· มูลค่ารวม AI Accelerators ในเซิร์ฟเวอร์ ปี 2567 อยู่ที่ 21 พันล้านดอลลาร์สหรัฐฯ
· โดย Compute Electronics มีสัดส่วน 47% ของรายได้ชิป AI ทั้งหมดในตลาด
· ภายในสิ้นปี 2569 การจัดซื้อพีซีระดับองค์กรทั้ง 100% จะเป็น AI PC
การ์ทเนอร์คาดการณ์ภายในปี 2567 รายได้ของเซมิคอนดักเตอร์ AI ทั่วโลกจะมีมูลค่ารวมถึง 71 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 33% จากปี 2566
อลัน พรีสต์ลีย์ รองประธานฝ่ายวิจัยการ์ทเนอร์ กล่าวว่า “วันนี้ Generative AI (GenAI) กำลังกระตุ้นความต้องการชิป AI ประสิทธิภาพสูงสำหรับดาต้าเซ็นเตอร์และในปี 2567 นี้มูลค่าของ AI Accelerators ในเซิร์ฟเวอร์ที่ทำหน้าที่ประมวลผลข้อมูลจากไมโครโปรเซสเซอร์จะมีมูลค่ารวม 21 พันล้านดอลลาร์สหรัฐ และเพิ่มขึ้นเป็น 33 พันล้านดอลลาร์สหรัฐฯ ภายในปี 2571”
การ์ทเนอร์คาดการณ์ว่าการจัดส่ง AI PC จะสูงถึง 22% ของยอดรวมการจัดส่งพีซีทั้งหมดในปี 2567 และภายในสิ้นปี 2569 การซื้อพีซีในระดับองค์กรจะเป็น AI PC ทั้ง 100% โดย AI PC ประกอบด้วยหน่วยประมวลผล Neural Processing Unit (NPU) ที่ทำให้ AI PC สามารถทำงานได้นานขึ้น เงียบขึ้นและเย็นลง โดยหลังบ้านมี AI ทำงานอยู่อย่างต่อเนื่อง พร้อมสร้างโอกาสใหม่ ๆ ด้วยการดึงศักยภาพของ AI มาปรับใช้ในกิจกรรมประจำวัน
แม้รายได้จากเซมิคอนดักเตอร์ AI จะยังเติบโตเป็นเลขสองหลักในช่วงระยะเวลาคาดการณ์ ซึ่งจะมีอัตราการเติบโตสูงสุดในปี 2567 (ดูตารางที่ 1)
ตารางที่ 1. คาดการณ์รายได้เซมิคอนดักเตอร์ AI ทั่วโลก ระหว่างปี 2566-2568 (หน่วย: ล้านดอลลาร์สหรัฐฯ)
|
ปี 2566
|
ปี 2567
|
ปี 2568
|
รายได้
(หน่วย: ล้านดอลลาร์สหรัฐฯ)
|
53,662
|
71,252
|
91,955
|
ที่มา: การ์ทเนอร์ (พฤษภาคม 2567)
รายได้ของชิป AI จาก Compute Electronics สร้างสถิติส่วนแบ่งสูงสุดในกลุ่มอุปกรณ์อิเล็กทรอนิกส์
คาดว่าในปี 2024 รายได้จากชิป AI จากอุปกรณ์อิเล็กทรอนิกส์คอมพิวเตอร์จะมีมูลค่ารวม 33.4 พันล้านดอลลาร์ ซึ่งจะคิดเป็น 47% ของรายรับจากเซมิคอนดักเตอร์ AI ทั้งหมด รายรับจากชิป AI จากอุปกรณ์อิเล็กทรอนิกส์ในยานยนต์คาดว่าจะสูงถึง 7.1 พันล้านดอลลาร์ และ 1.8 พันล้านดอลลาร์จากอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคในปี 2567 ตามลำดับ
การแข่งขันที่ดุเดือดระหว่างผู้ขายเซมิคอนดักเตอร์และบริษัทเทคโนโลยี
แม้ว่าโฟกัสสำคัญจะอยู่ที่การใช้หน่วยประมวลผลกราฟิกประสิทธิภาพสูง (GPU) ในเวิร์กโหลดใหม่ ๆ ของ AI แต่ผู้ให้บริการระดับไฮเปอร์สเกลหลัก ๆ (เช่น AWS, Google, Meta และ Microsoft) ต่างลงทุนพัฒนาชิปของตัวเองโดยปรับให้เหมาะสมกับ AI แม้การพัฒนาชิปจะมีราคาแพง แต่การใช้ชิปที่ออกแบบเองนั้นสามารถปรับปรุงประสิทธิภาพด้านการดำเนินงาน ช่วยลดต้นทุนของการส่งมอบบริการที่ใช้ AI ให้กับผู้ใช้ และลดต้นทุนสำหรับผู้ใช้ในการเข้าถึงแอปพลิเคชันที่ใช้ AI ใหม่ “ขณะที่ตลาดเปลี่ยนจากการพัฒนา (Development) ไปสู่ การนำมาปรับใช้งาน (Deployment) เราคาดว่าแนวโน้มนี้จะดำเนินต่อไป” พรีสต์ลีย์ กล่าวเพิ่มเติม
|