เวลาถาม AI หนึ่งคำถาม คำตอบอาจปรากฏในไม่กี่วินาที แต่เบื้องหลังมีทั้งชิป หน่วยความจำ ศูนย์ข้อมูล เครือข่าย และระบบจ่ายไฟทำงานร่วมกัน นี่คือเหตุผลที่การลงทุนใน AI มองได้กว้างกว่าหุ้นผลิตชิปเพียงกลุ่มเดียว
สิ่งที่เรียกว่า AI Infrastructure คือโครงสร้างพื้นฐานที่ทำให้ AI ถูกสร้าง ฝึก และนำไปใช้งานจริง ลองไล่ดูว่าแต่ละบริษัทในภาพ AI Value Chain ทำหน้าที่อะไร และเราจะเข้าถึงบริษัทเหล่านี้ผ่าน DR01 ได้อย่างไร

1. ชิปและเบื้องหลังการผลิต: จุดเริ่มต้นของพลัง AI

กว่าจะได้ชิปหนึ่งตัว โรงงานต้องใช้เครื่องมือที่ละเอียดมากในการสร้างวงจรและชั้นวัสดุบนแผ่นชิป จากนั้นต้องตรวจหาจุดบกพร่องและทดสอบว่าชิปทำงานได้จริง เมื่อผลิตเสร็จ ชิปแต่ละประเภทก็รับหน้าที่ต่างกัน GPU เป็นกำลังหลักในการประมวลผลงาน AI, CPU ช่วยจัดการงานทั่วไปในเซิร์ฟเวอร์ ส่วน หน่วยความจำ ช่วยส่งข้อมูลใหชิปใช้ได้ทัน ลองนึกว่า GPU คือคนทำงาน และหน่วยความจำคือข้อมูลที่ต้องหยิบมาใช้ หากข้อมูลมาช้า คนทำงานก็ทำงานได้ไม่เต็มกำลัง
DR01 ในส่วนนี้
DR01 | บริษัท | ทำอะไร | สำคัญต่อ AI อย่างไร |
SMIC | โรงงานรับจ้างผลิตชิป ตามแบบของลูกค้า | เป็นฐานการผลิตชิปสำคัญของจีน | |
ASML | ผลิตเครื่องฉายลายวงจร ลงบนแผ่นชิป | เป็นเครื่องมือสำคัญในการผลิตชิป ที่มีวงจรเล็กและซับซ้อนขึ้น | |
Applied Materials | ผลิตเครื่องมือสร้าง และปรับแต่งชั้นวัสดุบนชิป | มีเครื่องมือใช้ในหลายขั้นตอน ทั้งการผลิตชิปประมวลผลและหน่วยความจำ | |
Lam Research | ผลิตเครื่องมือกัดลายและเคลือบวัสดุ | ช่วยสร้างโครงสร้างขนาดเล็ก และหลายชั้นภายในชิป | |
KLA | ผลิตเครื่องตรวจวัด และหาจุดบกพร่อง | ช่วยโรงงานตรวจคุณภาพ และเพิ่มสัดส่วนชิปที่ผลิตแล้วใช้งานได้ | |
Teradyne | ผลิตเครื่องทดสอบชิป และหน่วยความจำ | ช่วยตรวจชิป AI และ HBM ก่อนนำไปประกอบเป็นระบบ | |
NVIDIA | ออกแบบ GPU และระบบประมวลผล AI | GPU เป็นกำลังหลักในการฝึก และใช้งานโมเดล AI จำนวนมาก | |
Intel | ผลิต CPU สำหรับเซิร์ฟเวอร์ | CPU ช่วยจัดการงานทั่วไปและทำงานร่วมกับ GPU ใน Data Center | |
Micron | ผลิตหน่วยความจำ HBM, DRAM และอุปกรณ์เก็บข้อมูล | ช่วยส่งและเก็บข้อมูลให้ชิป AI มีข้อมูลใช้ได้ทัน |
2. Data Center: บ้านที่ทำให้ AI พร้อมใช้งาน

เมื่อมีชิปแล้ว ต้องมีสถานที่ติดตั้งพร้อมเซิร์ฟเวอร์ ระบบจัดเก็บข้อมูล และเครือข่าย นั่นคือ Data Center หรือศูนย์ข้อมูล ซึ่งเป็นจุดที่เทคโนโลยีหลายส่วนมารวมกันเพื่อให้คนและธุรกิจใช้งาน AI ได้จริง
บริษัทขนาดใหญ่บางแห่งเปิดบริการคลาวด์ให้ลูกค้าเช่ากำลังประมวลผลและเครื่องมือ AI ลูกค้าจึงไม่จำเป็นต้องสร้างศูนย์ข้อมูลเองทั้งหมด ขณะที่บางแห่งลงทุนในระบบเพื่อพัฒนาผลิตภัณฑ์ของตัวเอง นอกจากนี้ยังมีผู้ให้บริการคลาวด์ที่ออกแบบระบบมาเพื่องาน AI โดยเฉพาะ หรือที่เรียกว่า Neocloud
บริษัทในกลุ่มนี้จึงเกี่ยวข้องกับ Data Center เหมือนกัน แต่มีวิธีสร้างรายได้จาก AI ต่างกัน เวลาศึกษาหุ้น ควรดูต่อว่าบริษัทขายบริการให้ใคร และเงินที่ลงทุนสร้างโครงสร้างพื้นฐานจะสร้างรายได้กลับมาอย่างไร
DR01 ในส่วนนี้
DR01 | บริษัท | ทำอะไร | สำคัญต่อ AI อย่างไร |
Microsoft | ให้บริการคลาวด์ผ่าน Azure | เปิดให้ธุรกิจใช้กำลังประมวลผล และเครื่องมือพัฒนา AI | |
ให้บริการ Google Cloud และพัฒนา AI | มีทั้งโครงสร้างพื้นฐานคลาวด์ และผลิตภัณฑ์ AI ของตัวเอง | ||
Meta | สร้าง Data Center เพื่อพัฒนา AI | นำ AI ไปใช้กับ Facebook, Instagram และบริการของตัวเอง | |
Oracle | ให้บริการ Oracle Cloud | มีโครงสร้างพื้นฐานคลาวด์สำหรับงาน AI และฐานข้อมูลองค์กร | |
Amazon | ให้บริการคลาวด์ผ่าน AWS | เปิดให้ลูกค้าเช่ากำลังประมวลผล และบริการสำหรับพัฒนา AI | |
Alibaba | ให้บริการ Alibaba Cloud | ผู้ให้บริการคลาวด์และ AI รายใหญ่ในจีน | |
Tencent | ให้บริการ Tencent Cloud | มีบริการคลาวด์ และเครื่องมือ AI สำหรับธุรกิจ | |
Baidu | ให้บริการ AI Cloud | มีทั้งโครงสร้างพื้นฐาน และแพลตฟอร์ม AI สำหรับองค์กร | |
Nebius | ให้บริการ Neocloud หรือคลาวด์ที่เน้นงาน AI | ให้ลูกค้าเข้าถึง GPU และระบบที่ออกแบบมาสำหรับพัฒนา AI โดยเฉพาะ |
3. ระบบส่งข้อมูล: ชิปแรงอย่างเดียวไม่พอ

AI ขนาดใหญ่ใช้ชิปจำนวนมากทำงานร่วมกัน ชิปเหล่านั้นต้องรับส่งข้อมูลตลอดเวลา หากส่งข้อมูลไม่ทัน แม้จะเพิ่มชิปเข้าไป ระบบโดยรวมก็อาจทำงานได้ไม่เต็มประสิทธิภาพ
ลองนึกถึงถนนที่เชื่อมอาคารหลายหลัง เมื่อมีรถมากขึ้น ถนนก็ต้องรองรับการเดินทางที่เพิ่มขึ้น เทคโนโลยีเชื่อมต่ออุปกรณ์และเครือข่ายแสงจึงมีบทบาทคล้ายกันใน Data Center ช่วยให้ข้อมูลเดินทางระหว่างส่วนต่าง ๆ ได้รวดเร็ว
DR01 ในส่วนนี้
DR01 | บริษัท | ทำอะไร | สำคัญต่อ AI อย่างไร |
Astera Labs | พัฒนาชิปและอุปกรณ์เชื่อมต่อภายในเซิร์ฟเวอร์ AI | ช่วยให้ GPU, CPU และหน่วยความจำรับส่งข้อมูลกันได้รวดเร็วและเสถียร เมื่อระบบมีอุปกรณ์มากขึ้น | |
Lumentum | ผลิตเลเซอร์และอุปกรณ์สื่อสารด้วยแสง | ช่วยส่งข้อมูลปริมาณมากระหว่างอุปกรณ์และเครือข่ายใน Data Center |
4. ไฟฟ้าและความเย็น: ระบบที่ทำให้ AI ทำงานต่อเนื่อง
เซิร์ฟเวอร์ใน Data Center ต้องใช้ไฟฟ้าตลอดเวลา และเมื่อชิปจำนวนมากทำงานหนักพร้อมกัน ก็เกิดความร้อนตามมา การขยายศูนย์ข้อมูลจึงต้องคิดถึงทั้งไฟฟ้าที่เพียงพอ ระบบสำรองไฟ และการระบายความร้อน
ความต้องการใช้ไฟฟ้าของ Data Center ในสหรัฐฯ อาจเพิ่มขึ้นมากกว่าสองเท่าภายในปี 2030 จากราว 167 เทราวัตต์ชั่วโมง (TWh) ในปี 2023 เป็นประมาณ 376 TWh
ปริมาณไฟฟ้าที่เพิ่มขึ้นเพียงอย่างเดียว เทียบได้กับการใช้ไฟของบ้านเรือนสหรัฐฯ โดยเฉลี่ยราว 20 ล้านหลังตลอดหนึ่งปี และอาจเทียบได้กับ 25–27 ล้านหลัง หากการผลิตไฟฟ้าทั้งระบบเพิ่มขึ้นตามความต้องการ
การเปลี่ยนแปลงนี้ทำให้ไฟฟ้ากลายจากต้นทุนเบื้องหลังมาเป็น ข้อจำกัดสำคัญของการขยาย AI และทำให้ระบบกักเก็บพลังงานด้วยแบตเตอรี่เข้ามาเป็นส่วนหนึ่งของโครงสร้างพื้นฐาน AI
DR01 ในส่วนนี้
DR01 | บริษัท | ทำอะไร | สำคัญต่อ AI อย่างไร |
CATL | ผลิตแบตเตอรี่และระบบกักเก็บพลังงาน | ช่วยกักเก็บไฟฟ้าและรองรับระบบไฟสำรอง ซึ่งมีความสำคัญต่อ Data Center ที่ต้องทำงานต่อเนื่อง | |
Vertiv | ให้บริการระบบจ่ายไฟและระบายความร้อนสำหรับ Data Center | ช่วยส่งไฟไปยังเซิร์ฟเวอร์และจัดการความร้อนจากชิป AI ที่ทำงานหนัก |
ลงทุน AI มองได้ครบกว่าหุ้นชิป
AI หนึ่งคำตอบต้องอาศัยบริษัทหลายประเภททำงานร่วมกัน ตั้งแต่ผลิตชิป สร้าง Data Center ส่งข้อมูล ไปจนถึงจ่ายไฟและระบายความร้อน นักลงทุนจึงเลือกศึกษาธุรกิจในส่วนที่ตัวเองเข้าใจและเชื่อมั่นได้
ผ่าน DR01 จากหลักทรัพย์บัวหลวง นักลงทุนสามารถเข้าถึงบริษัทต่างประเทศใน AI Value Chain ด้วยเงินบาท ซื้อขายผ่านตลาดหุ้นไทย และเริ่มลงทุนได้ตั้งแต่ 1 หน่วย
อยากลงทุนในอนาคตของ AI ลองมองให้ครบว่าใครเป็นคนทำให้ AI ทำงานได้จริง
ศึกษารายละเอียดเพิ่มเติมเกี่ยวกับ DR01 คลิกที่นี่

