AI chip design คืออะไร และ Jalapeño สำคัญอย่างไร
AI chip design คือการใช้ปัญญาประดิษฐ์เข้าไปช่วยในกระบวนการออกแบบชิปทุกขั้น ตั้งแต่การเขียนโค้ดระดับ RTL การใช้เครื่องมือออกแบบอิเล็กทรอนิกส์หรือ EDA การสำรวจทางเลือกสถาปัตยกรรม ไปจนถึงการตรวจสอบและปรับแต่งวงจร เพื่อให้ได้ชิปที่ตอบโจทย์สมรรถนะ กำลังไฟ และพื้นที่ อย่างมีประสิทธิภาพกว่าการออกแบบโดยมนุษย์ล้วน โดย AI จะไม่เข้ามาแทนที่สถาปนิกชิป แต่เข้ามาช่วยให้ทีมวิศวกรออกแบบได้เร็วขึ้น รอบคอบขึ้น และทดลองดีไซน์จำนวนมากในเวลาที่สั้นลง จุดเปลี่ยนที่ทำให้วงการต้องหันมามองอย่างจริงจังคือ Jalapeño inference ASIC ของ OpenAI ชิปนี้ไม่ได้ถูกพูดถึงเพราะแรงขนาดไหน แต่เพราะวิธีการสร้างมัน OpenAI ยอมรับตรงไปตรงมาว่า AI มีส่วนในทุกช่วงของกระบวนการ ตั้งแต่การออกแบบร่วมกับสแตกซอฟต์แวร์ของตัวเอง ไปจนถึงการเดินเครื่องมือ EDA เพื่อให้โครงการเดินหน้าเร็วผิดปกติ เมื่อชิปรุ่นนี้ถูกใช้เป็นตัวอย่างว่าปัญญาประดิษฐ์ออกแบบซิลิคอนได้จริง อุตสาหกรรมก็แทบจะไม่สามารถเพิกเฉยได้อีกต่อไป
จาก 18 เดือนเหลือ 9 เดือน: เส้นเวลาใหม่ของ Jalapeño inference ASIC
หัวใจของเรื่อง Jalapeño ไม่ใช่สเปก แต่มันคือเส้นเวลาที่หดสั้นจนกลายเป็นบรรทัดฐานใหม่ ชิป AI hardware acceleration แบบ ASIC ปกติใช้เวลาตั้งแต่ระดับ RTL ไปจนถึงเทปเอาต์ราว 18 เดือนถึง 2 ปีในโลกเก่า แถมยังมักอาศัย IP เดิมและสถาปัตยกรรมเก่าบางส่วนเพื่อเร่งงาน แต่ทีมของ OpenAI เลือกเริ่มจากศูนย์ ไม่มีโค้ดเดิมให้ยึด และประกาศว่าตัวเองไปถึงจุดเทปเอาต์ได้ภายใน 9 เดือนเท่านั้น Richard Ho หัวหน้าฝ่ายฮาร์ดแวร์ของบริษัทเรียกสิ่งนี้ว่า “baseline ใหม่” ของ AI chip design พร้อมย้ำว่าเส้นเวลาแบบเดิมอาจไม่สมเหตุสมผลอีกต่อไปเมื่อมี AI เข้ามาช่วย เขาถึงกับบอกว่ามีผู้เล่นรายอื่น ๆ ในอุตสาหกรรมมาขอเรียนรู้กระบวนการนี้แล้ว ซึ่งสะท้อนว่า Jalapeño ไม่ใช่เพียงโปรเจกต์ภายใน แต่กำลังกลายเป็นต้นแบบ Silicon design automation สำหรับทั้งวงการ Ho ยังระบุอย่างชัดเจนว่า “เราไม่ได้แทนที่วิศวกรของเรา พวกเขาแค่มีผลิตภาพสูงขึ้นมาก” แสดงให้เห็นว่าความได้เปรียบอยู่ที่ทีมเล็กแต่เก่ง บวก AI ที่ทำงานเป็นผู้ช่วยเต็มเวลา
AI เข้าไปถึงหัวใจการออกแบบซิลิคอน: จาก EDA สู่สถาปัตยกรรม
หากมองในภาพกว้าง Jalapeño inference ASIC เป็นเพียงยอดภูเขาน้ำแข็งของกระบวนการ Silicon design automation ที่กำลังเปลี่ยนหน้าตาอุตสาหกรรมเซมิคอนดักเตอร์ แค่ไม่กี่ปีก่อน AI ในสายนี้ยังถูกใช้เป็นเครื่องมือปรับแต่งจุดเฉพาะ เช่น floorplan การจัดวางและลากลายวงจร หรือการย่อเวลาวนดีไซน์เพื่อให้ผ่านเป้าหมายด้านพลังงาน สมรรถนะ และพื้นที่ หรือ PPA เท่านั้น วันนี้สถานการณ์ต่างออกไปอย่างชัดเจน AI สามารถเขียนหรือแก้ไข RTL และโค้ดยืนยันผล ทำรายงาน วิเคราะห์จุดเสี่ยง และเสนอทางแก้ได้ รวมถึงทำหน้าที่เป็นเอเจนต์ที่สั่งรันเครื่องมือ EDA หลายตัวต่อเนื่องเอง แล้ววนปรับดีไซน์จนกว่าจะถึงเป้าหมายที่กำหนดไว้ บริษัทเครื่องมือ EDA รายใหญ่เริ่มใส่ฟีเจอร์ AI เข้ามานาน ก่อนกระแสโมเดลภาษาและเจนเนอเรทีฟจะดังเสียอีก และตอนนี้ AI ไม่ได้หยุดอยู่ที่การจัดวางทรานซิสเตอร์ แต่เริ่มเข้าไปสำรวจตัวเลือกสถาปัตยกรรมด้วย อย่างไรก็ตาม จุดตัดสินใจสำคัญ เช่น ชิปนี้จะทำอะไร และโฟกัสสมรรถนะด้านใด ยังเป็นมนุษย์ที่กำหนด นั่นจึงทำให้ Jalapeño ถูกมองว่าเป็นตัวอย่าง “สมดุล” ระหว่างการปล่อยให้ AI ทำงานหนักในส่วนอัตโนมัติ กับการรักษาวิศวกรมนุษย์ในฐานะผู้ออกแบบตัวจริง
ตัวเลขที่บอกว่า AI ไม่ใช่แค่ตัวช่วย แต่เป็นตัวขับเคลื่อน
คำถามสำคัญคือ AI chip design ให้ผลลัพธ์ดีขึ้นจริงหรือแค่เร็วขึ้น คำตอบจากกรณี Jalapeño และงานที่เกี่ยวข้องคือ ตัวเลขเริ่มชี้ว่ามันทำได้ทั้งสองด้าน OpenAI รายงานว่า AI มีส่วนโดยตรงในขั้น implementation การสำรวจดีไซน์ การวนตรวจสอบ และการปรับแต่งวงจรเลขคณิต ซึ่งช่วยให้โครงการไปถึงเทปเอาต์ใน 9 เดือนจากดีไซน์เริ่มต้น เมื่อเทียบดีไซน์ที่มนุษย์ออกเองกับที่ AI มีส่วนช่วย พบว่าบล็อกคูณแบบ BF16 ดีขึ้นถึง 56 เปอร์เซ็นต์ บล็อก dot-product แบบ FP4 ดีขึ้น 21 เปอร์เซ็นต์ และตัวสะสม FP32 ดีขึ้น 10 เปอร์เซ็นต์ ขณะที่พื้นที่ของยูนิต matrix และ SIMD ลดลงราว 10 และ 8 เปอร์เซ็นต์ตามลำดับ แน่นอนว่า Jalapeño ไม่ได้ไร้ข้อบกพร่อง การแก้จาก stepping A0 ไป B0 มีรายงานว่าประสิทธิภาพต่อวัตต์ดีขึ้นถึงประมาณ 25 เปอร์เซ็นต์ ซึ่งใกล้เคียงการปรับปรุงทั้งเจเนอเรชันมากกว่าการแก้ขั้นเล็กน้อย สะท้อนว่าทั้งทีมมนุษย์และ AI ยังอยู่ในช่วงเรียนรู้ร่วมกัน การที่ต้องอัปสเต็ปเพื่อแก้บั๊กหรือจุดบอดจึงไม่น่าแปลกใจ แต่นั่นยิ่งตอกย้ำว่าเราอยู่ในช่วงทดลองทางของ AI hardware acceleration ที่กำลังพัฒนาตัวเองไปเรื่อย ๆ ระหว่างที่ออกแบบฮาร์ดแวร์ให้รุ่นถัดไปใช้งาน
เมื่ออุตสาหกรรมเริ่มขอสูตร: Jalapeño และอนาคตของ AI hardware acceleration
สิ่งที่น่าจับตาไม่แพ้ตัวชิปคือแรงสะเทือนต่ออุตสาหกรรม ทุกวันนี้มีสตาร์ทอัพด้าน AI chip design ในซิลิคอนวัลเลย์จำนวนมาก และกรณี Jalapeño กลายเป็นแม่เหล็กให้ผู้เล่นเหล่านั้น รวมถึงห้องทดลอง AI ระดับแนวหน้าอื่น ๆ มองหา “สูตร” กระบวนการออกแบบชิปแบบใหม่ Ho เปิดเผยว่ามีความสนใจ “จำนวนมาก” จากวงการต่อกระบวนการ AI‑assisted chip design ของบริษัท และบอกว่าคนภายนอกจะได้เห็นรายละเอียดวิธีการมากขึ้นในเวลาไม่นานนี้ ความน่าสนใจกว่านั้นคือบริษัทไม่ได้หยุดอยู่ที่ Jalapeño inference ASIC รุ่นแรก แต่แชร์ว่า roadmap สำหรับตัวเร่งความเร็ว AI มีหลายเจเนอเรชัน ชิป ASIC รุ่นที่สองใกล้เทปเอาต์แล้ว และรุ่นที่สามกำลังอยู่ระหว่างการพัฒนา เมื่อโมเดลภายในอย่าง Codex Sol และ Astra พัฒนาตัวเองอย่างก้าวกระโดดระหว่างโครงการ Jalapeño การใช้ AI เพื่อออกแบบซิลิคอนในรุ่นต่อไปจึงมีแนวโน้มจะยิ่งรวดเร็วและทะเยอทะยานขึ้นไปอีก หาก OpenAI ตัดสินใจปล่อยเครื่องมือเหล่านี้ให้บริษัทอื่นใช้ นั่นอาจเป็นจุดที่ Silicon design automation ก้าวจากเทรนด์เฉพาะกลุ่มไปสู่มาตรฐานใหม่ของทั้งอุตสาหกรรมอย่างแท้จริง
