Chip Watch

Chip Watch ครอบคลุมข่าวสารด้านเซมิคอนดักเตอร์ การเปิดตัว GPU ปัญหาด้านอุปทาน ความกดดันด้านราคา และบริษัทที่สร้างระบบคำนวณสำหรับ AI หมวดหมู่นี้อยู่ภายใต้ Chips, Clouds & Machines และเป็นพื้นที่เฉพาะสำหรับหัวข้อนี้บนเว็บไซต์ เป้าหมายของหมวดหมู่นี้คือการทำให้เนื้อหาอ่านง่าย มีประโยชน์ และสม่ำเสมอสำหรับผู้อ่านทั่วไป ไม่ใช่แค่สำหรับผู้เชี่ยวชาญเท่านั้น บทความในที่นี้ควรอธิบายว่ามีอะไรเปลี่ยนแปลงไป ทำไมมันถึงสำคัญ สิ่งที่ควรจับตามองต่อไปคืออะไร และผลกระทบในทางปฏิบัติจะปรากฏที่ใดเป็นอันดับแรก ส่วนนี้ควรใช้งานได้ดีทั้งสำหรับข่าวใหม่และบทความอธิบายเนื้อหาพื้นฐาน เพื่อให้บทความสามารถรองรับการเผยแพร่รายวันในขณะที่สร้างมูลค่าด้านการค้นหา (SEO) ไปพร้อมกัน บทความที่ดีในหมวดหมู่นี้ควรเชื่อมโยงไปยังเรื่องราวที่เกี่ยวข้อง คู่มือ การเปรียบเทียบ และบทความภูมิหลังอื่นๆ บนเว็บไซต์ได้อย่างเป็นธรรมชาติ โทนเสียงควรชัดเจน มั่นใจ และใช้ภาษาที่เข้าใจง่าย พร้อมบริบทที่เพียงพอสำหรับผู้อ่านที่สนใจแต่อาจยังไม่คุ้นเคยกับคำศัพท์เฉพาะทาง หากใช้อย่างเหมาะสม หมวดหมู่นี้จะกลายเป็นคลังข้อมูลที่เชื่อถือได้ แหล่งที่มาของทราฟฟิก และศูนย์กลางการเชื่อมโยงภายในที่แข็งแกร่ง ซึ่งช่วยให้ผู้อ่านข้ามจากหัวข้อหนึ่งที่เป็นประโยชน์ไปยังหัวข้อถัดไปได้

  • | | | |

    AI PC vs Cloud AI: อะไรเปลี่ยนไปเมื่อ AI มาอยู่ในเครื่องคุณ?

    By

    ยุคใหม่ของความเป็นส่วนตัวบนชิป ยุคที่เราต้องส่งทุก Prom…

  • | | | |

    ทำไมผู้ผลิตแล็ปท็อปถึงอยากให้ทุกอย่างเป็น AI ในปี 2026

    By

    วงการเทคโนโลยีมักจะวนเวียนอยู่ระหว่างการรวมศูนย์และการก…

  • | | | |

    AI PC ในปัจจุบันทำอะไรได้บ้าง? มาเจาะลึกกัน

    By

    สมองกลซิลิคอนในแล็ปท็อปของคุณ ตอนนี้วงการเทคฯ กำลังเห่อ…

  • | | | |

    จีนกำลังไล่ตามทันตรงไหน และอเมริกาเป็นผู้นำในด้านใดบ้าง 2026

    By

    ขั้วอำนาจใหม่ในการประมวลผลระดับโลกการแข่งขันทางเทคโนโลยีระหว่างสหรัฐอเมริกาและจีนไม่ใช่แค่การวิ่งแข่งเพื่อชิงความเป็นหนึ่งอีกต่อไป แต่มันได้กลายเป็นการต่อสู้ที่ซับซ้อนซึ่งแต่ละฝ่ายต่างมีข้อได้เปรียบที่ฝ่ายตรงข้ามเลียนแบบได้ยาก ในขณะที่สหรัฐฯ ยังคงรักษาความได้เปรียบในด้านพลังการประมวลผลดิบและเงินทุน จีนก็กำลังลดช่องว่างนั้นลงด้วยขนาดของตลาดภายในประเทศและการสนับสนุนจากภาครัฐ นี่ไม่ใช่สถานการณ์ที่ผู้ชนะจะได้ทุกอย่าง แต่เป็นการแยกทางกันของปรัชญาทางเทคโนโลยีที่แตกต่างกัน ข้อมูลล่าสุดชี้ให้เห็นว่าความแตกต่างด้านประสิทธิภาพระหว่างโมเดลระดับท็อปของอเมริกาและจีนกำลังลดลงเหลือเพียงไม่กี่เดือนของการพัฒนา ซึ่งท้าทายความเชื่อเดิมที่ว่านวัตกรรมของอเมริกานั้นไม่มีใครเทียบได้ แม้ช่องว่างเชิงกลยุทธ์ในฮาร์ดแวร์ระดับสูงจะยังคงกว้างอยู่ แต่ในระดับซอฟต์แวร์กำลังกลายเป็นพื้นที่ที่มีความเท่าเทียมกันอย่างเข้มข้น เรากำลังเข้าสู่ยุคที่สหรัฐฯ เป็นผู้จัดหาเครื่องมือพื้นฐาน ในขณะที่จีนเป็นผู้สร้างแม่แบบในการนำเครื่องมือเหล่านั้นไปบูรณาการเข้ากับเศรษฐกิจสมัยใหม่ในวงกว้าง พลวัตในปัจจุบันถูกกำหนดโดยกำแพงฮาร์ดแวร์ในฝั่งตะวันตกและความหนาแน่นของการใช้งานในฝั่งตะวันออก ความเท่าเทียมของ Large Language Modelsเป็นเวลาหลายปีที่เรื่องราวในอุตสาหกรรมเทคโนโลยีคือบริษัท AI ของจีนเพียงแค่ลอกเลียนแบบความสำเร็จของตะวันตก แต่มุมมองนั้นล้าสมัยไปแล้ว บริษัทอย่าง Alibaba, Baidu และสตาร์ทอัพอย่าง 01.AI กำลังสร้างโมเดลที่ติดอันดับต้นๆ ของเกณฑ์มาตรฐานระดับโลก โมเดลเหล่านี้ไม่ได้แค่ใช้งานได้จริง แต่ยังได้รับการปรับแต่งมาเพื่อประสิทธิภาพสูงสุด เนื่องจากบริษัทจีนเผชิญกับข้อจำกัดที่เข้มงวดในการซื้อชิป พวกเขาจึงกลายเป็นปรมาจารย์ในการทำสิ่งที่มากกว่าด้วยทรัพยากรที่น้อยกว่า พวกเขาเน้นไปที่ประสิทธิภาพของสถาปัตยกรรมและคุณภาพของข้อมูลแทนที่จะแค่ทุ่มชิปเข้าไปแก้ปัญหา สิ่งนี้ทำให้เกิดการสนับสนุนแบบ open source จากนักพัฒนาชาวจีนเพิ่มขึ้นอย่างมาก โมเดลแบบเปิดเหล่านี้กำลังถูกนำไปใช้โดยนักพัฒนาทั่วโลก ซึ่งสร้าง soft power รูปแบบใหม่ให้กับปักกิ่ง จากงานวิจัยของ Stanford Institute for Human-Centered AI ปริมาณงานวิจัยคุณภาพสูงที่ออกมาจากสถาบันของจีนในขณะนี้ทัดเทียมกับสหรัฐฯ ในหลายตัวชี้วัดที่สำคัญ จุดเน้นในจีนได้เปลี่ยนจากการไล่ตาม GPT

  • | | | |

    จะเกิดอะไรขึ้นถ้าสงครามเย็น AI ร้อนแรงขึ้นกว่าเดิม?

    By

    การแข่งขันระดับโลกเพื่อชิงความเป็นหนึ่งด้าน AI กำลังเปลี่ยนจากการต่อสู้ด้วยอัลกอริทึมไปสู่สงครามแย่งชิงทรัพยากรกายภาพ ผู้สังเกตการณ์หลายคนเข้าใจผิดว่าผู้ชนะคือชาติที่มีวิศวกรซอฟต์แวร์เก่งที่สุดหรือเขียนโค้ดได้ฉลาดที่สุด แต่ความจริงแล้ว ผู้ชนะที่แท้จริงคือผู้ที่สามารถครอบครองเซมิคอนดักเตอร์ประสิทธิภาพสูงและพลังงานไฟฟ้ามหาศาลที่จำเป็นต่อการใช้งานได้ เรากำลังก้าวออกจากยุคแห่งความร่วมมือทางวิชาการแบบเปิดไปสู่ยุคแห่งการปกป้องเทคโนโลยีอย่างเข้มข้น การเปลี่ยนแปลงนี้เกิดขึ้นเพราะรัฐบาลตระหนักว่าโมเดลภาษาขนาดใหญ่คือรากฐานใหม่ของ การป้องกันประเทศและผลิตภาพทางเศรษฐกิจ หากความตึงเครียดระหว่างสหรัฐฯ และจีนยังคงทวีความรุนแรง อุตสาหกรรมเทคโนโลยีโลกจะแตกออกเป็นสองระบบนิเวศที่ไม่สามารถใช้งานร่วมกันได้ นี่ไม่ใช่เรื่องไกลตัว แต่มันกำลังเกิดขึ้นแล้ว บริษัทต่างๆ ถูกบีบให้ต้องเลือกข้างว่าจะเก็บข้อมูลไว้ที่ไหนและจะซื้อฮาร์ดแวร์จากใคร ยุคแห่งอินเทอร์เน็ตที่เป็นหนึ่งเดียวทั่วโลกกำลังจะจบลง มากกว่าแค่กระแส Chatbotคำถามยอดฮิตสำหรับมือใหม่คือ ใครกำลังเป็นฝ่ายชนะ? คำตอบนั้นยากเพราะทั้งสองฝ่ายกำลังเล่นเกมที่ต่างกัน สหรัฐฯ นำหน้าในด้านการวิจัยพื้นฐานและประสิทธิภาพของโมเดล โดยโมเดลที่ทรงพลังที่สุดส่วนใหญ่ผลิตโดยบริษัทอเมริกัน แต่จีนกลับนำหน้าในการนำเทคโนโลยีเหล่านี้ไปใช้งานจริงอย่างรวดเร็วและการบูรณาการเข้ากับอุตสาหกรรมการผลิต ความเข้าใจผิดที่ว่าการแบนชิปประสิทธิภาพสูงของสหรัฐฯ ทำให้ความก้าวหน้าของจีนหยุดชะงักนั้นไม่เป็นความจริง แต่กลับกลายเป็นว่ามาตรการเหล่านี้บีบให้บริษัทจีนกลายเป็นปรมาจารย์ด้านการปรับแต่ง พวกเขากำลังหาวิธีใหม่ๆ ในการเทรนโมเดลขนาดใหญ่บนฮาร์ดแวร์ที่ด้อยประสิทธิภาพกว่าและสร้างห่วงโซ่อุปทานเซมิคอนดักเตอร์ของตนเอง สิ่งนี้ทำให้เกิดตลาดสองฝั่ง โดยฝั่งตะวันตกเน้นที่ขนาด ส่วนฝั่งตะวันออกเน้นที่ประสิทธิภาพจุดสนใจของการแข่งขันเปลี่ยนจากการเทรนโมเดลไปสู่การรันโมเดลในระดับอุตสาหกรรม ซึ่งจุดนี้เองที่คอขวดของฮาร์ดแวร์กลายเป็นวิกฤตสำหรับทุกคน หากบริษัทไม่สามารถเข้าถึงชิป Nvidia H100 หรือ B200 รุ่นล่าสุดได้ พวกเขาก็ต้องใช้ไฟฟ้ามากขึ้นมหาศาลเพื่อให้ได้ผลลัพธ์เท่ากัน ซึ่งสร้างความเสียเปรียบทางเศรษฐกิจอย่างมากในโลกที่ราคาพลังงานผันผวน การแข่งขันตอนนี้คือใครจะสร้าง Data Center ที่มีประสิทธิภาพที่สุดและรักษาความมั่นคงของโครงข่ายไฟฟ้าได้ดีที่สุด มันไม่ใช่แค่เรื่องของสูตรคณิตศาสตร์ที่ดีที่สุดอีกต่อไป โครงสร้างพื้นฐานทางกายภาพของ AI กำลังมีความสำคัญพอๆ กับตัวโค้ดเอง การแยกตัวครั้งใหญ่ผลกระทบระดับโลกจากความขัดแย้งนี้คือการจัดระเบียบห่วงโซ่อุปทานเทคโนโลยีใหม่ทั้งหมด

  • | | | |

    เหตุผลที่ดีที่สุดที่คุณควรสนใจ AI PC ในปี 2026

    By

    การเปลี่ยนผ่านสู่ระบบอัจฉริยะภายในเครื่องยุคของคอมพิวเตอร์อเนกประสงค์แบบเดิมกำลังจะจบลง เมื่อถึงปี 2026 เครื่องคอมพิวเตอร์บนโต๊ะของคุณจะไม่พึ่งพาเพียงแค่โปรเซสเซอร์และการ์ดจอในการจัดการงานประจำวันอีกต่อไป แต่จุดสนใจได้เปลี่ยนไปอยู่ที่ Neural Processing Unit (NPU) ชิปซิลิคอนเฉพาะทางนี้ถูกออกแบบมาเพื่อจัดการงานคำนวณหนักๆ ที่จำเป็นสำหรับ AI โดยไม่ทำให้แบตเตอรี่หมดเร็วหรือต้องส่งข้อมูลของคุณไปยังเซิร์ฟเวอร์ระยะไกล หลายปีที่ผ่านมาเราถูกบอกว่าคลาวด์คืออนาคตของคอมพิวเตอร์ แต่เรื่องราวกำลังเปลี่ยนไป ฮาร์ดแวร์ภายในเครื่องกำลังกลับมามีความสำคัญอีกครั้งเพราะความต้องการด้านความเร็วและความเป็นส่วนตัว หากคุณกำลังมองหาแล็ปท็อปเครื่องใหม่ในวันนี้ ป้ายโฆษณาต่างๆ อาจดูเหมือนแค่เสียงรบกวน แต่การเปลี่ยนผ่านไปสู่การประมวลผลบนอุปกรณ์ (on-device inference) คือการเปลี่ยนแปลงที่สำคัญที่สุดในสถาปัตยกรรมคอมพิวเตอร์ส่วนบุคคลในรอบหลายทศวรรษ มันไม่ใช่แค่เรื่องของฟีเจอร์เดียวหรือการสาธิตที่หวือหวา แต่มันคือการที่เครื่องคอมพิวเตอร์เข้าใจและคาดการณ์ความต้องการของคุณได้แบบเรียลไทม์ ทำความรู้จักกับ Neural Processing Unitเพื่อให้เข้าใจว่าทำไมเรื่องนี้ถึงสำคัญ เราต้องดูว่าซอฟต์แวร์ทำงานอย่างไรในแบบดั้งเดิม แอปพลิเคชันส่วนใหญ่ในปัจจุบันเป็นแบบคงที่ (static) โดยทำตามชุดคำสั่งที่นักพัฒนาเขียนไว้ เมื่อคุณใช้เครื่องมือ AI อย่างแชทบอทหรือตัวสร้างรูปภาพ คอมพิวเตอร์ของคุณมักจะส่งคำขอผ่านอินเทอร์เน็ตไปยังศูนย์ข้อมูลขนาดใหญ่ ศูนย์ข้อมูลนั้นจะทำงานและส่งผลลัพธ์กลับมา กระบวนการนี้เรียกว่า cloud inference ซึ่งมันช้า ต้องเชื่อมต่ออินเทอร์เน็ตตลอดเวลา และทำให้ข้อมูลของคุณเสี่ยงต่อบุคคลที่สาม แต่ AI PC เปลี่ยนสิ่งนี้ด้วยการทำงานบนเครื่องโดยตรง ซึ่งเรียกว่า on-device inference โดย NPU

  • | | | |

    เบื้องหลัง AI ที่คุณไม่เคยเห็น: ชิป คลาวด์ และอุตสาหกรรมขนาดใหญ่

    By

    หลายคนมักมองว่าปัญญาประดิษฐ์ (AI) เป็นเพียงอัลกอริทึมที่ล่องลอยอยู่ในคลาวด์ แต่ความจริงแล้วนั่นเป็นเพียงภาพฝันที่มองข้ามเครื่องจักรขนาดมหึมาที่คอยขับเคลื่อนระบบเหล่านี้อยู่ เบื้องหลัง AI ในยุคปัจจุบันคือโลกแห่งความเป็นจริงของสายส่งไฟฟ้าแรงสูง ระบบทำความเย็นขนาดใหญ่ และการผลิตซิลิคอนเฉพาะทาง ในขณะที่ซอฟต์แวร์อัปเดตได้รวดเร็วปานสายฟ้าแลบ แต่โครงสร้างพื้นฐานที่รองรับกลับต้องใช้เวลาสร้างด้วยคอนกรีตและเหล็กกล้า ความก้าวหน้าของโมเดลขนาดใหญ่กำลังเผชิญกับข้อจำกัดทางฟิสิกส์และโลจิสติกส์ เรากำลังเห็นการเปลี่ยนแปลงที่ความสามารถในการขอเชื่อมต่อไฟฟ้าหรือใบอนุญาตสร้างศูนย์ข้อมูล (Data Center) มีความสำคัญไม่น้อยไปกว่าการเขียนโค้ดให้มีประสิทธิภาพ การเข้าใจอนาคตของเทคโนโลยีจึงต้องมองข้ามหน้าจอไปสู่ภาคอุตสาหกรรมหนักที่คอยสนับสนุนมัน คอขวดในตอนนี้ไม่ใช่แค่ความฉลาดของมนุษย์ แต่คือความพร้อมของที่ดิน น้ำ และไฟฟ้าในระดับที่อุตสาหกรรมไม่กี่แห่งเคยต้องการมาก่อน น้ำหนักทางอุตสาหกรรมของปัญญาประดิษฐ์เสมือนฮาร์ดแวร์ที่จำเป็นสำหรับ AI นั้นซับซ้อนกว่าอุปกรณ์เซิร์ฟเวอร์ทั่วไปมาก เริ่มต้นจากการออกแบบชิปเฉพาะทาง แต่เรื่องราวก็ขยายไปถึงการบรรจุภัณฑ์ (Packaging) และหน่วยความจำ High Bandwidth Memory (HBM) เป็นสิ่งจำเป็นสำหรับการป้อนข้อมูลเข้าสู่โปรเซสเซอร์ให้เร็วพอที่จะรักษาประสิทธิภาพการทำงาน หน่วยความจำเหล่านี้ถูกวางซ้อนกันในแนวตั้งและรวมเข้ากับโปรเซสเซอร์โดยใช้เทคนิคขั้นสูงอย่าง Chip on Wafer on Substrate กระบวนการนี้ถูกจัดการโดยบริษัทเพียงไม่กี่แห่ง ทำให้เกิดคอขวดแคบๆ สำหรับห่วงโซ่อุปทานทั่วโลก ระบบเครือข่ายก็เป็นอีกหนึ่งองค์ประกอบทางกายภาพที่สำคัญ ระบบเหล่านี้ไม่ได้ทำงานแยกส่วนกัน แต่ต้องการการเชื่อมต่อความเร็วสูงอย่าง InfiniBand เพื่อให้ชิปนับพันตัวทำงานเป็นหน่วยเดียว สิ่งนี้สร้าง ข้อจำกัดทางกายภาพ ในการสร้างศูนย์ข้อมูล เพราะความยาวของสายทองแดงหรือสายไฟเบอร์อาจส่งผลต่อความเร็วของทั้งระบบการผลิตส่วนประกอบเหล่านี้กระจุกตัวอยู่ในโรงงานเฉพาะทางเพียงไม่กี่แห่ง บริษัทอย่าง TSMC

  • | | | |

    สงครามชิปเบื้องหลังยุคทองของ AI

    By

    คอขวดของซิลิคอนที่กำหนดทิศทางอำนาจในยุคปัจจุบันความคลั่งไคล้ในโมเดล generative ทั่วโลกมักมองข้ามความเป็นจริงทางกายภาพที่ทำให้สิ่งเหล่านี้เกิดขึ้นได้จริง ปัญญาประดิษฐ์ไม่ใช่แค่กลุ่มก้อนของตรรกะที่ล่องลอยอยู่ใน cloud แต่เป็นผู้บริโภคทรัพยากรทางกายภาพมหาศาล ยุคทองในปัจจุบันต้องพึ่งพาห่วงโซ่อุปทานของเซมิคอนดักเตอร์ระดับไฮเอนด์ที่เปราะบางและมีการกระจุกตัวสูง หากไม่มีชิปเหล่านี้ อัลกอริทึมที่ซับซ้อนที่สุดก็ไร้ค่า เรากำลังเห็นการเปลี่ยนแปลงที่ความสามารถในการประมวลผล (compute capacity) กลายเป็นตัวชี้วัดหลักสำหรับความสำเร็จขององค์กรและระดับประเทศ สิ่งนี้สร้างสภาพแวดล้อมที่มีเดิมพันสูงซึ่งการเข้าถึงฮาร์ดแวร์เป็นตัวกำหนดว่าใครจะสร้างได้และใครต้องรอ คอขวดไม่ได้อยู่ที่จำนวนชิปที่ผลิตได้เท่านั้น แต่อยู่ที่ความสามารถเฉพาะในการผลิตชิ้นส่วนที่สามารถจัดการพารามิเตอร์นับพันล้านตัวพร้อมกันได้ ในขณะที่เราก้าวผ่าน 2026 การต่อสู้เพื่อแย่งชิงฮาร์ดแวร์นี้ได้ย้ายจากห้องหลังบ้านของแผนก IT ไปสู่ระดับสูงสุดของนโยบายรัฐบาล เดิมพันไม่ใช่แค่เรื่องของแชทบอทที่เร็วขึ้น แต่รวมถึงการควบคุมพื้นฐานของยุคถัดไปของผลผลิตทางอุตสาหกรรม หากคุณไม่ได้เป็นเจ้าของซิลิคอน คุณก็ไม่ได้เป็นเจ้าของอนาคตของอุตสาหกรรมนี้ มากกว่าแค่หน่วยประมวลผลเมื่อผู้คนพูดถึงสงครามชิป พวกเขามักจะเน้นไปที่การออกแบบ Graphics Processing Unit แม้ว่าการออกแบบจะมีความสำคัญ แต่ก็เป็นเพียงส่วนหนึ่งของการประกอบที่ซับซ้อน ชิป AI สมัยใหม่คือความมหัศจรรย์ของการบูรณาการที่รวมเอาหน่วยความจำแบนด์วิดท์สูง (high bandwidth memory) และเทคนิคการบรรจุภัณฑ์ขั้นสูงเข้าด้วยกัน หน่วยความจำแบนด์วิดท์สูงช่วยให้ข้อมูลเคลื่อนย้ายระหว่างหน่วยประมวลผลและที่เก็บข้อมูลด้วยความเร็วที่เหลือเชื่อเมื่อสิบปีก่อน หากไม่มีหน่วยความจำประเภทนี้ หน่วยประมวลผลจะต้องนั่งรอข้อมูลอย่างเปล่าประโยชน์ สิ่งนี้สร้างตลาดรองที่บริษัทอย่าง SK Hynix และ Samsung มีความสำคัญไม่น้อยไปกว่านักออกแบบชิปเอง อีกปัจจัยสำคัญคือกระบวนการบรรจุภัณฑ์ที่เรียกว่า Chip on Wafer on

  • | | | |

    Nvidia, AMD และการแข่งขันด้านการประมวลผลครั้งใหม่

    By

    อุตสาหกรรมเทคโนโลยีทั่วโลกกำลังเผชิญกับการเปลี่ยนแปลงครั้งใหญ่ในเรื่องการกำหนดและกระจายพลังการประมวลผล หลายทศวรรษที่ผ่านมา CPU คือหัวใจหลักของทุกเครื่อง แต่ยุคนั้นได้จบลงแล้ว ปัจจุบันความสนใจได้เปลี่ยนไปสู่ซิลิคอนเฉพาะทางที่ออกแบบมาเพื่อรองรับงานคำนวณมหาศาลที่จำเป็นสำหรับ AI สมัยใหม่ นี่ไม่ใช่แค่การแข่งขันว่าใครจะผลิตชิ้นส่วนได้เร็วกว่ากัน แต่เป็นการต่อสู้เพื่อแย่งชิงความได้เปรียบในการประมวลผล Nvidia และ AMD คือตัวละครหลักในเรื่องราวที่มากกว่าแค่เรื่องฮาร์ดแวร์ แต่มันคือการควบคุมโครงสร้างพื้นฐานที่จะกำหนดทิศทางการพัฒนาซอฟต์แวร์ในทศวรรษหน้า เดิมพันครั้งนี้สูงมากเพราะผู้ชนะไม่ได้แค่ขายสินค้า แต่พวกเขากำลังสร้างแพลตฟอร์มที่คนอื่นต้องใช้งานเพื่อให้ยังคงอยู่ในเกมได้ การเปลี่ยนผ่านจากการประมวลผลทั่วไปไปสู่การประมวลผลแบบเร่งความเร็ว (Accelerated Computing) ถือเป็นการเปลี่ยนแปลงขั้นพื้นฐานในลำดับชั้นของโลกเทคโนโลยี โค้ดล่องหนที่ล่ามโซ่ระบบ Cloudเพื่อให้เข้าใจว่าทำไมบริษัทหนึ่งถึงครองพื้นที่นี้ได้ เราต้องมองให้ไกลกว่าแค่ตัวชิป คนส่วนใหญ่มักโฟกัสที่จำนวนทรานซิสเตอร์หรือความเร็ว Clock speed ของ GPU แต่ความแข็งแกร่งที่แท้จริงกลับอยู่ที่ชั้นซอฟต์แวร์ที่คั่นกลางระหว่างฮาร์ดแวร์กับนักพัฒนา Nvidia ใช้เวลาเกือบสองทศวรรษในการสร้างสภาพแวดล้อมเฉพาะตัวที่เรียกว่า CUDA ซึ่งช่วยให้นักเขียนโปรแกรมสามารถใช้พลังการประมวลผลแบบขนานของ GPU สำหรับงานที่ไม่เกี่ยวกับกราฟิกได้ เนื่องจากโค้ดที่มีอยู่จำนวนมหาศาลถูกเขียนขึ้นเพื่อสภาพแวดล้อมนี้โดยเฉพาะ การย้ายไปใช้คู่แข่งจึงไม่ใช่แค่การเปลี่ยนการ์ดจอ แต่มันต้องเขียนคำสั่งซับซ้อนใหม่หลายพันบรรทัด นี่คือ software moat หรือคูเมืองซอฟต์แวร์ที่ป้องกันไม่ให้คู่แข่งที่มีเงินทุนหนาเข้ามาแย่งส่วนแบ่งได้ง่ายๆ มันสร้างสถานการณ์ที่ฮาร์ดแวร์กลายเป็นเหมือนตั๋วเข้าสู่ระบบนิเวศซอฟต์แวร์เฉพาะทางAMD กำลังพยายามแก้เกมด้วยแนวทาง Open Source ที่เรียกว่า ROCm กลยุทธ์ของพวกเขาคือการเป็นทางเลือกที่ใช้งานได้จริงโดยไม่ผูกมัดนักพัฒนาไว้กับผู้ขายรายเดียว แม้ฮาร์ดแวร์รุ่นล่าสุดอย่างซีรีส์ MI300 จะมีประสิทธิภาพดิบที่น่าประทับใจ

  • | | | |

    ทำไม AI ถึงเป็นเรื่องของฮาร์ดแวร์พอๆ กับซอฟต์แวร์

    By

    ความเข้าใจทั่วไปเกี่ยวกับปัญญาประดิษฐ์ (AI) มักจะโฟกัสไปที่เรื่องของโค้ดเกือบทั้งหมด ผู้คนมักพูดถึง Large Language Models ราวกับว่ามันดำรงอยู่ได้ด้วยตรรกะอันบริสุทธิ์เพียงอย่างเดียว พวกเขาถกเถียงกันเรื่องความฉลาดของอัลกอริทึมหรือความลึกซึ้งของการตอบโต้จากแชทบอท แต่มุมมองนี้กลับมองข้ามปัจจัยที่สำคัญที่สุดในยุคเทคโนโลยีปัจจุบันไป AI ไม่ใช่แค่เรื่องของซอฟต์แวร์ แต่มันคือเรื่องของอุตสาหกรรมหนัก มันคือเรื่องของการใช้พลังงานไฟฟ้ามหาศาลและขีดจำกัดทางกายภาพของซิลิคอน ทุกครั้งที่คุณถามคำถามกับแชทบอท จะมีกระบวนการทางกายภาพเกิดขึ้นใน Data Center ที่อยู่ห่างออกไปหลายไมล์ กระบวนการนี้ต้องใช้ชิปเฉพาะทางซึ่งกลายเป็นสินค้าที่มีค่าที่สุดในโลกตอนนี้ หากคุณอยากเข้าใจว่าทำไมบางบริษัทถึงกำลังไปได้สวยในขณะที่บางแห่งกำลังล้มเหลว คุณต้องมองไปที่ฮาร์ดแวร์ ซอฟต์แวร์เปรียบเสมือนพวงมาลัย แต่ฮาร์ดแวร์คือเครื่องยนต์และเชื้อเพลิง หากไม่มีโครงสร้างพื้นฐานทางกายภาพ โมเดลที่ล้ำสมัยที่สุดในโลกก็เป็นเพียงแค่ชุดตัวเลขที่ไร้ประโยชน์เท่านั้น เพดานซิลิคอน (The Silicon Ceiling)เป็นเวลาหลายทศวรรษที่การพัฒนาซอฟต์แวร์ดำเนินไปตามเส้นทางที่คาดเดาได้ คุณเขียนโค้ดแล้วมันก็รันบน CPU ทั่วไป ชิปเหล่านี้เป็นแบบอเนกประสงค์ที่จัดการงานต่างๆ ได้หลากหลาย แต่ AI ได้เปลี่ยนความต้องการเหล่านั้นไป โมเดลสมัยใหม่ไม่ต้องการตัวอเนกประสงค์ แต่ต้องการผู้เชี่ยวชาญที่สามารถคำนวณคณิตศาสตร์ง่ายๆ นับพันล้านรายการพร้อมกันได้ ซึ่งเรียกว่าการประมวลผลแบบขนาน (Parallel Processing) อุตสาหกรรมจึงหันไปโฟกัสที่ GPU ชิปเหล่านี้เดิมออกแบบมาเพื่อเรนเดอร์วิดีโอเกม แต่เหล่านักวิจัยพบว่ามันเหมาะอย่างยิ่งสำหรับการคูณเมทริกซ์ที่ขับเคลื่อนโครงข่ายประสาทเทียม (Neural Networks) การเปลี่ยนแปลงนี้สร้างคอขวดขนาดใหญ่ คุณไม่สามารถแค่ดาวน์โหลดความฉลาดเพิ่มได้ แต่คุณต้องสร้างมันขึ้นมาจากส่วนประกอบทางกายภาพที่ผลิตได้ยากเหลือเกิน