การสำรวจครอบคลุมกว่า 80 ประเทศ และพบว่าประมาณ 55 ประเทศได้พัฒนา LLM ของตนเองแล้ว แต่โมเดลส่วนใหญ่ยังทำงานบนฮาร์ดแวร์ของ Nvidia
Neil Shah นักวิเคราะห์ของ Counterpoint ชี้ให้เห็นความย้อนแย้งดังกล่าวอย่างชัดเจน ประเทศต่าง ๆ กำลังสร้าง “Sovereign AI” เพื่อเพิ่มความเป็นอิสระทางเทคโนโลยี ทว่ากลับยังต้องพึ่งพาชิปและซอฟต์แวร์สแต็กของบริษัทอเมริกันรายเดียวเป็นหลัก
การวิเคราะห์จากหลายแหล่งชี้ไปในทิศทางเดียวกันว่า จุดแข็งของ Nvidia ไม่ได้มาจากประสิทธิภาพฮาร์ดแวร์เพียงอย่างเดียว แต่เกิดจากระบบนิเวศที่สร้างต่อเนื่องมานานหลายปี
CUDA คือแพลตฟอร์มซอฟต์แวร์ของ Nvidia ที่ช่วยให้นักพัฒนาสร้างและปรับแต่งโปรแกรมสำหรับการประมวลผลบน GPU ระบบนี้มีเครื่องมือ ไลบรารี และซอฟต์แวร์ที่ครอบคลุมตั้งแต่การฝึกโมเดล การนำโมเดลไปใช้งานจริง ไปจนถึงการจำลองระบบหุ่นยนต์
เมื่อห้องทดลอง มหาวิทยาลัย ผู้ให้บริการคลาวด์ และหน่วยงานรัฐสร้างโครงการบน CUDA แล้ว การย้ายไปใช้ฮาร์ดแวร์คู่แข่งไม่ได้หมายถึงการเปลี่ยนชิปเท่านั้น แต่ยังอาจต้องปรับโค้ด เครื่องมือ และกระบวนการทำงานจำนวนมาก จึงเกิดต้นทุนการเปลี่ยนระบบสูงมาก
นักวิเคราะห์บางรายมองว่าแนวป้องกันของ CUDA เริ่มถูกท้าทายจากเครื่องมือที่รองรับฮาร์ดแวร์หลายค่าย เช่น Triton และ MLIR รวมถึงชิปเฉพาะทางของ Google และ Amazon แต่ในตลาด Sovereign AI ยังไม่มีคู่แข่งรายใดสามารถเจาะส่วนแบ่งของ Nvidia ได้อย่างมีนัยสำคัญ
Nvidia ไม่ได้จำหน่ายแค่ชิป แต่ยังนำเสนอไลบรารีสำหรับโมเดล ระบบเครือข่ายอย่าง NVLink และ NVSwitch ตลอดจนระบบ AI สำเร็จรูปที่พร้อมนำไปใช้งาน
สำหรับโครงการ AI ของภาครัฐที่ต้องเริ่มต้นอย่างรวดเร็วและอาจมีข้อจำกัดด้านบุคลากรหรือทรัพยากร การเลือกแพลตฟอร์มที่มีเครื่องมือครบตั้งแต่ต้นจึงเป็นทางเลือกที่มีความเสี่ยงต่ำกว่า แม้จะเพิ่มการพึ่งพาผู้ขายรายเดียวก็ตาม
Nvidia ส่งมอบตัวเร่งการประมวลผล AI ในจำนวนมากกว่าคู่แข่งรวมกัน ซึ่งช่วยให้บริษัทมีอำนาจต่อรองด้านปริมาณการผลิต ความสำคัญในห่วงโซ่อุปทานของ TSMC และงบวิจัยและพัฒนาที่ช่วยรักษาความเป็นผู้นำ
ข้อได้เปรียบเหล่านี้ทำงานเสริมกัน: ซอฟต์แวร์ทำให้ลูกค้าเปลี่ยนระบบได้ยาก ขณะที่ฮาร์ดแวร์และโครงสร้างพื้นฐานแบบครบชุดทำให้ Nvidia เป็นตัวเลือกที่ติดตั้งได้ง่ายกว่าในโครงการขนาดใหญ่
แม้ยังไม่มีบริษัทใดใกล้เคียงกับส่วนแบ่ง 92.4% ของ Nvidia แต่คู่แข่งก็เริ่มสร้างฐานที่มั่นในบางโครงการ
ดังนั้น การแข่งขันในเวลานี้ยังเป็นการแย่ง “พื้นที่เฉพาะจุด” มากกว่าการเปลี่ยนโครงสร้างตลาดทั้งระบบ
Nvidia ไม่ได้รักษาความเป็นผู้นำด้วยการขายชิปเท่านั้น แต่ยังลงทุนและจับมือกับผู้พัฒนา AI ซึ่งช่วยให้ฮาร์ดแวร์ของบริษัทฝังลึกเข้าไปในระบบนิเวศ AI รุ่นถัดไป
เมื่อวันที่ 27 กรกฎาคม 2026 Nvidia ประกาศการลงทุนใน Safe Superintelligence (SSI) ห้องปฏิบัติการ AI ที่ร่วมก่อตั้งโดย Ilya Sutskever อดีตหัวหน้านักวิทยาศาสตร์ของ OpenAI โดย Reuters รายงานมูลค่าการลงทุนไว้ที่ 5,000 ล้านดอลลาร์ ขณะที่รายละเอียดจากบริษัทระบุว่า SSI จะเข้าถึงระบบประมวลผล Nvidia รุ่นถัดไปอย่าง Vera Rubin และเพิ่มกำลังประมวลผลได้ในระดับลำดับขั้น
ดีลนี้ทำให้ห้องทดลองที่มุ่งพัฒนา AI ขั้นสูงเชื่อมโยงกับแผนงานฮาร์ดแวร์ของ Nvidia ตั้งแต่ระยะต้น และเป็นตัวอย่างว่าบริษัทกำลังใช้เงินลงทุนเพื่อขยายอิทธิพลเหนืออนาคตของระบบนิเวศ AI ไม่ใช่เพียงตลาดชิปในปัจจุบัน
Nvidia มีความร่วมมือกับ NAVER และ Brookfield เพื่อขยายโครงสร้างพื้นฐาน AI แห่งชาติของเกาหลีใต้ โดยมีแผนเพิ่มการติดตั้ง AI factory ของ Nvidia เป็น 200 เมกะวัตต์
อย่างไรก็ตาม แหล่งข้อมูลที่มีอยู่ในบทความนี้ยังไม่ได้ให้รายละเอียดเพียงพอที่จะยืนยันตัวเลขการลงทุนรวมในญี่ปุ่นและเกาหลีใต้ที่เกิน 500,000 ล้านดอลลาร์ ดังนั้นตัวเลขดังกล่าวจึงควรถือเป็น ข้อกล่าวอ้างที่ยังมีหลักฐานไม่เพียงพอ ไม่ใช่ข้อสรุปที่ยืนยันแล้ว
แหล่งข่าว Forbes รายงานว่า Nvidia ตั้งใจจัดสรรเงิน 26,000 ล้านดอลลาร์ในช่วง 5 ปีเพื่อสร้างโมเดล AI แบบเปิดน้ำหนัก (open-weight) หากดำเนินการตามแผน โมเดลลักษณะนี้อาจถูกนำไปใช้ในภาครัฐและสถาบันการศึกษา และช่วยให้ซอฟต์แวร์ที่ทำงานบนโครงสร้างพื้นฐานของ Nvidia กลายเป็นค่าเริ่มต้นของโครงการ AI มากขึ้น
จีนไม่ได้รวมอยู่ในการสำรวจของ Counterpoint แต่บริบทที่มีหลักฐานรองรับระบุว่า ข้อจำกัดการส่งออกของสหรัฐฯ ทำให้ห้องทดลองจีนเข้าถึงชิป Nvidia รุ่นก้าวหน้าสำหรับการพัฒนา LLM ระดับแนวหน้าได้ยากขึ้น
ทางเลือกของห้องทดลองจีนจึงมีทั้งการใช้ GPU Nvidia รุ่นเก่าที่จัดเก็บไว้ก่อนมาตรการห้ามส่งออก การใช้ชิปในประเทศอย่าง Huawei Ascend และ Cambricon ซึ่งมีประสิทธิภาพต่ำกว่าในบางงาน หรือการยอมรับข้อจำกัดด้านกำลังประมวลผลที่อาจทำให้การพัฒนาโมเดลช้าลง
สถานการณ์นี้ก่อให้เกิดความย้อนแย้งเชิงยุทธศาสตร์สองด้านพร้อมกัน:
สำหรับประเด็นการเปิดเผยข้อมูลของซีอีโอ DeepSeek ข้อกล่าวหาเกี่ยวกับ Moonshot ตลอดจนรายละเอียดภาษีสหรัฐฯ ปี 2026 มาตรา 232 และข้อตกลง “Pax Silica” แหล่งข้อมูลที่มีอยู่ยังไม่มีหลักฐานเฉพาะเจาะจงและตรวจสอบย้อนกลับได้เพียงพอ จึงไม่ควรนำมาใช้เป็นข้อสรุปของบทความนี้
| ประเด็น | สถานะหลักฐาน |
|---|---|
| Nvidia 92.4%, AMD 4.1% และ Cerebras 1.7% ใน Sovereign AI | ยืนยันได้จากรายงานและการรายงานหลายแหล่ง |
| CUDA เป็นข้อได้เปรียบหลักของ Nvidia | ยืนยันได้ |
| ฐานที่มั่นของ AMD ใน LUMI, Maincode และ Moreh | ยืนยันได้ |
| ฐานที่มั่นของ Cerebras ผ่าน G42 และ Condor Galaxy | ยืนยันได้ |
| Nvidia ลงทุนใน SSI ของ Ilya Sutskever | ยืนยันการลงทุนและความร่วมมือได้ โดย Reuters รายงานมูลค่า 5,000 ล้านดอลลาร์ |
| แผนขยาย National AI Factory ในเกาหลีใต้ | ยืนยันความร่วมมือของ NAVER, Nvidia และ Brookfield ได้ แต่รายละเอียดการลงทุนบางส่วนยังจำกัด |
| ดีล AI ในญี่ปุ่นและเกาหลีใต้รวมมูลค่าเกิน 500,000 ล้านดอลลาร์ | หลักฐานในแหล่งข้อมูลที่มีไม่เพียงพอ |
| คำกล่าวของซีอีโอ DeepSeek และข้อกล่าวหาเกี่ยวกับ Moonshot | หลักฐานในแหล่งข้อมูลที่มีไม่เพียงพอ |
| ภาษีสหรัฐฯ ปี 2026 มาตรา 232 และรายละเอียด Pax Silica | หลักฐานในแหล่งข้อมูลที่มีไม่เพียงพอ |
ข้อมูลที่ยืนยันได้ชี้ว่า Nvidia ครองส่วนแบ่ง 92.4% ใน Sovereign AI LLM ซึ่งเป็นระดับที่ใกล้เคียงการผูกขาดในตลาดเฉพาะด้านนี้ ความได้เปรียบไม่ได้เกิดจาก GPU เพียงอย่างเดียว แต่เป็นผลรวมของ CUDA โครงสร้างพื้นฐานแบบครบวงจร ขนาดการผลิต และการลงทุนเชิงกลยุทธ์กับผู้พัฒนา AI และโครงการระดับประเทศ
AMD มีฐานสำคัญในยุโรป ออสเตรเลีย และเกาหลีใต้ ส่วน Cerebras มีจุดยืนในตะวันออกกลาง แต่ทั้งสองรายยังเป็นเพียงคู่แข่งในบางโครงการ ไม่ใช่ผู้ท้าชิงที่สามารถเปลี่ยนสมดุลของตลาดได้
นี่คือโจทย์ใหญ่ของแนวคิด Sovereign AI: การมีข้อมูล โมเดล และนโยบายอยู่ภายใต้การควบคุมของประเทศ ไม่ได้แปลว่าประเทศนั้นเป็นอิสระจากห่วงโซ่เทคโนโลยีต่างชาติ หากชิป ซอฟต์แวร์ และเครื่องมือที่ใช้สร้าง AI ยังคงมาจากผู้ให้บริการรายเดียวเป็นหลัก