'การ์ทเนอร์’ คาดการณ์ปีนี้ 'ชิป AI' ทั่วโลกโต 33%

'การ์ทเนอร์’ คาดการณ์ปีนี้  'ชิป AI' ทั่วโลกโต 33%

"การ์ทเนอร์" คาดการณ์ภายในปี 2567 รายได้ของเซมิคอนดักเตอร์ AI ทั่วโลกจะมีมูลค่ารวมถึง 7.1 หมื่นล้านดอลลาร์เพิ่มขึ้น 33% จากปี 2566

อลัน พรีสต์ลีย์ รองประธานฝ่ายวิจัยการ์ทเนอร์ กล่าวว่า วันนี้ Generative AI (GenAI) กำลังกระตุ้นความต้องการชิป AI ประสิทธิภาพสูงสำหรับดาต้าเซ็นเตอร์

โดยในปี 2567 นี้มูลค่าของ AI Accelerators ในเซิร์ฟเวอร์ที่ทำหน้าที่ประมวลผลข้อมูลจากไมโครโปรเซสเซอร์จะมีมูลค่ารวม 2.1 หมื่นล้านดอลลาร์และเพิ่มขึ้นเป็น 3.3 หมื่นล้านดอลลาร์ภายในปี 2571

อีก 2 ปี องค์กรใช้ AI PC 100%

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 หลังบ้านมี AI ทำงานอยู่อย่างต่อเนื่อง พร้อมสร้างโอกาสใหม่ๆ ด้วยการดึงศักยภาพของ AI มาปรับใช้ในกิจกรรมประจำวัน

\'การ์ทเนอร์’ คาดการณ์ปีนี้  \'ชิป AI\' ทั่วโลกโต 33% ข้อมูลระบุว่า รายได้จากเซมิคอนดักเตอร์ AI จะยังเติบโตเป็นเลขสองหลักในช่วงระยะเวลาคาดการณ์ ระหว่างปี 2566-2568 ซึ่งจะมีอัตราการเติบโตสูงสุดในปี 2567 ที่มีมูลค่า 71,252 ล้านดอลลาร์ จากปี 2566 ที่มีมูลค่า 53,662 ล้านดอลลาร์ และเมื่อถึงปี 2568 จะมีมูลค่า 91,955 ล้านดอลลาร์

จับตาตลาดแข่งเดือด

ขณะที่ รายได้ของชิป AI จาก Compute Electronics สร้างสถิติส่วนแบ่งสูงสุดในกลุ่มอุปกรณ์อิเล็กทรอนิกส์ คาดว่าในปี 2567 รายได้จากชิป AI จากอุปกรณ์อิเล็กทรอนิกส์คอมพิวเตอร์จะมีมูลค่ารวม 3.34 หมื่นล้านดอลลาร์ ซึ่งจะคิดเป็น 47% ของรายรับจากเซมิคอนดักเตอร์ AI ทั้งหมด

โดยรายรับจากชิป AI จากอุปกรณ์อิเล็กทรอนิกส์ในยานยนต์คาดว่าจะสูงถึง 7.1 พันล้านดอลลาร์ และ 1.8 พันล้านดอลลาร์จากอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคในปี 2567 ตามลำดับ

 ที่น่าจับตามอง แน่นอนว่าจะเกิด การแข่งขันที่ดุเดือดระหว่างผู้ขายเซมิคอนดักเตอร์และบริษัทเทคโนโลยี  แม้ว่าโฟกัสสำคัญจะอยู่ที่การใช้หน่วยประมวลผลกราฟิกประสิทธิภาพสูง (GPU) ในเวิร์กโหลดใหม่ๆ ของ AI แต่ผู้ให้บริการระดับไฮเปอร์สเกลหลักๆ

ไม่ว่าจะเป็น AWS, Google, Meta และ Microsoft ต่างลงทุนพัฒนาชิปของตัวเองโดยปรับให้เหมาะสมกับ AI แม้การพัฒนาชิปจะมีราคาแพงแต่การใช้ชิปที่ออกแบบเองนั้นสามารถปรับปรุงประสิทธิภาพด้านการดำเนินงาน ช่วยลดต้นทุนของการส่งมอบบริการที่ใช้ AI ให้กับผู้ใช้ มากกว่านั้นยังช่วยลดต้นทุนสำหรับผู้ใช้ในการเข้าถึงแอปพลิเคชันที่ใช้ AI ใหม่

“ตลาดกำลังเปลี่ยนจากการพัฒนา (Development) ไปสู่ การนำมาปรับใช้งาน (Deployment) เราคาดว่าแนวโน้มนี้จะดำเนินต่อไป”