TSMC เร่งลงทุนรับยุค AI เมื่อ “กำลังผลิตที่ใช้งานได้จริง” สำคัญกว่าชิปที่เล็กที่สุด

ปัญหาของอุตสาหกรรมเซมิคอนดักเตอร์ในยุคปัญญาประดิษฐ์ไม่ได้มีแค่การผลิตทรานซิสเตอร์ให้เล็กลงอีกต่อไป แต่คือการสร้างระบบ AI ที่พร้อมใช้งานจริงให้ได้ครบทั้งชุด ตั้งแต่ชิปประมวลผล หน่วยความจำ แพ็กเกจขั้นสูง การเชื่อมต่อความเร็วสูง ไปจนถึงพลังงานและระบบระบายความร้อน

สัญญาณจาก Taiwan Semiconductor Manufacturing Co. หรือ TSMC ผู้รับจ้างผลิตชิปรายใหญ่ที่สุดของโลก สะท้อนภาพนี้อย่างชัดเจน บริษัทเพิ่มการประเมินความต้องการอุปกรณ์ผลิตชิปรายไตรมาสเป็นประมาณ 1.9 เท่าของตัวเลขที่คาดไว้เมื่อเดือนธันวาคม 17 พร้อมวางแผนใช้งบลงทุนปี 2026 ที่ 52,000–56,000 ล้านดอลลาร์ เทียบกับ 40,900 ล้านดอลลาร์ในปี 2025 และ 28,900 ล้านดอลลาร์ในปี 2024 1819

การสั่งซื้ออุปกรณ์กำลังกลายเป็นดัชนีวัดความต้องการ AI

สำหรับ TSMC ความต้องการเครื่องจักรผลิตชิปเป็นตัวชี้วัดโดยตรงว่าลูกค้า AI กำลังเร่งขยายการผลิตเร็วเพียงใด บริษัทเพิ่มประมาณการซื้ออุปกรณ์รายไตรมาสเป็นเกือบสองเท่าจากแผนเดิม เพื่อรองรับความต้องการชิปที่เกี่ยวข้องกับ AI 17

อย่างไรก็ตาม ไม่ได้หมายความว่าเครื่องจักรใหม่ทุกเครื่องต้องเป็นรุ่นที่ล้ำหน้าที่สุด TSMC กำลังพยายามเพิ่มผลผลิตจากเครื่องจักรที่มีอยู่ โดยเฉพาะเครื่องพิมพ์ลายวงจรแบบ EUV หรือ extreme ultraviolet รุ่น low-NA ขณะเดียวกันก็ยังไม่เร่งนำเครื่อง high-NA EUV ของ ASML ซึ่งมีราคาแพงกว่ามาใช้งานในระยะใกล้

จุดนี้สะท้อนกลยุทธ์ที่สำคัญของ TSMC บริษัทกำลังใช้ทั้งการปรับปรุงกระบวนการผลิต การเพิ่มอัตราการใช้งานเครื่องจักร และการขยายฐานอุปกรณ์โดยรวมเข้าด้วยกัน การใช้เครื่องเดิมให้คุ้มค่าช่วยยืดกำลังผลิตได้ แต่ไม่สามารถทดแทนความจำเป็นในการมีโรงงาน สายการบรรจุชิป และเครื่องมือผลิตเพิ่มขึ้น หากความต้องการจากลูกค้ายังเดินหน้าต่อ

งบลงทุนสะท้อนการเดิมพันระยะยาวกับกำลังผลิต

งบลงทุนปี 2026 ของ TSMC ที่ 52,000–56,000 ล้านดอลลาร์ สูงกว่าการใช้จ่ายจริง 40,900 ล้านดอลลาร์ในปี 2025 และ 28,900 ล้านดอลลาร์ในปี 2024 อย่างมาก 1819 สำนักข่าว Reuters รายงานว่าบริษัทคาดว่าจะใช้งบใกล้ขอบบนของกรอบดังกล่าว หลังความต้องการ AI ยังคงแข็งแกร่ง 19

ขนาดของการลงทุนบ่งชี้ว่า TSMC กำลังวางแผนขยายธุรกิจบนสมมติฐานว่า AI จะสร้างความต้องการต่อเนื่อง ไม่ใช่เพียงวัฏจักรขาขึ้นระยะสั้นของอุตสาหกรรมชิป บริษัทระบุด้วยว่าการใช้จ่ายในช่วงปีถัด ๆ ไปอาจเพิ่มขึ้นอย่างมีนัยสำคัญ เมื่อโครงสร้างพื้นฐาน AI ขยายตัว

แนวโน้มนี้เปิดโอกาสให้ผู้ผลิตอุปกรณ์ต้นน้ำด้วย ASML ซึ่งเป็นผู้จัดหาเครื่อง EUV เพียงรายเดียว วางแผนเพิ่มกำลังผลิต 30% ในปี 2027 และอีก 30% ในปี 2028 เพื่อรองรับความต้องการเครื่องจักรสำหรับชิป AI ขั้นสูง

แต่ประโยชน์ที่เกิดขึ้นกับผู้ผลิตอุปกรณ์แต่ละรายอาจไม่เท่ากัน การที่ TSMC พยายามยืดอายุการใช้งานของเครื่อง EUV รุ่น low-NA และชะลอการใช้เครื่อง high-NA อาจจำกัดรายได้จากเครื่องรุ่นใหม่ของ ASML ในระยะใกล้ แม้ความต้องการอุปกรณ์โดยรวมของ TSMC จะยังสนับสนุนรอบการลงทุนของอุตสาหกรรมก็ตาม

เมื่อ inference กลายเป็นแรงขับเคลื่อนระลอกใหม่

ช่วงแรกของกระแส AI มุ่งเน้นการฝึกโมเดลขนาดใหญ่ หรือ training เป็นหลัก แต่ระยะต่อไปจะอยู่ที่การนำโมเดลเหล่านั้นไปใช้งานในวงกว้าง เพื่อสร้างคำตอบ การคาดการณ์ และการลงมือทำอย่างต่อเนื่อง

ผู้บริหาร TSMC รายหนึ่งเรียกการเปลี่ยนผ่านนี้ว่า “การทำให้อุตสาหกรรม AI เกิดขึ้นจริงอย่างเต็มรูปแบบ” หรือ “true industrialization” โดยปริมาณโทเคนจากงาน inference ทั่วโลกเพิ่มขึ้นเกือบ 500 เท่าจากระดับในปี 2022 ตามรายงานเกี่ยวกับมุมมองของบริษัทต่อตลาด 2 รายงานอื่น ๆ ก็ชี้ว่า inference กำลังเป็นแหล่งความต้องการสำคัญของโครงสร้างพื้นฐานประมวลผล 510

ในที่นี้ inference หมายถึงขั้นตอนที่โมเดลซึ่งผ่านการฝึกแล้วนำมาใช้ตอบคำถามหรือทำงานจริง ต่างจาก training ที่เป็นการฝึกโมเดลตั้งแต่ต้น เมื่อ inference เพิ่มขึ้น ผู้ให้บริการต้องรองรับงานประมวลผลที่ทำงานต่อเนื่องในดาต้าเซ็นเตอร์จำนวนมาก ไม่ใช่เพียงเตรียมกำลังสำหรับการฝึกโมเดลเป็นครั้ง ๆ

ผลที่ตามมาคือแรงกดดันเพิ่มขึ้นพร้อมกันต่อหน่วยประมวลผล หน่วยความจำ ระบบเครือข่าย การเชื่อมต่อ พลังงาน และการระบายความร้อน ไม่ใช่แค่ความหนาแน่นของทรานซิสเตอร์บนชิป 5

สำหรับ TSMC นี่คือการเปลี่ยนโจทย์เชิงกลยุทธ์ โรงงานผลิตชิปที่ช่วยลูกค้าประกอบระบบประสิทธิภาพสูงทั้งระบบ อาจมีคุณค่ามากกว่าผู้ผลิตที่ส่งมอบเวเฟอร์ตามข้อกำหนดเดิมเพียงอย่างเดียว

แพ็กเกจขั้นสูงสำคัญพอ ๆ กับโหนดการผลิต

ชิปเร่งความเร็ว AI หรือ AI accelerator กำลังเปลี่ยนจากชิปเดี่ยวขนาดใหญ่ไปเป็นการรวมไดหลายชิ้น หรือ multi-die architecture เข้าด้วยกัน TSMC ตอบรับแนวโน้มนี้ด้วยแพลตฟอร์ม 3DFabric และเทคโนโลยีบรรจุภัณฑ์ขั้นสูง ซึ่งออกแบบมาเพื่อรวมลอจิก หน่วยความจำ และส่วนประกอบอื่น ๆ ไว้ในแพ็กเกจเดียว

แผนงานเทคโนโลยีของบริษัทมุ่งไปสู่แพ็กเกจที่มีทรานซิสเตอร์มากกว่า 1 ล้านล้านตัวภายในปี 2030 14 เมื่อมีส่วนประกอบจำนวนมากและทำหน้าที่แตกต่างกัน การรวมไดแต่ละชิ้นที่ถูกปรับให้เหมาะกับงานเฉพาะจึงกลายเป็นหัวใจของประสิทธิภาพ

แนวทางนี้อธิบายได้ว่าทำไมกำลังผลิตแพ็กเกจจึงกลายเป็นคอขวดที่สำคัญพอ ๆ กับกำลังผลิตเวเฟอร์ด้านหน้าโรงงาน หรือ front-end wafer capacity แพ็กเกจขั้นสูงเป็นตัวกำหนดว่าไดที่ผลิตแยกกันจะเชื่อมต่อกันด้วยแบนด์วิดท์สูงพอ มีความหน่วงต่ำ ประหยัดพลังงาน และให้ผลผลิตผ่านเกณฑ์ได้หรือไม่

เวเฟอร์ที่ผลิตด้วยเทคโนโลยีล้ำสมัยจึงยังไม่ถือเป็นกำลังผลิต AI ที่ใช้งานได้ จนกว่าจะถูกนำไปประกอบเป็นระบบที่ทำงานจริง

การเชื่อมต่อด้วยแสงช่วยแก้ปัญหาการเคลื่อนย้ายข้อมูล

เมื่อระบบ AI มีขนาดใหญ่ขึ้น การเคลื่อนย้ายข้อมูลระหว่างหน่วยประมวลผล หน่วยความจำ และอุปกรณ์เครือข่ายก็กลายเป็นโจทย์ที่ยากขึ้น TSMC จึงพัฒนาเทคโนโลยีซิลิคอนโฟโตนิกส์ควบคู่ไปกับการพัฒนาลอจิกและแพ็กเกจแบบดั้งเดิม

เทคโนโลยี Compact Universal Photonic Engine หรือ COUPE ของบริษัท ใช้การซ้อนชิปแบบ SoIC-X โดยวางไดไฟฟ้าไว้เหนือไดโฟโตนิกส์ TSMC ระบุว่าสถาปัตยกรรมนี้มีเป้าหมายรองรับการเติบโตอย่างรวดเร็วของการส่งข้อมูลจาก AI ลดอิมพีแดนซ์บริเวณรอยต่อระหว่างได และเพิ่มประสิทธิภาพด้านพลังงานเมื่อเทียบกับวิธีการซ้อนชิปแบบทั่วไป 12

ทิศทางโดยรวมชัดเจนขึ้นเรื่อย ๆ ว่าแพ็กเกจไม่ได้เป็นเพียงกล่องบรรจุโปรเซสเซอร์อีกต่อไป แต่กำลังกลายเป็นระบบการเชื่อมต่อทั้งทางไฟฟ้าและทางแสง สิ่งนี้ทำให้ TSMC มีบทบาทในการประสานซิลิคอน แพ็กเกจ และการรับส่งข้อมูลด้วยแสง ขณะที่ลูกค้าออกแบบโครงสร้างพื้นฐาน AI ที่บูรณาการมากขึ้น

จากโรงงานรับจ้างผลิตสู่พันธมิตรระดับระบบ

จุดแข็งดั้งเดิมของ TSMC คือการผลิตชิปขั้นสูงจำนวนมากให้กับลูกค้าที่ออกแบบชิปเอง แต่ความต้องการจาก AI กำลังขยายความสัมพันธ์นี้ไปสู่การร่วมพัฒนาระบบแบบบูรณาการ

กลยุทธ์เทคโนโลยีของบริษัทขณะนี้เชื่อมโยงกระบวนการผลิตขั้นสูงเข้ากับแพ็กเกจขั้นสูง การรวมหน่วยความจำแบนด์วิดท์สูง และโฟโตนิกส์ นั่นไม่ได้หมายความว่า TSMC เป็นผู้ดำเนินการดาต้าเซ็นเตอร์ทุกส่วน แต่หมายความว่าการตัดสินใจด้านการผลิตของบริษัทส่งผลต่อวิธีออกแบบและส่งมอบระบบ AI ทั้งระบบมากขึ้น

ผลลัพธ์คือ TSMC กลายเป็นโรงงานรับจ้างผลิตที่ฝังตัวอยู่ในห่วงโซ่คุณค่าของลูกค้ามากกว่าเดิม ลูกค้าไม่ได้ต้องการเพียงสิทธิ์เข้าถึงโหนดการผลิต แต่ยังต้องพึ่งพากำลังการบรรจุชิป ความเชี่ยวชาญด้านการรวมระบบ และซัพพลายเชนที่สามารถส่งมอบชิ้นส่วน AI ที่พร้อมใช้งาน

สถานะดังกล่าวอาจช่วยเสริมความแข็งแกร่งให้ TSMC แต่ก็เพิ่มความเสี่ยงด้านการดำเนินงานด้วย เพราะบริษัทต้องรับมือกับข้อจำกัดที่กระจายไปยังอุปกรณ์ผลิตชิป วัสดุรองรับแพ็กเกจ หน่วยความจำ พลังงาน ระบบระบายความร้อน และการก่อสร้างดาต้าเซ็นเตอร์

บทสรุปซัพพลายเชน: กำลังผลิตกลายเป็น “ชุดของขีดความสามารถ”

คอขวดของเซมิคอนดักเตอร์สำหรับ AI ไม่ควรถูกมองว่าเป็นการขาดแคลนเครื่องจักรเพียงชนิดเดียวหรือโหนดการผลิตเพียงหนึ่งระดับ แต่เป็นชุดของกำลังผลิตที่ต้องทำงานประสานกัน ได้แก่

• การผลิตเวเฟอร์ด้วยเทคโนโลยีขั้นสูง
• อุปกรณ์ลิโทกราฟี การเคลือบ การกัด และการตรวจวัด
• การบรรจุและประกอบชิปขั้นสูง
• หน่วยความจำแบนด์วิดท์สูงและวัสดุรองรับแพ็กเกจ
• การเชื่อมต่อทางไฟฟ้าและทางแสง
• พลังงาน ระบบระบายความร้อน และโครงสร้างพื้นฐานดาต้าเซ็นเตอร์

ความต้องการอุปกรณ์ที่สูงขึ้นและงบลงทุนที่ขยายตัวของ TSMC ยืนยันว่ากำลังผลิตเวเฟอร์ยังมีความสำคัญ แต่แผนงานด้านแพ็กเกจและโฟโตนิกส์ของบริษัทก็แสดงให้เห็นว่า ผลิตเวเฟอร์ได้มากขึ้นเพียงอย่างเดียวยังไม่เพียงพอ 1214

TSMC คาดว่าตลาดเซมิคอนดักเตอร์ทั่วโลกอาจมีมูลค่าเกิน 1.5 ล้านล้านดอลลาร์ภายในปี 2030 โดยมี AI และการประมวลผลสมรรถนะสูงเป็นแรงขับเคลื่อนสำคัญ 110 ตัวเลขนี้สะท้อนขนาดของโอกาสที่บริษัทกำลังเตรียมรับมือ

ข้อสรุปสำคัญคือ AI กำลังผลัก TSMC จากการเป็นผู้ผลิตเวเฟอร์ขั้นสูงเป็นหลัก ไปสู่ผู้ประสานงานซัพพลายเชนด้านการประมวลผล AI ทางกายภาพ ผู้ชนะในระยะต่อไปจึงไม่ได้วัดกันแค่ว่าใครผลิตทรานซิสเตอร์ที่เล็กที่สุด แต่ยังวัดกันที่ว่าใครสามารถเปลี่ยนทรานซิสเตอร์เหล่านั้นให้เป็นกำลังประมวลผล AI ที่เชื่อมต่อได้ เสถียร และนำไปใช้งานจริงได้มากที่สุด