น้องหุ้นเด้ง Think Big (The Billionaire) 💵💰 @GIINGS2

คุณสุภาพร อายุ 38ปี DCA เดือนละหมื่นในตลาดไทยจนมีเงิน 90,000 ล้านติดโผผู้ถือหุ้นรายใหญ่ นักลงทุนระดับโลกต้องมาเรียนรู้จากคุณเค้าแล้ว

@Petae_Lynch แล้วตอนนี้ ?

ไม่ใช่ฉันคนเดียวซินะ

🧡ท่าน PG46 ตัวจริง🧡 @trendforMFP

4 days ago

นายอาร์มเล่าเรื่องจะซื้อ MacBook แล้วเราเอ็นดูมาก 555555 คือเล็ง M5 Pro ไว้จริงจัง ใส่ตะกร้าแล้ว ราคาประมาณ 2,700 ดอลลาร์ แต่คิดว่า “ของเป็นแสน นอนคิดอีกคืนดีกว่า จะได้รู้ว่าอยากได้จริงไหม” ตื่นมา Apple ขึ้นราคาเป็น 3,500 ดอลลาร์ เพิ่ม 800 ดอลลาร์ข้ามคืน 555555555

29 9K 7K 763K 803

BofA มองนักลงทุนประเมินต้นทุน HBM ของ $NVDA สูงเกินไป พร้อมชี้ว่ายังมีอำนาจด้านราคาอย่างมาก Bank of America มองว่า นักลงทุนกำลังกังวลเรื่องต้นทุนของ HBM (High Bandwidth Memory) หรือหน่วยความจำความเร็วสูงที่ใช้ในระบบ AI มากเกินไป BofA เชื่อว่า นักลงทุนยังประเมินต่ำเกินไปถึงความสามารถของ NVIDIA ในการตั้งราคา และขนาดของห่วงโซ่อุปทาน โดยบริษัทมีเงินสั่งซื้อล่วงหน้าจากลูกค้าประมาณ 119,000 ล้านดอลลาร์ เมื่อเปรียบเทียบระหว่างชิปตระกูล Blackwell กับ Vera Rubin ต้นทุน HBM ต่อชั้นวางเซิร์ฟเวอร์อาจเพิ่มขึ้นประมาณ 200,000 ถึง 300,000 ดอลลาร์ แต่ราคาของทั้งระบบคาดว่าจะเพิ่มขึ้นมากกว่า โดยอาจเพิ่มขึ้นประมาณ 2 ล้านถึง 3 ล้านดอลลาร์ ราคาชั้นวางระบบ AI อาจขยับจากประมาณ 3 ล้านถึง 4 ล้านดอลลาร์ ไปอยู่ที่ประมาณ 6 ล้านถึง 7 ล้านดอลลาร์ BofA คาดว่าอัตรากำไรขั้นต้นของ NVIDIA จะยังสามารถรักษาระดับกลาง 70% ได้ แม้ว่าบริษัท Cloud รายใหญ่อย่าง Google, Amazon และ Meta จะพัฒนาชิป AI ของตัวเองมาหลายปี แต่รายได้จาก GPU ของ NVIDIA กลับเติบโตประมาณ 700 เท่านับตั้งแต่ปี 2015 ยอดขาย NVIDIA ให้กับลูกค้า Hyperscaler หรือบริษัท Cloud ขนาดใหญ่ เติบโต 115% เมื่อเทียบกับปีก่อน ตัวเลขนี้สูงกว่าอัตราการเติบโตของงบลงทุน Cloud โดยรวมเกือบ 2 เท่า ในระยะยาว BofA คาดว่า NVIDIA จะยังครองส่วนแบ่งมากกว่า 65% ถึง 70% ของเม็ดเงินลงทุนด้าน AI BofA ยังกล่าวถึงการลงทุนในระบบนิเวศ AI ของ NVIDIA ซึ่งมีมูลค่าประมาณ 65,000 ล้านดอลลาร์ แม้จะมีความกังวลเล็กน้อย แต่มองว่าการลงทุนดังกล่าวใช้กระแสเงินสดอิสระ (FCF) น้อยกว่า 35% ทำให้ NVIDIA ยังมีความสามารถในการซื้อหุ้นคืนและจ่ายเงินปันผลเพิ่มเติม สำหรับตลาด Data Center AI BofA คาดว่า ตลาดรวมที่บริษัทสามารถเข้าถึงได้ (TAM) จะเติบโตขึ้นอย่างมาก มูลค่าตลาดอาจเพิ่มขึ้นจากประมาณ 273,000 ล้านดอลลาร์ในปี 2025 ไปแตะประมาณ 1.7 ล้านล้านดอลลาร์ภายในปี 2030 คิดเป็นอัตราการเติบโตเฉลี่ยต่อปีประมาณ 44%

หลายๆ คนที่เพิ่งเข้าตลาดมาอาจจะงงๆ ว่าตอนนี้ตัวเองเจออะไรอยู่ หุ้นขึ้นเอาๆ ซื้อตัวไหนก็กำไร แต่ทำไมตอนนี้พอร์ตกำไรหดหายไปหมดเลย ตอนนี้ตลาดปรับฐานยัง? แล้วฟองสบู่มีแนวโน้มจะมาแล้วจริงๆ หรอ? ที่นี่มีคำตอบครับ.. ผมจะเล่าให้ฟังว่า... - ณ ตอนนี้เข้าช่วงปรับฐานหรือยัง? - และจะสรุปสถานการณ์ล่าสุดให้ฟัง - มีข้อมูลยืนยันว่าเป็นฟองสบู่มั้ย? - สิ่งที่ผมจะจับตาในอีก 1-2 เดือนนี้ และผมมีแผนยังไงในการรับมือกับตลาดแบบนี้ เข้าไปอ่านกันได้เลยที่นี่ครับ (อ่านฟรี อยากให้ได้อ่าน): tinyurl.com/5n84hmvn

Samsung เลื่อนผลิต CXL 3.1 Memory จำนวนมาก หลัง Ecosystem ยังไม่พร้อม Samsung Electronics เลื่อนแผนการผลิตจำนวนมาก (Mass Production) ของหน่วยความจำที่รองรับ CXL 3.1 หรือ CMM-D 3.0 หลังจากแพลตฟอร์ม CPU ที่รองรับ CXL 3.1 จากผู้ผลิตรายใหญ่ เช่น Intel และ AMD ยังล่าช้า ส่งผลให้ตลาด CXL รุ่นใหม่ยังไม่สามารถเติบโตได้เต็มที่ Samsung ยังเดินหน้าผลิต CXL 2.0 ต่อ ตามรายงานจากแหล่งข่าวในอุตสาหกรรม Samsung จะยังคงผลิตหน่วยความจำ CMM-D 2.0 ที่ใช้มาตรฐาน CXL 2.0 ต่อไปก่อน เดิมบริษัทวางแผนเริ่มผลิตตัวอย่างสำหรับลูกค้า (Customer Sample) ของ CMM-D 3.0 (CXL 3.1) ในเดือนมิถุนายนที่ผ่านมา แต่กำหนดการถูกเลื่อนออกไป แหล่งข่าวระบุว่า ตลาด CXL 2.0 ยังขยายตัวช้ากว่าคาด Ecosystem ของ CXL 3.1 ยังไม่สมบูรณ์ การผลิต CXL 3.1 ในไตรมาส 4 ปีนี้ จะเน้นไปที่การทดสอบตัวอย่างมากกว่าการผลิตเชิงพาณิชย์เต็มรูปแบบ โดย Mass Production จริงอาจเกิดขึ้นในปีหน้า ทำไม CXL 3.1 ถึงล่าช้า? CXL เป็นเทคโนโลยีเชื่อมต่อหน่วยความจำที่พัฒนาบนพื้นฐานของ PCI Express (PCIe) โดย CXL 2.0 ใช้ PCIe 5.0 CXL 3.1 ใช้ PCIe 6.0 แม้รูปแบบ Protocol แตกต่างกัน แต่ใช้ช่องเชื่อมต่อและพื้นฐาน Bandwidth เดียวกัน อย่างไรก็ตาม การใช้งาน PCIe 6.0 จำเป็นต้องมี Hardware ที่รองรับ เช่น Server CPU GPU SSD Motherboard ซึ่งปัจจุบันอุปกรณ์ส่วนใหญ่ที่รองรับ PCIe 6.0 ยังไม่ออกสู่ตลาด Intel และ AMD เป็นตัวแปรสำคัญ แหล่งข่าวระบุว่า ปัจจุบันทั้ง Intel และ AMD ยังไม่มี CPU ที่รองรับ PCIe 6.0 อย่างเต็มรูปแบบ โดยตลาดต้องรอแพลตฟอร์มรุ่นใหม่ เช่น Intel Diamond Rapids AMD EPYC Venice ก่อนที่อุตสาหกรรม Server จะเริ่มนำ CXL 3.1 ไปใช้อย่างจริงจัง Intel Diamond Rapids ล่าช้า เดิม Intel วางแผนเปิดตัว Server CPU รุ่น Diamond Rapids ในช่วงครึ่งหลังปีนี้ แต่ถูกเลื่อนไปเป็นช่วงไตรมาส 2–3 ปีหน้า สาเหตุหลักมาจาก การเปลี่ยนแปลงด้านการออกแบบ ปัญหา Yield ในกระบวนการผลิต AMD EPYC Venice ยังเดินหน้า EPYC Venice มีกำหนดเปิดตัวช่วงครึ่งหลังปีนี้ โดยมีการส่ง Engineering Sample ให้กับผู้ผลิตรายใหญ่แล้ว Samsung จะเริ่มผลิตตัวอย่าง CMM-D 3.1 ที่ผ่านการตรวจสอบกับระบบ EPYC Venice ตั้งแต่เดือนกันยายน หากผ่านการทดสอบจากลูกค้า Mass Production อาจเริ่มเร็วที่สุดในไตรมาส 1 ปีหน้า ก่อนหน้านี้ Samsung เคยประกาศว่าจะเปิดตัวผลิตภัณฑ์ CMM-D ที่รองรับ CXL 3.1 เป็นรายแรกของอุตสาหกรรมในไตรมาส 4 ปี 2025 แต่ความต้องการในตลาดกลับเปลี่ยนไป โดยปัจจุบัน AI Infrastructure ให้ความสำคัญกับ Commodity DRAM High Bandwidth Memory (HBM) มากกว่า CXL ทำให้ความสนใจในตลาด CXL ลดลง SK hynix และ Micron ยังไม่เร่งผลิตเช่นกัน นอกจาก Samsung แล้ว SK hynix และ Micron Technology ก็พัฒนา CXL 3.1 Memory Module เสร็จแล้วเช่นกัน แต่ยังไม่มีสัญญาณชัดเจนว่าทั้งสองบริษัทเริ่มเตรียมการผลิตจำนวนมาก CXL Memory สำคัญอย่างไรกับ AI Data Center? จุดเด่นของ CXL คือความสามารถในการทำ Memory Pooling กล่าวคือ สามารถใช้ Switch แบ่งและแชร์ Memory ระหว่าง CPU และ GPU ได้ ช่วยลดข้อจำกัดของระบบเดิมที่ Memory ต้องติดอยู่กับ Processor แต่ละตัว ข้อดีคือ เพิ่มประสิทธิภาพการใช้ Memory ลด Memory ที่ต้องติดตั้งกับ CPU/GPU แต่ละตัว เพิ่มความยืดหยุ่นในการขยาย Capacity ลักษณะการติดตั้งคล้าย SSD ที่เสียบเข้ากับระบบ แตกต่างจาก DRAM แบบเดิม (RDIMM) ที่ต้องใส่ใน Slot เฉพาะ CXL ไม่ได้มาแทน HBM แต่เป็นเทคโนโลยีเสริมกัน CXL และ HBM มีบทบาทต่างกัน HBM → เน้น Bandwidth สูงมากสำหรับ AI Accelerator CXL Memory → เน้นเพิ่ม Capacity และบริหาร Memory ให้มีประสิทธิภาพ ดังนั้นใน Data Center AI รุ่นใหม่ ทั้งสองเทคโนโลยีมีโอกาสทำงานร่วมกัน มุมมอง การเลื่อน CXL 3.1 ของ Samsung ไม่ได้หมายความว่าเทคโนโลยีล้มเหลว แต่สะท้อนว่าตลาดยังอยู่ในช่วงรอ Ecosystem ปัจจัยสำคัญที่ต้องติดตามคือ การเปิดตัว CPU Server รุ่นใหม่จาก Intel และ AMD การขยายตัวของ AI Data Center ความต้องการ Memory Capacity ที่เพิ่มขึ้นจาก AI ในระยะสั้น เงินลงทุนยังไหลเข้าสู่ HBM และ DRAM เป็นหลัก เพราะเป็นส่วนที่ได้รับประโยชน์โดยตรงจาก AI Boom แต่ในระยะยาว CXL อาจกลายเป็นโครงสร้างสำคัญของ Data Center รุ่นถัดไป $AMD $INTC $DRAM $SKHY $MU

เอ้อ คุณยาย เริ่ดค่ะ

บันเทิงหน้าตุ๊ด @Tudd_Entertain

6 days ago

จะเครซี่! คุณยาย Droniak วัย 96 ปี จัดปาร์ตี้ในบ้านพักคนชราจนโดนขู่ไล่ออก ยายเลยอัดคลิปฉีกใบเตือนทิ้ง ลั่นจ่ายเดือนละ 4 แสนจะจัดปาร์ตี้ยังไงก็ได้! ไวรัลจน Paris Hilton ขอสมทบทุน ทนายพร้อมช่วยฟ้อง สรุปบ้านพักยอมแพ้จ้า โฮ่งมากก ตัวมารดาที่แท้ทรู! 😱🔥 #คุณยายDroniak

keyboard_arrow_left Previous keyboard_arrow_right Next

79 11K 8K 1.4M 674

ไม่คิดว่าตัวเองจะจิตใจแปดเปื้อนได้ขนาดนี้ วันนี้อ่าน Ebook แว๊บแรก อ่านว่า อีดอก

หุ้นสหรัฐฯ อาจแพงกว่าที่คิด เมื่อทุกคนยอมจ่ายให้กับ AI บน ‘ฟองสบู่สองชั้น’ กระแสของเทคโนโลยี AI ทำให้นักลงทุนท่ัวโลกต่างยอมจ่ายราคาพรีเมียมให้กับหุ้นที่เกี่ยวข้องกับเทคโนโลยีเปลี่ยนโลกครั้งใหม่นี้ แม้ทุกคนจะยอมรับว่าหุ้น AI ส่วนมากมีราคาที่สูงเกินกว่ามูลค่าที่ควรจะเป็นในปัจจุบัน โดยเฉพาะหุ้นสหรัฐฯ ที่มีบริษัท AI กระจุกตัวอยู่จำนวนมาก John Stepek นักข่าวอาวุโสของ Bloomberg เขียนวิเคราะห์ในประเด็นนี้ โดยบอกว่า “หุ้นสหรัฐฯ แพงกว่าที่คุณคิดไว้เสียอีก” นักลงทุนที่กระหาย AI กำลังยอมจ่ายในราคาฟองสบู่เพื่อแลกกับผลกำไรที่เป็นฟองสบู่ 🟠 ตลาดหุ้นสหรัฐฯ มีมูลค่าสูงเกินจริงมากๆ Stepek ระบุว่า อัตราส่วนราคาต่อกำไร หรือ P/E ratio (Price/Earnings ratios) P/E แบบดั้งเดิมนั้นคิดง่ายๆ โดยนำราคาหุ้นปัจจุบันมาหารด้วยตัวเลขกำไรต่อหุ้นล่าสุด หรือค่าเฉลี่ยที่คาดการณ์ไว้สำหรับผลประกอบการรอบถัดไป เช่นเดียวกับอัตราส่วนทางการเงินอื่นๆ มันไม่ควรถูกนำมาพิจารณาโดดเดี่ยวๆ แต่มันคำนวณง่ายและช่วยเติมเต็มภาพรวมของบริษัทที่คุณกำลังศึกษาอยู่ได้ ค่า P/E บอกให้คุณรู้ว่านักลงทุนยินดีจ่ายเงินเท่าไหร่ในวันนี้ เพื่อแลกกับกำไร 1 ปอนด์ หรือ 1 ดอลลาร์ (หรือสกุลเงินใดๆ ก็ตาม) ในแง่ที่เข้าใจง่าย ตัวเลขที่สูงหมายความว่าหุ้นนั้นแพง (เพราะนักลงทุนยอมจ่ายเงินจำนวนมากเพื่อแลกกับกำไร 1 หน่วย) ในขณะที่ตัวเลขที่ต่ำหมายความว่าหุ้นนั้นถูก แต่ถ้าคุณตั้งสมมติฐานว่านักลงทุนมีเหตุผลอยู่พอสมควร และทฤษฎีตลาดมีประสิทธิภาพ (Efficient market hypothesis) ก็ถูกต้องอยู่พอสมควร แนวคิดแบบง่ายๆ นั้นก็จะดูไม่ค่อยสมเหตุสมผลเท่าไหร่ หากคุณยอมรับสมมติฐานนี้ การตีความที่ดีกว่าก็คือ ในสภาวะตลาดปกติ ค่า P/E ที่สูงจะชี้ให้เห็นว่านักลงทุนมีความเชื่อมั่นว่าผลกำไรนั้นเชื่อถือได้และมีแนวโน้มที่จะเติบโต (ดังนั้นคุณจึงยอมจ่ายแพงในวันนี้ บนสมมติฐานที่ว่ากำไรจะเพิ่มขึ้นในอนาคต ซึ่งจะทำให้ราคาที่คุณจ่ายไปดูสมเหตุสมผล) ในขณะที่ตัวเลขที่ต่ำนั้นแฝงนัยถึงความกังวลว่าผลกำไรอาจจะสะดุดลง แต่ทีนี้ ในภาวะฟองสบู่ ตรรกะทั้งหมดนี้จะถูกโยนทิ้งไป ผู้คนอาจจงใจซื้อหุ้นที่พวกเขาเองก็มองว่าแพง เพียงเพราะคิดว่าเดี๋ยวก็มีคนอื่นยอมมาซื้อต่อในราคาที่สูงกว่านี้ในภายหลัง แต่เดี๋ยวเราค่อยมาคุยเรื่องนี้กัน 🟠 ฟองสบู่ด้านราคาที่ซ้อนทับบนฟองสบู่ด้านผลกำไร อย่างไรก็ตาม ปัญหาหนึ่งของค่า P/E แบบดั้งเดิมคือความเป็นวัฏจักร ภาพเพียงหนึ่งปีอาจไม่ได้บอกอะไรคุณมากนักหากขาดบริบทในระยะยาว นี่จึงเป็นที่มาของอัตราส่วน P/E ที่ปรับค่าตามวัฏจักรเศรษฐกิจ (Cyclically-adjusted p/e ratio หรือ CAPE) อัตราส่วนนี้โด่งดังขึ้นมาโดยศาสตราจารย์ Robert Shiller มันมีชื่อเสียงส่วนหนึ่งเป็นเพราะหนังสือของเขาในหัวข้อนี้ที่ชื่อ Irrational Exuberance ได้ตีพิมพ์ออกมาตรงกับช่วงพีกของฟองสบู่ดอทคอมพอดี ปกติแล้วอัตราส่วน CAPE จะถูกนำมาใช้กับดัชนีตลาดหุ้นมากกว่าหุ้นรายตัว และมันจะไม่ใช้กำไรแค่ปีเดียว แต่จะใช้ค่าเฉลี่ยในช่วง 10 ปี กล่าวอีกนัยหนึ่งคือ มันช่วยให้คุณเห็นภาพชัดเจนขึ้นว่าหุ้นนั้นถูกหรือแพง โดยไม่ต้องสนใจว่าคุณอยู่ในช่วงไหนของวัฏจักรเศรษฐกิจ และน่าจะเป็นตัวบ่งชี้ "มูลค่าที่แท้จริง" ได้ดีกว่า ถึงอย่างนั้น ประสิทธิภาพของมันก็ถูกตั้งคำถามอย่างหนักในช่วงตลาดกระทิงรอบปัจจุบัน โดยพื้นฐานแล้ว ค่า CAPE อยู่ในระดับสูงปานกลางถึงสูงมากมาเป็นเวลากว่าทศวรรษแล้ว แต่หุ้นสหรัฐฯ ก็ยังคงเป็นสินทรัพย์ที่น่าดึงดูดที่สุด แต่บทความชิ้นหนึ่งโดย Joachim Klement จาก Panmure Liberum ชี้ให้เห็นว่าค่า CAPE ของดัชนี S&P 500 ได้กลับไปอยู่เหนือระดับ 40 อีกครั้ง ในปี 1929 มันเคยพุ่งไปถึง 32.6 และในปี 2000 มันเคยขึ้นไปแตะ 44.2 ปัจจุบันที่ระดับ 41 มันยังไม่กลับไปถึงระดับฟองสบู่ดอทคอม ดังนั้นเราน่าจะสบายใจได้ใช่ไหม? Klement เตือนว่าไม่ใช่อย่างนั้น เพราะมีความแตกต่างที่สำคัญมากประการหนึ่งระหว่างตอนนี้กับช่วงฟองสบู่ดอทคอม ฝั่งกระทิงมักจะโต้แย้งเสมอว่าการประเมินมูลค่าในปัจจุบันนั้นสมเหตุสมผล เพราะต่างจากยุคดอทคอม บริษัทต่างๆ ที่ขับเคลื่อนความตื่นเต้นด้าน AI ล้วนเป็นบริษัทจริงที่สามารถทำเงินสดได้จริง ไม่ใช่แค่หุ้นฉาบฉวยที่ขับเคลื่อนความบ้าคลั่งในยุคดอทคอมที่เลวร้ายที่สุด แต่นี่คือดาบสองคม อย่างที่ Klement ชี้ให้เห็น ปัจจุบันนักลงทุนกำลังให้มูลค่าแบบฟองสบู่ บนผลกำไรที่สูงมากเมื่อเทียบกับมาตรฐานในอดีต พูดอีกอย่างก็คือ ฝั่งหมีจะโต้แย้งว่าตอนนี้คุณมี ฟองสบู่ด้านราคา (Price bubble) ซ้อนทับอยู่บนฟองสบู่ด้านผลกำไร (Earnings bubble) อีกที หากคุณปรับค่าความจริงที่ว่าผลกำไรนั้นเติบโตสูงกว่าแนวโน้มระยะยาวไปมาก คุณจะได้ค่า CAPE ที่เข้าใกล้ 68 ซึ่งถือว่า ห่างไกลจากคำว่าปกติไปมาก เป็นจุดที่ตลาดหุ้นสหรัฐฯ มีมูลค่าสูงเกินจริงมากที่สุดเท่าที่เคยมีมา แน่นอนว่า อย่างที่นักลงทุนแบบเน้นคุณค่า (Value investor) น่าจะรู้ดีว่า ฟองสบู่สามารถคงอยู่ได้นานกว่าที่คุณคิด นี่คือเหตุผลว่าทำไมเราจึงต้องมี การกระจายความเสี่ยง (Diversification) ตัวอย่างเช่น S&P 500 นั้นแพงกว่าตลาดหุ้นยุโรป (วัดจากดัชนี Stoxx Europe) ประมาณ 28% และแพงกว่าดัชนี FTSE 100 ถึงเกือบ 41% นี่คือตัวเลขหลังจากที่ปรับค่าความแตกต่างด้านองค์ประกอบแล้ว แม้แต่ภายในสหรัฐฯ เอง ก็ยังมีอีกหลายพื้นที่ที่ถูกมองข้ามหรืออย่างน้อยก็ถูกกว่าค่อนข้างมาก หุ้นขนาดเล็กโดยทั่วไปจะถูกกว่าหุ้นขนาดใหญ่และหุ้นกลุ่ม Mega-caps ขณะที่กลุ่มที่เกี่ยวข้องกับสินค้าโภคภัณฑ์ก็ยังมีราคาถูกกว่ากลุ่มอื่นๆ ดังนั้น เมื่อคุณมองไปที่พอร์ตโฟลิโอของคุณและการเปิดรับความเสี่ยงในหุ้นสหรัฐฯ มันไม่ใช่เรื่องของการล้างพอร์ตขายทิ้งทั้งหมด แต่เป็นการทำให้แน่ใจว่าคุณไม่ได้เปิดรับความเสี่ยงมากเกินไป ในกรณีที่สิ่งต่างๆ ไม่ได้เป็นไปตามที่ฝั่งกระทิง AI คาดหวังไว้ทั้งหมด #TheStandardWealth

@SlimickklyThiti คุณกิ้นเป็นไร หายไวไวค่ะ

เก็บให้ได้สม่ำเสมอ แรกๆยังไม่ได้ต้องสนใจจำนวนค่ะ ให้คะแนนที่ความสม่ำเสมอก่อน ตั้งเป้าว่าทำให้ได้ทุกเดือนไม่ว่าจะ 5 บาท หรือ 500 บาท จะได้คะแนนเท่ากัน ก่อนเก็บคำนวนเลยว่าจะเก็บเท่าไหร่ ได้เงินมาเก็บเลย 5 บาทก็5บาท ต้องทำ พอคุณทำได้สม่ำเสมอ มันจะเริ่มง่าย แรงต้านจะน้อย แสนแรกมาเอง

lm__wz 🍋 @wzeroz

a week ago

คนที่มีเงินเก็บถึงหลักแสนแล้ว ช่วยแชร์เคล็ดลับหน่อยค่ะ ทำได้ยังไง เผื่อเป็นแนวทางให้คนที่กำลังพยายามเก็บเงินแสนแรกในชีวิต 💸✨

71 510 746 3.4M 624

@SlimickklyThiti คุณกิ้น หายไปจากฟีดนานมาก สบายดีนะคะ

คำตอบของทุก Bubble ทุก Rotation ทัก Research คือ Stay invest Time in the market ลงทุนต่อไปค่ะพี่ๆ

📈 ความต้องการชิปหน่วยความจำจาก Data Center ทั่วโลกกำลังจะเข้าสู่ช่วงเติบโตแบบก้าวกระโดด ข้อมูลจาก Nomura ชี้ให้เห็นว่า ความต้องการชิปหน่วยความจำ (Memory) ที่มาจากการลงทุนของ Data Center ทั่วโลก กำลังเข้าสู่ช่วงเติบโตอย่างรวดเร็ว จากกระแสการลงทุนด้าน AI มูลค่าความต้องการหน่วยความจำจากการใช้จ่ายลงทุน (Capex) ของ Data Center มีแนวโน้มดังนี้ 🟢 ปี 2024: 60,000 ล้านดอลลาร์ (ตัวเลขจริง) 🟢 ปี 2025: 107,000 ล้านดอลลาร์ (ตัวเลขจริง) 🟢 ปี 2026: 454,000 ล้านดอลลาร์ (คาดการณ์) 🟢 ปี 2027: 667,000 ล้านดอลลาร์ (คาดการณ์) 🟢 ปี 2028: 941,000 ล้านดอลลาร์ (คาดการณ์) 🟢 ปี 2029: 1.181 ล้านล้านดอลลาร์ (คาดการณ์) 🟢 ปี 2030: 1.398 ล้านล้านดอลลาร์ (คาดการณ์) นั่นหมายความว่า ความต้องการหน่วยความจำอาจเพิ่มขึ้นมากกว่า 23 เท่า ภายในเวลาเพียง 6 ปี AI Data Center จะเป็นตัวขับเคลื่อนหลัก Nomura คาดว่า ภายในปี 2030 AI Data Center เพียงอย่างเดียว จะสร้างความต้องการชิปหน่วยความจำมูลค่าสูงถึง 517,000 ล้านดอลลาร์ สัดส่วนรายได้จาก AI Data Center จะเพิ่มขึ้นเป็น 20% ของรายได้ตลาด Memory ทั้งหมด จากเดิมที่คาดว่าจะอยู่ที่ 12% ในปี 2026 นอกจากนี้ Data Center โดยรวมยังคาดว่าจะคิดเป็นประมาณ 50-56% ของรายได้ตลาด Memory ทั้งหมดในทุกปีจนถึงปี 2030 ทำไม DRAM และ HBM ถึงถูกจับตามอง การพัฒนา AI ทั้งในด้าน การฝึกโมเดล (Training) และ การใช้งานจริง (Inference) ต้องใช้หน่วยความจำที่มี แบนด์วิดท์สูง (High Bandwidth) ความจุสูง (High Density) ทำให้ DRAM โดยเฉพาะ HBM (High Bandwidth Memory) กลายเป็นชิปที่มีความต้องการเพิ่มขึ้นอย่างมาก หากผู้ผลิตสามารถเพิ่มกำลังการผลิต พร้อมส่งมอบชิปที่มีประสิทธิภาพสูงได้ทันความต้องการ ก็มีโอกาสได้รับประโยชน์จากวัฏจักรการเติบโตของอุตสาหกรรมที่อาจยาวนานหลายปี $MU $DRAM $SKHY

ฉันอยากให้ตัวเองมีความสุขแบบคุณกิตติมา

วัวทุกภาคส่วน @ppppcuddle

a week ago

ฉันอยากให้หมาแมวทุกตัวมีความสุขเหมือนกิตติมา

3 11 27 2K 0

Need help building some conviction in your AI names during this market downturn? Read this post. Bookmark it. Come back to it. Let Paradis guide you: In my view, AI names are broadly down for a few reasons: 1. The market viewed $AVGO earnings + guidance as decelerating growth. 2. Hawkish turn from the Fed. 3. A cluster of AI bubble commentary at the end of June. Please note what's not on that list: 1. Hyperscaler capex cuts. 2. Cancelled orders. 3. HBM oversupply. 4. Collapsing GPU rental pricing, etc etc. Broadly speaking, absolutely nothing negative has happened on the demand side. If you strip the whole AI trade down to first principles, it mainly boils into two layers that the market always confuses: 1. Financial stuff e.g. equity valuations, financing loops, neocloud debt stacks, where scepticism is warranted and where some pullbacks are healthy. 2. Physical stuff e.g. wafers, HBM, CoWoS capacity, optics, where demand > supply essentially everywhere. Nothing's changed on the physical layer. So in my opinion, this sell off is just a reset before hyperscalers guide capex in their upcoming earnings. But, for the case of this post - let me just stress test the bear case for the AI trade: Basically everyone's desperate for compute rn. Total hyperscaler capex guidance for 2026 is near $725B across $MSFT, $GOOGL, $AMZN, $META and $ORCL. Plus the OpenAI and Anthropic compute commitments layered on top. I think that capex guidance has been revised up by every credible institution over a dozen times this year so far. From Goldmans, to MS, to BofA. And I am sure that during earnings coming up soon, pretty much all of them will revise their capex forecasts up for 2026 remaining. It was just a week or so ago, but remember how everyone felt about the $MU earnings? Pretty good, right? HBM sold out...LTAs...growing volumes of locked in demand/pricing.......I could go on and on. But I feel like the bear case I see most often lately is to do with $NVDA's ecosystem commitments. E.g. their ~$124B spider web of investments + POs across areas like LLM labs and neoclouds. I'll look at that a bit below, but they exist because fronteir demand is outpacing everyone's balance sheet + ability to fund it. But first, you MUST realise that the structural driver has shifted in a way that "bubble" doom posters miss/ignore: - The 2023/24 phase was a training-led capex cycle with lumpy and cancellable revenue. - The 2025/26 phase is inference and agent led with reliable recurring and usage based revenue. Inference demand compounds with deployment = so do financials. This is the transition dark fibre never made in 2000 where telecom infra was built ahead of a demand curve that took something like a decade to actually arrive. Compared to AI compute that is being built behind a demand curve aka shortages. Shortages are not bubbles! In 1999-2000, telecom capex was funded by companies burning cash. In 2026, the marginal dollar of AI capex is funded by 5 of the largest cash generation machines ever. They're so well insulated from the capex they're spending that it won't matter in a few years time. Now, I think we all know that AI names are super crowded. I've noticed that since joining X where I get people commenting things like "What happened to $AAOI?" and "Do you like $SIVE?" when the names drop 10% in a day from volatility. But on top of that, you look at data like BofA Fund Manager Survey that shows >80% of managers naming long-AI/semis. That's a record high for any trade or thematic in the survey's history. So crowding of this level mechanically deepens drawdowns because everyone's stop is behind everyone else's...it can become a vicious cycle on red days. And it explains why an >10% air pocket can arrive on no company or sector news at all. Then you've got idiots posting online and going on podcasts saying that the AI trade is just like the internet trade back in 1997. But as we all know, those internet names like Pets dot com had literally no cash flows and most had fugazi financials. You just have look at the financials for companies like $SNDK which people also say is a bubble. They seem kinda fine to me? And will be fine going forwards. (Understating it slightly, their earnings will largely all be fantastic) That being said.... Let me actually give you signals to look for that'll actually change my mind on whether I have conviction or just blind faith in the AI trade: 1. Capex cuts from hyperscalers rather than a deceleration in growth. 2. GPU rental spot pricing declining sustainably rather than plateauing. 3. HBM contract pricing rolling over while supply agreements get renegotiated. 4. Neocloud credit spreads gapping to distressed levels. 5. Fronteir labs like Anthropic/OpenAI seeing MRR's decline or stall. These are probably the big five "tripwires" + none have been triggered so far. I don't see any being triggered for the forseeable future. But all you need to know for a TLDR bull case for the AI theme is: - demand for compute remains supply constrained. - hyperscalers funding the capex are cash flow generative machines. - valuations for high quality names from $SNDK to $MU to $AVGO to $NVDA are stupidly low. On top of everything else mentioned here (I could keep going but I'll save you from reading more of my ramblings/rants). That being said, in my view, there's certainly a case to rotate into higher quality names rather than random upstream shitcos. I've mentioned this many times over the past couple of weeks. From 2025 to early Q2 2026, you could basically long almost any name that had some sort of ties to AI and it'd go up 100% in weeks. $POET and $IREN come to mind. I personally think being a little more selective going forwards will be more crucial, and financials will matter a lot more than going long a name that just falls in the AI bucket.

Okay guys, FINALLY follow-up on the HBM stress test. because I cracked my head on this topic way harder then I ever tought to do. Put so much time in this engine and learned also so much. So must read here! Besides all the supply constraints that i mapped in other parts which are already as tight as it can be I looked at demand now and how it develops. So four levers drive the supply gap. I pushed each to its worst realistic setting, one at a time, and the shortage held every time… except one lever could flip it alone. Efficiency. How fast the industry learns to serve more AI per gigabyte of memory. So we measured it. Properly. First thing to understand… our base case already assumes brutal efficiency. Tokens are growing 4 to 7x a year (Google confirmed 7x at I/O), yet our memory demand line only grows ~40%. That wedge IS efficiency… roughly 30% per year, already priced in. MLA cutting KV-cache roughly 3 to 5x. FP8 to FP4 quantization. Sparse attention. All of it, already in this number. To flip 2027–2028 into surplus, efficiency would need to run another ~25% per year ON TOP of that 30%. The measured incremental rate? Around 5% a year. And decelerating… the big wins were one-time steps, mostly shipped in 2024–2025, and we are approaching hard floors. 4-bit precision. ~70KB per token on KV-cache. Then the other escape hatch… “CXL pooling and flash tiers will fix it.” I ran that one too. Most memory tier below HBM serves the COLD side. CXL pools sit at hundreds of nanoseconds… good for cached prefixes and reuse. High-bandwidth flash is read-mostly, write endurance caps it at shared context. System RAM costs 10 to 50 milliseconds per fetch. But the hot decode set… the memory a GPU touches every single token… is pinned to HBM by latency. NVIDIA even built a separate GDDR7 chip for the part that can leave (Rubin CPX, prefill). The boundary is drawn in silicon. These tiers are additive, not substitutive. They grow what is servable… they do not shrink what needs HBM. For the math people: balancing 2028 would need roughly three quarters of KV traffic off HBM. The physical ceiling is nowhere near that. And here is the stat that settles it. No GPU generation has EVER shipped with less memory per system. 80GB… 141… 180… 288 and rising. Every byte the software saves gets spent immediately on longer context and bigger batches. Agent tasks now burn millions of tokens each. That is Jevons paradox in silicon. Now the honest part, because there always is one. Nobody publishes memory-per-token over time, so the 5% is our inference… wide error bars. And I wrote down exactly what would change our mind: production KV compression clearing 5x+, a generation shipping lower memory per rack, or the flash tier proving it can hold the hot set. Low probability for all. in my opinion the two escape routes everyone cites… efficiency, and moving memory off HBM… I measured. Neither runs fast enough. $MU $005930.KS $000660.KS

keyboard_arrow_left Previous keyboard_arrow_right Next

เพราะนักลงทุน VI ชอบกิน KFC เหรอคะ 🤨

Petæ Lynch @Petae_Lynch

2 weeks ago

นักลงทุน VI ทุกคนต้องรู้จัก

6 0 6 7K 0

หุ้นไทยรอบนี้ จะไปที่ 5,000 จุด หรือก๊อกสุดท้ายแล้วคะ พี่ๆ

คุณอาจจะสงสัยว่าเอ๊ หุ้นขึ้นทุกวัน มันไปขึ้นที่ไหน ใช่ครับ ขึ้นที่พอร์ตผม

Petæ Lynch @Petae_Lynch

2 weeks ago

หุ้นธนาคารขึ้นทุกวัน

1 6 25 13K 1