สินค้ากลุ่มชิปอิเล็กทรอนิกส์สำหรับเทคโนโลยีปัญญาประดิษฐ์ (AI) กำลังขยายตัวสุดขีด การสำรวจล่าสุดพบมูลค่ารวม AI Accelerators ในเซิร์ฟเวอร์ ปี 2567 ทะลุหลัก 21,000 ล้านดอลลาร์สหรัฐ ด้าน Compute Electronics มีสัดส่วน 47% ของรายได้ชิป AI ทั้งหมดในตลาด คาดสิ้นปี 2569 การจัดซื้อพีซีระดับองค์กรทั้ง 100% จะเป็น AI PC
อลัน พรีสต์ลีย์ รองประธานฝ่ายวิจัยการ์ทเนอร์ กล่าวว่า การเติบโตของตลาดเซมิคอนดักเตอร์นี้เป็นผลจากภาวะที่ Generative AI (GenAI) กำลังกระตุ้นความต้องการชิป AI ประสิทธิภาพสูงสำหรับดาต้าเซ็นเตอร์
"ในปี 2567 นี้มูลค่าของ AI Accelerators ในเซิร์ฟเวอร์ที่ทำหน้าที่ประมวลผลข้อมูลจากไมโครโปรเซสเซอร์จะมีมูลค่ารวม 21 พันล้านดอลลาร์สหรัฐ และเพิ่มขึ้นเป็น 33 พันล้านดอลลาร์สหรัฐ ภายในปี 2571"
การ์ทเนอร์คาดการณ์ว่า ภายในปี 2567 รายได้ของเซมิคอนดักเตอร์ AI ทั่วโลกจะมีมูลค่ารวมถึง 71 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 33% จากปี 2566 โดยก่อนที่การซื้อพีซีในระดับองค์กรจะเป็น AI PC ทั้ง 100% ภายในสิ้นปี 2569 การ์ทเนอร์คาดการณ์ว่าการจัดส่ง AI PC จะสูงถึง 22% ของยอดรวมการจัดส่งพีซีทั้งหมดในปี 2567
สำหรับ AI PC นั้นเป็นคอมพิวเตอร์ส่วนบุคคลที่มีหน่วยประมวลผล Neural Processing Unit (NPU) ที่ทำให้ AI PC สามารถทำงานได้นานขึ้น เงียบขึ้นและเย็นลง โดยหลังบ้านจะมี AI ทำงานอยู่อย่างต่อเนื่อง พร้อมสร้างโอกาสใหม่ด้วยการดึงศักยภาพของ AI มาปรับใช้ในกิจกรรมประจำวัน
การสำรวจของการ์ทเนอร์พบอีกว่า แม้รายได้จากเซมิคอนดักเตอร์ AI จะยังคงเติบโตเป็นเลขสองหลักในช่วงระยะเวลาคาดการณ์ ซึ่งจะมีอัตราการเติบโตสูงสุดในปี 2567 แต่รายได้ของชิป AI จาก Compute Electronics จะสร้างสถิติส่วนแบ่งสูงสุดในกลุ่มอุปกรณ์อิเล็กทรอนิกส์ คาดว่าในปี 2024 รายได้จากชิป AI จากอุปกรณ์อิเล็กทรอนิกส์คอมพิวเตอร์จะมีมูลค่ารวม 33.4 พันล้านดอลลาร์ ซึ่งจะคิดเป็น 47% ของรายรับจากเซมิคอนดักเตอร์ AI ทั้งหมด
ในส่วนรายรับจากชิป AI จากอุปกรณ์อิเล็กทรอนิกส์ในยานยนต์ คาดว่าจะสูงถึง 7.1 พันล้านดอลลาร์ และ 1.8 พันล้านดอลลาร์จากอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคในปี 2567 ตามลำดับ
การสำรวจของการ์ทเนอร์ยังพบการแข่งขันที่ดุเดือดระหว่างผู้ขายเซมิคอนดักเตอร์และบริษัทเทคโนโลยี โดยแม้ว่าโฟกัสสำคัญจะอยู่ที่การใช้หน่วยประมวลผลกราฟิกประสิทธิภาพสูง (GPU) ในเวิร์กโหลดใหม่ๆ ของ AI แต่ผู้ให้บริการระดับไฮเปอร์สเกลหลักๆ (เช่น AWS, Google, Meta และ Microsoft) ต่างลงทุนพัฒนาชิปของตัวเองโดยปรับให้เหมาะสมกับ AI แม้การพัฒนาชิปจะมีราคาแพง แต่การใช้ชิปที่ออกแบบเองนั้นสามารถปรับปรุงประสิทธิภาพด้านการดำเนินงาน ช่วยลดต้นทุนของการส่งมอบบริการที่ใช้ AI ให้ผู้ใช้ และลดต้นทุนสำหรับผู้ใช้ในการเข้าถึงแอปพลิเคชันที่ใช้ AI ใหม่
พรีสต์ลีย์ กล่าวทิ้งท้ายว่าในขณะที่ตลาดเปลี่ยนจากการพัฒนา (Development) ไปสู่การนำมาปรับใช้งาน (Deployment) การ์ทเนอร์คาดว่าแนวโน้มนี้จะดำเนินต่อไปอีกหลายอึดใจ
