Nvidia Vera CPU กับโอกาสตลาด 200 พันล้านดอลลาร์ในยุค Agentic AI

ซีพียูดาต้าเซ็นเตอร์ส่วนใหญ่ในปัจจุบัน เช่น Intel Xeon หรือ AMD EPYC ถูกออกแบบให้ใช้งานได้หลากหลาย ตั้งแต่ฐานข้อมูลไปจนถึงคลาวด์ทั่วไป

Vera ใช้แนวคิดต่างออกไปอย่างชัดเจน

ออกแบบมาเพื่อระบบ AI ที่ใช้ GPU เป็นศูนย์กลาง

แทนที่จะเป็นเครื่องประมวลผลหลักของเซิร์ฟเวอร์ Vera ถูกสร้างให้เป็น ชั้นควบคุมของคลัสเตอร์ GPU

สถาปัตยกรรมจึงเน้นการป้อนข้อมูลให้ GPU อย่างต่อเนื่อง ลดคอขวดของหน่วยความจำ และควบคุมสภาพแวดล้อมซอฟต์แวร์รอบโมเดล AI

สถาปัตยกรรม Arm 88 คอร์

Vera ใช้ Arm architecture จำนวน 88 คอร์ ซึ่งเน้นประสิทธิภาพต่อพลังงานและแบนด์วิดท์ต่อคอร์ที่สูง เหมาะกับระบบกระจายงานขนาดใหญ่ในดาต้าเซ็นเตอร์

ชิป Arm กำลังได้รับความนิยมเพิ่มขึ้นในระบบ hyperscale เพราะสามารถให้ performance-per-watt ที่ดีกว่า ในงานแบบขนานขนาดใหญ่

ประสิทธิภาพและพลังงานที่ Nvidia เคลม

Nvidia ระบุว่า Vera สามารถให้

• ประสิทธิภาพเร็วขึ้นได้ถึง 50%
• และมีประสิทธิภาพด้านพลังงาน มากกว่าเดิม 2 เท่า

เมื่อเทียบกับโครงสร้าง CPU แบบ rack-scale แบบดั้งเดิมในระบบ AI

เหตุผลหลักคือการออกแบบ CPU ให้ทำงานร่วมกับ GPU ของ Nvidia ตั้งแต่ระดับสถาปัตยกรรม

แพลตฟอร์ม Vera Rubin: CPU + GPU ทำงานเป็นระบบเดียว

Vera ไม่ได้ถูกออกแบบให้ทำงานลำพัง แต่เป็นส่วนหนึ่งของแพลตฟอร์มใหม่ชื่อ Vera Rubin

แพลตฟอร์มนี้จับคู่

• Vera CPU
• Rubin GPU รุ่นถัดไป

เพื่อรองรับเวิร์กโหลด AI ที่ซับซ้อน เช่น

• agentic AI
• การให้เหตุผลหลายขั้นตอน
• งาน inference ที่มี context ยาวมาก

แนวคิดคือการรวม CPU, GPU, เครือข่าย และหน่วยความจำ ให้เป็นระบบเดียว เพื่อลดคอขวดในการสื่อสาร และเพิ่มจำนวน tokens ต่อวัตต์ ในการรันโมเดล AI

กลยุทธ์ใหญ่ของ Nvidia: ครองทั้งดาต้าเซ็นเตอร์ AI

หลายปีที่ผ่านมา Nvidia ครองตลาด AI accelerator ผ่าน GPU แต่ตอนนี้บริษัทกำลังขยายไปสู่ทุกชั้นของโครงสร้างพื้นฐาน

แพลตฟอร์มของ Nvidia เริ่มรวมองค์ประกอบหลักทั้งหมด ได้แก่

• GPU (Blackwell, Rubin)
• CPU (Grace, Vera)
• เครือข่าย (InfiniBand และ Spectrum‑X)
• ระบบ rack-scale
• ซอฟต์แวร์ CUDA ecosystem

เป้าหมายคือขาย แพลตฟอร์มโครงสร้างพื้นฐาน AI แบบครบวงจร แทนการขายชิปแยกชิ้น

หากกลยุทธ์นี้สำเร็จ Nvidia อาจเปลี่ยนสมดุลในดาต้าเซ็นเตอร์ที่ historically พึ่งพา CPU ของ Intel และ AMD เป็นหลัก

Hyperscalers และยุค “AI Factory”

ลูกค้าสำคัญของ Nvidia คือผู้ให้บริการคลาวด์ขนาดใหญ่ หรือที่เรียกว่า hyperscalers เช่น Microsoft และบริษัทเทคโนโลยีระดับโลก

ตัวอย่างหนึ่งคือโครงการ Fairwater AI superfactories ของ Microsoft ที่คาดว่าจะใช้ระบบ rack-scale ของแพลตฟอร์ม Vera Rubin และอาจติดตั้งชิปหลายแสนตัวในคลัสเตอร์ขนาดมหึมา

โครงสร้างพื้นฐานลักษณะนี้บางครั้งถูกเรียกว่า AI factories — ดาต้าเซ็นเตอร์ที่สร้างขึ้นมาเพื่อฝึกและรันโมเดล AI ในระดับอุตสาหกรรม

พลังทางการเงินของ Nvidia ที่อยู่เบื้องหลัง

การขยายธุรกิจครั้งนี้เกิดขึ้นในช่วงที่ Nvidia เติบโตอย่างรวดเร็ว

บริษัทรายงานรายได้ 81.6 พันล้านดอลลาร์ในไตรมาสแรกของปีงบประมาณ 2027 เพิ่มขึ้น 85% เมื่อเทียบกับปีก่อน โดยรายได้จากดาต้าเซ็นเตอร์อยู่ที่ 75.2 พันล้านดอลลาร์

นอกจากนี้ยังคาดการณ์รายได้ไตรมาสถัดไปราว 91 พันล้านดอลลาร์ สะท้อนความต้องการโครงสร้างพื้นฐาน AI ที่ยังเพิ่มขึ้นต่อเนื่อง

ผู้นำบริษัทยังประเมินว่าความต้องการต่อระบบ Blackwell และ Vera Rubin อาจรวมกันสูงถึง 1 ล้านล้านดอลลาร์ ในช่วงหลายปีข้างหน้า

ทำไมโอกาสตลาด 200 พันล้านดอลลาร์จึงสำคัญ

สิ่งที่สำคัญที่สุดของ Vera อาจไม่ใช่แค่ซีพียูตัวใหม่ แต่คือการที่ Nvidia พยายามขยายจาก ตลาด GPU ไปสู่ทั้ง compute stack ของดาต้าเซ็นเตอร์

ในอดีต ช่อง CPU ภายในเซิร์ฟเวอร์แทบทั้งหมดถูกครองโดย Intel และ AMD แต่ถ้า hyperscalers หันมาใช้สถาปัตยกรรมของ Nvidia อย่างกว้างขวาง บริษัทก็อาจยึดส่วนนี้ของงบประมาณฮาร์ดแวร์ได้ด้วย

อย่างไรก็ตาม ตัวเลข 200 พันล้านดอลลาร์เป็นเพียงการประเมินตลาด ของ Nvidia เอง ความสำเร็จจริงยังขึ้นอยู่กับหลายปัจจัย เช่น

• การยอมรับเซิร์ฟเวอร์ Arm ในตลาด
• กำลังการผลิตชิป
• การตัดสินใจของผู้ให้บริการคลาวด์ว่าจะเปลี่ยนจากโครงสร้าง x86 เดิมหรือไม่

สิ่งหนึ่งที่ชัดเจนคือ ในยุคของ agentic AI CPU ที่เคยเป็นเพียงผู้ประสานงานเบื้องหลัง กำลังกลับมาเป็นองค์ประกอบเชิงกลยุทธ์อีกครั้งในสถาปัตยกรรม AI รุ่นใหม่