CoWoS คืออะไร? ทำไมจึงเป็นข้อจำกัดต่อการส่งมอบ GPU ของ NVIDIA?

CoWoS เป็นขั้นตอนสำคัญที่เปลี่ยน GPU AI ระดับไฮเอนด์จาก "เวเฟอร์ที่ผลิตเสร็จแล้ว" ให้กลายเป็น "ส่วนประกอบเซิร์ฟเวอร์ที่พร้อมใช้งาน" คุณสามารถมองว่ามันเป็นฐานรากความเร็วสูงที่เชื่อมต่อ GPU, ชิปเล็ต (chiplets) และ HBM เข้าด้วยกัน หากไม่มีกำลังการผลิต CoWoS เพียงพอ NVIDIA อาจสามารถเข้าถึงเวเฟอร์กระบวนการผลิตขั้นสูงได้เพียงพอ แต่ก็ยังไม่สามารถบูรณาการไดอ์คำนวณ, HBM, ซับสเตรต และการทดสอบเข้าเป็นผลิตภัณฑ์สำเร็จรูปได้ นั่นคือเหตุผลที่ข้อจำกัดในการจัดส่ง GPU ของ NVIDIA ไม่ได้เป็นเพียงเรื่อง "ชิปไม่พอ" เท่านั้น แต่เป็นเรื่องของบรรจุภัณฑ์ขั้นสูง, HBM, ซับสเตรต, อัตราผลผลิต และการส่งมอบระบบที่ต้องทำงานประสานกัน

สรุปประเด็นสำคัญ

• CoWoS เป็นแพลตฟอร์มบรรจุภัณฑ์ขั้นสูงแบบ 2.5D ที่เชื่อมต่อ GPU, chiplet และ HBM เข้าด้วยกัน
• คอขวดของ GPU AI ระดับไฮเอนด์ได้เปลี่ยนจากเวเฟอร์เพียงอย่างเดียวมาเป็นการบรรจุภัณฑ์และหน่วยความจำ
• Blackwell พึ่งพา CoWoS-L อย่างมากกว่าที่ Hopper เคยพึ่งพา CoWoS-S
• ภาวะขาดแคลน CoWoS อาจทำให้ GPU die ที่ผ่านการทดสอบแล้วไม่สามารถกลายเป็นผลิตภัณฑ์ตัวเร่งสำเร็จรูปได้
• การขยายกำลังการผลิตกำลังดำเนินไป แต่อัตราผลผลิต การจัดหา HBM และการแข่งขันของลูกค้ายังคงจำกัดการส่งมอบ
• หากต้องการติดตามการจัดส่งของ NVIDIA คุณจำเป็นต้องเฝ้าดู TSMC ผู้จัดหา HBM และห่วงโซ่อุปทานเซิร์ฟเวอร์ไปพร้อมกัน

CoWoS คืออะไร: ฐานความเร็วสูงระหว่าง GPU และ HBM

CoWoS ย่อมาจาก Chip on Wafer on Substrate โดยพื้นฐานแล้ว มันคือแพลตฟอร์มการแพ็กเกจขั้นสูงของ TSMC สำหรับงานคอมพิวติ้งประสิทธิภาพสูง มันไม่ได้แก้ปัญหาเรื่อง "วิธีผลิตทรานซิสเตอร์" แต่แก้ปัญหาเรื่อง "วิธีเชื่อมต่อไดห์ประสิทธิภาพสูงหลายตัว HBM และซับสเตรตแพ็กเกจเข้าด้วยกันด้วยความเร็วสูง" สำหรับ AI GPU คุณค่าของ CoWoS อยู่ที่การวางชิปประมวลผลและหน่วยความจำแบนด์วิดท์สูงไว้ใกล้ชิดกันมากที่สุด ซึ่งช่วยเพิ่มแบนด์วิดท์ ลดการใช้พลังงาน และรองรับการออกแบบชิประดับระบบที่มีขนาดใหญ่ขึ้น

บรรจุภัณฑ์แบบดั้งเดิมมีลักษณะคล้ายกับการวางชิปเดี่ยวลงในแพ็กเกจและเชื่อมต่อกับหน่วยความจำภายนอกและส่วนประกอบอื่น ๆ ผ่านแผงวงจร ในขณะที่ AI GPU ต้องเผชิญกับความท้าทายที่ซับซ้อนกว่านั้น: การฝึกและการอนุมานโมเดลต้องการให้ข้อมูลปริมาณมหาศาลเคลื่อนย้ายอย่างรวดเร็วระหว่าง GPU และหน่วยความจำ ซึ่งลวดวงจร PCB ทั่วไปแทบจะไม่สามารถตอบสนองแบนด์วิดท์และเวลาแฝงที่ต้องการได้ CoWoS ถูกพัฒนาขึ้นเพื่อวางได GPU, ชิปเล็ตลอจิก และสแตก HBM ลงบนแพลตฟอร์มเชื่อมต่อความหนาแน่นสูง

คุณสามารถมองว่า CoWoS เป็น "วิทยาเขตชิปความเร็วสูง" ก็ได้ GPU คือแกนประมวลผล HBM คือคลังสินค้าแบบแบนด์วิดท์สูงที่อยู่ติดกันทันที และอินเตอร์โพเซอร์หรือชั้นกระจายสายไฟ (redistribution layer) ก็คือระบบทางหลวงของวิทยาเขต ยิ่งถนนกว้างและระยะทางสั้นเท่าไร ข้อมูลยิ่งเคลื่อนที่เร็วขึ้นและต้นทุนพลังงานยิ่งต่ำลงเท่านั้น

CoWoS ของ TSMC ไม่ใช่กระบวนการเดียว แต่เป็นตระกูลเทคโนโลยี CoWoS-S ใช้ซิลิกอนอินเทอร์โพเซอร์ขนาดใหญ่ และเหมาะสำหรับการใช้งานคอมพิวติ้งสมรรถนะสูงพิเศษ CoWoS-R ใช้อินเทอร์โพเซอร์แบบ RDL และให้ความยืดหยุ่นเชิงโครงสร้างมากกว่า CoWoS-L ผสาน RDL เข้ากับการเชื่อมต่อซิลิกอนแบบท้องถิ่น ทำให้เหมาะสำหรับผลิตภัณฑ์ HPC ที่มีขนาดใหญ่และซับซ้อนมากขึ้น TSMC เปิดเผยว่า CoWoS-S สามารถรองรับอินเทอร์โพเซอร์ได้สูงสุดประมาณ 3.3 เท่าของขนาด reticle ในขณะที่การออกแบบที่ใหญ่กว่านั้นเหมาะสมกว่าสำหรับ CoWoS-L หรือ CoWoS-R

นี่คือจุดที่หลายคนเข้าใจผิดเกี่ยวกับ CoWoS เช่นกัน CoWoS ไม่ใช่เพียง “เปลือกบรรจุชิป” แต่เป็นแพลตฟอร์มวิศวกรรมระดับระบบที่กำหนดว่า GPU และ HBM จะสามารถทำงานร่วมกันด้วยความเร็วสูงได้หรือไม่ ยิ่งชิป AI มีขนาดใหญ่ขึ้น ยิ่งใช้ HBM มากขึ้น และโครงสร้างชิปเล็ตยิ่งซับซ้อนมากขึ้น กระบวนการบรรจุ (packaging) ก็ยิ่งเข้าใกล้การเป็นเทคโนโลยีหลักในตัวของมันเอง เมื่อวิเคราะห์ NVIDIA, TSMC, ผู้ผลิตอุปกรณ์บรรจุขั้นสูง หรือผู้จำหน่าย HBM คุณไม่ควรถามเพียงว่า “ใครสามารถผลิตเวเฟอร์กระบวนการโหนดขั้นสูงได้” เท่านั้น แต่ควรถามด้วยว่า “ใครสามารถส่งมอบการบรรจุระดับระบบที่มีขนาดพื้นที่ใหญ่ อัตราผลผลิตสูง และแบนด์วิดท์สูงได้อย่างน่าเชื่อถือ”

สรุป: คุณค่าหลักของ CoWoS คือการรวมแผ่นชิปคำนวณ (compute dies), HBM และชิปเล็ตอื่น ๆ เข้าไว้ในแพลตฟอร์มการเชื่อมต่อความหนาแน่นสูงแบบเดียว ซึ่งช่วยให้ AI GPU มีแบนด์วิดท์หน่วยความจำสูงขึ้น การใช้พลังงานในการเคลื่อนย้ายข้อมูลต่ำลง และความสามารถในการขยายระบบที่แข็งแกร่งยิ่งขึ้น การทำความเข้าใจ CoWoS จึงเป็นสิ่งจำเป็นในการทำความเข้าใจว่าเหตุใดเทคโนโลยีการบรรจุชิปขั้นสูงจึงได้วิวัฒนาการจากกระบวนการส่วนท้าย (back-end) ของเซมิคอนดักเตอร์ มาเป็นคอขวดเชิงกลยุทธ์ในห่วงโซ่อุปทานชิป AI

เหตุใด AI GPU ระดับไฮเอนด์จึงพึ่งพา CoWoS มากขึ้นเรื่อย ๆ

GPU AI ระดับไฮเอนด์นำ CoWoS มาใช้ไม่ใช่เพื่อให้ชิปดูกระชับขึ้น แต่เพื่อขยายขีดความสามารถด้านการประมวลผล หน่วยความจำ และการเชื่อมต่อภายในไปพร้อมกันทั้งสามด้าน การฝึกและการอนุมาน (inference) ของโมเดลขนาดใหญ่ไม่ได้ขึ้นอยู่กับจำนวนคอร์ประมวลผลเพียงอย่างเดียว แต่ยังต้องการการเคลื่อนย้ายพารามิเตอร์ ค่าการกระตุ้น (activations) และข้อมูลแคชเข้าสู่หน่วยประมวลผลอย่างต่อเนื่อง หากแบนด์วิดท์ของหน่วยความจำตามไม่ทัน GPU อาจมีพลังการประมวลผลเหลือเฟือ แต่ไม่มีข้อมูลเพียงพอที่จะใช้ประโยชน์จากมันอย่างเต็มที่ CoWoS ถูกออกแบบมาเพื่อบรรเทาคอขวดนี้โดยเฉพาะ

ชิป AI เคยถูกเข้าใจกันโดยหลักว่าเป็น “การแข่งขันด้านโหนดกระบวนการผลิตขั้นสูง”: ผู้ใดที่ใช้โหนดที่ล้ำหน้ากว่าจะได้ความหนาแน่นของทรานซิสเตอร์และประสิทธิภาพการใช้พลังงานที่สูงกว่า ในยุคของโมเดลขนาดใหญ่ อีกประเด็นหนึ่งได้กลายเป็นสิ่งที่สำคัญมากขึ้น: นั่นคือต้นทุนในการเคลื่อนย้ายข้อมูล ยิ่งโมเดลมีขนาดใหญ่ขึ้น ข้อมูลก็ยิ่งต้องเคลื่อนที่ระหว่าง GPU และหน่วยความจำบ่อยครั้งขึ้น และระยะทางของระบบเชื่อมต่อ แบนด์วิดท์ และการใช้พลังงาน ล้วนส่งผลต่อประสิทธิภาพการทำงานในโลกจริง

H200 เน้นย้ำเรื่อง HBM3E เนื่องจากงานด้าน generative AI และ HPC ต้องการความจุหน่วยความจำที่มากขึ้นและแบนด์วิดท์หน่วยความจำที่เร็วขึ้นเป็นอย่างมาก ด้วย Blackwell ข้อกำหนดด้านการแพ็กเกจจึงสูงขึ้นไปอีก สถาปัตยกรรม NVIDIA Blackwell แสดงให้เห็นว่า GPU แบบ Blackwell ประกอบด้วยดาย (die) สองตัวที่มีขนาดใกล้ขีดจำกัดเรติเคิล เชื่อมต่อกันเป็น GPU เดียวผ่านการเชื่อมต่อระหว่างชิปความเร็ว 10 TB/s แพลตฟอร์ม NVIDIA Blackwell ยังเน้นย้ำอีกว่า Blackwell มุ่งเป้าไปที่การฝึกโมเดลพารามิเตอร์นับล้านล้านและการอนุมานแบบเรียลไทม์ ซึ่งต้องการการสื่อสารระหว่างชิปต่อชิปและการเชื่อมต่อระดับระบบที่แข็งแกร่งยิ่งขึ้น

ซึ่งหมายความว่าสถาปัตยกรรมชิปเล็ต (chiplet) ไม่ได้ลดความสำคัญของเทคโนโลยีบรรจุชิปขั้นสูงลง แต่กลับเปลี่ยนความท้าทายของระบบจาก "สามารถผลิตชิปขนาดใหญ่ชิ้นเดียวได้หรือไม่" ไปเป็น "สามารถรวมชิปหลายชิ้นเข้าด้วยกันได้อย่างน่าเชื่อถือและด้วยความเร็วสูงหรือไม่"

GPU สำหรับผู้บริโภคสามารถใช้บรรจุภัณฑ์แบบดั้งเดิมเชิงสัมพัทธ์และหน่วยความจำ GDDR ได้ แต่ GPU AI สำหรับศูนย์ข้อมูลต้องการแบนด์วิดท์สูงมาก ความขนานสูง และความน่าเชื่อถือที่แข็งแกร่ง HBM ในตัวมันเองเป็นหน่วยความจำแบบซ้อนกัน แต่ยังคงต้องเชื่อมต่อกับ GPU ผ่านอินเตอร์โพสเซอร์ที่มีอินเทอร์เฟซกว้างมาก หากไม่มีแพลตฟอร์มบรรจุภัณฑ์ 2.5D อย่าง CoWoS ช่องทางข้อมูลระหว่าง GPU และ HBM จะไม่สามารถบรรลุความหนาแน่นของแบนด์วิดท์ที่จำเป็นสำหรับการฝึกอบรม AI ระดับสูงได้อย่างยากลำบาก

สำหรับนักลงทุนและผู้สังเกตการณ์ห่วงโซ่อุปทาน สิ่งนี้หมายความว่าความสามารถในการแข่งขันของ NVIDIA ไม่ได้มาจาก CUDA, สถาปัตยกรรม GPU และซอฟต์แวร์ระบบเพียงอย่างเดียว แต่ยังขึ้นอยู่กับว่า NVIDIA จะสามารถรักษาแหล่งการบรรจุชิปขั้นสูง, HBM และทรัพยากรระบบเซิร์ฟเวอร์ได้เพียงพอหรือไม่ เมื่อติดตามหุ้น NVDA, TSM, AMD, AVGO, MU และบริษัทอื่น ๆ ที่เกี่ยวข้องผ่าน ข้อมูลหุ้นสหรัฐฯ ควรประเมินรายได้จากศูนย์ข้อมูล, อัตรากำไรขั้นต้น และแนวทางการดำเนินงานของบริษัทเหล่านี้ร่วมกับกำลังการบรรจุชิป, แหล่งจำหน่ายหน่วยความจำ และระยะเวลาการส่งมอบด้วย

สรุป: GPU AI ระดับไฮเอนด์ต้องพึ่งพา CoWoS เนื่องจากคอขวดหลักของการคำนวณ AI นั้นมาจากแบนด์วิดท์ของหน่วยความจำและการเชื่อมต่อระหว่างชิปมากขึ้นเรื่อยๆ แม้ว่า die ของ GPU จะทรงพลังเพียงใด แต่ประสิทธิภาพของระบบก็ยังคงถูกจำกัดหากไม่สามารถแลกเปลี่ยนข้อมูลกับ HBM ได้ด้วยความเร็วสูง CoWoS ช่วยให้ GPU, HBM และชิปเล็ตสามารถรวมกันเป็นระบบแบนด์วิดท์สูงในระดับแพ็กเกจ ทำให้มันเป็นชั้นโครงสร้างพื้นฐานที่สำคัญสำหรับ Blackwell และ GPU AI ในอนาคต

เหตุใด CoWoS จึงจำกัดปริมาณการจัดส่ง GPU ของ NVIDIA

ขีดจำกัด CoWoS ส่งผลต่อปริมาณการจัดส่ง GPU ของ NVIDIA เนื่องพ้นแผ่นเวเฟอร์ถูกผลิตเสร็จแล้ว die ของ GPU จะไม่สามารถขายให้กับผู้ให้บริการคลาวด์หรือลูกค้าเซิร์ฟเวอร์ได้โดยตรง มันจะต้องถูกรวมเข้ากับ HBM, ซับสเตรตบรรจุภัณฑ์, โครงสร้างพลังงาน และการออกแบบระบายความร้อน จากนั้นจึงผ่านการทดสอบขั้นสุดท้ายก่อนที่จะกลายเป็นตัวเร่ง AI ที่พร้อมใช้งาน หากความจุของ CoWoS, HBM หรือความจุในการทดสอบไม่เพียงพอ die ที่ผ่านเกณฑ์ก็อาจติดค้างอยู่กลางสายการผลิตได้

GPU สำหรับ AI ระดับไฮเอนด์โดยทั่วไปจะต้องผ่านขั้นตอนต่อไปนี้ก่อนการส่งมอบ:

1. TSMC ผลิตเวเฟอร์ขั้นเทคโนโลยีโหนดขั้นสูงเสร็จสมบูรณ์
2. เวเฟอร์ถูกตัดแยกและคัดเลือก die สำหรับการคำนวณ GPU ที่ผ่านการตรวจสอบคุณภาพ
3. ผู้ผลิต HBM ดำเนินการซ้อนหน่วยความจำ การทดสอบ และการรับรองจากลูกค้าให้เสร็จสมบูรณ์
4. GPU, HBM และชิปเล็ตถูกส่งเข้าสู่กระบวนการรวม CoWoS
5. แพ็กเกจถูกเชื่อมต่อกับซับสเตรตขนาดใหญ่เพื่อสร้างแพ็กเกจที่สมบูรณ์
6. การทดสอบการจ่ายไฟ การจัดการความร้อน ความสมบูรณ์ของสัญญาณ และความน่าเชื่อถือเสร็จสมบูรณ์
7. ผลิตภัณฑ์ถูกส่งเข้าสู่การประกอบการ์ดตัวเร่ง, เมนบอร์ดเซิร์ฟเวอร์ หรือระบบทั้งหมด
8. ผู้ให้บริการคลาวด์และลูกค้าองค์กรดำเนินการติดตั้งใช้งานและการตรวจรับให้เสร็จสมบูรณ์

ประเด็นสำคัญคือทุกขั้นตอนต้องสอดคล้องกัน หากอัตราการตายของ GPU เพียงพอแต่ HBM ไม่เพียงพอ กระบวนการแพ็กเกจก็จะสำเร็จไม่ได้ หาก HBM เพียงพอแต่ความสามารถของ CoWoS-L ไม่เพียงพอ ชิปก็ยังคงส่งมอบไม่ได้ หากแพ็กเกจเสร็จสมบูรณ์แต่อัตราผลผลิตในการทดสอบไม่เสถียร ปริมาณการส่งมอบจริงก็จะยังคงต่ำกว่าปริมาณการนำเข้า

การประมาณการของ Epoch AI เกี่ยวกับห่วงโซ่อุปทานชิป AI ชี้ว่าในปี 2025 NVIDIA, Google, AMD และ Amazon รวมกันใช้กำลังการผลิตบรรจุภัณฑ์ CoWoS และอุปทาน HBM ทั่วโลกมากกว่า 90% โดย NVIDIA เพียงรายเดียวคิดเป็นประมาณ 60% ของอุปทาน CoWoS ตัวเลขเหล่านี้เป็นการประมาณการจากงานวิจัย มิใช่ตัวเลขที่เปิดเผยโดยบริษัท แต่สะท้อนให้เห็นความจริงที่ว่าบรรจุภัณฑ์ขั้นสูงและ HBM อาจกลายเป็นคอขวดในระยะสั้นได้ง่ายกว่าเวเฟอร์ลอจิกขั้นสูง

TSMC กำลังขยายกำลังการผลิตอย่างต่อเนื่อง จากการประชุมสายกำไรไตรมาส 1 ปี 2025 ของ TSMC ระบุว่าบริษัทกำลังดำเนินการเพื่อเพิ่มกำลังการผลิต CoWoS ในปี 2025 เป็นสองเท่าเพื่อรองรับความต้องการของลูกค้า แต่การเพิ่มกำลังการผลิตเป็นสองเท่าไม่ได้หมายความว่าปริมาณการจัดส่งจะเพิ่มขึ้นเป็นสองเท่าทันที เนื่องจากการติดตั้งอุปกรณ์ใหม่ การนำวัสดุเข้ามา การรับรองลูกค้า และการเพิ่มอัตราผลผลิต ล้วนใช้เวลา การประชุมสายกำไรไตรมาส 1 ปี 2026 ของ TSMC ยังคงแสดงให้เห็นว่าอุปทานบรรจุภัณฑ์ขั้นสูงยังคงแน่น โดย TSMC ยังต้องร่วมมือกับพันธมิตร OSAT เพื่อขยายกำลังการผลิตขั้นตอนหลัง (back-end) อีกด้วย

หากคุณมองห่วงโซ่อุปทาน GPU สำหรับ AI ว่าเป็นสายการผลิตแล้ว CoWoS ก็เปรียบเสมือนประตูความเร็วสูงที่แคบที่สุดตรงกลาง แม้ว่าการผลิตเวเฟอร์จะรวดเร็วและความต้องการเซิร์ฟเวอร์จะแข็งแกร่งเพียงใด แต่การส่งมอบ GPU ขั้นสุดท้ายก็ยังคงถูกจำกัด หากประตูนี้ไม่สามารถรองรับการแพ็กเกจขนาดใหญ่ได้เพียงพอ

สรุป: CoWoS จำกัดการจัดส่ง GPU ของ NVIDIA ไม่ใช่เพราะเป็นเพียง "ขั้นตอนการแพ็กเกจ" แต่เพราะ GPU ระดับไฮเอนด์ต้องทำการรวมระบบของ GPU, HBM, ซับสเตรต และการทดสอบให้เสร็จสมบูรณ์ในขั้นตอนการแพ็กเกจ หากลิงก์ใดในบรรดา CoWoS, HBM, อัตราผลผลิต และการประกอบเซิร์ฟเวอร์ตึงตัว ความต้องการในเชิงนามของ NVIDIA ก็จะไม่สามารถเปลี่ยนเป็นการส่งมอบจริงได้อย่างเต็มที่

จาก Hopper สู่ Blackwell: เหตุใดคอขวดจึงกำลังเปลี่ยนจาก CoWoS-S ไปเป็น CoWoS-L

ความต้องการบรรจุภัณฑ์ขั้นสูงของ NVIDIA ไม่ได้ลดลงแม้ว่า Hopper จะเข้าสู่ระยะเป็นผู้ใหญ่ แต่กลับเปลี่ยนไปสู่ CoWoS-L ที่ซับซ้อนมากขึ้นพร้อมกับการมาของ Blackwell Hopper ขึ้นอยู่กับ CoWoS-S เป็นหลัก ในขณะที่ Blackwell ต้องการบรรจุภัณฑ์แบบหลายชิปที่ใหญ่กว่าและซับซ้อนกว่า กล่าวอีกนัยหนึ่ง ประเด็นไม่ใช่ว่า "NVIDIA ใช้ CoWoS น้อยลง" แต่เป็น "ประเภทของ CoWoS ที่ NVIDIA ต้องการกำลังเปลี่ยนแปลง" และกำลังการผลิตเดิมกับกำลังการผลิตใหม่ไม่สามารถใช้แทนกันได้อย่างสมบูรณ์

ความคิดเห็นของ Jensen Huang เกี่ยวกับความต้องการด้านบรรจุภัณฑ์ (packaging) ที่เปลี่ยนแปลง เป็นเรื่องสำคัญ: Blackwell จะใช้ CoWoS-L เป็นจำนวนมาก ขณะที่ Hopper ยังคงใช้ CoWoS-S ต่อไป NVIDIA ไม่ได้ลดความต้องการด้านการบรรจุภัณฑ์ขั้นสูงลง แต่เป็นการเปลี่ยนความต้องการนั้นไปสู่ CoWoS-L รายงานเดียวกันของ Reuters ยังระบุด้วยว่ายอดขายชิป Blackwell ถูกจำกัดด้วยกำลังการผลิตของ TSMC โดยด้านการบรรจุภัณฑ์ยังคงเป็นหนึ่งในคอขวด

ทำไม CoWoS-L จึงยากกว่า? เพราะมันไม่ได้เป็นเพียงแค่เวอร์ชันขนาดใหญ่ของ CoWoS-S เท่านั้น แพ็กเกจขนาดใหญ่นำมาซึ่งความหนาแน่นของเส้นทางสายไฟ (routing density) ที่สูงขึ้น ความเครียดจากการขยายตัวทางความร้อนที่ซับซ้อนมากขึ้น การควบคุมความเรียบของพื้นผิวที่เข้มงวดยิ่งขึ้น และการทดสอบที่ต้องการความแม่นยำสูงกว่า ยิ่งพื้นที่ของแพ็กเกจใหญ่ขึ้นเท่าไร ความสูญเสียที่เกิดจากข้อบกพร่องเฉพาะจุดใดๆ ก็ยิ่งสูงขึ้นเท่านั้น และยิ่งมี chiplet และสแตก HBM มากขึ้นเท่าไร อัตราผลผลิตระดับระบบ (system-level yield) ก็ยิ่งขึ้นอยู่กับการที่ส่วนประกอบทั้งหมดต้องผ่านการรับรองพร้อมกันมากขึ้นเท่านั้น

นี่คือเหตุผลที่การขยายตัวของบรรจุภัณฑ์ขั้นสูงช้ากว่าที่ผู้เล่นในตลาดจำนวนมากคาดหวัง การสร้างโรงงานและการซื้ออุปกรณ์เป็นเพียงขั้นตอนแรกเท่านั้น ยังต้องตามด้วยการจับคู่วัสดุ การปรับแต่งกระบวนการ การรับรองลูกค้า และการเพิ่มอัตราผลผลิตการผลิต การประเมินของ TrendForce เกี่ยวกับการขาดแคลนบรรจุภัณฑ์ 2.5D ระบุว่าชิปประมวลผล AI ใช้ทรัพยากรเวเฟอร์และบรรจุภัณฑ์ต่อหน่วยมากขึ้น และการขาดแคลนบรรจุภัณฑ์ 2.5D ทั่วโลกอย่างรุนแรงอาจเริ่มบรรเทาลงเพียงเล็กน้อยในปี 2027 เท่านั้น

สิ่งนี้มีนัยสำคัญสองประการต่อ NVIDIA และ TSMC ประการแรก การผลิต Hopper ต่อเนื่องใช้ทรัพยากร CoWoS-S ในขณะที่การเพิ่มปริมาณการผลิต Blackwell ต้องใช้ CoWoS-L ดังนั้นการปรับสัดส่วนกำลังการผลิตในตัวมันเองจึงเป็นความท้าทาย ประการที่สอง การอัปเกรดผลิตภัณฑ์เพิ่มการใช้พื้นที่บรรจุภัณฑ์ HBM และทรัพยากรทดสอบต่อ GPU หนึ่งตัว แม้ว่า TSMC จะเพิ่มกำลังการผลิตรวม แต่การใช้ทรัพยากรต่อหน่วยอาจสูงขึ้นในเวลาเดียวกัน

เมื่อทำการซื้อขายหรือวิจัยหุ้น NVDA, TSM, AMD, SK hynix, Micron และหุ้นอื่นๆ ในห่วงโซ่อุปทาน คุณไม่ควรมองเพียงว่า GPU รุ่นถัดไปได้เปิดตัวหรือไม่เท่านั้น คุณยังต้องถามด้วยว่าเส้นทางการแพ็กเกจที่เกี่ยวข้องมีความพร้อมหรือไม่ HBM ผ่านการรับรองหรือไม่ และซัพพลายเออร์สามารถสนับสนุนการผลิตจำนวนมากอย่างเสถียรได้หรือไม่

สรุป: จาก Hopper สู่ Blackwell คอขวดของ CoWoS ยังไม่ได้หายไป แต่กำลังเปลี่ยนจาก CoWoS-S ที่เป็นผู้ใหญ่กว่า ไปสู่ CoWoS-L ที่ซับซ้อนกว่า การออกแบบแบบ dual-die ของ Blackwell พื้นที่บรรจุ (package) ที่ใหญ่ขึ้น และความต้องการ HBM ที่สูงขึ้น ส่งผลให้ทรัพยากรการบรรจุขั้นสูงที่ใช้ต่อหน่วยเพิ่มมากขึ้น หากการขยายกำลังการผลิตไม่สามารถตามการเปลี่ยนแปลงของส่วนผสมผลิตภัณฑ์ได้ การส่งมอบ NVIDIA GPU ก็ยังคงอาจถูกจำกัดได้

คอขวดของ CoWoS จะบรรเทาลงเมื่อใด? สัญญาณที่ควรจับตา

อุปทาน CoWoS กำลังดีขึ้น แต่เป็นไปได้ยากที่ข้อจำกัดจะหมดไปทั้งหมดภายในไตรมาสเดียว มุมมองที่สมเหตุสมผลกว่าคือ กำลังการผลิตจะขยายตัวอย่างค่อยเป็นค่อยไป และภาวะขาดแคลนจะค่อยๆ ลดลงตามเวลา แต่คอขวดอาจย้ายไปมาระหว่าง CoWoS-L, HBM, ซับสเตรตบรรจุภัณฑ์, อัตราผลผลิตการทดสอบ และระบบเซิร์ฟเวอร์ทั้งระบบ คุณควรติดตามไม่เพียงแค่ประกาศกำลังการผลิตของ TSMC แต่ยังรวมถึงกำลังการผลิตที่มีประสิทธิภาพจริง การจัดสรรให้ลูกค้า อัตราผลผลิต และวงจรการส่งมอบในตลาดปลายทางด้วย

การประเมินช่องว่างอุปสงค์-อุปทานของ CoWoS โดย TrendForce ชี้ว่า เมื่อ TSMC และคู่ค้าขยายกำลังการผลิต ช่องว่างของ CoWoS อาจแคบลงจากราว 20% เหลือราว 10% ภายในสิ้นปี 2026 รายงานยังกล่าวถึงว่ากำลังการผลิตรายเดือนของ CoWoS ของ TSMC ในปี 2026 อาจแตะระดับ 120,000 ถึง 140,000 แผ่นเวเฟอร์ โดยคู่ค้า OSAT จะเพิ่มกำลังการผลิตเสริมอีกต่อไป ตัวเลขเหล่านี้เป็นการประเมินจากห่วงโซ่อุปทาน และไม่ควรถือเป็นข้อผูกพันการส่งมอบอย่างเป็นทางการของ TSMC

สัญญาณการขยายตัวในช่วงไม่นานมานี้ก็ยังคงน่าจับตาดูเช่นกัน รายงานของ Reuters เกี่ยวกับ โรงงานบรรจุชิปขั้นสูงใหม่ 2 แห่งในนิคมวิทยาศาสตร์เจียอี้ แสดงให้เห็นว่า TSMC ยังคงลงทุนในด้านการบรรจุชิปขั้นสูงอยู่ ประเด็นคือสิ่งอำนวยความสะดวกแห่งใหม่มักต้องใช้เวลาที่ชัดเจนตั้งแต่การก่อสร้าง การเคลื่อนย้ายอุปกรณ์เข้า และการผลิตทดลอง ไปจนถึงการผลิตจำนวนมากอย่างเสถียร

ในระยะกลาง คอขวดด้าน CoWoS อาจคลายตัวลง แต่การอัปเกรดแพลตฟอร์มชิป AI อย่างต่อเนื่องอาจก่อให้เกิดข้อจำกัดใหม่ หลังจาก Blackwell ทั้ง HBM4, แพ็กเกจที่ใหญ่ขึ้น, การเชื่อมต่อแบบออปติคัล, ระบบหล่อเย็นด้วยของเหลว, การจ่ายไฟ และระบบระดับแร็ก ล้วนอาจกลายเป็นจุดอ่อนใหม่ ห่วงโซ่อุปทานก็เปรียบเสมือนไม้ก๊อกที่เปลี่ยนแปลงไปเรื่อยๆ: เมื่อ CoWoS มีข้อจำกัดน้อยลง ทั้ง HBM, กำลังการผลิตโหนดขั้นสูง, ซับสเตรต หรือการส่งมอบระบบทั้งหมด อาจกลายเป็นไม้ก๊อกที่สั้นที่สุดเส้นถัดไป

เมื่อเปลี่ยนการวิเคราะห์ห่วงโซ่อุปทานไปเป็นข้อสังเกตสำหรับการเทรด ต้นทุนการทำธุรกรรมก็เป็นอีกปัจจัยสำคัญที่ต้องคำนึงถึง หุ้นกลุ่มชิป AI มีความผันผวนสูง และข้อมูลห่วงโซ่อุปทานเปลี่ยนแปลงอย่างรวดเร็ว ก่อนที่จะส่งคำสั่งซื้อขาย นอกจากการศึกษากำลังการผลิตและผลประกอบการของ NVDA, TSM, AMD, MU และบริษัทอื่น ๆ แล้ว คุณยังต้องยืนยันประเภทคำสั่ง ราคาที่ใช้ดำเนินการ ค่าธรรมเนียมแพลตฟอร์ม และค่าธรรมเนียมตัวแทนภายนอกอีกด้วย ตัวอย่างเช่น Biya รองรับการเทรดสินทรัพย์หลายประเภททั่วทั้งหุ้นสหรัฐฯ หุ้นฮ่องกง และสินทรัพย์ดิจิทัล ค่าธรรมเนียมการเทรดหุ้นสหรัฐฯ ระบุว่าค่าคอมมิชชั่นการซื้อขายหุ้นสหรัฐฯ เท่ากับ 0 ดอลลาร์สหรัฐ ส่วนค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมตัวแทนภายนอก และค่าใช้จ่ายอื่น ๆ ให้เป็นไปตามตารางค่าธรรมเนียมและข้อมูลที่แสดงบนหน้าคำสั่งซื้อขายความพร้อมใช้งานของบริการขึ้นอยู่กับที่ตั้งของผู้ใช้ ผลการตรวจสอบยืนยันตัวตน กฎของแพลตฟอร์ม และกฎหมายและข้อบังคับที่เกี่ยวข้อง ข้อมูลตลาดสาธารณะและโครงสร้างค่าธรรมเนียมไม่ถือเป็นคำแนะนำในการลงทุน

สรุป: คอขวดของ CoWoS กำลังเปลี่ยนจาก "ภาวะขาดแคลนอย่างรุนแรง" ไปสู่ระยะ "การขยายกำลังการผลิตตามให้ทัน" แต่ห่วงโซ่อุปทานจะไม่หลุดพ้นจากข้อจำกัดอย่างทั่วไปเพียงเพราะตัวชี้วัดกำลังการผลิตหนึ่งตัวดีขึ้น คุณควรติดตามกำลังการผลิตที่มีประสิทธิภาพของ CoWoS-L การรับรอง HBM อัตราผลผลิตของการบรรจุชิป ความร่วมมือกับ OSAT การส่งมอบเซิร์ฟเวอร์ และ CAPEX ของผู้ให้บริการคลาวด์อย่างพร้อมกัน สำหรับ NVIDIA การจัดส่ง GPU ไม่ได้ถูกกำหนดโดยตัวเลขกำลังการผลิตเพียงตัวเดียว แต่ขึ้นอยู่กับการประสานงานตลอดห่วงโซ่ตั้งแต่เวเฟอร์ HBM และการบรรจุชิป ไปจนถึงการส่งมอบระบบขั้นสุดท้าย

หากคุณติดตามห่วงโซ่อุปทานชิป AI, CoWoS ถือเป็นมุมมองสำคัญในการทำความเข้าใจ NVIDIA, TSMC, ผู้จัดจำหน่าย HBM และผู้ผลิตอุปกรณ์การบรรจุชิปขั้นสูง ในระยะสั้น มันส่งผลกระทบต่อกำหนดการส่งมอบ GPU และวงจรการจัดซื้อของคลาวด์ ในระยะกลาง มันมีอิทธิพลต่อการใช้จ่ายด้านทุนของ TSMC คำสั่งซื้ออุปกรณ์ การจัดสรร HBM และการส่งมอบเซิร์ฟเวอร์ AI ในระยะยาว มันแสดงให้เห็นว่าการประมวลผล AI กำลังเปลี่ยนจาก "การแข่งขันด้านประสิทธิภาพชิปเดี่ยว" ไปสู่ "การแข่งขันด้านความสามารถในการผลิตระดับระบบ" เมื่อใช้เครื่องมือซื้อขายสินทรัพย์หลายประเภทอย่าง Biya เพื่อติดตามบริษัทที่เกี่ยวข้อง ควรประเมินราคาหุ้น กำไร กำลังการผลิต โครงสร้างค่าธรรมเนียม และระดับความเสี่ยงที่ยอมรับได้ส่วนบุคคลภายใต้กรอบเดียวกัน มากกว่าการตัดสินใจบนพื้นฐานของพาดหัวข่าวเพียงเรื่องเดียว

คำถามที่พบบ่อย

GPU ของ NVIDIA ทุกตัวจำเป็นต้องใช้ CoWoS หรือไม่?

ไม่ใช่ทุกรุ่นที่จำเป็นต้องใช้ CoWoS CoWoS ถูกใช้หลักสำหรับ GPU AI สำหรับศูนย์ข้อมูลระดับไฮเอนด์ เช่น H100, H200 และ Blackwell ส่วน GPU GeForce สำหรับผู้บริโภคหรือผลิตภัณฑ์สเปกต่ำบางรุ่นอาจใช้โซลูชันบรรจุภัณฑ์และหน่วยความจำแบบอื่น สิ่งสำคัญคือต้องแยกแยะระหว่างตัวเร่ง AI สำหรับศูนย์ข้อมูลกับการ์ดจอทั่วไป

เมื่อกำลังการผลิต CoWoS เพิ่มขึ้นเป็นสองเท่า GPU ของ NVIDIA จะมีผลผลิตเพิ่มขึ้นทันทีหรือไม่?

ไม่ ผลผลิต GPU จะไม่เพิ่มขึ้นทันทีตามกำลังการผลิต CoWoS เนื่องจากการขยายกำลังการผลิตยังคงต้องใช้การติดตั้งอุปกรณ์ การปรับจูนกระบวนการผลิต การรับรองจากลูกค้า การเพิ่มอัตราผลผลิตที่ดี การจับคู่ HBM และการประกอบเซิร์ฟเวอร์ กำลังการผลิตในเชิงทฤษฎีที่สูงขึ้นมักช่วยเพิ่มความยืดหยุ่นด้านอุปทานก่อน แล้วจึงค่อยๆ สะท้อนให้เห็นในวงจรการส่งมอบ GPU ของ NVIDIA

ความแตกต่างระหว่างการขาดแคลน CoWoS กับการขาดแคลน HBM คืออะไร?

CoWoS คือความสามารถด้านการบรรจุชิปขั้นสูงที่ผสานรวม GPU, HBM และชิปเล็ตเข้าด้วยกัน ส่วน HBM คือหน่วยความจำแบบแบนด์วิดท์สูงที่ถูกผสานเข้าไปในแพ็กเกจ หากอย่างใดอย่างหนึ่งมีไม่เพียงพอ การจัดส่ง GPU AI ระดับไฮเอนด์อาจได้รับผลกระทบ CoWoS เป็นคอขวดด้านการผสานการผลิตมากกว่า ส่วน HBM เป็นคอขวดด้านอุปทานหน่วยความจำและการรับรองคุณภาพมากกว่า

Samsung หรือ Intel Packaging สามารถทดแทน TSMC CoWoS ได้หรือไม่?

การหาผู้ทดแทนในระยะสั้นอย่างเต็มรูปแบบเป็นเรื่องยาก ทั้ง Samsung และ Intel ต่างมีเส้นทางการบรรจุชิปขั้นสูงของตนเอง แต่การออกแบบ GPU ระดับไฮเอนด์ของ NVIDIA การผลิตเวเฟอร์ การรับรอง HBM และอัตราผลผลิตการบรรจุชิป ล้วนถูกสร้างขึ้นบนระบบนิเวศของ TSMC มาอย่างยาวนาน การทดแทนไม่ได้เกี่ยวข้องกับความเป็นไปได้ทางเทคนิคเพียงอย่างเดียว แต่ยังรวมถึงการออกแบบใหม่ วงจรการรับรอง และความเสถียรของการผลิตจำนวนมากด้วย

ชิป AMD และชิปพัฒนาเองของบริษัทคลาวด์แข่งขันกันเพื่อแย่งความจุ CoWoS หรือไม่?

ใช่ พวกมันสร้างการแข่งขันด้านความจุ ตัวเร่ง AI อย่าง AMD Instinct, Google TPU และ Amazon Trainium ต่างก็ต้องใช้ทรัพยากรการบรรจุชิปขั้นสูงและ HBM เช่นกัน NVIDIA ยังคงเป็นหนึ่งในแหล่งความต้องการที่ใหญ่ที่สุด แต่การจัดสรร CoWoS ขึ้นอยู่กับสัญญากับลูกค้า แผนงานผลิตภัณฑ์ ประเภทการบรรจุชิป และลำดับความสำคัญของการผลิตจำนวนมาก

นักลงทุนควรติดตามผลกระทบของ CoWoS ต่อหุ้น NVDA อย่างไร?

นักลงทุนควรติดตามรายได้จากศูนย์ข้อมูลของ NVIDIA ความเร็วในการส่งมอบ Blackwell การขยายตัวของบรรจุภัณฑ์ขั้นสูงของ TSMC กำลังการผลิตของซัพพลายเออร์ HBM และ CAPEX ของผู้ให้บริการคลาวด์ไปพร้อมกัน อุปทาน CoWoS ที่ดีขึ้นอาจสนับสนุนการเติบโตของการจัดส่ง แต่ไม่ได้รับประกันว่าราคาหุ้นจะเพิ่มขึ้น ปัจจัยด้านมูลค่าหุ้น ความคาดหวังของตลาด และความเต็มใจรับความเสี่ยงก็มีความสำคัญเช่นกัน