ชิป AI ที่กำหนดเองคืออะไร และทำไมถึงกลายเป็นสมรภูมิใหม่
ชิป AI ที่กำหนดเอง หมายถึงชิปประมวลผลที่ออกแบบสถาปัตยกรรม ฮาร์ดแวร์ และหน่วยความจำให้สอดคล้องกับงาน AI เฉพาะด้าน เช่น การฝึกสอนโมเดลหรือการใช้งานโมเดลในขั้นตอนตอบกลับ เพื่อให้ได้ประสิทธิภาพ AI ต่ำพลังงาน รองรับการประมวลผลจำนวนมาก และลดต้นทุนศูนย์ข้อมูล เมื่อเทียบกับการใช้ชิปอเนกประสงค์อย่าง GPU ชิปแบบนี้จึงถูกออกแบบร่วมระหว่างผู้ให้บริการโครงสร้างพื้นฐานและบริษัท AI รายใหญ่ เพื่อสร้างความได้เปรียบเชิงการแข่งขันระยะยาวในตลาดการประมวลผล AI ที่กำลังเติบโตอย่างรวดเร็ว จุดเปลี่ยนสำคัญคือการที่ OpenAI ไม่พึ่งพาเฉพาะ Nvidia GPU อีกต่อไป แต่หันมาลงทุนสร้าง Jalapeno ซึ่งเป็นชิป AI ที่กำหนดเองสำหรับงานอนุมาน ร่วมกับบรอดคอม โดยผลทดสอบล่าสุดเผยว่า Jalapeno มีทั้งความหน่วงต่ำและประสิทธิภาพต่อวัตต์สูงจนแซงหน้า Nvidia GB300 ในตัวชี้วัดสำคัญ การเคลื่อนตัวนี้ไม่ใช่แค่เรื่องเทคโนโลยี แต่คือสัญญาณว่าบริษัทยักษ์ใหญ่เริ่มมองการควบคุมต้นทุนและอำนาจการเจรจามากกว่าการอยู่ภายใต้ซัพพลายเออร์รายเดียว คำถามคือ เมื่อบริษัทยักษ์เริ่มออกแบบชิปเองแบบนี้ การแข่งขันชิปประมวลผลจะเปลี่ยนไปอย่างไร ใครได้ ใครเสีย และผู้ใช้ทั่วไปจะรู้สึกถึงความต่างมากน้อยแค่ไหน นี่คือประเด็นที่ควรถูกจับตา เพราะสงครามชิปครั้งนี้จะกำหนดว่า AI ในอนาคตจะเร็วขึ้น ถูกลง หรือกลับรวมศูนย์มากกว่าเดิม
Jalapeno ท้าทาย Nvidia GPU แข่งขัน ด้วยพลัง 700 วัตต์ต่ำแต่แรง
การที่ Jalapeno เอาชนะ GB300 ในด้านความหน่วงต่ำและประสิทธิภาพต่อวัตต์ไม่ใช่เรื่องเล็ก เพราะมันเจาะจุดอ่อนของ GPU ที่ถูกออกแบบมาให้รับงานได้หลากหลาย แต่ไม่เฉพาะทางกับการอนุมานขนาดใหญ่ Jalapeno ถูกออกแบบให้รองรับทั้งปริมาณงานสูงและการตอบสนองฉับไว ซึ่งปกติเป็นสองเป้าหมายที่แย่งทรัพยากรกันเองในสถาปัตยกรรมชิป จากข้อมูลที่เปิดเผย Jalapeno ให้กำลังประมวลผลเต็มที่ที่ระดับกำลังไฟราว 700 วัตต์ ส่งผลให้ศูนย์ข้อมูลสามารถรองรับคำขอจากผู้ใช้จำนวนมากในต้นทุนไฟฟ้าที่ต่ำกว่าเดิมอย่างมีนัยสำคัญ และเมื่อทดสอบกับโมเดลขนาดใหญ่อย่าง Kimi K2.5 ที่มีพารามิเตอร์ระดับ 1 ล้านล้าน Jalapeno ยิ่งแสดงข้อได้เปรียบด้านความเร็วเหนือฮาร์ดแวร์ทั่วไป ประโยคที่ควรจดคือ “Jalapeno ให้ประสิทธิภาพสูงในระดับ 700 วัตต์ ซึ่งช่วยลดต้นทุนศูนย์ข้อมูลได้โดยตรง” ซึ่งสะท้อนคำตอบชัดเจนว่าทำไมชิป AI ที่กำหนดเองจึงถูกผลักดันอย่างหนัก อย่างไรก็ดี Jalapeno เน้นงานอนุมานเท่านั้น ด้านการฝึกโมเดลขนาดใหญ่ OpenAI ยังยอมรับว่าต้องพึ่ง Nvidia GPU เป็นแกนหลักต่อไป นี่เป็นสัญญาณว่าอนาคตอาจแบ่งออกเป็นสองโลก คือโลกการฝึกที่ Nvidia ครองเกม และโลกการอนุมานที่ชิปเฉพาะทางเข้ามาแย่งพื้นที่มากขึ้นเรื่อย ๆ
บรอดคอมและ XPU เร่งเครื่องสงครามการประมวลผล AI ระดับกิกะวัตต์
หากดูตัวเลขการวางกำลังประมวลผลที่บรอดคอมเปิดเผย จะเห็นว่าการแข่งขันชิปประมวลผลไม่ได้จำกัดแค่ผลิตภัณฑ์เดี่ยว แต่เป็นการสร้างโครงสร้างพื้นฐานระดับหลายกิกะวัตต์ให้ลูกค้าเฉพาะทาง Anthropic มีแผนติดตั้ง Ironwood ขนาด 1 กิกะวัตต์ในปี 2026 และเพิ่ม TPU v8i อีก 5 กิกะวัตต์ในปี 2027 ก่อนจะขยายอีก 10 กิกะวัตต์ในปี 2028 ตัวเลขนี้ชี้ชัดว่าตลาดตัวเร่งความเร็ว AI แบบคัสตอมกำลังเร่งขึ้นอย่างต่อเนื่อง สำหรับ OpenAI Jalapeno ได้เริ่มส่งมอบแล้ว และมีแผนติดตั้งกำลังการประมวลผล 1.3 กิกะวัตต์ในปี 2027 โดยภายในปี 2028 คาดว่าจะใช้ Jalapeno และ XPU รุ่นใหม่รวมกว่า 5 กิกะวัตต์ ซึ่งมีโอกาสทำให้ OpenAI กลายเป็นลูกค้าอันดับสองของ XPU จากบรอดคอม ขณะที่ Meta ก็เดินหน้าโครงการ MTIA รับชิปเร่งความเร็วสามรุ่นจนถึงสิ้นปี 2027 เพื่อให้ยอดติดตั้งสะสมถึง 3 กิกะวัตต์ในปี 2028 แนวโน้มนี้บอกเราว่า การแข่งขันชิปประมวลผลกำลังเปลี่ยนจากการแย่งกันขาย GPU แบบชิ้นต่อชิ้น ไปสู่การเซ็นสัญญาระยะยาวเพื่อส่งมอบกำลังการประมวลผลเฉพาะทางระดับโครงสร้างพื้นฐาน ใครควบคุมสัญญาเหล่านี้ได้มากที่สุด ย่อมมีอำนาจกำหนดทิศทางตลาด AI ในอีกหลายปีข้างหน้า
ซัมซุง จับมือ Arm ดันชิป 2nm บนอุปกรณ์ ขยายสมรภูมิจากคลาวด์สู่ปลายทาง
อีกแนวรบที่น่าจับตาไม่แพ้ศูนย์ข้อมูลคือชิป AI บนอุปกรณ์ปลายทาง ซัมซุงและ Arm เริ่มโครงการร่วมพัฒนา SoC AI ที่ใช้กระบวนการผลิตระดับ 2 นาโนเมตร โดย Armจัดงบ NRE และให้เทคโนโลยีแกนสำคัญ ส่วนซัมซุงดูแลการออกแบบและผลิตในปริมาณมาก รายงานชี้ว่า OpenAI เป็นหนึ่งในแคนดิเดตลูกค้าปลายทาง หากดีลเกิดขึ้นจริง นั่นหมายความว่าผู้เล่นคลาวด์รายใหญ่กำลังเตรียมขยาย AI ไปสู่อุปกรณ์อย่างสมาร์ทโฟนและ edge devices อย่างจริงจัง ชิป AI บนอุปกรณ์ช่วยให้การประมวลผลเกิดขึ้นในเครื่องโดยตรง ไม่ต้องส่งข้อมูลขึ้นคลาวด์ ซึ่งส่งผลให้ภาระของศูนย์ข้อมูลลดลง ความเร็วตอบสนองดีขึ้น และความเป็นส่วนตัวของผู้ใช้สูงขึ้น ในมุมซัมซุง โครงการนี้คือเวทีฝึกฝนกระบวนการผลิต 2 นาโนเมตรในงาน AI จริง สามารถใช้เป็นตัวอย่างเพื่อปิดดีลชิป AI ที่กำหนดเองและตัวเร่งความเร็ว AI ในอนาคต เมื่อศักยภาพ AI กำลังขยายจากคลาวด์ไปยังปลายทาง ความต้องการชิป AI ที่กำหนดเองยิ่งเพิ่มขึ้นทั้งสองฝั่ง หาก OpenAI และผู้เล่นรายอื่นสามารถออกแบบชิปที่เหมาะกับงานแต่ละแบบได้จริง เราจะเห็นการแบ่งบทบาทระหว่างคลาวด์และอุปกรณ์ที่ชัดเจนขึ้น และอำนาจการควบคุมข้อมูลของผู้ใช้ก็อาจเปลี่ยนมือจากแพลตฟอร์มคลาวด์ไปสู่อุปกรณ์มากขึ้น
เกมใหญ่ของประสิทธิภาพ ต้นทุน และการรวมศูนย์อำนาจ
เมื่อมองภาพรวม สงครามชิป AI ที่กำหนดเองสะท้อนความต้องการที่เพิ่มขึ้นอย่างรุนแรงต่อการประมวลผลแบบเฉพาะงาน ที่ใช้ไฟน้อยลงแต่ให้พลังสูงขึ้น ผู้เล่นอย่าง OpenAI หันมาพัฒนาชิปเองเพื่อลดการพึ่งพาแหล่งกำลังประมวลผลภายนอกและลดค่าใช้จ่ายด้านการคำนวณในศูนย์ข้อมูล ขณะที่ฝั่งอุปกรณ์ปลายทางก็เริ่มต้องการชิปที่ออกแบบมาสำหรับงาน AI โดยเฉพาะเช่นกัน สำหรับผู้ใช้ทั่วไป ผลกระทบที่จับต้องได้คือบริการ AI ที่ตอบสนองเร็วขึ้น แม้จะมีคำขอจำนวนมากเข้ามาพร้อมกัน และมีโอกาสใช้งานฟีเจอร์ AI บนอุปกรณ์ที่ไม่ต้องเชื่อมต่ออินเทอร์เน็ตตลอดเวลา นอกจากนี้ เมื่อชิปประสิทธิภาพ AI ต่ำพลังงานถูกใช้มากขึ้น ต้นทุนการให้บริการมีแนวโน้มลดลง เปิดช่องให้โมเดลใหญ่ถูกนำมาใช้กับผู้ใช้วงกว้างมากขึ้นโดยไม่ต้องแบกรับค่าไฟมหาศาล อย่างไรก็ตาม การที่บริษัทยักษ์ใหญ่จับมือผู้ผลิตชิปเพื่อสร้างโครงสร้างพื้นฐานเฉพาะตัว อาจนำไปสู่การรวมศูนย์อำนาจในตลาดชิปและบริการ AI มากขึ้น ผู้เล่นรายเล็กอาจเข้าถึงเทคโนโลยีและกำลังประมวลผลระดับเดียวกันได้ยากขึ้น ท้ายที่สุด สงครามชิปนี้จึงไม่ใช่แค่เรื่องความเร็วหรือประสิทธิภาพ แต่เป็นการต่อรองว่าใครจะมีสิทธิ์กำหนดกติกาและแบ่งเค้กในเศรษฐกิจ AI รุ่นต่อไป
