลื่อนที่ ความสัมพันธ์ของห่วงโซ่อุปทานไม่ได้รับประกันว่าราคาหุ้นจะสูงขึ้น และข้อมูลงบการเงินที่เปิดเผยต่อสาธารณะไม่ถือเป็นคำแนะนำในการลงทุน ความพร้อมให้บริการขึ้นอยู่กับที่ตั้งของผู้ใช้ ผลการตรวจสอบยืนยันตัวตน กฎของแพลตฟอร์ม ตลอดจนกฎหมายและข้อบังคับที่เกี่ยวข้อง

คำถามที่พบบ่อย

ทำไมกำไรที่แข็งแกร่งของ TSMC ไม่ได้แปลวว่าหุ้นกึ่งตัวนำทุกตัวจะขึ้น?

เพราะบริษัทต่าง ๆ ต้องรองรับลูกค้า กระบวนการผลิต และวงจรผลิตภัณฑ์ที่แตกต่างกัน ความต้องการที่แข็งแกร่งสำหรับโหนดกระบวนการขั้นสูงของ TSMC อาจเป็นประโยชน์ต่ออุปกรณ์และบรรจุภัณฑ์ระดับไฮเอนด์ ในขณะที่ผลิตภัณฑ์โหนดเก่า (mature-node) อิเล็กทรอนิกส์สำหรับผู้บริโภค หรือ NAND แบบทั่วไปยังคงอ่อนแอ นอกจากนี้ มูลค่าหุ้น (valuation) การขึ้นของราคาก่อนประกาศกำไร และความคาดหวังของตลาด ก็ส่งผลต่อปฏิกิริยาของราคาหุ้นเช่นกัน

ความต้องการอุปกรณ์ของ ASML มักนำหน้ารายได้ของผู้รับจ้างผลิตเวฟเมอร์ (Foundry) กี่งบไตรมาส?

ไม่มีระยะเวลาที่แน่นอน แต่ระยะเวลานำ (lead time) อาจกินเวลาหลายไตรมาส ผู้ผลิตเวเฟอร์ (Foundry) ต้องอนุมัติงบประมาณด้านเงินลงทุนก่อน จากนั้นจึงจะดำเนินการสั่งซื้อ การผลิตอุปกรณ์ การจัดส่ง การติดตั้ง และการตรวจรับ นักลงทุนควรเปรียบเทียบการใช้จ่ายด้านทุนของลูกค้า แนวทางการให้คำแนะนำของ ASML ยอดคำสั่งซื้อค้างรับ (backlog) และแผนการส่งมอบ

รายได้จาก HBM ของ Micron ที่เติบโตขึ้นช่วยเพิ่มความต้องการฮาร์ดไดรฟ์ของ Seagate ทันทีหรือไม่?

ไม่ HBM ให้การเข้าถึงข้อมูลด้วยความเร็วสูงในระหว่างการคำนวณ AI ในขณะที่ฮาร์ดไดรฟ์แบบ nearline ใช้สำหรับจัดเก็บชุดข้อมูลขนาดใหญ่ในระยะยาวด้วยต้นทุนที่ต่ำกว่า ผู้ให้บริการคลาวด์มักติดตั้งเซิร์ฟเวอร์และ HBM ก่อน จากนั้นจึงค่อยขยายความจุ HDD ตามอัตราการใช้งาน สต๊อกสินค้า และการเติบโตของข้อมูล

ควรวิเคราะห์ผลประกอบการของบริษัทเซมิคอนดักเตอร์อย่างไรเมื่อความต้องการ AI แข็งแกร่งแต่อุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคอ่อนแอ?

ควรวิเคราะห์ธุรกิจดาต้าเซ็นเตอร์ สมาร์ตโฟน พีซี ยานยนต์ และอุตสาหกรรมแยกจากกัน AI และ HBM อาจเติบโตได้ในขณะที่ DRAM สำหรับผู้บริโภค NAND หรือผลิตภัณฑ์โหนดเทคโนโลยีเก่ายังคงอยู่ในภาวะตกต่ำ รายได้รวมอาจปิดบังความแตกต่างเหล่านี้ จึงควรพิจารณารายได้แยกตามส่วนธุรกิจ ราคา และสินค้าคงเหลือด้วย

นักลงทุนจะแยกแยะความแข็งแกร่งเชิงพื้นฐานของห่วงโซ่อุปทาน AI ออกจากความสัมพันธ์ของหุ้นในระยะสั้นได้อย่างไร?

ความแข็งแกร่งเชิงพื้นฐานมักรวมถึงการปรับปรุงพร้อมกันในด้านค่าใช้จ่ายด้านทุน คำสั่งซื้อ อัตราการใช้กำลังการผลิต การจัดส่ง และการประมาณการกำไร หากหุ้นหลายตัวเคลื่อนไหวไปในทิศทางเดียวกันเฉพาะในวันประกาศผลประกอบการ ปฏิกิริยาดังกล่าวอาจเกิดจาก ETF ความรู้สึกนักลงทุน หรือการเปลี่ยนแปลงของมูลค่าหลักทรัพย์ มากกว่าที่จะเป็นผลจากอุปสงค์พื้นฐานที่แข็งแกร่งขึ้น