หลังจาก GPT-6 เรื่องราวของพลังประมวลผลที่พุ่งทะยานยังสมเหตุสมผลอีกครั้งหรือไม่?

หลังจากการเปิดตัว GPT-6 Astra เมื่อวันที่ 3 กันยายน หุ้นเซมิคอนดักเตอร์และหน่วยความจำดีดตัวขึ้นก่อน ในวันที่ 4 กันยายน SOXX พุ่งขึ้น 3.5% ในวันเดียว Micron เพิ่มขึ้น 6.1% และ SanDisk พุ่งขึ้น 11.9% ในวันที่ 7 กันยายน ดัชนี KOSPI ของเกาหลีใต้ไต่ขึ้น 4.61% Samsung Electronics เพิ่มขึ้น 5.7% และ SK hynix เพิ่มขึ้นประมาณ 8%
ก่อนหน้านี้ ความกังวลเกี่ยวกับรายจ่ายด้านทุน AI ที่ร้อนแรงเกินไปและความต้องการพลังประมวลผลที่ถึงจุดสูงสุดทำให้ภาคส่วนที่เกี่ยวข้องผันผวนมาระยะหนึ่ง MarketWatch ถึงกับบรรยายการพุ่งขึ้นครั้งนี้ว่า Astra "จุดประกายการซื้อขายหุ้นชิปหน่วยความจำอีกครั้ง"

Tae Kim ผู้เขียน "The Nvidia Way" และอดีตนักข่าวสายเทคโนโลยีของ Barron's ให้คำอธิบายที่รุนแรงกว่า: AI อาจกำลังเข้าสู่รอบที่สี่ของการเติบโตแบบเอกซ์โพเนนเชียลของความต้องการพลังประมวลผลในรอบสี่ปีที่ผ่านมา

สามรอบแรกมาจาก Chatbot, Reasoning และ Coding Agent ส่วนรอบที่สี่อาจเป็น Computer Use ซึ่ง Astra เน้นนำเสนอในครั้งนี้ ตรรกะของ Kim คือ Chatbot ทำให้คนหลายร้อยล้านเริ่มใช้พลังการประมวลผล Reasoning ต้องใช้การคำนวณมากขึ้นสำหรับแต่ละคำตอบ และ Coding Agent เปลี่ยนโมเดลจาก "ตอบครั้งเดียว" เป็นทำงานต่อเนื่องหลายสิบนาทีหรือหลายชั่วโมง ตอนนี้ Computer Use ขยายเอเจนต์ที่ทำงานต่อเนื่องจากโปรแกรมเมอร์ไปสู่พนักงานความรู้ทั่วไปที่ใช้ Excel, Blender, CAD, Power BI และเบราว์เซอร์

Kim มุ่งเน้นการลงทุนใน Nvidia และเซมิคอนดักเตอร์มานาน และจดหมายข่าว Key Context ของเขามุ่งเน้นการตัดสินใจลงทุนด้านเทคโนโลยี โดยบทความล่าสุดเอนเอียงไปทางบวกต่อโครงสร้างพื้นฐาน AI

ดังนั้น "รอบที่สี่ของการเติบโตแบบเอกซ์โพเนนเชียล" จึงเป็น สมมติฐานการลงทุนที่เสนอโดยฝ่ายขาขึ้นต่อพลังประมวลผล AI เป็นหลัก ไม่ใช่กฎอุตสาหกรรมที่พิสูจน์แล้ว อย่างไรก็ตาม จังหวะเวลาของมันค่อนข้างละเอียดอ่อน

ก่อนการเปิดตัว Astra กระบวนทัศน์เอเจนต์เพิ่งผ่านการตั้งคำถามเกี่ยวกับ "ความสามารถถึงขีดจำกัด": งานสั้นแข็งแกร่งขึ้นเรื่อย ๆ แต่เมื่อเข้าสู่สภาพแวดล้อมซอฟต์แวร์จริงระยะยาว หลายขั้นตอน ความน่าเชื่อถือลดลงอย่างเห็นได้ชัด ซึ่งนำไปสู่ข้อสงสัยข้างต้นเกี่ยวกับความต้องการพลังประมวลผลที่ถึงจุดสูงสุด หากเพดานความสามารถของเอเจนต์ไม่สามารถทะลุผ่านได้ เรื่องราวการเติบโตต่อเนื่องของพลังประมวลผลก็ไม่สามารถยืนอยู่ได้

Astra สามารถทะลุเพดานนี้ได้จริงหรือ?

ทุก 1 วันทำงานของมนุษย์เท่ากับ 3.1 วันทำงานของ Agent

สามรอบแรกของ "การเติบโตแบบเอกซ์โพเนนเชียล" ในพลังประมวลผล AI หมายถึงการเพิ่มขึ้นอย่างมีนัยสำคัญของปริมาณการคำนวณที่ผู้ใช้สามารถใช้ได้ในแต่ละครั้งที่กระบวนทัศน์การใช้งานเปลี่ยนไปในช่วงไม่กี่ปีที่ผ่านมา

ChatGPT นำการใช้เหตุผลเข้าสู่ตลาดหลักเป็นครั้งแรก โมเดล Reasoning เริ่มเต็มใจที่จะทำการคำนวณภายในนานขึ้นสำหรับคำถามเดียว เมื่อถึงยุค Coding Agent คำสั่งง่าย ๆ ก็สามารถกระตุ้นวงจรต่อเนื่องของการอ่านโค้ด แก้ไข ทดสอบ ตรวจสอบข้อผิดพลาด และแก้ไขใหม่

ในเวลาเดียวกัน เอเจนต์เริ่มทะลุข้อจำกัดทางกายภาพที่ว่า "คนหนึ่งคนทำงานได้เพียง 8 ชั่วโมงต่อวัน"

เมื่อวันที่ 6 กันยายน OpenAI เพิ่งเปิดเผยชุดข้อมูลภายใน ภายในกลางเดือนสิงหาคมปีนี้ ในบรรดานักวิจัยของบริษัท ผู้ที่อยู่ในเปอร์เซ็นไทล์ที่ 50 ใช้ Coding Agents เพื่อใช้ปริมาณการใช้เหตุผลเทียบเท่ากับมากกว่า $600 ต่อวันตามราคา API สาธารณะ นักวิจัยที่เปอร์เซ็นไทล์ที่ 90 เกิน $7000 ต่อวัน ตามการรวบรวมข้อมูลของ Business Insider จากข้อมูล OpenAI ค่ามัธยฐานในเดือนกรกฎาคมอยู่ที่ประมาณ $162 เท่านั้น แสดงถึงการเพิ่มขึ้นเกือบ 3.7 เท่าในเวลาเพียงเดือนกว่า รูปภาพ: ณ กลางเดือนสิงหาคม ทุก 1 วันทำงานของมนุษย์ในแผนกวิจัยของ OpenAI เท่ากับ 3.1 วันทำงานของ Agent ปริมาณการใช้เหตุผลมัธยฐานที่นักวิจัยใช้ต่อวันมากกว่า $600 ตามราคา API

การแปลงการใช้งานภายในเป็นราคา API นี้ใกล้เคียงกับ "ความเข้มข้นของการใช้เหตุผลต่อผู้ใช้หนึ่งราย" มากขึ้น

ก่อนเดือนมิถุนายน เวลาทำงานรวมของเอเจนต์ทั้งหมดในแผนกวิจัยของ OpenAI ไม่เคยเกินชั่วโมงทำงานของนักวิจัยเอง ภายในกลางเดือนสิงหาคม ทุก 1 วันทำงานของมนุษย์เท่ากับ 3.1 วันทำงานของ Agent นักวิจัยจำนวนมากขึ้นเรื่อย ๆ ยังรันเอเจนต์หลายตัวพร้อมกัน

นี่หมายความว่าหลังจากกระบวนทัศน์เอเจนต์ "กระบวนการทำงานดิจิทัล" หลายตัวที่สามารถทำงานแบบขนานเริ่มปรากฏขึ้นเบื้องหลังผู้ใช้รายเดียว โดยไม่ถูกจำกัดด้วยข้อจำกัดทางกายภาพของ "ความเร็วการป้อนข้อมูลของมนุษย์" อีกต่อไป ตอนนี้คนหนึ่งคนสามารถให้เอเจนต์สามหรือสี่ตัวทำงานต่อเนื่องได้ แม้กระทั่งให้เอเจนต์สร้างเอเจนต์ย่อย

หน่วยวัดความต้องการพลังประมวลผลจึงอาจเปลี่ยนเป็น: มีเอเจนต์กี่ตัวที่ทำงานพร้อมกันเบื้องหลังผู้ใช้ และเอเจนต์เหล่านี้ทำงานกี่ชั่วโมงต่อวัน

Computer Use ขยายพื้นที่ทำงาน

แม้ว่า Coding Agent จะเติบโตอย่างรวดเร็ว แต่ก็ยังมีขอบเขตที่ชัดเจน ผู้ที่รันงานเอเจนต์หลายตัวส่วนใหญ่ยังเป็นโปรแกรมเมอร์ ซึ่งเป็นเพียงส่วนเล็ก ๆ ของประชากรพนักงานความรู้ทั่วโลก

Computer Use ขยายพื้นที่ออกไปอีก หลังจากการเปิดตัว Astra Kim ได้ทำการทดสอบด้วยตัวเอง ก่อนหน้านี้เขาไม่รู้วิธีใช้ Blender เขาจึงให้ Astra ศึกษากระสวยอวกาศ เปิด Blender และสร้างโมเดล 3 มิติบน Mac ประมาณ 10 นาทีต่อมา โมเดลที่หมุนได้ก็ถูกสร้างขึ้น

บทสนทนาทั่วไปประมาณว่า "ป้อนข้อมูล---ใช้เหตุผล---แสดงผล" Coding Agent กลายเป็น "อ่านโค้ด---ใช้เหตุผล---แก้ไข---ทดสอบ---ใช้เหตุผลซ้ำ" Computer Use พัฒนาต่อเป็น "มองหน้าจอ---เข้าใจอินเทอร์เฟซ---ตัดสินใจการกระทำ---ดำเนินการ---รอผลลัพธ์---สังเกตใหม่---ตรวจสอบ---แก้ไขข้อผิดพลาด"

งานที่มนุษย์ใช้เวลาสิบนาทีอาจเกี่ยวข้องกับการทำความเข้าใจภาพ การใช้เหตุผล และการเรียกใช้เครื่องมือหลายสิบรอบเบื้องหลัง AI

เมื่อความสามารถนี้เข้าสู่ Excel, Salesforce, SAP, Power BI, Photoshop, CAD และระบบภายในองค์กรต่าง ๆ ฐานผู้ใช้ที่มีศักยภาพจะขยายไปถึงพนักงานที่ทำงานด้านความรู้เกือบทั้งหมดที่นั่งอยู่หน้าคอมพิวเตอร์

นี่คือแกนหลักของสิ่งที่ Kim เรียกว่า "รอบที่สี่ของความต้องการ":

Coding Agent ต้องการใช้เวลาคอมพิวเตอร์ของโปรแกรมเมอร์ ในขณะที่ Computer Use มุ่งเป้าใช้เวลาคอมพิวเตอร์ของพนักงานปกขาวทั้งหมด

แต่จนถึงตอนนี้ นี่ยังเป็นเพียงความเป็นไปได้

OpenAI ยังไม่ได้เปิดเผยปริมาณงาน Computer Use หลังจากการเปิดตัว Astra และยังไม่ได้เผยแพร่เส้นโค้งรายวันของการใช้โทเค็นต่อผู้ใช้หนึ่งราย การใช้ GPU หรือปริมาณการใช้เหตุผล ดังนั้นจึงไม่สามารถพิสูจน์ได้อย่างแน่ชัดว่า "Astra ได้นำมาซึ่งรอบที่สี่ของการเติบโตของพลังประมวลผล"

พลังประมวลผลเริ่มตึงตัวจริงหรือยัง?

หลังจากการเปิดตัว Astra Tencent Technology สังเกตเห็นว่าชุมชนนักพัฒนาบางแห่งรายงานข้อเสนอแนะที่ยากจะวัดปริมาณแต่น่าสนใจ: ประสบการณ์ผู้ใช้ดูเหมือนจะเริ่มแตกต่างกันตามภูมิภาคและบัญชี

นักพัฒนาบางรายในภูมิภาคเอเชียแปซิฟิกรายงานว่าเมื่อเร็ว ๆ นี้ ChatGPT และ Codex ตอบสนองช้าลง และความเสถียรของงานซับซ้อนไม่ดีเท่าบัญชีสหรัฐฯ ชุมชนเรียกประสบการณ์นี้ว่า "การลดทอนความสามารถ"

อย่างน้อยส่วนหนึ่งของสิ่งนี้ไม่ได้เป็นเพียงความรู้สึกส่วนตัวทั้งหมด

เมื่อวันที่ 4 กันยายน หน้าสถานะอย่างเป็นทางการของ OpenAI รายงานประสิทธิภาพการบริการลดลงในภูมิภาคเอเชียแปซิฟิก ส่งผลกระทบต่อผลิตภัณฑ์หลายตัวรวมถึง ChatGPT, Work และ Codex Cloud สี่วันต่อมา OpenAI ประกาศข้อตกลงหลายปีกับ Firmus ผู้ดำเนินการศูนย์ข้อมูลที่สนับสนุนโดย Nvidia เพื่อรับพลังประมวลผลเฉพาะจากศูนย์ข้อมูลสองแห่งในมาเลเซีย

ในทำนองเดียวกัน ขณะนี้ยังไม่มีหลักฐานว่า OpenAI ได้ลดงบประมาณการใช้เหตุผลของโมเดลสำหรับผู้ใช้เอเชียแปซิฟิกหรือเปลี่ยนไปใช้โมเดลที่อ่อนแอกว่าเนื่องจากภาระที่เพิ่มขึ้นจาก Astra

สิ่งที่เรียกว่า "การลดทอนความสามารถ" ในภูมิภาคเอเชียแปซิฟิกอาจผสมกับปัจจัยที่แตกต่างกันอย่างน้อยสามประการ: ปัญหาโครงสร้างพื้นฐานและการกำหนดเส้นทางในภูมิภาค การควบคุมความเสี่ยงระดับบัญชีและการจำกัดอัตราการเรียกใช้ และการจัดสรรทรัพยากรแบบไดนามิกในช่วงเวลาเร่งด่วน สิ่งเหล่านี้อาจแสดงออกในฝั่งผู้ใช้เป็นประสิทธิภาพที่ช้าลง อัตราความล้มเหลวที่สูงขึ้น การเรียกใช้เครื่องมือที่ถูกขัดจังหวะ และแม้แต่คำตอบสุดท้ายที่แย่ลงสำหรับงานซับซ้อน

อย่างไรก็ตาม ข้อเสนอแนะนี้ยังให้อีกวิธีหนึ่งในการสังเกตแรงกดดันต่อพลังประมวลผล AI

เมื่อโมเดลมีความสามารถในการใช้การคำนวณอย่างต่อเนื่องมากขึ้น ความตึงตัวด้านอุปทานอาจแสดงออกเป็นความผันผวนของความหน่วง อัตราความล้มเหลว และคุณภาพการบริการระหว่างภูมิภาคและบัญชีต่าง ๆ ก่อน

ปัญหาคือการตัดสินนี้ยังขาดชุดข้อมูลที่สำคัญที่สุด:

มีความแตกต่างที่เสถียรหรือไม่ในความหน่วงของโทเค็นแรก เวลาการใช้เหตุผลรวม อัตราความสำเร็จของเครื่องมือ และอัตราการทำงานสำเร็จขั้นสุดท้ายสำหรับโมเดลเดียวกัน แพ็กเกจเดียวกัน และงานเดียวกันในภูมิภาคต่าง ๆ

จนกว่าจะได้ข้อมูลนี้ "การลดทอนความสามารถ" เป็นได้เพียงเบาะแส ไม่ใช่หลักฐานของพลังประมวลผลที่ตึงตัว

รูปภาพ: เมื่อวันที่ 8 กันยายน ผู้ใช้รายหนึ่งแชร์พรอมต์จาก GPT-6 Astra ที่ระบุว่า "ความจุเต็ม" โดยระบุว่าบัญชีทั้งสี่ของตนไม่สามารถทำงานได้ตามปกติ และระบบแนะนำให้เปลี่ยนไปใช้โมเดลอื่น Tibo พูดติดตลกในการรีทวีตว่า "เรากลับมาแล้ว!" โดยมองว่า "โมเดลเต็มโหลด" เป็นสัญญาณของความต้องการ AI ที่กลับมาอีกครั้ง

ตลาดทุนเริ่มเดิมพันอีกครั้ง

แม้ว่าเส้นโค้งการใช้พลังประมวลผลจริงหลังจากการเปิดตัว Astra จะยังไม่ถูกเปิดเผย แต่ตลาดทุนได้ซื้อขายตามเรื่องราวที่ว่า "ความต้องการ AI ยังไม่ถึงจุดสูงสุด" แล้ว

MarketWatch รายงานว่าหลังจากการเปิดตัว Astra กองทุน iShares Semiconductor ETF เพิ่มขึ้นประมาณ 3.5% โดยบริษัทที่เกี่ยวข้องกับหน่วยความจำอย่าง Samsung, SK hynix และ Kioxia ทำผลงานได้แข็งแกร่งยิ่งขึ้น สื่อต่างประเทศถึงกับบรรยายกิจกรรมตลาดรอบนี้โดยตรงว่า Astra "จุดประกายการซื้อขายหุ้นชิปหน่วยความจำอีกครั้ง"

ที่น่าสังเกตคือ สิ่งที่โดดเด่นที่สุดของการพุ่งขึ้นครั้งนี้ไม่ใช่ Nvidia แต่เป็นหน่วยความจำ

หาก Computer Use กลายเป็นภาระงานต่อเนื่องสำหรับการรันเอเจนต์จริง ๆ การเพิ่มขึ้นที่จำเป็นจะไม่ใช่แค่การคำนวณ GPU เท่านั้น บริบทที่ยาวขึ้น KV Cache เอเจนต์พร้อมกัน เครื่องเสมือน เบราว์เซอร์ และสภาพแวดล้อมซอฟต์แวร์อาจผลักดันความต้องการ HBM, DRAM, CPU, ระบบเครือข่าย และพื้นที่จัดเก็บข้อมูลให้สูงขึ้นอย่างต่อเนื่อง

ดังนั้น การซื้อขายล่าสุดในตลาดทุนจึงไม่ใช่แค่เรื่อง "GPT-6 ทรงพลังขึ้น" ทั้งหมด ตรรกะหลักยังคงเป็น: โมเดลที่ฉลาดขึ้นจะทำให้ผู้ใช้เต็มใจซื้อพลังประมวลผลมากขึ้นหรือไม่?

นี่คือจุดที่เรื่องราวโครงสร้างพื้นฐาน AI รอบนี้แตกต่างจากซอฟต์แวร์ดั้งเดิมมากที่สุด

ซอฟต์แวร์ดั้งเดิมยิ่งปรับให้เหมาะสมมากเท่าไร ผู้ใช้รายเดียวอาจต้องการทรัพยากรเซิร์ฟเวอร์น้อยลงเท่านั้น

ในทางกลับกัน AI เชิงสร้างสรรค์อาจแสดง "Jevons Paradox" ในทางตรงกันข้าม: ยิ่งโมเดลมีประสิทธิภาพและอัตราความสำเร็จของงานสูงขึ้นเท่าไร ผู้คนก็ยิ่งเต็มใจมอบหมายงานที่มากขึ้น ยาวนานขึ้น และซับซ้อนมากขึ้นให้กับ AI ซึ่งท้ายที่สุดนำไปสู่การเพิ่มขึ้นของการใช้พลังประมวลผลทั้งหมด

อย่างไรก็ตาม ต้องระมัดระวัง เนื่องจากตลาดทุนก็มี "จุดยืน" ของตัวเองเช่นกัน

โครงสร้างพื้นฐาน AI ได้ผ่านการเติบโตและการปรับตัวอย่างมีนัยสำคัญมาแล้วรอบหนึ่งก่อนหน้านี้ และหุ้นเซมิคอนดักเตอร์ก็เห็นการปรับฐานอย่างชัดเจนในปีนี้เนื่องจากรายจ่ายด้านทุนที่ร้อนแรงเกินไปและกระแสเงินสดอิสระที่ลดลงของผู้ให้บริการคลาวด์ ดังนั้น การดีดตัวไม่กี่วันที่ Astra นำมาจึงบ่งชี้ได้เพียงว่านักลงทุนเริ่มเดิมพันอีกครั้ง แต่ยังไม่เพียงพอที่จะพิสูจน์ว่ารอบที่สี่ของความต้องการพลังประมวลผลได้เกิดขึ้นจริงแล้ว

การคำนวณเชิงเศรษฐศาสตร์

การตัดสินของ Kim ขึ้นอยู่กับคำถามเชิงปฏิบัติสามข้อในที่สุด

ข้อแรกยังคงเป็นความน่าเชื่อถือ

การดำเนินธุรกิจจริงไม่ใช่การสาธิตครั้งเดียว การที่ Agent จะสามารถใช้งาน ERP โมเดลการเงิน หรือซอฟต์แวร์วิศวกรรมต่อเนื่องหลายชั่วโมงและยังคงความถูกต้องเมื่อมีหน้าต่างป๊อปอัป การเปลี่ยนแปลงสิทธิ์ และการอัปเดตข้อมูลเกิดขึ้น เป็นคำถามที่แตกต่างอย่างสิ้นเชิง

ข้อที่สองคือต้นทุน

ในอนาคต จะต้องใช้ต้นทุนเท่าไรจริง ๆ ในการทำงานเทียบเท่า หนึ่งชั่วโมงของการใช้คอมพิวเตอร์ของมนุษย์ ก่อน Computer Use?

หาก AI สามารถทำงานมูลค่า $50 ให้พนักงานได้ในราคา $10 ความต้องการก็ระเบิดได้ง่าย หากมีต้นทุน $100 ศักยภาพตลาดก็แตกต่างอย่างสิ้นเชิง

ตัวเลข $600/วัน จาก OpenAI บ่งชี้ว่าแม้ Agents จะสร้างความต้องการมหาศาลได้ แต่ก็ชี้ให้เห็นว่าโหมดการทำงานนี้อาจยังมีราคาแพงมากในปัจจุบัน

คำถามที่สาม: Computer Use จะกำจัดความต้องการส่วนหนึ่งของตัวเองในที่สุดหรือไม่?

ปัจจุบัน โมเดลต้องมองหน้าจอและหาปุ่มเพราะซอฟต์แวร์ที่มีอยู่ถูกออกแบบมาสำหรับมนุษย์ เมื่อ Salesforce, Microsoft, Adobe หรือระบบภายในองค์กรเริ่มเปิด API, MCP และอินเทอร์เฟซ Agent โดยตรง งานหลายอย่างก็ไม่จำเป็นต้องจำลองการกระทำของเมาส์และคีย์บอร์ดอีกต่อไป

ผลลัพธ์ที่มีแนวโน้มมากกว่าคือการผสมผสานระหว่าง Computer Use และ Tool Use: ที่ใดมีอินเทอร์เฟซที่มีโครงสร้าง ก็จะเรียกใช้โดยตรง สำหรับระบบเก่าที่ไม่มีอินเทอร์เฟซหรือแก้ไขยาก การทำงานแบบเห็นภาพจะยังคงอยู่

ดังนั้น ตลาดที่ Computer Use เปิดขึ้นจริง ๆ อาจไม่ใช่ "การทำให้ AI คลิกคอมพิวเตอร์เหมือนมนุษย์ตลอดไป" แต่เป็นแนวทาง "นายมนุษย์ของฉันอนุญาตให้ฉันคลิกซอฟต์แวร์ของคุณ ดังนั้นคุณควบคุมฉันไม่ได้" ที่ทำให้ Agents ทะลุผ่านระบบนิเวศแอปพลิเคชันที่มีอยู่ Agents สามารถเข้าสู่สภาพแวดล้อมการทำงานขนาดใหญ่สุดท้ายที่ระบบอัตโนมัติไม่สามารถครอบคลุมได้ก่อนหน้านี้ในที่สุด

นี่คือส่วนที่ Kim เรียกว่า "รอบที่สี่ของการเติบโตแบบเอกซ์โพเนนเชียล" ที่ควรค่าแก่การตรวจสอบอย่างแท้จริง: "Computer Use เป็นก้าวแรก หรือเป็นการเปลี่ยนกระบวนทัศน์อีกครั้งจริง ๆ?"

หลังจาก GPT-6 เรื่องราวพลังประมวลผลที่เล่ายากขึ้นเรื่อย ๆ เนื่องจาก Agents ชนเพดาน กลับมาสอดคล้องกันอีกครั้งหรือไม่?

ตลาดทุนเริ่มเดิมพันอีกครั้ง

หลังจากการระเบิดของ AI เชิงสร้างสรรค์ ตลาดยังคงตบหน้าฝ่ายหมีต่อ "การเติบโตของพลังประมวลผล" อย่างต่อเนื่อง ครั้งนี้จะแตกต่างหรือไม่?