จาก AI ที่คิดถึง AI ที่ลงมือทำ Physical AI กำลังเปลี่ยนโลกฮาร์ดแวร์

Physical AI คืออะไร จากการประมวลผลข้อมูลสู่การลงมือทำในโลกจริง

Physical AI คือวิวัฒนาการของปัญญาประดิษฐ์จากระบบที่เน้นประมวลผลข้อมูลและสร้างเนื้อหาบนโลกดิจิทัล ไปสู่ระบบอัจฉริยะที่สามารถรับรู้สภาพแวดล้อม วางแผน ตัดสินใจ และควบคุมอุปกรณ์ทางกายภาพให้ลงมือทำงานในโลกจริงได้อย่างต่อเนื่องและปลอดภัย

หัวใจสำคัญคือการขยับจาก AI ที่ตอบคำถามบนหน้าจอไปสู่ AI ที่ขยับแขนหุ่นยนต์ หมุนสายพาน หรือสั่งให้รถยนต์หยุดทันเวลา เมื่อระบบต้องรับผิดชอบต่อความปลอดภัยของคนและเครื่องจักร ความล่าช้าหรือความผิดพลาดระดับที่ยอมได้ในแชตบอตจึงกลายเป็นสิ่งที่รับไม่ได้อีกต่อไป นี่ทำให้คำถามว่า Physical AI คืออะไร กลายเป็นคำถามเรื่องโครงสร้างทั้งระบบ ไม่ใช่แค่เรื่องโมเดล AI ตัวเดียว

หุ่นยนต์และ AI ระบบ เมื่อความฉลาดต้องออกจากจอไปยืนในสายการผลิต

หุ่นยนต์และ AI ระบบ ในยุค Physical AI ไม่ได้เป็นเพียงแขนกลที่ทำงานซ้ำๆ แต่คือระบบอัตโนมัติที่รับรู้สภาพแวดล้อม ทำงานร่วมกับมนุษย์ และตัดสินใจแบบเรียลไทม์ ตั้งแต่หุ่นยนต์ในโรงงาน ยานยนต์อัตโนมัติ ไปจนถึงอุปกรณ์การแพทย์ที่ช่วยแพทย์ตัดสินใจในเสี้ยววินาที

แต่ความทะเยอทะยานนี้มีต้นทุนด้านฮาร์ดแวร์ชัดเจน หุ่นยนต์แต่ละตัวต้องใช้หน่วยความจำจำนวนมากเพื่อประมวลผลข้อมูลจากกล้อง เซ็นเซอร์ LiDAR และเซ็นเซอร์สัมผัสแบบทันทีทันใด การคาดการณ์ล่าสุดชี้ว่าตลาด DRAM สำหรับหุ่นยนต์ฮิวมานอยด์อาจเติบโตถึง 20 เท่าในห้าปี โดยความจุ DRAM ต่อหุ่นยนต์เพิ่มจาก 19GB เป็น 39GB ภายในปี 2030 นี่คือสัญญาณชัดเจนว่าหุ่นยนต์กำลังกลายเป็นผู้บริโภคชิปหน่วยความจำรายใหญ่ของโลก

โครงสร้างพื้นฐาน AI ใหม่ จาก CPU–GPU สู่โลกที่ NPU และ FPGA เป็นของจำเป็น

เมื่อ AI ต้องลงมือทำ โครงสร้างพื้นฐาน AI แบบเดิมที่เน้นเซิร์ฟเวอร์ทั่วไปจึงไม่พออีกต่อไป AMD ชี้ว่าการพัฒนา Physical AI ต้องอาศัยสถาปัตยกรรมการประมวลผลแบบผสมผสานหรือ Heterogeneous Computing เพราะไม่มีโปรเซสเซอร์ชนิดเดียวที่ตอบโจทย์ทุกขั้นตอน

ในภาพเปรียบเทียบเหมือนร่างกายมนุษย์ CPU และ GPU ประสิทธิภาพสูงทำหน้าที่เป็นสมองสำหรับงานคิดวิเคราะห์และการประมวลผล AI ขณะที่ NPU และ Adaptive SoC เป็นเสมือนระบบประสาทที่รองรับงานหน่วงต่ำและประหยัดพลังงาน ส่วน FPGA ทำหน้าที่คล้ายกล้ามเนื้อที่ควบคุมเซ็นเซอร์และ Actuator ให้ตอบสนองแม่นยำและคาดการณ์ได้ แนวคิดนี้ชัดเจนว่าอนาคตของ Physical AI ไม่ใช่การแข่งขันชิปตัวเดียวแรงที่สุด แต่คือการออกแบบชุดฮาร์ดแวร์ที่ทำงานประสานกันอย่างเหมาะสมกับภาระงานแต่ละส่วน

ดาต้าเซ็นเตอร์ยุคใหม่ จากโรงเก็บเซิร์ฟเวอร์สู่โรงงานผลิตเหตุผลของ AI

เมื่อ AI Reasoning กลายเป็นหัวใจของการใช้งาน AI ดาต้าเซ็นเตอร์ก็เปลี่ยนบทบาทจากศูนย์เก็บข้อมูลและให้บริการคลาวด์ ไปเป็นโรงงานผลิตผลลัพธ์จากปัญญาประดิษฐ์โดยตรง โครงสร้างพื้นฐาน AI จึงต้องออกแบบแบบ Unified Platform ที่รวม GPU, AI Accelerator, CPU, ระบบเครือข่ายความเร็วสูง Storage และซอฟต์แวร์สแตกเข้าด้วยกัน ไม่ใช่แค่เพิ่มจำนวน GPU แล้วหวังว่าทุกอย่างจะเร็วขึ้น

แนวโน้มนี้ชัดเจนขึ้นเมื่อการประมวลผลไม่ได้หนักเฉพาะช่วงฝึกโมเดล แต่เพิ่มขึ้นมากในช่วงที่ AI ใช้เหตุผลหลายขั้นตอนเพื่อสร้างคำตอบ การออกแบบดาต้าเซ็นเตอร์ยุค Physical AI จึงต้องคิดทั้งเรื่องแบนด์วิดท์เครือข่าย การจัดการข้อมูล และการระบายความร้อนไปพร้อมกัน อนาคตของดาต้าเซ็นเตอร์จะไม่ได้แข่งกันที่จำนวน GPU แต่แข่งกันที่ประสิทธิภาพของทั้งระบบตั้งแต่ชั้นฮาร์ดแวร์ถึงซอฟต์แวร์

หน่วยความจำ AI ใหม่ และหลักคิดโครงสร้างพื้นฐานแบบเปิดสำหรับ Physical AI

เมื่อหุ่นยนต์และระบบอัตโนมัติใช้หน่วยความจำมากขึ้น อุตสาหกรรมเซมิคอนดักเตอร์จึงเร่งพัฒนา หน่วยความจำ AI ใหม่ เพื่อตอบโจทย์โครงสร้างพื้นฐาน AI รุ่นถัดไป บริษัทหนึ่งได้แนะนำสถาปัตยกรรม MARS หรือ Memory Centric AI Rack Scale System ที่เน้นการแยกและประสานทรัพยากรประมวลผลกับหน่วยความจำอย่างยืดหยุ่น พร้อมทั้งเทคโนโลยี HBF และโมดูล CXL 3.2 ขนาด 256GB ที่ให้แบนด์วิดท์เพิ่มขึ้นสองเท่าและประสิทธิภาพพลังงานดีขึ้นราว 30 เปอร์เซ็นต์

อย่างไรก็ตาม ฮาร์ดแวร์อย่างเดียวไม่พอ Physical AI ต้องการระบบนิเวศแบบเปิดที่ไม่ผูกติดผู้ขายรายเดียว ทั้งโมเดล AI ซอฟต์แวร์หุ่นยนต์ Middleware เซ็นเซอร์ ระบบจำลอง และแพลตฟอร์มผลิตจริงต้องทำงานร่วมกันได้ ผู้ผลิตชิปที่เชื่อม CPU, GPU, NPU, Adaptive Compute และ FPGA เข้ากับเครื่องมือพัฒนาและเครือข่ายพันธมิตรแบบเปิด จะมีโอกาสผลักดัน Physical AI ออกจากห้องทดลองไปสู่การใช้งานในระดับอุตสาหกรรมได้เร็วกว่าคู่แข่ง