ดีลโครงสร้างพื้นฐานที่มากกว่าตัวเลข: ทำไม IBM–Together AI สำคัญต่อโลกองค์กร
ข้อตกลงโครงสร้างพื้นฐานระหว่าง IBM และ Together AI คือความร่วมมือในการติดตั้งคลัสเตอร์ Nvidia HGX B300 ผ่าน IBM Cloud เพื่อรองรับ open-source AI inference ระดับองค์กร ช่วยให้องค์กรต่างๆ มีทางเลือกใหม่ในการติดตั้งและขยายเวิร์กโหลด AI บนคลาวด์ ลดการพึ่งพาแพลตฟอร์มปิด และวางรากฐานให้การวิเคราะห์ข้อมูลด้วย AI ทำได้ยืดหยุ่นและควบคุมต้นทุนได้มากขึ้น โดยเน้นการผสานโครงสร้างพื้นฐาน GPU ที่ออกแบบมาสำหรับงานอนุมานเข้ากับแพลตฟอร์มคลาวด์ที่รองรับสภาพแวดล้อมแบบไฮบริดเต็มรูปแบบ
สาระสำคัญของดีลนี้ไม่ใช่แค่ขนาดของคลัสเตอร์ แต่คือการส่งสัญญาณว่าตลาด enterprise AI infrastructure กำลังขยับจากการผูกกับผู้ให้บริการ hyperscaler รายใหญ่ ไปสู่โมเดลที่เปิดมากขึ้นและต่อรองได้มากขึ้น IBM จะจัดหาโครงสร้างพื้นฐานให้ Together AI เพื่อให้บริการเวิร์กโหลดของลูกค้าบน public cloud โดยเน้นเวิร์กโหลดอินเฟอเรนซ์ที่ใช้โมเดล AI แบบโอเพนซอร์ส ขณะที่สภาพแวดล้อมไฮบริดบน IBM Cloud ที่ขับเคลื่อนด้วย Nvidia GPU และเชื่อมต่อด้วย Nvidia Spectrum-X ร่วมกับแพลตฟอร์ม inference ของ Together AI จะให้ “ฐานที่เชื่อถือได้” สำหรับการสร้าง ติดตั้ง และขยายระบบ AI ขององค์กร
Nvidia HGX B300: ฐานฮาร์ดแวร์สำหรับ open-source AI inference ขนาดใหญ่
หัวใจเชิงเทคนิคของดีลนี้คือการติดตั้ง “คลัสเตอร์ขนาดใหญ่” ของระบบ HGX B300 ให้กับ Together AI โดยฮาร์ดแวร์จะพร้อมใช้งานผ่าน IBM Cloud ในช่วงครึ่งแรกของปี 2027 นี่คือสัญญาณชัดเจนว่าโครงสร้างพื้นฐาน AI ขององค์กรกำลังเดินหน้าสู่ยุคที่ออกแบบมาสำหรับเวิร์กโหลดอนุมานโดยเฉพาะ ไม่ใช่แค่การฝึกโมเดลขนาดยักษ์ HGX B300 คือเมนบอร์ดที่ติดตั้งชิป Blackwell Ultra จำนวน 8 ตัว ซึ่งสามารถให้ประสิทธิภาพสูงสุดถึง 15 เพตาฟลอปส์เมื่อประมวลผลข้อมูลแบบ NVFP4
องค์ประกอบภายในของ HGX B300 แสดงให้เห็นว่าโครงสร้างพื้นฐานสำหรับ AI inference รุ่นใหม่ถูกออกแบบให้รองรับ AI workload scaling ตั้งแต่ระดับเซิร์ฟเวอร์ขึ้นไป: Blackwell Ultra ใช้ชิปเล็ต 2 ตัว ภายในมีโมดูลประมวลผล 160 ชุด แต่ละชุดมีคอร์มากกว่า 130 คอร์ และมีหน่วยความจำที่ปรับแต่งเพื่อเก็บผลลัพธ์ระหว่างการทำงานของโมเดล AI การเชื่อมต่อข้อมูลระหว่างตัวเร่ง Blackwell Ultra ใช้ ConnectX-8 SuperNIC 8 ตัวและ BlueField-3 ในการประสานงานกับระบบภายนอก เมื่อรวมกับเซิร์ฟเวอร์ที่มีหน่วยความจำอย่างน้อย 2 เทราไบต์และ CPU แบบ multi-core โครงสร้างนี้พร้อมรองรับ inference ความจุสูงของโมเดลโอเพนซอร์สได้จริง ไม่ใช่แค่บนสไลด์พรีเซนต์
จาก hyperscaler-centric สู่ open-source AI inference: เกมอำนาจใหม่ขององค์กร
วันนี้ Together AI ให้บริการแพลตฟอร์มคลาวด์ที่ปรับแต่งเพื่อแมชชีนเลิร์นนิงโดยเฉพาะ บนโครงสร้างพื้นฐานที่เช่าจากพันธมิตรอย่าง Amazon Web Services การหันมาสร้างคลัสเตอร์ HGX B300 บน IBM Cloud จึงไม่ใช่การทิ้งผู้เล่นรายเดิม แต่คือการสร้างสมดุลอำนาจใหม่ในตลาด cloud AI deployment IBM Cloud เองกำลังแข่งขันกับผู้ให้บริการรายใหญ่อื่นๆ ในตลาดโครงสร้างพื้นฐาน AI แบบบริการ (AI IaaS) ที่กำลังขยายตัวอย่างรวดเร็ว
สาระเชิงกลยุทธ์คือ Together AI ประกาศชัดว่าจะใช้คลัสเตอร์ HGX B300 เพื่อโฮสต์เวิร์กโหลดอินเฟอเรนซ์ที่ใช้โมเดล AI แบบโอเพนซอร์สสำหรับลูกค้า public cloud แพลตฟอร์มนี้รองรับบริการอินเฟอเรนซ์ 5 รูปแบบ ตั้งแต่บริการสำหรับโมเดลสร้างสื่อในคอนเทนเนอร์ ไปจนถึง Provisioned Throughput ที่คิดค่าบริการตามโทเค็นเพื่อช่วยให้ลูกค้าปรับต้นทุน ข้อเสนออื่นยังรวมถึงโครงสร้างพื้นฐานแบบไร้เซิร์ฟเวอร์ เครื่องเฉพาะงาน และสภาพแวดล้อมแบบแบตช์ที่ยอมลดประสิทธิภาพบางส่วนเพื่อราคาที่ต่ำลง นี่คือสถาปัตยกรรมของ enterprise AI infrastructure ที่เน้นความยืดหยุ่นด้านต้นทุนและทางเลือก มากกว่าการผูกติดกับโครงสร้างบัญชีและราคาของ hyperscaler รายเดียว
โครงสร้างพื้นฐาน AI ไฮบริด: จากทดลองสู่การใช้งานจริงในองค์กร
ดีลนี้ไม่ได้เกิดขึ้นในสุญญากาศ แต่ต่อยอดจากความพยายามของ IBM และ Together AI ที่ต้องการผลักดันให้ลูกค้าองค์กรย้ายจากเฟสทดลองไปสู่การใช้ AI ในการผลิตจริง IBM ระบุว่าทั้งสองบริษัทขยายความร่วมมือเพื่อเพิ่มการใช้ GPU-native data analytics, intelligent document processing และการติดตั้งบนโครงสร้างพื้นฐาน on-premises และในสภาพแวดล้อมที่มีข้อกำกับ เพื่อช่วยให้ลูกค้าองค์กรย้าย AI จาก pilot ไปสู่ production ในทางปฏิบัติ นี่คือการผสานโลก cloud AI deployment เข้ากับระบบภายในองค์กร โดยยังควบคุมด้านกฎระเบียบและข้อมูลสำคัญได้
สภาพแวดล้อมไฮบริดบน IBM Cloud ที่ใช้ Nvidia GPU เชื่อมต่อด้วย Spectrum-X Ethernet และแพลตฟอร์ม inference ของ Together AI ถูกวางให้เป็นฐานที่เชื่อถือได้ในการสร้าง ติดตั้ง และขยายระบบ AI Vipul Ved Prakash ซีอีโอของ Together AI ระบุว่า “คลัสเตอร์นี้ช่วยให้เรานำเสนอการทำอินเฟอเรนซ์ระดับการผลิตให้กับบริษัทต่างๆ ได้มากขึ้นและรวดเร็วขึ้น ซึ่งถือเป็นก้าวสำคัญในความมุ่งมั่นของเราที่จะผลักดันให้ AI แบบโอเพนซอร์สกลายเป็นทางเลือกที่ชัดเจนสำหรับองค์กรธุรกิจต่างๆ” เมื่อแพลตฟอร์มสามารถประมวลผลโทเค็นได้ประมาณ 4 แสนล้านล้านโทเค็นต่อเดือนให้ลูกค้า คำกล่าวนี้จึงไม่ใช่คำโฆษณา แต่สะท้อนความพร้อมด้าน AI workload scaling ที่จับต้องได้
ผลต่อกลยุทธ์ข้อมูลขององค์กร: อำนาจต่อรองใหม่และต้นทุนที่คุมได้มากขึ้น
สำหรับองค์กรที่กำลังสร้างแพลตฟอร์มวิเคราะห์ข้อมูลด้วย AI ดีล IBM–Together AI มีนัยสำคัญสองด้าน ด้านแรกคือ open-source AI inference กลายเป็นทางเลือกที่จริงจังสำหรับการรันเวิร์กโหลดวิเคราะห์ข้อมูลที่สำคัญ แทนที่จะต้องผูกกับโมเดลปิดหรือบริการ API เดียว สถาปัตยกรรมแบบโอเพนซอร์สช่วยให้ทีมข้อมูลควบคุมเวิร์กโฟลว์ ตั้งแต่การฝึก ปรับจูน ไปจนถึงอนุมานบนโครงสร้างพื้นฐานที่เลือกเอง ขณะที่แพลตฟอร์ม Together AI ให้ตัวเลือกการคิดค่าบริการตามโทเค็นหรือสภาพแวดล้อมแบบแบตช์ ทำให้องค์กรออกแบบโปรไฟล์ต้นทุนให้เหมาะกับกรณีใช้งานต่างกันได้
ด้านที่สองคืออำนาจต่อรองใหม่ในตลาด enterprise AI infrastructure ข้อตกลงนี้เป็นหนึ่งในคลื่นกิจกรรมโครงสร้างพื้นฐาน AI แบบบริการที่กำลังขยายตัว และ IBM Cloud กำลังแข่งขันกับผู้ให้บริการรายใหญ่อื่นๆ ในตลาด AI IaaS ที่เติบโตอย่างรวดเร็ว เมื่อทางเลือกเพิ่มขึ้น องค์กรสามารถวางกลยุทธ์มัลติคลาวด์และไฮบริดอย่างมีเหตุผล แยกเวิร์กโหลดที่ต้องการข้อกำกับเข้มงวดไว้บนโครงสร้างพื้นฐานที่ควบคุมได้ และย้ายเวิร์กโหลดอินเฟอเรนซ์โอเพนซอร์สไปยังคลัสเตอร์ที่ให้สมดุลระหว่างประสิทธิภาพและต้นทุนได้มากกว่า ดีลนี้จึงไม่ใช่แค่ข่าวฮาร์ดแวร์ แต่คือสัญญาณว่าตลาด AI กำลังเปิดช่องให้องค์กรออกแบบอนาคตข้อมูลของตัวเองได้มากขึ้น
