ค้นพบความสนใจของคุณ ไปด้วยกัน

ดีลจริง รีวิวตรงไปตรงมา และเรื่องราวการช้อปปิ้งจากคนที่มีความสนใจเดียวกับคุณ — ทุกวันบน ZestBuy

ค้นพบความสนใจของคุณ ไปด้วยกันดีลจริง รีวิวตรงไปตรงมา และเรื่องราวการช้อปปิ้งจากคนที่มีความสนใจเดียวกับคุณ — ทุกวันบน ZestBuy

Oracle เปิด OCI ให้ใช้ Google TPU เพิ่มทางเลือกจาก GPU

Oracle เปิด OCI ให้ใช้ Google TPU เพิ่มทางเลือกจาก GPU
ความสนใจ|วิเคราะห์ข้อมูลด้วย AI

TPU บน OCI คือทางเลือกใหม่ ไม่ใช่แค่ชิปอีกชนิด

Google TPU Oracle OCI คือการนำชิปเร่งประมวลผลปัญญาประดิษฐ์ของ Google มาให้ลูกค้าใช้ผ่าน Oracle Cloud Infrastructure เพื่อฝึกและประมวลผลโมเดล โดยไม่ต้องเลือกใช้ GPU เพียงทางเดียว นับเป็นการเพิ่มทางเลือกฮาร์ดแวร์บนคลาวด์สำหรับองค์กร Oracle ยืนยันว่าจะเปิดให้ใช้ TPU ผ่าน OCI ในปี 2027 ซึ่งทำให้บริษัทเป็นผู้ให้บริการคลาวด์รายใหญ่รายแรกนอก Google ที่นำชิปเหล่านี้มาให้ลูกค้าใช้งาน จุดเริ่มต้นคือ TPU รุ่นที่ 8 สองแบบ ได้แก่ 8t สำหรับฝึกโมเดล และ 8i สำหรับงานอนุมาน ทั้งคู่เปิดตัวผ่าน Google Cloud ก่อนหน้านี้ในปีนี้ และมีกำหนดให้บริการบน OCI ในปี 2027 ความสำคัญจึงไม่ใช่การประกาศว่าชิปตัวใดชนะ แต่คือการทำให้ลูกค้าเลือกสถาปัตยกรรมประมวลผลได้มากกว่าหนึ่งแบบ โดยไม่ต้องผูกแผนงานทั้งหมดไว้กับ GPU

Oracle เปิด OCI ให้ใช้ Google TPU เพิ่มทางเลือกจาก GPU

องค์กรได้เลือกชิปตามลักษณะงาน แทนการใช้ GPU กับทุกงาน

แรงผลักดันของการเปลี่ยนแปลงนี้คือค่าใช้จ่ายและความต้องการโครงสร้างพื้นฐานที่เพิ่มขึ้น เมื่อองค์กรฝึกโมเดลขนาดใหญ่และนำโมเดลไปใช้งานในวงกว้าง ลูกค้าจึงมองหาทางเลือกอื่นนอกเหนือจาก GPU การมีทั้ง GPU และ TPU ไม่ได้ทำให้ GPU หมดความสำคัญ เพราะ GPU รองรับงานได้หลากหลายกว่า ขณะที่ TPU ออกแบบมาเพื่อเร่งงานปัญญาประดิษฐ์โดยเฉพาะ ประสิทธิภาพและความคุ้มค่าของตัวเร่งแต่ละชนิดจึงขึ้นอยู่กับสถาปัตยกรรมโมเดล ลักษณะงาน และชุดซอฟต์แวร์ที่ใช้ นี่คือจุดที่แนวทาง enterprise GPU TPU มีความหมายในทางปฏิบัติ ทีมเทคนิคสามารถประเมินงานฝึกโมเดลและงานอนุมานแยกกัน แล้วเลือกฮาร์ดแวร์ที่เหมาะ แทนการซื้อกำลังประมวลผลแบบเดียวมารองรับทุกอย่าง การมีตัวเลือกเพิ่มจึงช่วยให้องค์กรวางแผนต้นทุนได้ยืดหยุ่นขึ้น โดยไม่ต้องคาดหวังว่าชิปชนิดเดียวจะมีประสิทธิภาพดีที่สุดกับทุกโมเดล

งานอนุมานคือจุดที่การเลือกฮาร์ดแวร์ส่งผลทุกวัน

การฝึกโมเดลมักเป็นงานก้อนใหญ่ที่เห็นได้ชัด แต่ภาระประมวลผลไม่ได้จบเมื่อฝึกเสร็จ งานอนุมานเกิดขึ้นซ้ำทุกครั้งที่พนักงานถามผู้ช่วยปัญญาประดิษฐ์ หรือเมื่อเอเจนต์เรียกใช้โมเดล จึงสะสมเป็นการใช้กำลังประมวลผลต่อเนื่องในองค์กร สเตฟานี วอลเตอร์ ผู้เชี่ยวชาญด้านโครงสร้างระบบปัญญาประดิษฐ์ ระบุว่าตัวเร่งเฉพาะทางอย่าง TPU อาจให้ประสิทธิภาพและความคุ้มค่าต่างจาก GPU ตามโมเดลและลักษณะงาน ด้วยเหตุนี้ AI compute options ที่เพิ่มขึ้นจึงมีประโยชน์มากกว่าการมีตัวเลือกในเอกสารจัดซื้อ องค์กรอาจเลือก TPU สำหรับงานที่เข้ากับการออกแบบของชิป และใช้ GPU กับงานที่ต้องการความยืดหยุ่นกว่า อย่างไรก็ตาม ผลลัพธ์ด้านต้นทุนไม่ได้เกิดขึ้นโดยอัตโนมัติ ทีมงานยังต้องทดสอบโมเดล ซอฟต์แวร์ และรูปแบบการใช้งานจริงก่อนตัดสินใจจัดสรรงาน

อนาคตของคลาวด์คือระบบประมวลผลหลายแบบ

การนำ TPU ของ Google มาให้บริการบน OCI บ่งชี้ว่าตลาดกำลังขยับจากการพึ่งพาตัวเร่งชนิดเดียว ไปสู่สถาปัตยกรรมประมวลผลแบบผสมผสาน มาฮেশ เทียการาจัน ผู้บริหาร OCI อธิบายว่าภาระงานปัญญาประดิษฐ์แต่ละแบบมีความต้องการด้านการประมวลผลต่างกัน ส่วนอามิน วาห์ดัต ผู้บริหารฝ่ายปัญญาประดิษฐ์และโครงสร้างพื้นฐานของ Google กล่าวว่า «AI รุ่นถัดไปจะต้องใช้การประมวลผลที่หลากหลาย» ทิศทางนี้สมเหตุสมผล เพราะองค์กรต้องจัดการทั้งงานฝึกโมเดลและงานอนุมานที่มีรูปแบบการใช้ทรัพยากรไม่เหมือนกัน การเปิดตัว cloud infrastructure 2027 จึงควรถูกมองเป็นจุดเริ่มต้นของทางเลือก ไม่ใช่คำตอบสำเร็จรูปสำหรับทุกบริษัท ข้อได้เปรียบจะเกิดขึ้นเมื่อองค์กรจับคู่งานกับฮาร์ดแวร์ได้เหมาะ และยอมทดสอบต้นทุนกับประสิทธิภาพจริง ข้อสรุปคือดีลนี้ไม่ได้ล้มอำนาจของ GPU ในทันที แต่ทำให้การเลือกใช้ GPU หรือ TPU กลายเป็นการตัดสินใจเชิงกลยุทธ์ที่เป็นไปได้จริงมากขึ้น

ZestBuy ได้รับค่าคอมมิชชั่นเมื่อคุณช้อปผ่านลิงก์ของเรา โดยคุณไม่ต้องจ่ายเพิ่ม

You May Also Like

Comments
พูดอะไรบางอย่าง...
ยังไม่มีความคิดเห็น มาเป็นคนแรกที่แบ่งปันความคิดเห็นของคุณ!