Marvell: ปัญหาและโอกาสในตลาด Memory

หนึ่งในประเด็นที่ได้รับความสนใจหลักและเป็นความท้าทายสำคัญสำหรับนักลงทุนและตลาดหุ้นในช่วงไม่กี่ไตรมาสที่ผ่านมา คือการมองหา “คอขวด” ในอุตสาหกรรม AI การลงทุนที่ไม่เคยเกิดขึ้นมาก่อน การเติบโตของกำไรอย่างมหาศาล และความมุ่งมั่นของบรรดาผู้นำในกลุ่มเทคโนโลยี ได้เปลี่ยนความไร้ประสิทธิภาพหรือการติดขัดในห่วงโซ่อุปทานให้กลายเป็นขุมทอง

ตลาดได้เห็นการพุ่งขึ้นอย่างรุนแรงของการประเมินมูลค่าของผู้ผลิต GPU และ CPU ไปแล้ว ในปัจจุบัน การปรับการประเมินมูลค่าใหม่ (re-rating) ของบริษัทหน่วยความจำยังคงดำเนินอยู่ โดยเมื่อเทียบกับค่าเฉลี่ยระยะยาว หุ้นหลายตัวปรับตัวขึ้นไปแล้วหลายร้อยถึงหลายพันเปอร์เซ็นต์ ในบริบทนี้ จึงเข้าใจได้ว่าเหตุใดจึงมีการค้นหาธุรกิจถัดไปที่ได้รับประโยชน์จากข้อจำกัดและกระแสการลงทุนระลอกใหม่อย่างขะมักเขม้น

การระบุบริษัทดังกล่าวไม่ใช่เรื่องง่าย เมื่อพิจารณาจากความซับซ้อนทางเทคนิคและความเร็วที่ไม่เคยเกิดขึ้นมาก่อนในการพัฒนาและการเปลี่ยนแปลงของอุตสาหกรรม โดย Marvell อยู่ตรงจุดตัดของปัญหาคอขวดที่อาจเกิดขึ้นได้หลายจุด

อุปสรรคที่ไม่สามารถก้าวข้ามได้

เพื่อทำความเข้าใจว่าเหตุใด Marvell จึงอาจได้รับประโยชน์บางส่วนจากข้อจำกัดทางเทคนิคของ AI ระลอกใหม่ที่กำลังก่อตัวขึ้น การอธิบายที่มาของข้อจำกัดเหล่านั้นโดยคร่าว ๆ จึงมีประโยชน์

เครื่องยนต์ที่ขับเคลื่อนการนำ AI ไปใช้ในเชิงพาณิชย์ทั้งในปัจจุบันและอนาคตคือ AI agents โดยความซับซ้อนและความสามารถของ AI agents ไม่ได้ถูกจำกัดอยู่เพียงพลังประมวลผลดิบเท่านั้นอีกต่อไป แต่ถูกจำกัดมากขึ้นเรื่อย ๆ จากการถ่ายโอนข้อมูลระหว่างหน่วยประมวลผลและหน่วยความจำ HBM

หน่วยความจำ HBM รุ่นใหม่อยู่ในขั้นตอนการทดสอบต้นแบบแล้ว แต่แม้กระทั่งส่วนประกอบขั้นสูงเหล่านี้ก็มีขีดจำกัดทางกายภาพที่ไม่สามารถก้าวข้ามได้ การย่อขนาดลงไปอีกอาจกลายเป็นสิ่งที่เป็นไปไม่ได้ ซึ่งจะบังคับให้ต้องมีการเพิ่มประสิทธิภาพในด้านอื่น ๆ แทน

หน่วยความจำ HBM และรุ่นถัดไป เช่น HBM4 และ HBM4E/HBM5 ยังคงขาดไม่ได้สำหรับการพัฒนาโครงสร้างพื้นฐาน AI และคาดว่าภาวะการขาดแคลนจะยังคงมีอยู่ไม่มากก็น้อยไปจนถึงประมาณปี 2028 อย่างไรก็ตาม เมื่อพิจารณาถึงกรอบเวลาการเติบโตที่คาดหวังซึ่งอาจล่าช้าในหลายกลุ่มตลาด AI นักลงทุนจำนวนมากจึงมองว่าสิ่งสำคัญคือการมองหาโอกาสการลงทุนในปัญหาคอขวดระลอกถัดไปตั้งแต่วันนี้

ทำไมต้องเป็น Marvell?

กราฟทางเทคนิคของ Marvell [MRVL.US] (D1)

ที่มา: xStation5

การเพิ่มประสิทธิภาพของระบบนิเวศ AI ทั้งหมด แทนที่จะปรับปรุงเพียงส่วนประกอบเดี่ยว ๆ ช่วยแสดงให้เห็นศักยภาพที่แท้จริงของบริษัท หากการย่อขนาดเริ่มมีข้อจำกัดมากขึ้นเรื่อย ๆ เมื่อเวลาผ่านไป สมรภูมิการแข่งขันถัดไปจะเป็น:

1. การออกแบบซิลิคอนเฉพาะทาง (HBM/ASIC) – ความเชี่ยวชาญสำหรับงาน ซอฟต์แวร์ หรือโครงการเฉพาะด้าน สามารถสร้างความสามารถในการแข่งขันได้ในต้นทุนที่ถูกกว่าและรวดเร็วกว่ามาก เมื่อเทียบกับการรอคอยการส่งมอบหน่วยความจำและชิปรุ่นถัดไป
2. โซลูชันเครือข่าย (CXL) – การถ่ายโอนข้อมูลที่ดีขึ้นช่วยให้ใช้งานโซลูชันการประมวลผลที่มีอยู่ได้อย่างมีประสิทธิภาพมากขึ้น
3. เทคโนโลยีออปติก (Optics) – การเลิกใช้สายสัญญาณและสายไฟเบอร์ แล้วแทนที่ด้วยการส่งข้อมูลด้วยแสง ช่วยเปิดความเป็นไปได้ใหม่ในการเพิ่มประสิทธิภาพ ไม่เพียงแต่ช่วยให้ถ่ายโอนข้อมูลได้เร็วขึ้นเท่านั้น แต่ยังช่วยลดความต้องการใช้ไฟฟ้าลงอีกด้วย ซึ่งอาจกลายเป็นข้อได้เปรียบที่สำคัญยิ่งขึ้นเรื่อย ๆ

มีหลายบริษัทที่มักจะมีขนาดใหญ่กว่าและเชี่ยวชาญในด้านเหล่านี้มากกว่า Marvell อย่างไรก็ดี ข้อได้เปรียบของ Marvell คือเป็นหนึ่งในผู้เล่นไม่กี่รายที่นำเสนอและพัฒนาโซลูชันขั้นสูงครอบคลุมทั้งสามด้าน

การวางตำแหน่งนี้สามารถส่งผลให้เกิด:

• อัตรากำไรที่ดีขึ้น
• การรักษาฐานลูกค้าและการสร้างรายได้ที่ดีขึ้น
• อาจสร้างความได้เปรียบที่ยากจะเทียบได้จากการทำงานร่วมกันระหว่างโซลูชันต่าง ๆ

ความเสี่ยง

ตามที่กล่าวไป Marvell มีโอกาสและแนวโน้มที่ดีรออยู่ข้างหน้า อย่างไรก็ตาม สถานการณ์เหล่านี้ไม่ได้ขึ้นอยู่กับตัวบริษัทเพียงอย่างเดียว แต่ยังขึ้นอยู่กับการพัฒนาของตลาด AI ในวงกว้างด้วย ความก้าวหน้าเพิ่มเติมในการประมวลผลด้วยแสงและการปรับแต่ง ASIC/HBM ให้เหมาะกับการใช้งานเฉพาะทางจะสมเหตุสมผลก็ต่อเมื่อตลาด AI ในภาพรวมเอื้ออำนวย ซึ่งหมายความว่า ตัวอย่างเช่น การทรุดตัวของการประเมินมูลค่าที่เกิดจากวิกฤตการเงิน อุปสรรคด้านกฎระเบียบ หรือความสามารถในการแข่งขันที่ลดลงเนื่องจากการควบรวมกิจการ อาจลบล้างข้อได้เปรียบส่วนใหญ่ของบริษัทอย่าง Marvell ไปได้

ในบริบทนี้ สิ่งสำคัญคือต้องติดตามการเผยแพร่ข้อมูลจาก Nvidia เนื่องจาก Nvidia ยังคงเป็นผู้กำหนดมาตรฐานอุตสาหกรรมหลายประการ และกำลังพัฒนาโซลูชันการถ่ายโอนข้อมูลอย่างจริงจัง เช่น ผ่านเทคโนโลยีออปติกแบบบูรณาการ