หุ้นทองคำเอเชียปรับตัวขึ้นหลังราคาทองฟื้นตัวจากระดับต่ำสุดในรอบ 6 สัปดาห์
เมื่อวันอังคารที่ 25 ส.ค. 2026 Lenovo (LNVGY) ได้ใช้เวที The Six Five Summit: AI Unleashed 2026 เพื่อนําเสนอแนวคิดว่า ความท้าทายที่ยากที่สุดในการสร้างโครงสร้างพื้นฐาน AI นั้น ไม่ใช่แค่การหาพลังประมวลผลให้เพียงพออีกต่อไป บริษัทระบุว่าความท้าทายใหม่ของตลาดคือการแข่งขันในวงกว้างเพื่อแย่งชิงที่ดิน พลังงาน ระบบทําความเย็น และความเร็วในการติดตั้ง แม้ว่าความต้องการยังคงแข็งแกร่งและกําลังการผลิตบางส่วนถูกจองหมดก่อนที่การก่อสร้างจะเริ่มต้นด้วยซ้ํา
ประเด็นสําคัญ
- Lenovo ระบุว่าการขยายโครงสร้างพื้นฐาน AI ได้เปลี่ยนจากข้อจํากัดเดียว เช่น GPU ไปสู่ความท้าทายด้านการปฏิบัติในวงกว้าง ซึ่งครอบคลุมที่ดิน พลังงาน การออกแบบระบบความร้อน และการดําเนินงาน
- บริษัทกล่าวว่าการปรับให้เหมาะสมต้องเริ่มต้นในช่วงการออกแบบ ไม่ใช่หลังจากการติดตั้ง เพื่อเพิ่มประสิทธิภาพและลดความเสี่ยง
- การสร้าง AI ในปัจจุบันต้องใช้เงินทุนขนาดใหญ่มากขึ้น โดยการลงทุนเพิ่มขึ้นจากหลักล้านดอลลาร์ในยุคคลาวด์ตอนต้น ไปสู่หลักพันล้านหรือหลักหมื่นล้านดอลลาร์ในปัจจุบัน
- มาตรวัดประสิทธิภาพใหม่ เช่น โทเคนต่อดอลลาร์ โทเคนต่อดอลลาร์ต่อชั่วโมง และโทเคนต่อดอลลาร์ต่อวัตต์ กําลังกลายเป็นตัวชี้วัดผลตอบแทนที่สําคัญ
- Lenovo ระบุว่าการระบายความร้อนด้วยของเหลว สถาปัตยกรรมที่ทําซ้ําได้ และการมีส่วนร่วมกับลูกค้าตั้งแต่เนิ่นๆ กําลังกลายเป็นส่วนสําคัญของการวางแผน AI factory
การขยาย AI กลายเป็นปัญหาด้านการปฏิบัติ
ผู้บริหาร Lenovo ได้แก่ Binoy Unnikrishnan รองประธานฝ่ายขายคลาวด์ทั่วโลก และ Will Wellington ผู้อํานวยการระดับโลกด้าน AI data center Services SSG กล่าวว่าอุตสาหกรรมได้เข้าสู่ช่วงใหม่ของการวางแผนโครงสร้างพื้นฐาน AI ในช่วงเริ่มต้นของการสร้าง AI ปัญหาหลักคือพลังประมวลผล แต่ Now พวกเขากล่าวว่าบริษัทต่างๆ ต้องแก้ปัญหาข้อจํากัดหลายอย่างพร้อมกัน
- ข้อจํากัดเหล่านั้นรวมถึงความพร้อมของหน่วยความจํา กําลังไฟฟ้า การได้มาซึ่งที่ดิน โครงสร้างอาคาร และการจัดการความร้อน
- Lenovo อธิบายสภาพแวดล้อมปัจจุบันว่าเป็น "การปฏิบัติที่ครอบคลุม" ซึ่งความสําเร็จขึ้นอยู่กับการประสานงานหลายส่วนที่เคลื่อนไหวพร้อมกัน
- บริษัทระบุว่าความล่าช้าในทุกขั้นตอน ตั้งแต่การซื้อที่ดินไปจนถึงการเปิดใช้งานและการดําเนินงาน อาจลดผลตอบแทนจากการลงทุน
Unnikrishnan กล่าวว่าข้อจํากัดได้เปลี่ยนแปลงซ้ําๆ เมื่อตลาดเติบโตขึ้น "เราได้เห็นข้อจํากัดเคลื่อนย้ายไปมาค่อนข้างมาก ตั้งแต่ GPU ไปถึงหน่วยความจํา พลังงาน ที่ดิน พลังงาน โครงสร้างอาคาร และทุกอย่างรวมกัน ผมเรียกมันว่าการปฏิบัติที่ครอบคลุม หากจะใช้สองคําเพื่อนิยามมัน" เขากล่าว
ผลลัพธ์ทางการเงินและความต้องการเงินทุน
การอภิปรายไม่ได้รวมถึงผลประกอบการรายไตรมาส แต่ได้เน้นย้ําถึงขนาดของเงินทุนที่จําเป็นสําหรับโครงสร้างพื้นฐาน AI ในปัจจุบัน Lenovo กล่าวว่าโปรไฟล์การลงทุนเปลี่ยนแปลงอย่างรวดเร็วในช่วงทศวรรษที่ผ่านมา
- ในยุคคลาวด์ตอนต้นเมื่อ 10 ถึง 12 ปีที่แล้ว โครงการโครงสร้างพื้นฐานมักเกี่ยวข้องกับเงินหลักล้านถึงหลักสิบล้านดอลลาร์
- ปัจจุบัน บริษัทสตาร์ทอัพและผู้ให้บริการ neocloud กําลังลงทุนหลักพันล้านถึงหลักหมื่นล้านดอลลาร์ในโครงสร้างพื้นฐาน AI
- กําลังการผลิตบางส่วนถูกจองหมดก่อนที่การก่อสร้างจะเริ่มต้นด้วยซ้ํา แสดงให้เห็นว่าอุปทานตึงตัวเพียงใด
- Lenovo กล่าวว่ามาตรวัดประสิทธิภาพใหม่ Now รวมถึงโทเคนต่อดอลลาร์ โทเคนต่อดอลลาร์ต่อชั่วโมง และโทเคนต่อดอลลาร์ต่อวัตต์
มาตรวัดเหล่านั้นสะท้อนถึงตลาดที่ให้ความสําคัญน้อยลงกับจํานวนฮาร์ดแวร์ดิบ และหันมาสนใจมากขึ้นว่าเงินลงทุนแต่ละดอลลาร์สามารถผลิตผลลัพธ์ที่มีประโยชน์ได้มากเพียงใด Lenovo ยังกล่าวอีกว่า Arm ด้านบริการทางการเงินของบริษัท คือ LGFS ช่วยให้ลูกค้าเข้าถึงเงินทุนสําหรับการติดตั้งขนาดใหญ่เหล่านี้
อัปเดตการดําเนินงาน: การออกแบบมาก่อน
Lenovo กล่าวว่าแนวทางของบริษัทคือการมีส่วนร่วมกับลูกค้าตั้งแต่เนิ่นๆ ก่อนที่การติดตั้งจะเริ่มต้น บริษัทกล่าวว่าการปรับให้เหมาะสมควรเริ่มต้นในช่วงการออกแบบ เมื่อความพร้อมของไซต์และความต้องการโครงสร้างพื้นฐานยังสามารถกําหนดรูปแบบได้
- การวางแผนล่วงหน้ารวมถึงการตรวจสอบความพร้อมของไซต์ ความพร้อมของพลังงาน รอยเท้าความร้อน และความหนาแน่นของแร็ค
- Lenovo กล่าวว่าการตัดสินใจเหล่านี้ส่งผลต่อการใช้ประโยชน์จากพลังประมวลผลและประสิทธิภาพพลังงานในระยะยาว
- เทคโนโลยีระบายความร้อนด้วยของเหลว Neptune ของบริษัทเป็นส่วนหนึ่งของการวางแผนนั้น โดยมุ่งเน้นที่ประสิทธิภาพพลังงาน กลยุทธ์การระบายความร้อนด้วยน้ําอุ่น และการจัดการความร้อน
- เมื่อถึงเวลาที่ AI factory เปิดใช้งาน Lenovo กล่าวว่าการออกแบบควรได้รับการปรับให้เหมาะสมสําหรับการจัดการวงจรชีวิตที่ง่ายขึ้นแล้ว
Wellington กล่าวว่ากลยุทธ์ของบริษัทสร้างขึ้นจากการมีส่วนร่วมตั้งแต่เนิ่นๆ นั้น "ความเชื่อหลักที่ขับเคลื่อนกลยุทธ์ของเราคือการปรับให้เหมาะสมไม่ควรเริ่มหลังจากการติดตั้ง แต่ต้องเริ่มในช่วงการออกแบบเริ่มต้น นั่นคือเหตุผลที่เราเข้ามามีส่วนร่วมกับลูกค้าตั้งแต่เนิ่นๆ" เขากล่าว
การดําเนินงานหลังการติดตั้งและการจัดการวงจรชีวิต
Lenovo กล่าวว่าการติดตั้งไม่ใช่จุดสิ้นสุดของโครงการ แต่เป็นจุดเริ่มต้นของสภาพแวดล้อมการผลิตสดที่ต้องปรับตัวอย่างต่อเนื่องเมื่อปริมาณงานเปลี่ยนแปลง
- งานที่ต่อเนื่องรวมถึงการปรับแต่งประสิทธิภาพความร้อนและการเพิ่มสูงสุดของการสนับสนุนผ่านทีมงานในไซต์
- การจัดการห่วงโซ่อุปทาน Now ครอบคลุมการจัดซื้อ การผลิต การติดตั้ง การบํารุงรักษา และการจัดหาอะไหล่ผ่านเฟิร์มแวร์
- บริษัทกล่าวว่าจําเป็นต้องมีการวางแผนวงจรชีวิตเต็มรูปแบบเพื่อรองรับโมเดล AI ที่เปลี่ยนแปลง ปริมาณงานการอนุมาน และความต้องการทางธุรกิจ
- สถาปัตยกรรมที่ทําซ้ําได้มีความสําคัญทั้งสําหรับคลัสเตอร์เดี่ยวและการติดตั้งทั่วโลกหลายไซต์
Wellington กล่าวว่าบริษัทต่างๆ ควรมองว่า AI factory เป็นระบบที่มีชีวิต "คุณต้องคิดอย่างครอบคลุมเกี่ยวกับพลังงาน การระบายความร้อน เครือข่าย การดําเนินงาน และการจัดการวงจรชีวิตตั้งแต่วันแรก สิ่งสําคัญคือเราต้องไม่มองการติดตั้งเป็นเส้นชัย AI factory คือสภาพแวดล้อมการผลิตสดที่จะพัฒนาอย่างต่อเนื่องเมื่อโมดูลปริมาณงานและความต้องการของลูกค้าเปลี่ยนแปลงไปตามเวลา" เขากล่าว
แนวโน้มในอนาคต: ขนาดกิกะวัตต์และการนําไปใช้ในองค์กร
ผู้บริหารกล่าวว่าบทเรียนที่พัฒนาขึ้นในระดับ AI Cloud Gigafactory จะแพร่กระจายไปสู่การติดตั้งในองค์กรขนาดเล็กในที่สุด ในมุมมองของพวกเขา หลักการออกแบบเดียวกันจะมีความสําคัญทั่วทั้งตลาด แม้ว่าขนาดของการติดตั้งจะแตกต่างกัน
- การระบายความร้อนด้วยของเหลวถูกอธิบายว่าเป็นการตัดสินใจทางสถาปัตยกรรมพื้นฐานที่จะกําหนดบรรทัดฐานการออกแบบในอนาคต
- องค์กรต้องออกแบบสําหรับกําลังการผลิตและปริมาณงานในอนาคต ไม่ใช่แค่ความต้องการในปัจจุบัน
- ความเร็วและความมั่นใจในการปฏิบัติถูกนําเสนอเป็นคุณลักษณะสําคัญที่แยกผู้นําออกจากผู้ที่ล้าหลัง
- Lenovo กล่าวว่าการเลือกเทคโนโลยีมีความสําคัญ แต่วินัยในการดําเนินงานตลอดเวลาก็มีความสําคัญเช่นกัน
Wellington กล่าวว่าลูกค้าที่ประสบความสําเร็จมากที่สุดกําลังมองหามากกว่าฮาร์ดแวร์ "องค์กรที่ประสบความสําเร็จมากที่สุดไม่ได้แค่ซื้อฮาร์ดแวร์ พวกเขากําลังมองหาพันธมิตรที่เข้ามามีส่วนร่วมตั้งแต่เนิ่นๆ เพื่อลดความเสี่ยงในการปฏิบัติ ปรับรอยเท้าให้เหมาะสม และอยู่เคียงข้างตลอดวงจรการดําเนินงานทั้งหมด" เขากล่าว
ไฮไลต์จากช่วงถามตอบ
ช่วงถามตอบมุ่งเน้นไปที่วิธีที่บริษัทต่างๆ ควรคิดเกี่ยวกับช่วงถัดไปของการเติบโตของโครงสร้างพื้นฐาน AI
- เกี่ยวกับข้อจํากัดหลัก Lenovo กล่าวว่าปัญหาไม่ใช่คอขวดเดียวอีกต่อไป แต่เป็นหลายอย่างพร้อมกัน รวมถึงที่ดิน พลังงาน โครงสร้างอาคาร และการประสานงานการติดตั้ง
- เกี่ยวกับการออกแบบ บริษัทกล่าวว่าการวางแผนควรเริ่มก่อนการก่อสร้าง โดยมีการตรวจสอบพลังงาน ความต้องการความร้อน และความพร้อมของไซต์ตั้งแต่ต้น
- เกี่ยวกับประสิทธิภาพหลังการเปิดตัว Lenovo กล่าวว่าองค์กรต้องสร้างระบบที่ทําซ้ําได้ซึ่งสามารถปรับตัวได้เมื่อปริมาณงานและความต้องการของลูกค้าเปลี่ยนแปลง
- เกี่ยวกับการขยายไปสู่ระดับ gigafactory บริษัทกล่าวว่าผู้ชนะจะเป็นผู้ที่สร้างได้รวดเร็ว บริหารจัดการการดําเนินงานได้ดี และตัดสินใจทางสถาปัตยกรรมตั้งแต่เนิ่นๆ เช่น การระบายความร้อนด้วยของเหลว
Patrick Moorhead และ Daniel Newman ซึ่งทั้งคู่เข้าร่วมในการประชุมสุดยอด ช่วยกําหนดกรอบการอภิปรายเกี่ยวกับวิธีที่อุตสาหกรรมกําลังเปลี่ยนจากการทดลองไปสู่การติดตั้ง AI ในระดับอุตสาหกรรม
บริบทของตลาด
ข้อความของ Lenovo สะท้อนถึงแนวโน้มที่กว้างขึ้นทั่วทั้งตลาดโครงสร้างพื้นฐาน AI ความต้องการยังคงแข็งแกร่ง แต่คอขวดกําลังเปลี่ยนจากชิปเพียงอย่างเดียวไปสู่สแต็กทางกายภาพและการดําเนินงานเต็มรูปแบบที่จําเป็นสําหรับการรันระบบ AI ขนาดใหญ่
- การเข้าถึงพลังงานและกําลังการระบายความร้อนกําลังกลายเป็นสิ่งสําคัญพอๆ กับการเข้าถึงตัวเร่งความเร็ว
- ความเข้มข้นของเงินทุนกําลังเพิ่มขึ้น ซึ่งเพิ่มมูลค่าของการสนับสนุนด้านการเงินและการวางแผนล่วงหน้า
- บริษัทที่สามารถเคลื่อนตัวได้เร็วขึ้นจากการออกแบบไปสู่การเปิดใช้งานอาจได้เปรียบในตลาดที่กําลังการผลิตมักถูกจองล่วงหน้า
สําหรับ Lenovo การนําเสนอในการประชุมสุดยอดครั้งนี้วางตําแหน่งบริษัทในฐานะพันธมิตรในวงจรชีวิตเต็มรูปแบบของโครงสร้างพื้นฐาน AI ไม่ใช่แค่ผู้จําหน่ายฮาร์ดแวร์
ผู้อ่านสามารถอ้างอิงบทถอดความฉบับเต็มด้านล่างสําหรับรายละเอียดเพิ่มเติมจากการประชุม
บทความนี้ถูกแปลโดยใช้ความช่วยเหลือจากปัญญาประดิษฐ์(AI) สำหรับข้อมูลเพิ่มเติม โปรดอ่านข้อกำหนดการใช้งาน









