ทำไม Agentic AI ถึงต้องใช้ CPU มากขึ้น

ในยุคแรกของ AI โครงสร้างพื้นฐานเน้น GPU เป็นหลัก เพราะ GPU เหมาะกับการคำนวณเมทริกซ์จำนวนมหาศาลที่ใช้ในการฝึกและรันโมเดล deep learning

แต่ Agentic AI เพิ่ม “ชั้นการทำงาน” รอบโมเดลเหล่านั้น เช่น

• การประสานงานหลายโมเดลและเครื่องมือ
• การวางแผนและจัดตารางงาน
• การค้นหาและจัดการข้อมูล
• การจัดการเครือข่ายและหน่วยความจำ
• การรันตรรกะของระบบรอบขั้นตอน inference

กล่าวง่าย ๆ คือ GPU ทำงานคำนวณหนัก ส่วน CPU ทำหน้าที่ควบคุมและจัดการระบบทั้งหมด และเมื่อองค์กรเริ่มนำ AI ไปใช้จริงในระดับใหญ่ งานประเภท orchestration เหล่านี้ก็เพิ่มขึ้นอย่างมาก

สัดส่วน GPU ต่อ CPU กำลังเปลี่ยนไป

หนึ่งในการเปลี่ยนแปลงที่สำคัญที่สุดของสถาปัตยกรรมดาต้าเซ็นเตอร์คือ สัดส่วนของ GPU ต่อ CPU

ในอดีต คลัสเตอร์ AI ขนาดใหญ่โดยทั่วไปจะใช้

• 1 CPU ต่อ GPU ประมาณ 4–8 ตัว

แต่ Lisa Su ระบุว่า ในระบบรุ่นใหม่ที่รองรับ Agentic AI สัดส่วนนี้กำลังขยับ เข้าใกล้ 1:1

สาเหตุคือ CPU ต้องรับภาระงานเพิ่ม เช่น

• การจัดการเอเจนต์ AI แบบกระจาย
• การเรียกใช้เครื่องมือ (tool invocation)
• การจัดการ pipeline ของ inference แบบเรียลไทม์
• การเคลื่อนย้ายข้อมูลความเร็วสูงระหว่างระบบ

สิ่งนี้ทำให้ CPU ไม่ได้เป็นแค่ “โปรเซสเซอร์เจ้าบ้าน” ของ GPU อีกต่อไป แต่กำลังกลายเป็นองค์ประกอบสำคัญในสแต็กการประมวลผลของ AI

ตลาด CPU เซิร์ฟเวอร์อาจแตะ 120–125 พันล้านดอลลาร์

เมื่อ CPU มีบทบาทมากขึ้น นักวิเคราะห์และผู้ผลิตชิปจึงปรับประมาณการตลาดขึ้นอย่างมาก

• AMD คาดว่าตลาดซีพียูเซิร์ฟเวอร์จะเติบโตมากกว่า 35% ต่อปี และมีมูลค่า เกิน 120 พันล้านดอลลาร์ภายในปี 2030 ซึ่งสูงกว่าประมาณการเดิมเกือบเท่าตัว
• Bank of America คาดว่าตลาดจะขยายจากประมาณ 43 พันล้านดอลลาร์ในปี 2026 เป็นราว 125 พันล้านดอลลาร์ในปี 2030 หรือเติบโตเฉลี่ยประมาณ 31% ต่อปี

ทั้งสองมุมมองสะท้อนแนวโน้มเดียวกัน: โครงสร้างพื้นฐาน AI รุ่นใหม่ต้องใช้ CPU มากกว่าที่เคยคาดไว้

ใครจะได้ส่วนแบ่งตลาดนี้

การเติบโตครั้งใหญ่ยังหมายถึงการแข่งขันด้านสถาปัตยกรรมชิปที่เข้มข้นขึ้น

Bank of America ประเมินว่า ภายในปี 2030

• โปรเซสเซอร์ x86 (ส่วนใหญ่คือ AMD และ Intel) อาจยังครองตลาดประมาณ 56%
• ชิป ARM แบบออกแบบเอง โดยผู้ให้บริการคลาวด์ขนาดใหญ่ (hyperscalers) อาจเพิ่มเป็นประมาณ 37%

ช่วงหลายปีที่ผ่านมา AMD สามารถเพิ่มส่วนแบ่งตลาดดาต้าเซ็นเตอร์ได้อย่างต่อเนื่อง แต่การแข่งขันกับ Intel และชิปที่บริษัทคลาวด์ออกแบบเองยังคงเป็นปัจจัยสำคัญที่กำหนดภาพรวมตลาดในอนาคต

ผลกระทบต่อธุรกิจของ AMD

กระแสการลงทุนในโครงสร้างพื้นฐาน AI เริ่มส่งผลต่อ AMD แล้วในหลายด้าน

ประการแรก ความคาดหวังต่อความต้องการชิป AI ทำให้ หุ้น AMD พุ่งประมาณ 12% ในการซื้อขายนอกเวลาทำการ หลังบริษัทเผยแนวโน้มรายได้ที่แข็งแกร่งจากธุรกิจดาต้าเซ็นเตอร์

ประการที่สอง ความต้องการที่เพิ่มขึ้นอย่างรวดเร็วเริ่มกดดันซัพพลายเชน บริษัทระบุว่ากำลัง ทำงานร่วมกับพันธมิตรผู้ผลิตในไต้หวันเพื่อเพิ่มกำลังการผลิต หลังตลาด CPU ทั่วโลกเริ่มตึงตัว

AI ไม่ใช่เรื่องของ GPU อย่างเดียวอีกต่อไป

ในช่วงแรกของกระแส AI โลกเทคโนโลยีมักโฟกัสที่ GPU เป็นหลัก แต่ระบบ AI รุ่นใหม่—โดยเฉพาะระบบที่ขับเคลื่อนด้วยเอเจนต์—ต้องพึ่งพาโครงสร้างการประมวลผลที่กว้างกว่านั้น

เมื่อองค์กรเริ่มใช้ AI ที่สามารถวางแผน ตัดสินใจ และโต้ตอบกับเครื่องมือหลายชนิด CPU จึงกลายเป็นศูนย์กลางในการประสานทุกส่วนของระบบ

หากการคาดการณ์ของอุตสาหกรรมเป็นจริง ช่วงปลายทศวรรษนี้เราอาจเห็นดาต้าเซ็นเตอร์ AI ที่ไม่ได้ขับเคลื่อนด้วย GPU เพียงอย่างเดียว แต่เป็นยุคที่ CPU กลับมาเป็นหนึ่งในหัวใจหลักของโครงสร้างพื้นฐาน AI อีกครั้ง.

ทำไม Agentic AI ถึงต้องใช้ CPU มากขึ้น

ในยุคแรกของ AI โครงสร้างพื้นฐานเน้น GPU เป็นหลัก เพราะ GPU เหมาะกับการคำนวณเมทริกซ์จำนวนมหาศาลที่ใช้ในการฝึกและรันโมเดล deep learning

แต่ Agentic AI เพิ่ม “ชั้นการทำงาน” รอบโมเดลเหล่านั้น เช่น

• การประสานงานหลายโมเดลและเครื่องมือ
• การวางแผนและจัดตารางงาน
• การค้นหาและจัดการข้อมูล
• การจัดการเครือข่ายและหน่วยความจำ
• การรันตรรกะของระบบรอบขั้นตอน inference

กล่าวง่าย ๆ คือ GPU ทำงานคำนวณหนัก ส่วน CPU ทำหน้าที่ควบคุมและจัดการระบบทั้งหมด และเมื่อองค์กรเริ่มนำ AI ไปใช้จริงในระดับใหญ่ งานประเภท orchestration เหล่านี้ก็เพิ่มขึ้นอย่างมาก

สัดส่วน GPU ต่อ CPU กำลังเปลี่ยนไป

หนึ่งในการเปลี่ยนแปลงที่สำคัญที่สุดของสถาปัตยกรรมดาต้าเซ็นเตอร์คือ สัดส่วนของ GPU ต่อ CPU

ในอดีต คลัสเตอร์ AI ขนาดใหญ่โดยทั่วไปจะใช้

• 1 CPU ต่อ GPU ประมาณ 4–8 ตัว

แต่ Lisa Su ระบุว่า ในระบบรุ่นใหม่ที่รองรับ Agentic AI สัดส่วนนี้กำลังขยับ เข้าใกล้ 1:1

สาเหตุคือ CPU ต้องรับภาระงานเพิ่ม เช่น

• การจัดการเอเจนต์ AI แบบกระจาย
• การเรียกใช้เครื่องมือ (tool invocation)
• การจัดการ pipeline ของ inference แบบเรียลไทม์
• การเคลื่อนย้ายข้อมูลความเร็วสูงระหว่างระบบ

สิ่งนี้ทำให้ CPU ไม่ได้เป็นแค่ “โปรเซสเซอร์เจ้าบ้าน” ของ GPU อีกต่อไป แต่กำลังกลายเป็นองค์ประกอบสำคัญในสแต็กการประมวลผลของ AI

ตลาด CPU เซิร์ฟเวอร์อาจแตะ 120–125 พันล้านดอลลาร์

เมื่อ CPU มีบทบาทมากขึ้น นักวิเคราะห์และผู้ผลิตชิปจึงปรับประมาณการตลาดขึ้นอย่างมาก

• AMD คาดว่าตลาดซีพียูเซิร์ฟเวอร์จะเติบโตมากกว่า 35% ต่อปี และมีมูลค่า เกิน 120 พันล้านดอลลาร์ภายในปี 2030 ซึ่งสูงกว่าประมาณการเดิมเกือบเท่าตัว
• Bank of America คาดว่าตลาดจะขยายจากประมาณ 43 พันล้านดอลลาร์ในปี 2026 เป็นราว 125 พันล้านดอลลาร์ในปี 2030 หรือเติบโตเฉลี่ยประมาณ 31% ต่อปี

ทั้งสองมุมมองสะท้อนแนวโน้มเดียวกัน: โครงสร้างพื้นฐาน AI รุ่นใหม่ต้องใช้ CPU มากกว่าที่เคยคาดไว้

ใครจะได้ส่วนแบ่งตลาดนี้

การเติบโตครั้งใหญ่ยังหมายถึงการแข่งขันด้านสถาปัตยกรรมชิปที่เข้มข้นขึ้น

Bank of America ประเมินว่า ภายในปี 2030

• โปรเซสเซอร์ x86 (ส่วนใหญ่คือ AMD และ Intel) อาจยังครองตลาดประมาณ 56%
• ชิป ARM แบบออกแบบเอง โดยผู้ให้บริการคลาวด์ขนาดใหญ่ (hyperscalers) อาจเพิ่มเป็นประมาณ 37%

ช่วงหลายปีที่ผ่านมา AMD สามารถเพิ่มส่วนแบ่งตลาดดาต้าเซ็นเตอร์ได้อย่างต่อเนื่อง แต่การแข่งขันกับ Intel และชิปที่บริษัทคลาวด์ออกแบบเองยังคงเป็นปัจจัยสำคัญที่กำหนดภาพรวมตลาดในอนาคต

ผลกระทบต่อธุรกิจของ AMD

กระแสการลงทุนในโครงสร้างพื้นฐาน AI เริ่มส่งผลต่อ AMD แล้วในหลายด้าน

ประการแรก ความคาดหวังต่อความต้องการชิป AI ทำให้ หุ้น AMD พุ่งประมาณ 12% ในการซื้อขายนอกเวลาทำการ หลังบริษัทเผยแนวโน้มรายได้ที่แข็งแกร่งจากธุรกิจดาต้าเซ็นเตอร์

ประการที่สอง ความต้องการที่เพิ่มขึ้นอย่างรวดเร็วเริ่มกดดันซัพพลายเชน บริษัทระบุว่ากำลัง ทำงานร่วมกับพันธมิตรผู้ผลิตในไต้หวันเพื่อเพิ่มกำลังการผลิต หลังตลาด CPU ทั่วโลกเริ่มตึงตัว

AI ไม่ใช่เรื่องของ GPU อย่างเดียวอีกต่อไป

ในช่วงแรกของกระแส AI โลกเทคโนโลยีมักโฟกัสที่ GPU เป็นหลัก แต่ระบบ AI รุ่นใหม่—โดยเฉพาะระบบที่ขับเคลื่อนด้วยเอเจนต์—ต้องพึ่งพาโครงสร้างการประมวลผลที่กว้างกว่านั้น

เมื่อองค์กรเริ่มใช้ AI ที่สามารถวางแผน ตัดสินใจ และโต้ตอบกับเครื่องมือหลายชนิด CPU จึงกลายเป็นศูนย์กลางในการประสานทุกส่วนของระบบ

หากการคาดการณ์ของอุตสาหกรรมเป็นจริง ช่วงปลายทศวรรษนี้เราอาจเห็นดาต้าเซ็นเตอร์ AI ที่ไม่ได้ขับเคลื่อนด้วย GPU เพียงอย่างเดียว แต่เป็นยุคที่ CPU กลับมาเป็นหนึ่งในหัวใจหลักของโครงสร้างพื้นฐาน AI อีกครั้ง.