AI BOOM กับโอกาสของอุตสาหกรรมเซมิคอนดักเตอร์ไทย

ในช่วงไม่กี่ปีที่ผ่านมา เทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence: AI) ได้ก้าวขึ้นมาเป็นหนึ่งในปัจจัยสำคัญที่ขับเคลื่อนการเปลี่ยนแปลงของอุตสาหกรรมเซมิคอนดักเตอร์โลก โดยเฉพาะการพัฒนา Generative AI (Gen AI) และ Large Language Models (LLMs) หรือโมเดลภาษาขนาดใหญ่ ซึ่งเป็นโมเดลพื้นฐานที่ใช้ในการสร้างและประมวลผลข้อมูลในรูปแบบต่าง ๆ เช่น ข้อความ ภาพ เสียง และวิดีโอ เป็นต้น ความก้าวหน้าของเทคโนโลยีดังกล่าวทำให้ความต้องการพลังประมวลผลเพิ่มขึ้นอย่างมาก ส่งผลให้ความต้องการเซมิคอนดักเตอร์ประสิทธิภาพสูงขยายตัวอย่างก้าวกระโดด ทั้งชิปประมวลผลกราฟิก (Graphics Processing Unit: GPU) หน่วยความจำความเร็วสูง (High Bandwidth Memory: HBM) หน่วยความจำ DRAM รวมถึงเทคโนโลยีการบรรจุชิปขั้นสูง (Advanced Packaging) ที่ใช้เชื่อมต่อชิปหลายตัวเข้าด้วยกันเพื่อเพิ่มประสิทธิภาพการประมวลผล

Table of Contents

การเติบโตของ AI จึงไม่ได้เป็นเพียงการเพิ่มขึ้นของความต้องการชิปบางประเภทเท่านั้น แต่ยังส่งผลต่อโครงสร้างห่วงโซ่อุปทานอุตสาหกรรมอิเล็กทรอนิกส์ทั้งหมด ตั้งแต่การผลิตเวเฟอร์ การผลิตหน่วยความจำ การประกอบและทดสอบชิป ไปจนถึงการผลิตวัสดุและอุปกรณ์ที่เกี่ยวข้อง ขณะเดียวกัน ประเทศต่าง ๆ ก็เร่งกำหนดนโยบายเพื่อสร้างความมั่นคงทางเทคโนโลยีและดึงดูดการลงทุนในอุตสาหกรรมเซมิคอนดักเตอร์มากขึ้น ส่งผลให้การแข่งขันในห่วงโซ่อุปทานดังกล่าวทวีความรุนแรงขึ้นอย่างต่อเนื่อง

สำหรับไทย แม้จะยังไม่มีโรงงานผลิตเวเฟอร์เหมือนประเทศผู้นำในอุตสาหกรรม แต่ไทยถือเป็นฐานการผลิตอิเล็กทรอนิกส์และเซมิคอนดักเตอร์ที่สำคัญของอาเซียน โดยเฉพาะในขั้นตอนการประกอบและทดสอบชิป (Assembly and Test) การผลิตวงจรพิมพ์ (PCB) และการผลิตชิ้นส่วนอิเล็กทรอนิกส์ต่าง ๆ การเปลี่ยนแปลงของห่วงโซ่อุปทานในยุค AI จึงเป็นทั้งโอกาสและความท้าทายที่ไทยต้องเร่งปรับตัว เพื่อยกระดับอุตสาหกรรมไปสู่กิจกรรมที่มีมูลค่าเพิ่มสูงขึ้นในอนาคต

ห่วงโซ่อุปทานใหม่ที่กำลังเปลี่ยนอุตสาหกรรมเซมิคอนดักเตอร์โลก

ปัจจุบัน AI โดยเฉพาะ Gen AI ได้กลายเป็นปัจจัยสำคัญที่ขับเคลื่อนการเปลี่ยนแปลงของอุตสาหกรรมเซมิคอนดักเตอร์โลก จากเดิมที่ความก้าวหน้าของอุตสาหกรรมเซมิคอนดักเตอร์มักถูกขับเคลื่อนโดยตลาดคอมพิวเตอร์ส่วนบุคคลและสมาร์ทโฟน แต่ในช่วงไม่กี่ปีที่ผ่านมา AI ได้กลายเป็นแรงขับเคลื่อนใหม่ที่สร้างความต้องการฮาร์ดแวร์ประสิทธิภาพสูงอย่างก้าวกระโดด ทั้งในส่วนของชิปประมวลผล หน่วยความจำ ระบบเครือข่าย และโครงสร้างพื้นฐานของศูนย์ข้อมูล (Data Center) โดยข้อมูลจาก The 2025 AI Index Report (Stanford University) ระบุว่า AI กำลังถูกนำไปใช้ในภาคธุรกิจอย่างรวดเร็ว โดยในปี 2024 มีองค์กรถึงร้อยละ 78 ที่นำ AI มาใช้ในการดำเนินธุรกิจ เพิ่มขึ้นจากร้อยละ 55 ในปี 2023 ขณะที่ การลงทุนภาคเอกชนด้าน AI ทั่วโลกยังขยายตัวอย่างต่อเนื่อง โดยเฉพาะ Gen AI ซึ่งมีมูลค่าการลงทุนภาคเอกชนทั่วโลกสูงถึง 33.9 พันล้านดอลลาร์สหรัฐในปี 2024 เพิ่มขึ้นร้อยละ 18.7 จากปีก่อนหน้า สะท้อนให้เห็นว่า AI กำลังก้าวจากเทคโนโลยีเกิดใหม่ไปสู่โครงสร้างพื้นฐานสำคัญของเศรษฐกิจและอุตสาหกรรมโลก

ห่วงโซ่อุปทานของ AI จึงมีลักษณะเป็นระบบนิเวศที่ซับซ้อนและเชื่อมโยงกันหลายระดับ เริ่มตั้งแต่การพัฒนาแอปพลิเคชันและโมเดล AI การออกแบบชิปประมวลผล (Chip Design) การผลิตเวเฟอร์ (Wafer Fabrication) การผลิตหน่วยความจำประสิทธิภาพสูง เช่น HBM และ DRAM ตลอดจนเทคโนโลยีการบรรจุชิปขั้นสูง (Advanced Packaging) ที่ใช้เชื่อมต่อชิปหลายชนิดเข้าด้วยกันเพื่อเพิ่มประสิทธิภาพการประมวลผล นอกจากนี้ ยังครอบคลุมถึงระบบเครือข่ายความเร็วสูง วัสดุ อุปกรณ์การผลิต และโครงสร้างพื้นฐานของศูนย์ข้อมูล ซึ่งทุกส่วนล้วนมีความเชื่อมโยงและพึ่งพาซึ่งกันและกันอย่างใกล้ชิด

ภาพที่ 1 ภาพรวมห่วงโซ่อุปทานของอุตสาหกรรม AI (AI Supply Chain)

(ที่มา: Beyond Nvidia: The Stocks Powering the AI Value Chain (Beansprout) รวมรวบและเรียบเรียงโดยแผนกนโยบายและแผน สถาบันไฟฟ้าและอิเล็กทรอนิกส์)

ภาพที่ 1 แสดงภาพรวมของห่วงโซ่อุปทานปัญญาประดิษฐ์ (AI Supply Chain) โดยห่วงโซ่อุปทาน เริ่มจากขั้นตอนการออกแบบชิป (Chip Design) ซึ่งเป็นขั้นตอนการออกแบบสถาปัตยกรรมและวงจรของชิปให้สามารถรองรับการประมวลผล AI ได้อย่างมีประสิทธิภาพ โดยครอบคลุมการกำหนดโครงสร้างการทำงาน จำนวนทรานซิสเตอร์ การจัดวางวงจร และการออกแบบการเชื่อมต่อภายในชิป ก่อนส่งแบบไปเข้าสู่กระบวนการผลิตจริง จากนั้นเป็นขั้นตอนการผลิต (Chip Manufacturing) อย่างการผลิตเวเฟอร์ (Wafer Fabrication) ซึ่งเป็นกระบวนการผลิตชิปบนแผ่นเวเฟอร์ซิลิคอน โดยอาศัยเครื่องจักรและเทคโนโลยีที่มีความแม่นยำสูง เช่น การพิมพ์ลวดลายวงจรระดับนาโนเมตรบนแผ่นเวเฟอร์ เพื่อสร้างทรานซิสเตอร์จำนวนมหาศาลให้กลายเป็นชิปประมวลผล แล้วจึงเข้าสู่ขั้นตอนการบรรจุภัณฑ์ขั้นสูงและการทดสอบ (Advanced Packaging & Testing) โดยเป็นขั้นตอนการประกอบ เชื่อมต่อ และทดสอบชิปหลายตัวให้สามารถทำงานร่วมกันได้อย่างมีประสิทธิภาพ โดยใช้เทคโนโลยีขั้นสูง เช่น 2.5D Packaging, 3D Packaging และ CoWoSซึ่งมีบทบาทสำคัญต่อการเพิ่มความเร็วในการประมวลผล การรับส่งข้อมูล และประสิทธิภาพการใช้พลังงานของชิป AI เมื่อผ่านขั้นตอนการทดสอบแล้วจะได้ผลิตภัณฑ์ชิป AI (AI Chips) ที่พร้อมนำไปใช้งานจริงสำหรับการประมวลผล AI เช่น GPU, TPU และ AI Accelerator ซึ่งถูกออกแบบมาเพื่อรองรับการฝึกสอนโมเดล (Training) และการประมวลผลเพื่อสร้างผลลัพธ์ (Inference)

เมื่อได้ชิปประมวลผลแล้ว ขั้นตอนถัดมาคือการนำไปติดตั้งในศูนย์ข้อมูล (Data Centers) ซึ่งเป็นโครงสร้างพื้นฐานที่รองรับการทำงานของ AI โดยศูนย์ข้อมูลต้องใช้ไฟฟ้าปริมาณมหาศาล ควบคู่กับระบบทำความเย็นและเครือข่ายที่มีเสถียรภาพ เพื่อให้สามารถรองรับการทำงานของชิป AI จำนวนมากได้อย่างต่อเนื่อง รวมถึงเชื่อมต่อกับแพลตฟอร์มคลาวด์และซอฟต์แวร์ (Cloud Platforms and Software) ซึ่งเป็นแพลตฟอร์มที่ช่วยให้ผู้พัฒนาและองค์กรสามารถเข้าถึงทรัพยากรประมวลผล เครื่องมือพัฒนา AI และบริการต่าง ๆ ผ่านระบบคลาวด์ รวมถึงเป็นช่องทางในการพัฒนา ฝึกสอน และนำโมเดล AI ไปใช้งาน ก่อนที่จะถูกนำไปประยุกต์ใช้ในรูปแบบต่าง ๆ ผ่าน AI Applications และผู้ใช้งานปลายทาง (End Users) ซึ่งเป็นขั้นตอนปลายทางที่นำ AI ไปประยุกต์ใช้ในภาคส่วนต่าง ๆ เช่น Chatbot ระบบวิเคราะห์ข้อมูล การแพทย์อัจฉริยะ อุตสาหกรรมการผลิต ยานยนต์อัจฉริยะ และบริการดิจิทัลต่าง ๆ ที่ผู้ใช้งานสามารถเข้าถึงได้โดยตรง

ภาพดังกล่าวสะท้อนให้เห็นว่า AI Supply Chain เป็นระบบนิเวศที่มีความเชื่อมโยงกันอย่างใกล้ชิด โดยแต่ละส่วนต่างพึ่งพาอาศัยกันในการสร้างคุณค่าและขับเคลื่อนการเติบโตของอุตสาหกรรม AI ทั้งนี้ การเติบโตของ AI ไม่ได้ส่งผลต่อบริษัทพัฒนา AI หรือผู้ผลิตชิปเพียงไม่กี่รายเท่านั้น แต่ยังส่งผลต่ออุตสาหกรรมที่เกี่ยวข้องตลอดทั้งห่วงโซ่อุปทาน ตั้งแต่วัตถุดิบ เครื่องจักร อุปกรณ์การผลิต ชิปประมวลผล ศูนย์ข้อมูล ระบบคลาวด์ ไปจนถึงผู้ใช้งานปลายทาง

AI Boom กำลังเปลี่ยนห่วงโซ่อุปทานเซมิคอนดักเตอร์โลกอย่างไร

การเติบโตอย่างก้าวกระโดดของ AI กำลังเปลี่ยนแปลงโครงสร้างและจุดศูนย์กลางของอุตสาหกรรมเซมิคอนดักเตอร์โลกอย่างมีนัยสำคัญ เนื่องจากโมเดล AI สมัยใหม่มีขนาดใหญ่และมีความซับซ้อนเพิ่มขึ้นอย่างต่อเนื่อง ทำให้ต้องใช้กำลังประมวลผล (Computing Power) เพิ่มขึ้นอย่างมาก ทั้งในขั้นตอนการฝึกฝนโมเดล (Training) และการประมวลผลเพื่อใช้งานจริง (Inference) ส่งผลให้บริษัทเทคโนโลยีรายใหญ่ทั่วโลกเร่งลงทุนใน Data Center และโครงสร้างพื้นฐานด้าน AI เพื่อรองรับความต้องการดังกล่าว โดย McKinsey & Company คาดการณ์ว่าความต้องการศูนย์ข้อมูลสำหรับ AI จะเติบโตอย่างต่อเนื่องในช่วงทศวรรษหน้า และจะกลายเป็นแรงขับเคลื่อนสำคัญของอุตสาหกรรมเซมิคอนดักเตอร์โลก

ภายใต้แนวโน้มดังกล่าว ชิปประมวลผลกราฟิก หรือ GPU (Graphics Processing Unit) ได้กลายเป็นหัวใจสำคัญของ AI Infrastructure เนื่องจากมีความสามารถในการประมวลผลแบบขนาน (Parallel Computing) ที่เหมาะสมกับการคำนวณเมทริกซ์และอัลกอริทึมของ AI มากกว่า CPU ทั่วไป ส่งผลให้บริษัทผู้พัฒนา AI และผู้ให้บริการ Cloud รายใหญ่ต่างเพิ่มการลงทุนใน GPU อย่างต่อเนื่อง โดยเฉพาะ GPU สำหรับ AI Data Center ซึ่งปัจจุบันกลายเป็นสินทรัพย์เชิงยุทธศาสตร์ที่มีความสำคัญต่อความสามารถในการแข่งขันของบริษัทและประเทศต่าง ๆ

อย่างไรก็ตาม แม้ GPU จะเป็นองค์ประกอบหลักของ AI แต่ประสิทธิภาพของ GPU ไม่สามารถเพิ่มขึ้นได้หากขาดหน่วยความจำประสิทธิภาพสูง โดยเฉพาะ High Bandwidth Memory (HBM) และ DRAM ซึ่งทำหน้าที่รับส่งข้อมูลระหว่างหน่วยประมวลผลและหน่วยความจำในปริมาณมหาศาล ปัจจุบัน HBM ได้กลายเป็นหนึ่งในคอขวด (Bottleneck) สำคัญของอุตสาหกรรม AI เนื่องจากมีผู้ผลิตหลักเพียงไม่กี่ราย ได้แก่ SK Hynix, Samsung Electronics และ Micron Technology อีกทั้งกระบวนการผลิตยังมีความซับซ้อนสูง ต้องอาศัยเทคโนโลยีขั้นสูงและใช้ระยะเวลานานในการขยายกำลังการผลิต สะท้อนให้เห็นว่า ในยุค AI ความได้เปรียบทางการแข่งขันไม่ได้ขึ้นอยู่กับกำลังประมวลผลเพียงอย่างเดียว แต่ยังขึ้นอยู่กับความสามารถในการเข้าถึงหน่วยความจำความเร็วสูงและการบริหารจัดการห่วงโซ่อุปทานที่มีประสิทธิภาพอีกด้วย

นอกจาก GPU และ HBM แล้ว AI Boom ยังส่งผลให้เทคโนโลยี Advanced Packaging กลายเป็นองค์ประกอบสำคัญที่ขาดไม่ได้ของ AI Supply Chain เนื่องจากชิป AI รุ่นใหม่ต้องอาศัยการเชื่อมต่อระหว่าง GPU, HBM และ Chiplet หลายตัวเข้าด้วยกันภายในแพ็กเกจเดียว เพื่อเพิ่มประสิทธิภาพการรับส่งข้อมูลและลดการใช้พลังงาน เทคโนโลยี Advanced Packaging เช่น CoWoS, 2.5D Packaging และ 3D Packaging จึงมีบทบาทเพิ่มขึ้นอย่างมาก โดยเฉพาะ CoWoS ของ TSMC ซึ่งถูกนำมาใช้ใน AI GPU รุ่นใหม่เกือบทุกรุ่น และได้กลายเป็นหนึ่งในข้อจำกัดสำคัญของการขยายกำลังการผลิต AI ในปัจจุบัน สะท้อนให้เห็นว่า Advanced Packaging ได้กลายเป็นเทคโนโลยีเชิงยุทธศาสตร์ที่มีความสำคัญต่อความสามารถในการแข่งขันของอุตสาหกรรม AI ไม่ต่างจากเทคโนโลยีการผลิตเวเฟอร์

บทบาทและโอกาสของไทยในห่วงโซ่อุปทานของอุตสาหกรรม AI

เมื่อพิจารณาตำแหน่งของประเทศไทยใน AI Supply Chain จะพบว่า ไทยมีบทบาทแตกต่างกันในแต่ละกิจกรรมของห่วงโซ่อุปทาน โดยมีความแข็งแกร่งในกิจกรรมปลายน้ำของการผลิตเซมิคอนดักเตอร์ ขณะที่ ยังมีข้อจำกัดในกิจกรรมที่ใช้เทคโนโลยีขั้นสูงและสร้างมูลค่าเพิ่มสูง รายละเอียดในตารางที่ 1 ดังนี้

ตารางที่ 1 ศักยภาพ ปัจจัยสนับสนุน ข้อจำกัด และโอกาสของไทยในห่วงโซ่อุปทานของอุตสาหกรรม AI

ขั้นตอนใน AI Supply Chainศักยภาพของประเทศไทยปัจจัยสนับสนุนข้อจำกัดโอกาสในการพัฒนา
1. Chip Designต่ำมีฐานด้าน IC Design ผ่านบริษัท Design House และศูนย์ออกแบบของบริษัทต่างชาติ รวมถึงมีการเริ่มพัฒนาบุคลากรด้านเซมิคอนดักเตอร์และ IC Design ในสถาบันการศึกษา– พึ่งพาเครื่องมือ EDA จากต่างประเทศ ทำให้เกิดข้อจำกัดทั้งด้านต้นทุนและการเข้าถึงเทคโนโลยี
– บุคลากรด้าน Chip Design ยังมีจำนวนจำกัด		พัฒนา IC Design สำหรับชิป AI ผ่านการพัฒนาบุคลากร
2. Chip Manufacturing (Wafer Fabrication)ต่ำมากมีปัจจัยพื้นฐานที่สามารถรองรับการพัฒนาอุตสาหกรรมได้ในอนาคต เช่น มีฐานของอุตสาหกรรมอิเล็กทรอนิกส์และเซมิคอนดักเตอร์ที่แข็งแกร่ง มีประสบการณ์ในการดำเนินงานของบริษัทเซมิคอนดักเตอร์ข้ามชาติ เป็นต้น– ไม่มีโรงงานผลิตเวเฟอร์ขั้นสูง
– ใช้เงินลงทุนสูงมาก และอาจแข่งขันกับประเทศผู้นำอย่างไต้หวัน เกาหลีใต้ และสหรัฐฯ ได้ยาก		แม้ปัจจุบันจะยังไม่มีโรงงานผลิตเวเฟอร์สำหรับชิป AI โดยตรง แต่การพัฒนาขีดความสามารถด้าน Wafer Fabrication ในอุตสาหกรรมเซมิคอนดักเตอร์ถือเป็นจุดเริ่มต้นสำคัญที่อาจต่อยอดสู่การพัฒนาชิป AI ได้ในอนาคต โดยบริษัท เอฟทีวัน คอร์เปอเรชั่น จำกัด (FT1) อยู่ระหว่างการจัดตั้งโรงงานผลิตเวเฟอร์ซิลิคอนคาร์ไบด์ (Silicon Carbide: SiC) ซึ่งเหมาะสมสำหรับการใช้ในอุปกรณ์อิเล็กทรอนิกส์ที่ควบคุมการแปลงพลังงานไฟฟ้า (Power Electronics) เช่น เครื่อง Server ใน Data Center เป็นต้น
3. Advanced Packaging & Testingปานกลาง – สูงไทยมีฐาน ATP ที่แข็งแกร่ง ซึ่งมีผู้ผลิตชั้นนำระดับโลกหลายแห่ง มีแรงงานและซัพพลายเออร์รองรับ– ยังไม่มีเทคโนโลยี Advanced Packaging ระดับโลก
– ยังขาดบุคลากรเฉพาะทาง		เป็น Window of Opportunity ของไทย เนื่องจากสามารถต่อยอดจากฐาน ATP เดิม รองรับความต้องการชิป AI และการกระจายฐานการผลิตของโลก
4. AI Chipsต่ำแม้ไทยจะยังไม่มีโรงงานประกอบและทดสอบชิป AI แต่ไทยมีการผลิตอุปกรณ์ที่สนับสนุนโครงสร้างพื้นฐานของ AI เช่น ชิปโฟโตนิกส์และ Optical Communication โดยมี Lumentum ที่ใช้ไทยเป็นฐานประกอบและทดสอบชิปโฟโตนิกส์ พร้อมทั้งขยายการผลิตและจัดตั้งศูนย์วิจัยและออกแบบชิปโฟโตนิกส์ในไทย– ไม่มีบริษัทที่ออกแบบหรือผลิต AI Accelerator ของตนเอง
– บุคลากรที่มีความเชี่ยวชาญด้าน AI Chip Design และ AI Hardware ยังมีจำนวนจำกัด		ดึงดูดการลงทุนจากผู้ผลิตชิป AI ไม่ว่าจะเป็นด้านการผลิต หรือการประกอบ ทดสอบ และบรรจุภัณฑ์
5. Data Centerปานกลาง – สูง– การลงทุน Data Center เพิ่มขึ้นอย่างรวดเร็ว
– มีโครงสร้างพื้นฐานโทรคมนาคมและโครงข่ายไฟเบอร์ออปติกครอบคลุมประเทศ		– กำลังผลิตไฟฟ้าและระบบส่งไฟฟ้าคุณภาพสูงอาจไม่เพียงพอหากมีการลงทุน AI Data Center ขนาดใหญ่จำนวนมาก
– ระบบระบายความร้อน (Cooling Infrastructure) ยังมีต้นทุนสูงในประเทศเขตร้อนอย่างไทย		– ผู้ผลิตและจำหน่ายอุปกรณ์ไฟฟ้าใน Data Center และผู้จำหน่ายและติดตั้งระบบเครือข่ายและอุปกรณ์ไอทีใน Data Center ได้ประโยชน์จากการพัฒนา Data Center
6. Cloud Platforms & Softwareปานกลาง– มีผู้ให้บริการ Cloud ระดับโลกเข้ามาลงทุนและมี Startup ด้าน AI เพิ่มขึ้น
– ภาครัฐมีนโยบาย Cloud First, Digital Government และการส่งเสริมเศรษฐกิจดิจิทัล ซึ่งช่วยกระตุ้นการใช้ Cloud Platform ภายในประเทศ		ตลาด Cloud Platform ในไทยถูกครอบครองโดยผู้ให้บริการต่างชาติ ทำให้ผู้ประกอบการไทยมีบทบาทจำกัดในระดับ Platform Ownerพัฒนา Cloud Platforms และ Vertical AI Solutions สำหรับอุตสาหกรรมที่ไทยมีความได้เปรียบ เช่น Healthcare, Smart Manufacturing, Agriculture, Tourism และ Logistics เพื่อสร้างมูลค่าเพิ่มและเชื่อมโยงกับ AI Supply Chain ในระดับภูมิภาค
7. AI Applications & End Usersปานกลาง – สูงไทยมีฐานอุตสาหกรรมขนาดใหญ่ เช่น ยานยนต์ อิเล็กทรอนิกส์ การแพทย์ การเงิน การท่องเที่ยว และบริการดิจิทัล ซึ่งสามารถประยุกต์ใช้ AI ได้การนำ AI ไปใช้ของ SMEs ยังจำกัด และยังขาดบุคลากรด้าน AI– แนวโน้มการนำ AI มาใช้มากขึ้นในภาคธุรกิจขนาดใหญ่
– นำ AI ไปใช้ เพื่อยกระดับอุตสาหกรรมเดิมและพัฒนาโซลูชันที่ตอบโจทย์ภาคเศรษฐกิจของประเทศ

(ที่มา: รวมรวบและเรียบเรียงโดยแผนกนโยบายและแผน สถาบันไฟฟ้าและอิเล็กทรอนิกส์)

แม้ว่าไทยจะยังไม่มีบทบาทสำคัญในกิจกรรมต้นน้ำของอุตสาหกรรมเซมิคอนดักเตอร์ เช่น การออกแบบชิป การผลิตเวเฟอร์ หรือการผลิตหน่วยความจำประสิทธิภาพสูงอย่าง HBM และ DRAM ซึ่งเป็นเทคโนโลยีหลักที่ขับเคลื่อนการเติบโตของอุตสาหกรรม AI ในปัจจุบัน แต่ไทยมีความได้เปรียบจากการเป็นฐานการผลิตของบริษัทเซมิคอนดักเตอร์ชั้นนำหลายแห่ง อาทิ Infineon Technologies, Analog Devices, Microchip Technology, Hana Microelectronics และ Stars Microelectronics โดยผู้ประกอบการส่วนใหญ่ดำเนินธุรกิจในขั้นตอนการประกอบ ทดสอบ และบรรจุภัณฑ์เซมิคอนดักเตอร์ (Assembly, Testing and Packaging: ATP) รวมถึงการผลิตชิ้นส่วนอิเล็กทรอนิกส์ที่เกี่ยวข้อง

ที่ผ่านมา เทคโนโลยี ATP แบบเดิมมักสร้างมูลค่าเพิ่มและอำนาจต่อรองทางเทคโนโลยีได้ไม่สูงนักเมื่อเทียบกับกิจกรรมต้นน้ำอย่างการออกแบบชิปหรือการผลิตเวเฟอร์ อย่างไรก็ตาม การเติบโตอย่างรวดเร็วของ AI กำลังเปลี่ยนแปลงบทบาทของการบรรจุชิป (Packaging) อย่างมีนัยสำคัญ เนื่องจากชิปประมวลผลประสิทธิภาพสูงจำเป็นต้องอาศัยเทคโนโลยี Advanced Packaging เพื่อเพิ่มประสิทธิภาพของการประมวลผลและการเชื่อมต่อระหว่างชิป ส่งผลให้ Packaging ถูกยกระดับจากกระบวนการส่วนท้ายของการผลิตสู่การเป็นเทคโนโลยีเชิงยุทธศาสตร์และกลายเป็นหนึ่งในคอขวดสำคัญของห่วงโซ่อุปทาน AI ในปัจจุบัน

การเปลี่ยนแปลงดังกล่าวจึงอาจเป็น ‘หน้าต่างแห่งโอกาส’ (Window of Opportunity) สำหรับประเทศไทย เนื่องจากไทยมีฐานอุตสาหกรรม ATP ที่ค่อนข้างแข็งแกร่ง มีผู้ประกอบการในห่วงโซ่อุปทานจำนวนมาก ตลอดจนมีบุคลากรและโครงสร้างพื้นฐานด้านอิเล็กทรอนิกส์ที่สะสมมาอย่างต่อเนื่อง

หากสามารถยกระดับจากการใช้เทคโนโลยี Packaging แบบเดิมไปสู่การใช้เทคโนโลยี Advanced Packaging ได้สำเร็จ ไทยจะสามารถเพิ่มมูลค่าเพิ่มของอุตสาหกรรม ลดการพึ่งพากิจกรรมที่ใช้แรงงานเข้มข้น และขยายบทบาทของตนเองในห่วงโซ่อุปทาน AI โลกได้มากขึ้น

นอกจากนี้ แนวโน้มการกระจายความเสี่ยงของห่วงโซ่อุปทานโลก (Supply Chain Diversification) ภายหลังความตึงเครียดทางภูมิรัฐศาสตร์และการแข่งขันด้านเทคโนโลยีระหว่างประเทศมหาอำนาจ ยังเป็นอีกปัจจัยหนึ่งที่เอื้อต่อประเทศ ผู้ผลิตเซมิคอนดักเตอร์และบริษัทเทคโนโลยีรายใหญ่ทั่วโลกเริ่มมองหาฐานการผลิตใหม่ที่มีเสถียรภาพทางเศรษฐกิจ มีโครงสร้างพื้นฐานรองรับ และมีบุคลากรที่มีทักษะด้านอิเล็กทรอนิกส์ ซึ่งไทยถือเป็นหนึ่งในประเทศที่มีศักยภาพในการรองรับการลงทุนดังกล่าว โดยเฉพาะภายใต้นโยบายส่งเสริมการลงทุนของภาครัฐ

อย่างไรก็ตาม การยกระดับจากใช้เทคโนโลยี Packaging แบบเดิมไปสู่การใช้เทคโนโลยี Advanced Packaging ยังเผชิญความท้าทายหลายประการ เนื่องจากเทคโนโลยีดังกล่าวมีความซับซ้อนสูงและต้องอาศัยองค์ความรู้เฉพาะทาง ทั้งด้านการออกแบบแพ็กเกจ (Package Design) วัสดุขั้นสูง เครื่องจักรที่มีความแม่นยำสูง และความสามารถในการบูรณาการกระบวนการผลิตหลายขั้นตอนเข้าด้วยกัน อีกทั้งยังต้องใช้เงินทุนจำนวนมากและบุคลากรที่มีความเชี่ยวชาญเฉพาะด้าน ซึ่งไทยยังคงมีข้อจำกัดทั้งในด้านการวิจัยและพัฒนา จำนวนวิศวกรเฉพาะทาง และระบบนิเวศของอุตสาหกรรมเซมิคอนดักเตอร์ขั้นสูงเมื่อเทียบกับประเทศผู้นำอย่างไต้หวัน เกาหลีใต้ และสหรัฐฯ

ยิ่งไปกว่านั้น ห่วงโซ่อุปทานของ Advanced Packaging ยังคงกระจุกตัวอยู่ในบางประเทศ โดยเฉพาะไต้หวันซึ่งเป็นผู้นำผ่านบริษัท TSMC ขณะที่ เกาหลีใต้และสหรัฐฯ ก็กำลังเร่งลงทุนในเทคโนโลยีดังกล่าวอย่างต่อเนื่อง สะท้อนให้เห็นว่า Advanced Packaging กำลังถูกยกระดับจากเทคโนโลยีการผลิตไปสู่สินทรัพย์เชิงยุทธศาสตร์ที่มีความสำคัญต่อความมั่นคงทางเศรษฐกิจและความสามารถในการแข่งขันของประเทศในระยะยาว

ดังนั้น หากไทยต้องการใช้ประโยชน์จากการเติบโตของ AI เพื่อยกระดับอุตสาหกรรมเซมิคอนดักเตอร์ในระยะยาว การพัฒนา Advanced Packaging อาจเป็นยุทธศาสตร์ที่มีความเป็นไปได้มากกว่าการลงทุนสร้างโรงงานผลิตเวเฟอร์ ซึ่งต้องใช้เงินลงทุนมหาศาลและต้องแข่งขันกับประเทศที่มีความได้เปรียบอยู่แล้ว อีกทั้ง Advanced Packaging ยังเป็นเทคโนโลยีที่สามารถต่อยอดจากฐานอุตสาหกรรมที่ใช้เทคโนโลยี Packaging ที่ไทยมีอยู่เดิม และสอดคล้องกับแนวโน้มของอุตสาหกรรม AI ที่ให้ความสำคัญกับเทคโนโลยีการบรรจุชิปขั้นสูงมากขึ้น

ทั้งนี้ ภาครัฐจำเป็นต้องมีบทบาทสำคัญในการสร้างระบบนิเวศ (Ecosystem) ที่เอื้อต่อการพัฒนาอุตสาหกรรมดังกล่าว ทั้งในด้านการพัฒนาบุคลากร การส่งเสริมการวิจัยและพัฒนา การสนับสนุนการลงทุน และการเชื่อมโยงความร่วมมือระหว่างภาคอุตสาหกรรม มหาวิทยาลัย และสถาบันวิจัย เพื่อสร้างขีดความสามารถทางเทคโนโลยีภายในประเทศอย่างเป็นระบบ

ข้อเสนอแนะเชิงนโยบายสำหรับประเทศไทย

จากแนวโน้มการเติบโตของ AI และการเปลี่ยนแปลงห่วงโซ่อุปทานเซมิคอนดักเตอร์โลก จะเห็นได้ว่า Advanced Packaging กำลังก้าวขึ้นมาเป็นหนึ่งในเทคโนโลยีเชิงยุทธศาสตร์ที่มีความสำคัญ อีกทั้งไทยยังมีฐานอุตสาหกรรม ATP ที่ค่อนข้างแข็งแกร่ง ดังนั้น หากไทยต้องการเพิ่มขีดความสามารถในการแข่งขันของอุตสาหกรรมเซมิคอนดักเตอร์ และยกระดับตำแหน่งของประเทศในห่วงโซ่อุปทานโลกในระยะยาว ควรพิจารณาดำเนินนโยบายในประเด็นสำคัญ ดังนี้

1. พัฒนาบุคลากรด้าน Semiconductor และ Advanced Packaging

ไทยควรเร่งพัฒนากำลังคนด้านเซมิคอนดักเตอร์อย่างเป็นระบบและครอบคลุมทั้งการเตรียมความพร้อมให้บุคลากรใหม่เพื่อเข้าสู่อุตสาหกรรมและการยกระดับทักษะของแรงงานที่อยู่ในภาคอุตสาหกรรมเดิม สำหรับบุคลากรใหม่ ภาครัฐควรเป็นกลไกในการเชื่อมโยงความร่วมมือระหว่างสถาบันการศึกษาในระดับอุดมศึกษาและภาคอุตสาหกรรม เพื่อพัฒนาหลักสูตรให้สอดคล้องกับความต้องการของภาคอุตสาหกรรมเซมิคอนดักเตอร์ รวมถึงส่งเสริมให้ภาคเอกชนมีส่วนร่วมในการออกแบบหลักสูตร การจัดการเรียนการสอน และการพัฒนาทักษะที่นำไปใช้ในการทำงานได้จริง ขณะที่ แรงงานที่อยู่ในภาคอุตสาหกรรมเดิม ภาครัฐควรส่งเสริมการ Reskill และ Upskill อย่างต่อเนื่อง โดยใช้มาตรการจูงใจให้กับภาคเอกชน เช่น การให้สิทธิประโยชน์ทางภาษีแก่บริษัทที่ลงทุนฝึกทักษะเฉพาะทางระดับสูงแก่บุคลากรไทย (Hands – on Training & Bootcamps) เพื่อให้แรงงานสามารถยกระดับทักษะให้สอดคล้องกับเทคโนโลยีการผลิตเซมิคอนดักเตอร์ที่มีความซับซ้อนมากขึ้น

2. จัดตั้งศูนย์อบรมด้านเซมิคอนดักเตอร์ (National Semiconductor Training Centers: NSTC)

การพัฒนาบุคลากรเป็นปัจจัยสำคัญต่อการยกระดับอุตสาหกรรมเซมิคอนดักเตอร์ไทย เนื่องจากกิจกรรมที่มีมูลค่าเพิ่มสูง เช่น การออกแบบชิป การบรรจุชิปขั้นสูง (Advanced Packaging) และการวิจัยและพัฒนา ล้วนต้องอาศัยบุคลากรที่มีทักษะเฉพาะทาง ดังนั้น ภาครัฐจึงควรเร่งพัฒนากำลังคนให้สอดคล้องกับความต้องการของอุตสาหกรรม โดยการจัดตั้ง National Semiconductor Training Centers (NSTC) เพื่อเป็นศูนย์กลางในการพัฒนาทักษะและยกระดับกำลังคน ออกแบบหลักสูตรให้เชื่อมโยงกับความต้องการของภาคอุตสาหกรรม ตั้งแต่การฝึกอบรมระยะสั้น หลักสูตร Reskill และ Upskill ตลอดจนการสนับสนุนการศึกษาในระดับปริญญาโทและปริญญาเอกในสาขาที่เกี่ยวข้อง พร้อมทั้งพัฒนา Semiconductor Sandbox เพื่อเปิดโอกาสให้นักศึกษา นักวิจัย และวิศวกรได้เรียนรู้และทดลองปฏิบัติงานกับเครื่องมือและกระบวนการผลิตจริง นอกจากนี้ ควรจัดตั้ง Shared Research and Testing Facilities หรือศูนย์วิจัยและทดสอบกลาง เพื่อให้ภาคเอกชน มหาวิทยาลัย และสถาบันวิจัยสามารถเข้าถึงเครื่องมือและอุปกรณ์ที่มีมูลค่าสูงร่วมกัน ลดข้อจำกัดด้านการลงทุนซ้ำซ้อน และส่งเสริมการวิจัย การพัฒนาต้นแบบ (Prototype Development) และการทดสอบเทคโนโลยีใหม่ก่อนนำไปใช้ในระดับอุตสาหกรรม

3. ยกระดับประเทศจากฐานการรับจ้างผลิตหรือประกอบสู่การเป็นผู้นำด้านการออกแบบวงจรรวม (IC Design)

แม้ไทยจะมีความเข้มแข็งด้าน ATP แต่การยกระดับขีดความสามารถของประเทศจำเป็นต้องต่อยอดไปสู่กิจกรรมที่มีมูลค่าเพิ่มสูงมากขึ้น โดยเฉพาะการออกแบบวงจรรวม (IC Design) และการพัฒนาเทคโนโลยีของประเทศ ดังนั้น ภาครัฐควรจัดตั้ง IC Design Park หรือ Semiconductor Park เพื่อเป็นพื้นที่บ่มเพาะ (Innovation Cluster) สำหรับผู้ประกอบการด้านการออกแบบวงจรรวมและสตาร์ทอัพ เพื่อยกระดับอุตสาหกรรม โดยเปลี่ยนผ่านจากฐานการรับจ้างผลิตหรือประกอบสู่การเป็นผู้นำด้านการออกแบบวงจรรวมที่มีมูลค่าเพิ่มสูงกว่า

4. ส่งเสริมการวิจัยและพัฒนา (R&D) รวมถึงการจัดตั้ง Pilot Line สำหรับ Advanced Packaging

การยกระดับจากการใช้เทคโนโลยี Packaging แบบเดิมไปสู่การใช้เทคโนโลยี Advanced Packaging จำเป็นต้องอาศัยองค์ความรู้และการทดลองในระดับอุตสาหกรรม ดังนั้น ภาครัฐควรสนับสนุนการลงทุนด้านการวิจัยและพัฒนา รวมถึงการจัดตั้งศูนย์ทดสอบต้นแบบ (Pilot Line) หรือสายการผลิตต้นแบบสำหรับเทคโนโลยี Advanced Packaging เพื่อเป็นโครงสร้างพื้นฐานกลางสำหรับการวิจัย การทดสอบ และการพัฒนาบุคลากร ซึ่งจะช่วยลดต้นทุนและความเสี่ยงของภาคเอกชนในการเข้าสู่เทคโนโลยีใหม่ อีกทั้งยังสามารถใช้เป็นพื้นที่ทดสอบเทคโนโลยีร่วมกันระหว่างภาคการศึกษาและภาคเอกชน เพื่อช่วยให้เกิดการถ่ายทอดองค์ความรู้สู่ภาคอุตสาหกรรมได้มากขึ้น

5. ดึงดูดการลงทุนในธุรกิจ OSAT และ Advanced Packaging

แม้ไทยจะมีข้อจำกัดในกระบวนการผลิตเวเฟอร์ แต่สามารถใช้จุดแข็งด้าน ATP และอุตสาหกรรมอิเล็กทรอนิกส์ที่มีอยู่เดิมเป็นฐานการดึงดูดการลงทุนในธุรกิจ Outsourced Semiconductor Assembly and Test (OSAT) และ Advanced Packaging ได้ โดยภาครัฐควรพัฒนามาตรการส่งเสริมการลงทุนที่เน้นกิจกรรมที่มีมูลค่าเพิ่มสูง เช่น 2.5D Packaging, 3D Packaging และ Chiplet Integration รวมถึงส่งเสริมการถ่ายทอดเทคโนโลยีและการพัฒนาซัพพลายเออร์ภายในประเทศ

6. เชื่อมโยงอุตสาหกรรมไทยกับ AI Supply Chain โลก

ไทยควรสร้างความเชื่อมโยงกับผู้เล่นหลักในห่วงโซ่อุปทานโลก ทั้งด้านการผลิตเซมิคอนดักเตอร์ การออกแบบชิป และอุปกรณ์ที่เกี่ยวข้อง ผ่านการสร้างความร่วมมือกับบริษัทชั้นนำ มหาวิทยาลัย และสถาบันวิจัยในต่างประเทศ ตลอดจนการเข้าร่วมโครงการความร่วมมือระหว่างประเทศด้านเซมิคอนดักเตอร์ เพื่อยกระดับขีดความสามารถทางเทคโนโลยีและเพิ่มโอกาสในการเป็นส่วนหนึ่งของ AI Supply Chain ในระยะยาว

7. ผลักดันให้ EEC เป็น Semiconductor Hub ของอาเซียน

พื้นที่ระเบียงเศรษฐกิจภาคตะวันออก (EEC) มีศักยภาพในการเป็นศูนย์กลางอุตสาหกรรมเซมิคอนดักเตอร์ของภูมิภาค เนื่องจากมีความพร้อมด้านโครงสร้างพื้นฐานอุตสาหกรรม มีฐานการผลิตอิเล็กทรอนิกส์เดิม และอยู่ใกล้ท่าเรือและสนามบินหลักของประเทศ ดังนั้น ภาครัฐจึงควรเร่งพัฒนา EEC ให้เป็น Semiconductor Hub ของอาเซียน โดยเน้นการดึงดูดการลงทุนในกิจกรรมที่ไทยมีศักยภาพ เช่น ATP, OSAT และ PCB ควบคู่ไปกับการพัฒนาบุคลากร การวิจัยและพัฒนา รวมทั้งพัฒนาโครงสร้างพื้นฐานเฉพาะทางที่จำเป็นต่ออุตสาหกรรมเซมิคอนดักเตอร์เพิ่มเติม เช่น ระบบไฟฟ้าที่มีเสถียรภาพ ระบบน้ำ และศูนย์ทดสอบหรือห้องปฏิบัติการที่มีมาตรฐาน เพื่อรองรับการลงทุนในกิจกรรมที่มีมูลค่าเพิ่มสูงมากขึ้น

โดยสรุป แม้ว่าไทยอาจยังไม่สามารถแข่งขันกับประเทศผู้นำในด้านการออกแบบชิปหรือการผลิตเวเฟอร์ได้ในระยะสั้น แต่ด้วยฐานอุตสาหกรรมอิเล็กทรอนิกส์ที่มีอยู่เดิม ประกอบกับการเติบโตของ AI และความสำคัญที่เพิ่มขึ้นของ Advanced Packaging ทำให้ไทยมีโอกาสในการยกระดับบทบาทของตนเองในห่วงโซ่อุปทานโลก หากมีการกำหนดนโยบายและพัฒนาระบบนิเวศอุตสาหกรรมอย่างต่อเนื่องและสอดคล้องกับแนวโน้มเทคโนโลยีของโลก

ไทยอาจไม่จำเป็นต้องแข่งขันในทุกส่วนของ AI Supply Chain แต่ควรเลือกลงทุนในกิจกรรมที่สอดคล้องกับจุดแข็งของประเทศ โดยเฉพาะ Advanced Packaging ซึ่งกำลังก้าวขึ้นมาเป็นเทคโนโลยีเชิงยุทธศาสตร์และเป็นโอกาสสำคัญในการยกระดับอุตสาหกรรมเซมิคอนดักเตอร์ไทยในยุค A

บทความโดย:

แผนกนโยบายและแผน ศูนย์ข้อมูลเชิงลึกอุตสาหกรรมไฟฟ้าและอิเล็กทรอนิกส์
สถาบันไฟฟ้าและอิเล็กทรอนิกส์