🟢 OpenAI มองหาพันธมิตรชิปทางเลือก: จุดเปลี่ยนของตลาด Inference และโอกาสของ $AMD __________________________ 🔥 ช่วงหลังมีสัญญาณชัดเจนว่า OpenAI กำลังมองหาพันธมิตรด้านชิปรายอื่น นอกเหนือจาก NVIDIA สาเหตุหลักไม่ใช่เรื่อง "พลัง" ของชิป แต่เป็น ประสิทธิภาพด้าน Inference ที่ยังไม่ตอบโจทย์ __________________________ 🧩 Training vs Inference: โฟกัสที่ต่างกัน ปัจจุบันชิปของ NVIDIA ถูกออกแบบมาให้ โดดเด่นด้าน Training เป็นหลัก ซึ่งสอดคล้องกับโครงสร้างงาน AI ในช่วงที่ผ่านมา เพราะภาระงานส่วนใหญ่ยังอยู่ที่การฝึกโมเดล (Training) แต่เมื่อโมเดลเริ่มเสถียรและถูกนำไปใช้งานจริงมากขึ้น ภาระงานจะย้ายไปที่ Inference—การรันโมเดลเพื่อตอบคำถามหรือประมวลผลแบบเรียลไทม์ ⚡ __________________________ 🚀 ทำไม $AMD ถึงได้เปรียบใน Inference AMD วางสถาปัตยกรรมชิปโดย เพิ่ม Memory Capacity ต่อชิป ทำให้: โมเดลขนาดใหญ่ ใส่ลงในชิปจำนวนน้อยกว่า ลด Latency จากการสื่อสารข้ามชิป เพิ่มประสิทธิภาพต่อวัตต์และต่อดอลลาร์ สำหรับงาน Inference ซึ่งแนวทางนี้สอดรับกับทิศทางตลาดที่กำลังเปลี่ยนไป __________________________ 📈 Inference จะใหญ่กว่า Training หลายสำนักประเมินตรงกันว่า ภายในปี 2028 ตลาด Inference จะมีขนาดใหญ่กว่าตลาด Training อย่างมีนัยสำคัญ เมื่อถึงจุดนั้น โครงสร้างความต้องการฮาร์ดแวร์จะเปลี่ยน และผู้เล่นที่ "เกิดมาเพื่อ Inference" จะได้เปรียบเชิงโครงสร้าง 🏗️ __________________________ ✅️ มุมมองการลงทุน ในเชิง Valuation ปัจจุบัน $AMD ยังเป็นหุ้นเซมิคอนดักเตอร์ที่ถูกที่สุดตัวหนึ่ง เทรดเพียง ~10x กำไรคาดการณ์ปี 2030 มีโอกาส ขยาย Market Share อย่างเร่งตัวหลังปี 2028 หาก Thesis เรื่อง Inference เป็นจริง โลก AI กำลังก้าวจาก "ฝึกโมเดล" ไปสู่ "ใช้งานจริงในวงกว้าง" และในเกม Inference ระยะยาว $AMD อาจไม่ใช่แค่ทางเลือก แต่เป็นผู้ชนะเชิงโครงสร้าง 🏆📊 ⚠️ Disclaimer: ไม่ใช่คำแนะนำการลงทุน ผู้ลงทุนควรศึกษาข้อมูลเพิ่มเติมด้วยตนเอง" --- Source: InvestTech Story - เรื่องเล่านักลงทุน https://www.facebook.com/groups/3478798808921017/permalink/3918398331627727/