การ์ทเนอร์คาดการณ์ปีนี้รายได้ชิป
AI
ทั่วโลกจะโตขึ้น 33% โดยมูลค่ารวม AI
Accelerators ในเซิร์ฟเวอร์ ปี 2567 อยู่ที่ 21
พันล้านดอลลาร์สหรัฐฯ ขณะที่ Compute Electronics มีสัดส่วน 47% ของรายได้ชิป AI ทั้งหมดในตลาด และภายในสิ้นปี 2569 การจัดซื้อพีซีระดับองค์กรทั้ง
100% จะเป็น AI PC
กรุงเทพฯ
ประเทศไทย, 8 กรกฎาคม 2567 - การ์ทเนอร์คาดการณ์ภายในปี 2567
รายได้ของเซมิคอนดักเตอร์ AI ทั่วโลกจะมีมูลค่ารวมถึง 71 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 33% จากปี 2566
อลัน
พรีสต์ลีย์ รองประธานฝ่ายวิจัยการ์ทเนอร์ กล่าวว่า “วันนี้ Generative
AI (GenAI) กำลังกระตุ้นความต้องการชิป AI ประสิทธิภาพสูงสำหรับดาต้าเซ็นเตอร์และในปี
2567 นี้มูลค่าของ AI Accelerators ในเซิร์ฟเวอร์ที่ทำหน้าที่ประมวลผลข้อมูลจากไมโครโปรเซสเซอร์จะมีมูลค่ารวม
21 พันล้านดอลลาร์สหรัฐ และเพิ่มขึ้นเป็น 33 พันล้านดอลลาร์สหรัฐฯ ภายในปี 2571”
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 โดยหลังบ้านมี AI ทำงานอยู่อย่างต่อเนื่อง
พร้อมสร้างโอกาสใหม่ ๆ ด้วยการดึงศักยภาพของ AI มาปรับใช้ในกิจกรรมประจำวัน
แม้รายได้จากเซมิคอนดักเตอร์
AI
จะยังเติบโตเป็นเลขสองหลักในช่วงระยะเวลาคาดการณ์
ซึ่งจะมีอัตราการเติบโตสูงสุดในปี 2567 (ดูตารางที่ 1)
ตารางที่
1.
คาดการณ์รายได้เซมิคอนดักเตอร์ AI ทั่วโลก
ระหว่างปี 2566-2568 (หน่วย: ล้านดอลลาร์สหรัฐฯ)
ที่มา:
การ์ทเนอร์ (พฤษภาคม 2567)
รายได้ของชิป
AI
จาก Compute Electronics สร้างสถิติส่วนแบ่งสูงสุดในกลุ่มอุปกรณ์อิเล็กทรอนิกส์
คาดว่าในปี
2024 รายได้จากชิป AI จากอุปกรณ์อิเล็กทรอนิกส์คอมพิวเตอร์จะมีมูลค่ารวม
33.4 พันล้านดอลลาร์ ซึ่งจะคิดเป็น 47%
ของรายรับจากเซมิคอนดักเตอร์ AI ทั้งหมด รายรับจากชิป AI
จากอุปกรณ์อิเล็กทรอนิกส์ในยานยนต์คาดว่าจะสูงถึง 7.1 พันล้านดอลลาร์ และ 1.8
พันล้านดอลลาร์จากอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคในปี 2567 ตามลำดับ
การแข่งขันที่ดุเดือดระหว่างผู้ขายเซมิคอนดักเตอร์และบริษัทเทคโนโลยี
แม้ว่าโฟกัสสำคัญจะอยู่ที่การใช้หน่วยประมวลผลกราฟิกประสิทธิภาพสูง
(GPU)
ในเวิร์กโหลดใหม่ ๆ ของ AI แต่ผู้ให้บริการระดับไฮเปอร์สเกลหลัก
ๆ (เช่น AWS, Google, Meta และ Microsoft) ต่างลงทุนพัฒนาชิปของตัวเองโดยปรับให้เหมาะสมกับ AI แม้การพัฒนาชิปจะมีราคาแพง
แต่การใช้ชิปที่ออกแบบเองนั้นสามารถปรับปรุงประสิทธิภาพด้านการดำเนินงาน
ช่วยลดต้นทุนของการส่งมอบบริการที่ใช้ AI ให้กับผู้ใช้
และลดต้นทุนสำหรับผู้ใช้ในการเข้าถึงแอปพลิเคชันที่ใช้ AI ใหม่
“ขณะที่ตลาดเปลี่ยนจากการพัฒนา (Development) ไปสู่
การนำมาปรับใช้งาน (Deployment) เราคาดว่าแนวโน้มนี้จะดำเนินต่อไป”
พรีสต์ลีย์ กล่าวเพิ่มเติม
ที่มา
:
M Report
วันที่
12 กรกฎาคม 2567