สมรภูมิชิป AI 2026
สหรัฐ vs จีน: การแบ่งขั้วทางเทคโนโลยี
มาตรการคุมส่งออกของสหรัฐที่ตั้งใจ "สกัด" จีน กลับกลายเป็น "ตัวเร่ง" (Catalyst) ให้จีนสร้างระบบนิเวศชิปแบบปิดในประเทศเต็มรูปแบบ · เจาะ 3 ชั้นของสมรภูมิ — สถาปัตยกรรมชิป (NVIDIA vs Huawei), ห่วงโซ่ผลิตต้นน้ำ (SMIC vs TSMC + เครื่องจักร), และหน่วยความจำ HBM · จุดจบไม่ใช่ใครแพ้ราบคาบ แต่คือ การแบ่งขั้วเทคโนโลยีระดับโลก (Technological Bifurcation)
สารบัญ
- บทสรุปเชิงกลยุทธ์
- Export Control = ตัวเร่งระบบปิดของจีน
- สถาปัตยกรรมชิป — NVIDIA vs Huawei
- Advanced Packaging — CoWoS vs PLP
- Interconnect & การขยายคลัสเตอร์
- CUDA vs CANN — สงครามซอฟต์แวร์
- ส่วนแบ่งตลาด & ผลต่อรายได้
- Foundry — SMIC vs TSMC & กำแพง Yield
- เครื่องจักรผลิตชิป — เมื่อ ASML ตัดขาด
- หน่วยความจำ AI (HBM/DRAM/NAND)
- บทสรุป — การแบ่งขั้ว & แหล่งอ้างอิง
1. บทสรุปเชิงกลยุทธ์
อุตสาหกรรมเซมิคอนดักเตอร์และฮาร์ดแวร์ AI ในปี 2026 ก้าวเข้าสู่จุดเปลี่ยนเชิงโครงสร้างที่สำคัญที่สุดในรอบทศวรรษ · มาตรการควบคุมการส่งออกเทคโนโลยีขั้นสูงที่นำโดยสหรัฐฯ ซึ่งออกแบบมาเพื่อสกัดกั้นจีน กลับทำหน้าที่เป็น ตัวเร่งปฏิกิริยา (Catalyst) ให้เกิดการลงทุนขนานใหญ่ในระบบนิเวศเทคโนโลยีแบบปิดภายในจีน (Closed-loop Domestic Ecosystem)
ข้อค้นพบหลักในประโยคเดียว: นี่ไม่ใช่เกมที่จบด้วยชัยชนะเบ็ดเสร็จของฝ่ายใด แต่นำไปสู่ "การแบ่งขั้วทางเทคโนโลยี" (Technological Bifurcation) — สหรัฐครองประสิทธิภาพระดับแนวหน้า (leading-edge) ขณะที่จีนพิสูจน์ว่า "กำแพงฮาร์ดแวร์ทลายได้ด้วยสถาปัตยกรรมซอฟต์แวร์ที่ชาญฉลาด + เงินอุดหนุนของรัฐ"
- ชั้นสถาปัตยกรรม (Design): NVIDIA Blackwell/H20 vs Huawei Ascend 910C/950 — สหรัฐนำด้านสเปกดิบ แต่จีนชดเชยด้วย die ใหญ่ + หน่วยความจำเฉพาะทาง
- ชั้นผลิตต้นน้ำ (Foundry & Equipment): SMIC ดัน 7nm/5nm โดยไม่มี EUV — แลกด้วย yield ต่ำและขาดทุน แต่รัฐอุ้ม (Big Fund III)
- ชั้นหน่วยความจำ (Memory): HBM คือคอขวดสุดท้าย — จีน (CXMT) ยังติด HBM3 จึงเลี่ยงไปทำสถาปัตยกรรมเฉพาะตัว (HiBL/HiZQ)
2. Export Control = ตัวเร่งระบบปิดของจีน
แนวคิดเดิมของมาตรการคุมส่งออกคือ "ตัดจีนออกจากเทคโนโลยีล้ำหน้า → ชะลอความสามารถ AI ของจีน" · แต่ผลลัพธ์เชิงโครงสร้างกลับตรงกันข้าม — เพราะนักพัฒนาจีน "ไม่มีทางเลือกอื่น" จึงถูกบีบให้ทุ่มทรัพยากรสร้างและปรับแต่งทุกชั้นของ stack ด้วยตัวเอง
3. สถาปัตยกรรมชิป — NVIDIA vs Huawei
Huawei ชดเชยข้อจำกัดด้านความหนาแน่นทรานซิสเตอร์ด้วยการขยายขนาด die + เพิ่มความจุหน่วยความจำ · NVIDIA B200 ใช้ TSMC 4NP บรรจุทรานซิสเตอร์กว่า 2.08 แสนล้านตัว (dual-die) ขณะที่ Huawei พึ่ง SMIC 7nm/5nm ที่มีข้อจำกัดด้านประสิทธิภาพต่อวัตต์:
| มิติวิศวกรรม | NVIDIA B200 | NVIDIA H20 (จีน) | Huawei 910C | Huawei 950PR ('26) |
|---|---|---|---|---|
| Process Node | TSMC 4NP | TSMC 4N | SMIC 7nm (N+2) | SMIC 7nm/5nm (N+3) |
| สถาปัตยกรรม | GB100 (dual-die) | GH100 (ลดทอน) | Da Vinci (32 cores) | Da Vinci v3 |
| FP8 (TFLOPS) | 9,000 sparse / 4,500 dense | 296 | N/A | ~1,000 |
| FP16 (TFLOPS) | 4,500 / 2,250 | 148 | ~800 | ~500 |
| INT8 (TOPS) | 9,000 sparse | 296 | ~1,600 | 1,000+ |
| หน่วยความจำ | 192 GB HBM3e | 96 GB HBM3 | 96 GB HBM2e | 112-128 GB (HiBL 1.0) |
| แบนด์วิดท์ | 8.0 TB/s | 4.0 TB/s | ~1.8 TB/s | 1.4-1.6 TB/s |
| Interconnect | NVLink 5 (1.8 TB/s) | NVLink 4 (900 GB/s) | HCCS (~400 GB/s) | HCCS+LingQu (~2.0 TB/s) |
| TDP | 1,000W | 400W | 600W | 900-1,000W |
| ราคาประเมิน | ~$30,000-40,000 | ~$12,000-14,000 | ~$12,000-18,000 | เครือข่ายรัฐ/พันธมิตร |
อ่านตารางนี้อย่างไร: แม้ H20 ถูกจำกัด TFLOPS ให้ตรงกฎกระทรวงพาณิชย์สหรัฐฯ แต่แบนด์วิดท์ 4.0 TB/s ยังสูงกว่า Ascend 910C อย่างมีนัยสำคัญ — สำคัญมากต่องาน Inference LLM ที่มักคอขวดที่การดึงข้อมูลจากหน่วยความจำ (memory-bandwidth-bound) มากกว่าความเร็วคำนวณ · Huawei ตอบโต้ในรุ่น 950PR ด้วยหน่วยความจำ HiBL 1.0 ที่พัฒนาเอง (1.4-1.6 TB/s) รองรับ FP4/FP8 เพื่อสู้ในงาน Inference และ recommendation
4. Advanced Packaging — CoWoS vs PLP
เมื่อการย่อขนาดทรานซิสเตอร์ของจีนถึงทางตัน การใช้ บรรจุภัณฑ์ขั้นสูง (Advanced Packaging) เพื่อประกอบชิปหลายตัวรวมกัน (chiplet) จึงเป็นทางออกเดียวในการเพิ่มประสิทธิภาพ
การพึ่ง OSAT ในประเทศ (JCET, Tongfu) + เครื่องจักร PLP ของ AMIES คือความพยายามปิดช่องโหว่ packaging — จุดที่จีนขยับได้เร็วกว่าชั้น lithography
5. Interconnect & การขยายคลัสเตอร์
การเทรน Frontier Model อย่าง DeepSeek V4 (1.6 ล้านล้านพารามิเตอร์) ทำด้วยชิปเดียวไม่ได้ ต้องเชื่อมชิปนับหมื่นตัวเป็นโครงข่าย · NVIDIA ยึดความได้เปรียบเบ็ดเสร็จผ่าน NVLink 5.0 (1.8 TB/s สองทิศทาง) + InfiniBand ภายใน NVSwitch ส่งข้อมูลระหว่างชิปไร้รอยต่อ
ฝั่ง Huawei การเชื่อมต่อคือคอขวดที่รุนแรงที่สุด — 910C ใช้ HCCS (intra-node) แบนด์วิดท์ประเมิน ~400 GB/s และเครือข่าย LingQu / Unified Bus (ต่อยอดจาก RoCE v2) สำหรับ scale-out ซึ่งตามหลัง NVIDIA หลายเท่าตัว · แต่จีนพิสูจน์ว่า "กำแพงฮาร์ดแวร์ทลายได้ด้วยสถาปัตยกรรมซอฟต์แวร์"
กลุ่ม DeepSeek เทรนโมเดลระดับล้านล้านพารามิเตอร์บนคลัสเตอร์ Ascend 910C กว่า 1,000 ตัว สำเร็จ — ไม่หยุดชะงักตลอด 1,500 สเต็ป และรักษา MFU > 30% ด้วยซอฟต์แวร์ CANN:
- Large-scale Expert Parallelism (EP): สำหรับโมเดล MoE — วางกลุ่ม Experts ที่คุยกันบ่อยไว้บนชิปโหนดเดียวกัน เลี่ยงความหน่วงข้ามโหนด
- Operator Fusion: ยุบคำสั่งคณิตศาสตร์ย่อยเข้าด้วยกัน ลดภาระอ่าน/เขียน HBM → ชิป 64-96GB จัดการข้อมูลมหาศาลได้โดยไม่ overflow
6. CUDA vs CANN — สงครามซอฟต์แวร์
กำแพงระบบนิเวศซอฟต์แวร์ (CUDA Ecosystem Moat) ที่ NVIDIA สั่งสมกว่า 15 ปียังเป็นป้อมปราการแข็งแกร่ง — มีไลบรารีปรับแต่งลึก (cuDNN, NCCL) และชุมชนขนาดใหญ่ · ขณะที่ CANN ของ Huawei ยังขาดเครื่องมือจาก community และแปลงโค้ด PyTorch มารันบน Ascend ได้ไม่สมบูรณ์
แต่การปิดกั้นของสหรัฐบีบให้นักพัฒนาจีน "ไม่มีทางเลือก" นอกจากทุ่มสร้าง/ปรับแต่งโค้ดบน CANN → เร่งให้ระบบนิเวศซอฟต์แวร์แยกสายถาวร (Bifurcation of AI Stacks) · ในระยะยาว CUDA จะค่อยๆ สูญเสียอิทธิพลในตลาดเอเชีย ขณะที่ CANN ยกระดับเป็นมาตรฐานทางเลือกที่สมน้ำสมเนื้อ
7. ส่วนแบ่งตลาด & ผลต่อรายได้
โครงสร้างส่วนแบ่งตลาดชิป AI ในจีนพลิกโฉมสิ้นเชิง — ก่อนมาตรการคุมส่งออกรุนแรง NVIDIA เคยครองจีนถึง 95% แต่ข้อมูลยอดจัดส่งปี 2025 ชี้ว่าหดเหลือ ~55% ขณะที่ผู้ผลิตในประเทศ (นำโดย Huawei) แย่งไปได้ ~41%:
| ตัวชี้วัดตลาดจีน | ก่อนคุมส่งออก | 2025 | คาด 2026 |
|---|---|---|---|
| ส่วนแบ่ง NVIDIA ในจีน | ~95% | ~55% | ~8% |
| ส่วนแบ่ง Huawei ในจีน | — | ~41% | ~50-60% |
| รายได้ชิป AI ของ Huawei | — | ~$7.5B | ~$12B (+60% YoY) |
ปัจจัยผลักดัน: ดีมานด์ในประเทศเพื่อรันโมเดลจีน (DeepSeek V4 ออกแบบมารันบน Ascend เป็นหลัก) + นโยบาย "จัดซื้อปลอดภัยและเชื่อถือได้"
มุมมองระดับ Macro ต่อ NVIDIA: แม้จีนเคยเป็น ~20% ของยอดขายรวม แต่ภาพรวมโลกไม่สั่นคลอน — ดีมานด์ Hopper/Blackwell จากคลาวด์ยักษ์สหรัฐ + โครงการ Sovereign AI (ยุโรป/ตะวันออกกลาง) เข้ามาทดแทนช่องว่างได้เต็ม · ฝ่ายบริหาร NVIDIA ตัดรายได้ Frontier ในจีนเป็น "ศูนย์" อย่างเป็นทางการในสมมติฐาน ทำให้การขาย H20 (คาดส่งมอบ >1 ล้านตัวใน 2024-25 · รายได้ ~$12B) และการเจรจา H200 จำกัดจำนวน ถูกมองเป็น "upside" ส่วนเพิ่ม ไม่ใช่ปัจจัยชี้เป็นชี้ตายเชิงพื้นฐานอีกต่อไป
8. Foundry — SMIC vs TSMC & กำแพง Yield
อุตสาหกรรมรับจ้างผลิตชิป (Foundry) คือดัชนีชี้วัดความสามารถทางเทคโนโลยีที่ชัดที่สุด · TSMC ยังนำโลก — ขยาย 3nm (N3) เต็มสูบ (150,000-220,000 wafer/เดือน) และเดินหน้าสู่ 2nm (N2) แบบ Gate-All-Around ปลายปี 2026 · SMIC ดัน 7nm (N+2) สู่การผลิตเชิงพาณิชย์ (ใช้ใน Ascend 910B/910C) และเริ่ม 5nm (N+3) โดยไม่มี EUV (พิสูจน์จาก Kirin 9030) แต่ยังตามหลัง TSMC ~2-3 เจน (~8-10 ปี)
| กระบวนการผลิตเวเฟอร์ | TSMC 4N/4NP | SMIC N+2 (7nm) | SMIC N+3 (5nm) |
|---|---|---|---|
| Lithography | EUV | DUV + Multi-patterning | Immersion DUV + SAQP |
| Yield ประเมิน | 80-90% (mature) | 20-40% แรก (→ ~50%) | ระดับวิกฤต (Edge Placement Error สูง) |
| ต้นทุน/เวเฟอร์ | ~$18,500 | สูงกว่ามาตรฐานอุตสาหกรรมมาก | ไม่คุ้มทุน (operating loss) |
| ความคุ้มค่าเชิงพาณิชย์ | กำไรขั้นต้น ~60% (market-driven) | อยู่รอดด้วยเงินอุดหนุนรัฐ | แบกขาดทุนแลกความมั่นคง supply chain |
เพื่อทำ 5nm ด้วยแสง 193nm วิศวกร SMIC ต้องใช้ SAQP (ฉายแสงซ้อน 4 รอบ) — ทุกรอบเพิ่มความเสี่ยง overlay accuracy + edge placement error → ชิปส่วนใหญ่เสียหายต้อง scrap หรือลดเกรด · สำหรับตลาดเสรีนี่คือ "การฆ่าตัวตายทางเศรษฐกิจ" (yield 20-40% ทำให้ต้นทุนต่อชิปพุ่งและขาดทุนหนัก) · แต่ภายใต้ทุนนิยมนำโดยรัฐ (state-backed) เป้าหมายไม่ใช่กำไรสูงสุด แต่คือ ความอยู่รอดด้านความมั่นคง โดยมี Big Fund III อุ้มผลขาดทุน
9. เครื่องจักรผลิตชิป — เมื่อ ASML ตัดขาด
การพึ่งเครื่องจักรผลิต/ทดสอบเซมิคอนดักเตอร์จากตะวันตกคือคอขวดอันตรายที่สุด · จีนยกระดับพึ่งพาตนเองในกระบวนการ กัดกรด (Etching) + เคลือบสาร (Deposition) จนเกิน 30% ของตลาดในประเทศ — AMEC เก่งพอเข้าสาย 5nm ของ TSMC ได้ · NAURA รายได้โตแข็งแกร่ง · แต่ในส่วน เครื่องฉายแสง (Lithography) จีนยังผลิตเองได้ต่ำกว่า 10% และห่างไกลความสำเร็จ
10. หน่วยความจำ AI (HBM/DRAM/NAND)
ในสถาปัตยกรรม AI หน่วยความจำคือเส้นเลือดใหญ่ — ถ้าไม่มีแบนด์วิดท์มหาศาลป้อนพารามิเตอร์ พลังประมวลผลก็สูญเปล่า · ตลาดโลกขับเคลื่อนด้วย HBM3e/HBM4 จาก triopoly (SK Hynix, Samsung, Micron) ที่ดันแบนด์วิดท์ถึง 1.2-2.0+ TB/s ต่อสแต็ก · ชิปตัวท็อปอย่าง B200 ใช้ HBM จนต้นทุนหน่วยความจำคิดเป็น ~45% ของ COGS
จีนรู้ว่า HBM คือไพ่ใบสุดท้ายที่จะปลดล็อกศักยภาพ Ascend · CXMT จับมือ YMTC (แลกความรู้ hybrid bonding) + Tongfu (packaging) — ผลิต HBM2 ใช้ภายในสำเร็จ แต่การยกสู่ HBM3 ในปี 2026 ติดอุปสรรควิศวกรรมหนัก: การควบคุมความร้อนสะสมไม่พอ + ข้อจำกัดเครื่องจักร ทำให้ yield HBM3 เหลือ 50-60% เป้าผลิตจำนวนมากต้องเลื่อน
เมื่อ HBM มาตรฐานสากลติดทางตัน Huawei หันไปออกแบบหน่วยความจำความเร็วสูง proprietary HiBL 1.0 และ HiZQ 2.0 สำหรับ Ascend 950PR/950DT · แม้ลดขนาดเพื่อเลี่ยงความซับซ้อนด้านความร้อน แต่ยังให้ 1.4-1.6 TB/s — เพียงพอต่อ Inference LLM ที่รันบนคลาวด์ Alibaba/Tencent/Baidu ได้อย่างเสถียร สะท้อนการประยุกต์ทรัพยากรเท่าที่มีเพื่อรักษาโครงสร้างพื้นฐานระดับชาติ
11. บทสรุป — การแบ่งขั้ว & แหล่งอ้างอิง
สมรภูมิเซมิคอนดักเตอร์ AI สหรัฐ vs จีน ปี 2026 ไม่จบด้วยความพ่ายแพ้ราบคาบของฝ่ายใด แต่นำสู่ การแบ่งขั้วทางเทคโนโลยีระดับโลก (Technological Bifurcation):
| มิติ | 🇺🇸 สหรัฐ (NVIDIA-led) | 🇨🇳 จีน (Huawei-led) |
|---|---|---|
| จุดแข็ง | ประสิทธิภาพสูงสุด · HBM3e · NVLink 1.8 TB/s · CUDA moat 15 ปี · ความคุ้มค่าเชิงพาณิชย์ | ระบบนิเวศครบวงจรในประเทศ · นวัตกรรม system-level · เงินอุดหนุนรัฐ · ดีมานด์ในประเทศค้ำ |
| จุดเปราะ | เสียตลาดจีน (เคย ~20% ยอดขาย) จากมาตรการคุมส่งออก | ฮาร์ดแวร์ตามหลัง 2-3 เจน · yield ต่ำ (foundry/HBM) · lithography ยังพึ่งตะวันตก |
| ตัวชี้วัดชัยชนะ | ความล้ำหน้าทางเทคโนโลยี (leading-edge) | ความยืดหยุ่นในการยืนได้โดยไม่พึ่งพากัน (resilience) |
สรุป: มาตรการคุมส่งออกสำเร็จในการปกป้องตำแหน่งผู้นำ leading-edge ของสหรัฐ — NVIDIA ยังครองประสิทธิภาพสูงสุดเบ็ดเสร็จ · แต่ "ล้มเหลว" ในการหยุดจีนสร้าง Frontier AI: การอุบัติของ DeepSeek V4 (1.6 ล้านล้านพารามิเตอร์ บนฮาร์ดแวร์+ซอฟต์แวร์จีน 100%) พิสูจน์ว่าช่องว่างฮาร์ดแวร์อุดได้ด้วยนวัตกรรมเชิงระบบ + เงินอุดหนุนพุ่งเป้า · ความขัดแย้งนี้ยกระดับจากการแข่งขันธุรกิจ สู่ สงครามความมั่นคงเชิงยุทธศาสตร์ ที่ตัวชี้วัดใหม่ไม่ใช่ "ล้ำหน้าสุด" แต่คือ "ยืนหยัดได้โดยไม่พึ่งพากัน"
📎 อ่านต่อธีมที่เกี่ยวข้อง: พลังงาน AI Data Center — สหรัฐ vs จีน ↗ · Optical Supply Chain 2026 ↗ · InP Optical สำหรับ AI Data Center ↗
📚 แหล่งอ้างอิง
- IntuitionLabs — NVIDIA Data Center GPU Specs: A Complete Comparison Guide ↗
- Runpod — Nvidia B200 GPU: Specs, VRAM, Price, and AI Performance ↗
- NextPCB — NVIDIA Blackwell Architecture Explained: B200, GB200 & PCB Design ↗
- Civo — Comparing NVIDIA's B200 and H100 ↗
- Spheron — Huawei Ascend 950 vs NVIDIA B300/B200 for LLM Inference (2026) ↗
- Awesome Agents — Huawei Ascend 910C ↗
- Enki AI — SMIC AI Chip Strategy 2026: Inside China's 5nm Power Play ↗
- TechPowerUp — Chinese SMIC Achieves 5nm Production on N+3 Node Without EUV Tools ↗
- Huawei Central — Ascend 950PR AI Chip: Everything you need to know ↗
- AVAQ — Huawei's SuperNode CloudMatrix384: Networking Advantages ↗
ติดตามหุ้นกลุ่มเซมิคอนดักเตอร์ / AI Hardware ในพอร์ตของคุณ
ใช้ DaddyInvestor จัดการพอร์ต วิเคราะห์ Stage และติดตามหุ้นชิป & ห่วงโซ่อุปทาน AI ทั้งหมดในที่เดียว
เริ่มใช้งานฟรี →
เพิ่งเริ่มลงทุน ยังไม่เคยซื้อหุ้นเลย? มีหนังสือที่เขียนให้คนกลุ่มนี้อ่านโดยเฉพาะ —
“คู่มือลงทุนมือใหม่ Part 0” 58 หน้า 69 บาท →
หรืออ่านตัวอย่างฟรี 1 บทเต็มก่อน
บทความนี้สรุปและวิเคราะห์จากข้อมูลสาธารณะ (สเปกฮาร์ดแวร์จากผู้ผลิตและสื่อเทคโนโลยี, รายงานอุตสาหกรรมเซมิคอนดักเตอร์ และข้อมูลด้านนโยบายการค้าที่เกี่ยวข้อง ประเมินถึงกลางปี 2026) จัดทำเพื่อการศึกษาและข้อมูลทั่วไปเท่านั้น ไม่ถือเป็นคำแนะนำการลงทุน · ตัวเลขสเปก ส่วนแบ่งตลาด อัตราผลผลิต (yield) และราคาเป็นค่าประเมินจากแหล่งสาธารณะที่อาจมีช่วงกว้างและเปลี่ยนแปลงได้ · เครื่องหมายการค้าเป็นของเจ้าของแต่ละราย · ผู้ลงทุนควรศึกษาข้อมูลเพิ่มเติมและพิจารณาความเสี่ยงส่วนบุคคลก่อนตัดสินใจเสมอ · DaddyInvestor © 2026