ซีอีโอของ NVIDIA คุณ Jensen Huang กล่าวในงาน GTC 2026 ว่า “ความต้องการอย่างน้อย 1 ล้านล้านดอลลาร์ภายในปี 2027” และใช้แนวคิดโรงงาน Token, วงจร CUDA, ระบบ monster Vera Rubin, ระบบปฏิบัติการ Agent OpenClaw เพื่อวางแผนภาพรวมของทศวรรษถัดไปของ NVIDIA
(ข้อมูลเบื้องต้น: การพูดใน GTC ของ Jensen Huang เรื่อง “DLSS 5, NemoClaw” จุดประกายความสนใจใน AI Coin: FET พุ่งขึ้น 20%, NEAR, Worldcoin ทำสถิติสูงสุดในรอบเดือน)
(ข้อมูลเสริม: กระทรวงความมั่นคงแห่งชาติของจีนเตือนเรื่อง “การเลี้ยงกุ้งล็อบสเตอร์”: OpenClaw ฝังระเบิดเวลาด้านความปลอดภัย 4 จุด อาจทำให้อุปกรณ์ของคุณถูกแฮ็กได้)
สารบัญบทความ
สลับ
- เปิดตัว: ผลกระทบของวงจร CUDA ที่ดำเนินมา 20 ปี
- เศรษฐศาสตร์โรงงาน Token: ศูนย์ข้อมูลไม่ใช่แค่คลังเก็บไฟล์ แต่เป็นโรงงานผลิต Token
- Vera Rubin: เพิ่มขึ้น 350 เท่าใน 2 ปี นี่ไม่ใช่กฎมัวร์ นี่คือเส้นโค้งอีกเส้นหนึ่ง
- จุดประสงค์ที่แท้จริงของการซื้อกิจการ Groq: ทำให้เร็วขึ้นและแพงขึ้น
- DLSS 5: ยุคใหม่ของกราฟิกที่เหมือน GPT ของตัวเอง
- OpenClaw: ระบบปฏิบัติการยุค Agent
- อนาคตที่ทุกวิศวกรมีงบ Token ของตัวเอง
- AI ทางกายภาพและกองทัพหุ่นยนต์
- รุ่นต่อไป: สถาปัตยกรรม Feynman + ศูนย์ข้อมูลในอวกาศ
เมื่อวันที่ 16 มีนาคม 2026 งาน GTC ของ NVIDIA เปิดฉากขึ้น Jensen Huang ยืนอยู่บนเวทีและพูดคำหนึ่งที่ทำให้ทั้งงานเงียบสงัดว่า “เมื่อปีที่แล้ว ผมพูดถึงความต้องการที่มั่นใจสูงถึง 500 พันล้านดอลลาร์ ตอนนี้ ณ ขณะนี้ ตัวเลขที่ผมเห็นคืออย่างน้อย 1 ล้านล้านดอลลาร์ และผมมั่นใจว่าความต้องการจริงอาจสูงกว่านั้น”
คำพูดนี้ทำให้ราคาหุ้น NVIDIA พุ่งขึ้นกว่า 4.3% ในวันเดียวกัน แต่ Jensen Huang ไม่ได้แค่รายงานตัวเลข เขาใช้เวลาตลอดการบรรยายเพื่ออธิบายว่า ตัวเลข 1 ล้านล้านดอลลาร์นี้มาจากไหน และทำไมยังไม่เพียงพอ
เปิดตัว: ผลกระทบของวงจร CUDA ที่ดำเนินมา 20 ปี
จุดเริ่มต้นของการบรรยายคือธุรกิจหลักของ NVIDIA — CUDA ปีนี้เป็นวาระครบรอบ 20 ปีของ CUDA ซึ่ง Jensen Huang เรียกมันว่า “กลยุทธ์ 100% ของ NVIDIA”
แปลง่าย ๆ ว่า: CUDA คือเทคโนโลยีที่ทำให้ GPU สามารถเขียนโปรแกรมได้ สำหรับนักพัฒนา เมื่อ 20 ปีที่แล้ว ไม่มีใครแน่ใจว่ามันจะประสบความสำเร็จ แต่ NVIDIA ลงทุนเกือบทั้งบริษัทเพื่อสู้สุดตัว ตอนนี้มองย้อนกลับไป การตัดสินใจนี้สร้างรั้วป้องกันที่แทบจะเลียนแบบไม่ได้ — GPU ที่รัน CUDA กว่า 100 ล้านชิ้นทั่วโลก, โครงการโอเพ่นซอร์สหลายแสนโครงการที่พึ่งพามัน, ผู้ให้บริการคลาวด์ทุกแห่งก็รวมมันเข้าไปด้วย
Jensen Huang เรียกสิ่งนี้ว่า “วงจร” (Flywheel): จำนวนเครื่องที่ติดตั้งมากขึ้น → ดึงดูดนักพัฒนา → นักพัฒนาสร้างอัลกอริทึมใหม่ → อัลกอริทึมใหม่สร้างตลาดใหม่ → ตลาดใหม่ขยายจำนวนเครื่อง → วงจรดำเนินต่อไป ยิ่งไปกว่านั้น NVIDIA ยังคงอัปเดตซอฟต์แวร์ให้ดีขึ้นเรื่อย ๆ GPU สถาปัตยกรรม Ampere ที่เปิดตัวเมื่อหกปีก่อน ราคาการเช่าในคลาวด์กลับเพิ่มขึ้น — เพราะแอปพลิเคชันบน GPU เหล่านั้นมีจำนวนมากขึ้นและมีมูลค่าสูงขึ้นเรื่อย ๆ
เศรษฐศาสตร์โรงงาน Token: ศูนย์ข้อมูลไม่ใช่แค่เก็บไฟล์ แต่เป็นโรงงานผลิต Token
นี่คือแนวคิดหลักของการบรรยายครั้งนี้ และเป็นกุญแจสำคัญที่อธิบายความต้องการ 1 ล้านล้านดอลลาร์
ง่าย ๆ คือ: ศูนย์ข้อมูลในอดีตเป็น “คลังสินค้า” สำหรับเก็บไฟล์และข้อมูลของคุณ แต่ในอนาคต ศูนย์ข้อมูลจะเป็น “โรงงาน” สำหรับผลิตหน่วยพื้นฐานของ AI — Token (ซึ่งเข้าใจง่าย ๆ ว่าเป็นหน่วยเล็กที่สุดที่ AI ใช้ในการคิดและพูด)
Jensen Huang กล่าวว่า ศูนย์ข้อมูลแต่ละแห่งถูกจำกัดด้วยพลังงาน เครื่องหนึ่งที่ใช้ไฟ 1 กิกะวัตต์ (GW) จะไม่มีวันกลายเป็น 2 GW นี่คือกฎฟิสิกส์ ดังนั้นคำถามสำคัญคือ: ด้วยไฟฟ้าเท่ากัน ใครจะผลิต Token ได้มากที่สุด? ใครที่มีอัตราการผลิต Token ต่อวัตต์สูงที่สุด ก็จะได้เปรียบและมีต้นทุนการผลิตต่ำที่สุด
Token ยังมีการกำหนดราคาชั้น (Layered Pricing) เหมือนชั้นธุรกิจและชั้นประหยัด:
- ชั้นฟรี (สูง throughput, ความเร็วต่ำ)
- ชั้นกลาง (ประมาณ 3 ดอลลาร์ต่อหนึ่งล้าน Token)
- ชั้นสูง (ประมาณ 6 ดอลลาร์ต่อหนึ่งล้าน Token)
- ชั้นความเร็วสูง (ประมาณ 45 ดอลลาร์ต่อหนึ่งล้าน Token)
- ชั้นความเร็วสูงสุด (ประมาณ 150 ดอลลาร์ต่อหนึ่งล้าน Token)
พูดง่าย ๆ คือ GPU เดียวกัน Jensen Huang บอกให้คุณแบ่งพลังงานไปยังแต่ละระดับบริการ — ยิ่ง throughput สูงและความเร็วเร็วเท่าไหร่ รายได้ก็ยิ่งมากขึ้นเท่านั้น เขาประมาณว่า ระบบใหม่ Grace Blackwell ที่พัฒนาบนสถาปัตยกรรม Hopper สามารถสร้างรายได้ได้ 5 เท่าของรุ่นก่อนในพลังงานเท่ากัน
Vera Rubin: เพิ่มขึ้น 350 เท่าใน 2 ปี นี่ไม่ใช่กฎมัวร์ นี่คือเส้นโค้งอีกเส้นหนึ่ง
Jensen Huang กล่าวว่า เมื่อพูดถึง Hopper รุ่นก่อน เขาสามารถยกชิปขึ้นมาโชว์ได้ แต่เมื่อพูดถึง Vera Rubin ทุกคนจะนึกถึงระบบทั้งระบบ
ตัวเลขพูดแทน: ในศูนย์ข้อมูลขนาด 1 GW เดียวกัน อัตราการสร้าง Token เพิ่มจาก 22 ล้านต่อวินาทีเป็น 700 ล้านต่อวินาที ภายใน 2 ปี เพิ่มขึ้น 350 เท่า ในขณะที่กฎมัวร์ในช่วงเดียวกันให้ผลประมาณ 1.5 เท่าเท่านั้น
ระบบนี้เป็นอย่างไร? Vera Rubin เป็นระบบระบายความร้อนด้วยของเหลว 100% ไม่มีสายเคเบิลแบบเดิม ๆ ที่ใช้เวลาติดตั้งเป็นสองวัน ตอนนี้ใช้เวลาเพียงสองชั่วโมง Jensen Huang กล่าวว่า Microsoft Azure ยืนยันว่า Vera Rubin รุ่นแรกได้ใช้งานจริงแล้ว
จุดประสงค์ที่แท้จริงของการซื้อ Groq: ทำให้เร็วขึ้นและแพงขึ้น
การรวมเทคโนโลยีของ Groq เข้ากับ NVIDIA ไม่ได้เพื่อทดแทน GPU ของตัวเอง แต่เพื่อทำ “Inference แบบไม่สมมาตร” — ฟังดูซับซ้อน แต่แปลง่าย ๆ คือ แบ่งงาน inference ของ AI ออกเป็นสองช่วง ใช้เครื่องมือที่เหมาะสมที่สุดในแต่ละช่วง
ชิปของ Groq มีหน่วยความจำ SRAM ความเร็วสูงจำนวนมาก (500MB) ตอบสนองเร็วมากแต่มีขนาดเล็ก เหมาะสำหรับขั้นตอนสุดท้ายในการสร้าง Token ส่วน Vera Rubin มีหน่วยความจำขนาดใหญ่ (288GB) เหมาะสำหรับการคำนวณจำนวนมากในช่วงต้นและการแคชข้อมูล
NVIDIA ใช้ซอฟต์แวร์ Dynamo เชื่อมต่อสองชิ้นนี้เข้าด้วยกัน: การ “เติมล่วงหน้า” และกลไก attention สำหรับการ decode ให้ Vera Rubin ทำงาน ส่วนการสร้าง Token ที่มีความหน่วงต่ำมาก ๆ จะให้ Groq จัดการ ทั้งสองทำงานร่วมกันผ่านเครือข่าย Ethernet ทำให้ความหน่วงโดยรวมลดลงประมาณครึ่งหนึ่ง
Jensen Huang ยังแนะนำการตั้งค่าการใช้งาน: ถ้าทำงานเน้น throughput สูง ควรใช้ Vera Rubin 100% แต่ถ้าต้องการสร้างโค้ดที่มีมูลค่าสูงจำนวนมาก ควรจัดสรรประมาณ 25% ของศูนย์ข้อมูลให้กับ Groq ชิป LP30 ของ Groq ได้รับการผลิตโดย Samsung คาดว่าจะเริ่มส่งมอบในไตรมาสที่ 3
DLSS 5: ยุคใหม่ของกราฟิกที่เหมือน GPT ของตัวเอง
Jensen Huang กล่าวว่า เมื่อ 10 ปีก่อน GeForce ได้นำ AI เข้าสู่โลกทั้งใบ ตอนนี้ AI กลับมาทำให้การสร้างภาพกราฟิกในคอมพิวเตอร์เปลี่ยนแปลงอีกครั้ง เขาเรียกเทคโนโลยีใหม่นี้ว่า “Neural Rendering” หรือ DLSS 5
แนวคิดหลักคือ การผสมผสานระหว่างกราฟิก 3D ที่เป็นเชิงโครงสร้าง (ชัดเจนและควบคุมได้) กับ AI สร้างสรรค์แบบมีความน่าจะเป็น (probabilistic) เพื่อให้ภาพดูสวยงามและสมจริงมากขึ้น ข้อมูลเชิงโครงสร้างช่วยให้ภาพควบคุมได้ AI ทำให้ภาพดูสวยงามจนแทบไม่เชื่อว่าไม่ใช่ของจริง Jensen Huang กล่าวว่า การผสมผสาน “ข้อมูลเชิงโครงสร้าง + AI สร้างสรรค์” นี้จะกลายเป็นแนวโน้มที่เกิดขึ้นในอุตสาหกรรมต่าง ๆ อย่างต่อเนื่อง
OpenClaw: ระบบปฏิบัติการยุค Agent
Peter Steinberger พัฒนา OpenClaw ซึ่ง Jensen Huang เรียกมันว่า “โครงการโอเพ่นซอร์สที่ได้รับความนิยมมากที่สุดในประวัติศาสตร์มนุษยชาติ ที่ใช้เวลาเพียงไม่กี่สัปดาห์ก็แซงหน้าความสำเร็จของ Linux ที่ดำเนินมานานกว่า 30 ปี”
แล้ว OpenClaw คืออะไร? ในคำง่าย ๆ คือ มันทำให้ AI Agent สามารถจัดการทรัพยากร เรียกใช้เครื่องมือ อ่านเขียนไฟล์ จัดลำดับงาน และแบ่งงานใหญ่เป็นงานย่อย ๆ ส่งต่อให้ AI ย่อย ๆ ได้ เหมือนระบบปฏิบัติการที่ทำให้โปรแกรมรันบนคอมพิวเตอร์ แต่ในกรณีนี้คือ AI Agent ที่รันอยู่ในระบบ IT ขององค์กร
Jensen Huang กล่าวว่า “ทุกบริษัท SaaS จะกลายเป็น AaaS” ซึ่งหมายความว่า บริษัทซอฟต์แวร์ไม่ใช่แค่ขายเครื่องมือ แต่ขาย “บริการ AI Agent ที่ช่วยทำงานให้คุณ”
แต่ในเวอร์ชันองค์กร มีความเสี่ยงเรื่องความปลอดภัยของข้อมูลและการรันโค้ด Jensen Huang จึงเปิดตัว NeMo Claw ซึ่งเป็นแบบอย่างสำหรับองค์กร เพิ่มกลไกนโยบายและตัวส่งข้อมูลความเป็นส่วนตัว เพื่อให้ AI Agent ทำงานในสภาพแวดล้อมองค์กรอย่างปลอดภัย
อนาคตที่ทุกวิศวกรมีงบ Token ของตัวเอง
Jensen Huang ทำนายอนาคตในเชิงอาชีพว่า “ในอนาคต ทุกวิศวกรในบริษัทจะมีงบ Token รายปี เขาอาจมีเงินเดือนหลายแสนดอลลาร์ ผมจะให้ Token ในปริมาณเท่ากับครึ่งหนึ่งของเงินเดือน เพื่อให้ผลผลิตของเขาเพิ่มขึ้นเป็น 10 เท่า การให้ Token แก่พนักงานตอนเข้าทำงานจะกลายเป็นหัวข้อสนทนาใหม่ใน Silicon Valley”
นี่ไม่ใช่แค่เปรียบเทียบ แต่เป็นแนวคิดว่าความสามารถในการให้พลังประมวลผลแก่วิศวกรจะเป็นตัววัดความสามารถในการแข่งขันขององค์กรในอนาคต คุณให้วิศวกรมากเท่าไหร่ ก็เท่ากับว่าคุณสร้างมูลค่าได้มากขึ้นเท่านั้น แต่ละบริษัทจะเป็นทั้งผู้ใช้ Token และผู้ผลิต Token ไปพร้อมกัน
AI ทางกายภาพและกองทัพหุ่นยนต์
Jensen Huang กล่าวว่า AI ดิจิทัลเคลื่อนที่ในโลกดิจิทัล ส่วน AI ทางกายภาพคือหุ่นยนต์ที่มีตัวตนจริง ซึ่งในงาน GTC ครั้งนี้มีหุ่นยนต์เปิดตัวถึง 110 รุ่น ซึ่งครอบคลุมเกือบทุกบริษัทด้านหุ่นยนต์ทั่วโลก
ด้านการขับขี่อัตโนมัติ Jensen Huang ประกาศว่า BYD, Hyundai, Nissan, Geely เข้าร่วมแพลตฟอร์ม RoboTaxi Ready ของ NVIDIA รวมยอดผลิตต่อปี 18 ล้านคัน และร่วมมือกับ Mercedes-Benz, Toyota, General Motors เพื่อขยายโครงการ นอกจากนี้ NVIDIA ยังประกาศความร่วมมือกับ Uber เพื่อวางแผนการใช้งานและเชื่อมต่อรถ RoboTaxi ในหลายเมือง
ในช่วงสุดท้าย Disney นำหุ่น Olaf หิมะมาสาธิตบนเวที โดยใช้ชิป Jetson เป็นสมอง ให้เรียนรู้การเดินใน Omniverse และใช้ Newton Physics Solver เพื่อปรับตัวในโลกจริง Jensen Huang และ Olaf คุยกันเล็กน้อย แล้วหัวเราะว่า “ผมคิดว่าคุณจะสูงกว่านี้อีกหน่อย ผมไม่เคยเห็นหิมะหุ่นตัวนี้ตัวเตี้ยขนาดนี้มาก่อน”
รุ่นต่อไป: สถาปัตยกรรม Feynman + ศูนย์ข้อมูลในอวกาศ
ในช่วงท้ายของการบรรยาย Jensen Huang “เปิดเผย” ว่า สถาปัตยกรรมคอมพิวเตอร์รุ่นต่อไปคือ Feynman ซึ่งจะเป็นครั้งแรกที่สายทองแดงและการบรรจุร่วมด้วยเทคโนโลยี optical (CPO) รองรับการขยายระดับแนวราบอย่างเต็มที่ และในอนาคตอันไกลออกไป คาดว่าจะมี “Vera Rubin Space-1” — คอมพิวเตอร์ศูนย์ข้อมูลในอวกาศ ที่จะขยายพลัง AI ไปยังนอกโลกอย่างเต็มที่
Jensen Huang สรุปใจความสำคัญของการบรรยายด้วย 4 ข้อ: การมาถึงของจุดเปลี่ยนในการ inference, ยุคโรงงาน AI เริ่มต้น, การปฏิวัติ Agent ด้วย OpenClaw, การนำ AI ทางกายภาพเข้าสู่การใช้งานจริง ความต้องการ 1 ล้านล้านดอลลาร์เป็นเพียงจุดเริ่มต้นเท่านั้น
