NVIDIA ปิดฉากความสัมพันธ์ในฐานะผู้ถือหุ้น ARM อย่างเป็นทางการ หลังขายหุ้นที่เหลือทั้งหมดมูลค่าราว 140 ล้านดอลลาร์ ตามเอกสารยื่นต่อ SEC แม้บริษัทจะยังใช้สถาปัตยกรรม ARM ในไลน์ผลิตภัณฑ์สำคัญอย่าง Grace Hopper, Blackwell และ Vera CPUs แต่จังหวะเวลาของการขายครั้งนี้ ก็ทำให้เกิดคำถามใหม่ว่า ในยุค “Agentic AI” สถาปัตยกรรมแบบใดจะเหมาะสมที่สุดสำหรับศูนย์ข้อมูลยุคต่อไป
ขณะเดียวกัน NVIDIA ก็เริ่มขยับเข้าใกล้ฝั่ง x86 มากขึ้น ผ่านความร่วมมือกับ Intel ซึ่งหลายฝ่ายมองว่าเป็น “สัญญาณทางอ้อม” ว่า ARM เพียงอย่างเดียวอาจไม่ตอบโจทย์การเติบโตของ AI รุ่นใหม่
บทความนี้จะพาไปดูว่าเกิดอะไรขึ้น ทำไม CPU กลับมาเป็นจุดสนใจในยุคที่ GPU ครองเวที และการเคลื่อนไหวของ NVIDIA บอกอะไรเกี่ยวกับทิศทางอนาคต
NVIDIA ขายหุ้น ARM ที่เหลือทั้งหมด
ตามรายงานล่าสุด NVIDIA ได้ขายหุ้น ARM ที่เหลือทั้งหมด มูลค่าประมาณ 140 ล้านดอลลาร์ ปิดฉากบทหนึ่งที่ย้อนกลับไปถึงความพยายามเข้าซื้อ ARM แบบเต็มรูปแบบเมื่อหลายปีก่อน ซึ่งสุดท้ายดีลนั้นไม่สำเร็จ
แม้จะขายหุ้นออก แต่ NVIDIA ยังคงพัฒนา CPU บนสถาปัตยกรรม ARM ต่อไป โดยเฉพาะในตระกูล Grace Hopper และ Blackwell รวมถึง Vera CPUs ที่กำลังจะมา
ดังนั้น การขายหุ้นครั้งนี้ไม่ได้หมายความว่า NVIDIA จะเลิกใช้ ARM ทันที แต่เกิดขึ้นในช่วงที่บทบาทของ ARM ในศึก AI เริ่มถูกตั้งคำถาม
ทำไม CPU กลับมาเด่นในยุค Agentic AI?
ช่วงที่ผ่านมา GPU คือหัวใจของ AI โดยเฉพาะงานเทรนโมเดลขนาดใหญ่ แต่ในระยะหลัง งานประเภท inference (การนำโมเดลไปใช้งานจริง) โดยเฉพาะแบบ agent-based หรือ Agentic AI กำลังเปลี่ยนสมดุลนี้
Agentic AI คือระบบ AI ที่สามารถทำงานแบบ “ตัวแทน” (agent) เช่น เรียกใช้ API, ติดต่อเครื่องมือภายนอก, ค้นหาข้อมูลในหน่วยความจำ หรือจัดการลำดับงานหลายขั้นตอน
งานลักษณะนี้มีจุดเด่นคือ:
มี microtasks จำนวนมากต่อวินาที
ต้องประมวลผลคำสั่งสั้น ๆ ต่อเนื่อง
ต้องสื่อสารระหว่างระบบหลายส่วน
จุดนี้ทำให้ CPU มีบทบาทมากขึ้น เพราะงานหลายอย่างไม่ได้เน้นพลังประมวลผลแบบขนานมหาศาล (parallel compute) ของ GPU แต่ต้องการความเร็วตอบสนองแบบ single-threaded burst
ถ้า CPU ส่งคำสั่งไป GPU ช้าแม้เพียงเล็กน้อย GPU ก็อาจต้อง “รอ” และเสียประสิทธิภาพโดยรวม
ARM vs x86 ใครเหมาะกับ Agentic Workloads มากกว่า?
มีการวิเคราะห์จาก GF Securities ว่า CPU บน ARM มีแรงส่งในตลาด AI Server ค่อนข้างอ่อนกว่า x86 โดยเฉพาะในแง่ประสิทธิภาพการจัดคิวงานให้ GPU
เหตุผลหนึ่งคือ ในสภาพแวดล้อมที่มีงานย่อยจำนวนมหาศาลต่อวินาที ความเร็วแบบ single-thread มีความสำคัญมากกว่าความได้เปรียบด้าน multi-core
อีกประเด็นสำคัญคือ “ระบบนิเวศ” ของศูนย์ข้อมูลองค์กรจำนวนมากยังพึ่งพา x86 เป็นหลัก ทั้งในแง่:
Firmware stack
Virtualization layer
ซอฟต์แวร์ที่คอมไพล์มานานหลายปี
นี่ทำให้ Intel และ AMD รายงานความต้องการ CPU สำหรับดาต้าเซ็นเตอร์ที่เพิ่มสูงขึ้น โดยเฉพาะจากกลุ่ม hyperscaler ที่กำลังอยู่ในรอบอัปเกรดใหญ่
ความร่วมมือ NVIDIA–Intel สะท้อนอะไร?
ล่าสุด NVIDIA มีความร่วมมือกับ Intel เพื่อพัฒนาโซลูชัน x86 ที่สามารถรวมเข้ากับเซิร์ฟเวอร์แร็กแบบ NVLink-fused
NVLink คือเทคโนโลยีเชื่อมต่อความเร็วสูงของ NVIDIA ที่ใช้รวม GPU และระบบต่าง ๆ เข้าด้วยกันในระดับแร็ก
การนำ x86 เข้ามาเป็นส่วนหนึ่งของโครงสร้างนี้ ถูกมองว่าเป็นการกระจายความเสี่ยง และตอบโจทย์ลูกค้าองค์กรที่ยังยึดระบบ x86 เป็นแกนหลัก
แม้จะยังไม่มีการประกาศผลิตภัณฑ์ x86 ของ NVIDIA โดยตรง แต่การจับมือกับ Intel ก็เป็นสัญญาณว่าบริษัทกำลังสำรวจทางเลือกมากกว่า ARM เพียงทางเดียว
การขายหุ้น ARM เกี่ยวข้องกับกลยุทธ์หรือไม่?
มีรายงานว่า การขายหุ้น ARM ครั้งนี้เป็นการตัดสินใจทางการเงินล้วน ๆ และไม่ได้สะท้อนการเปลี่ยนแปลงเชิงกลยุทธ์ในทันที
NVIDIA ยังคงใช้ ARM ใน Vera CPUs และผลิตภัณฑ์ปัจจุบันอย่างเต็มรูปแบบ
อย่างไรก็ตาม ในระยะยาว มีความเป็นไปได้ว่า NVIDIA อาจกระจายไลน์ CPU ไปยังระบบนิเวศ x86 มากขึ้น โดยเฉพาะในรุ่นถัดไปอย่าง Feynman หรือหลังจากนั้น
ภาพใหญ่: CPU TAM กำลังโต
อีกคำที่ถูกพูดถึงบ่อยคือ CPU TAM (Total Addressable Market) หรือขนาดตลาดรวมที่ CPU สามารถเข้าถึงได้
เมื่อ AI ขยายตัวไปสู่ inference และ agent-based systems มากขึ้น ตลาด CPU สำหรับดาต้าเซ็นเตอร์ก็ขยายตัวตาม
สิ่งนี้อธิบายได้ว่าทำไม:
Intel และ AMD รายงานความต้องการสูง
Hyperscaler เร่งอัปเกรดโครงสร้างพื้นฐาน
NVIDIA เริ่มให้ความสำคัญกับ CPU มากขึ้น
ในยุคแรกของ AI อาจเป็น “GPU-first” แต่ในยุค Agentic AI อาจกลายเป็น “GPU + CPU orchestration” ที่สมดุลมากขึ้น
สรุป: ไม่ใช่จบ ARM แต่คือเริ่มเกมใหม่
การที่ NVIDIA ขายหุ้น ARM ไม่ได้หมายความว่า ARM จะหมดบทบาทในระบบ AI
ในระยะสั้น Vera CPUs ยังเป็น ARM-based เต็มตัว
แต่ในระยะยาว การขยับเข้าใกล้ x86 อาจเป็นการเตรียมรับตลาด Agentic AI ที่ต้องการโครงสร้างหลากหลาย
การแข่งขันจึงไม่ใช่แค่ GPU vs CPU หรือ ARM vs x86 แต่คือการออกแบบสถาปัตยกรรมที่ตอบโจทย์ workload ใหม่ ๆ ที่ซับซ้อนขึ้นทุกปี
ศึก AI ระลอกถัดไปอาจไม่ได้วัดกันที่พลังประมวลผลดิบเพียงอย่างเดียว แต่ที่ความสามารถในการประสานงานระหว่าง CPU และ GPU ให้ทำงานได้อย่างไร้คอขวดมากที่สุด
และ NVIDIA กำลังวางหมากในเกมนี้อย่างรอบคอบ