เจาะประเด็น
AI INFRA
NVIDIA เปิดตัว PAIR เอาเครื่องในบ้านมารวมกันเป็นคลัสเตอร์ AI
ปัญหาคอขวดของ GPU เดียว อาจไม่ต้องแก้ด้วยการซื้อการ์ดใหม่ แต่แก้ด้วยการใช้งานเครื่องที่มีอยู่ให้เต็มที่
ทีมข่าว เอไอไทย.com
⏱ อ่าน 4 นาที
ถ้า AI ในเครื่องคุณไม่ได้มีแค่โมเดลเดียว แต่มีหลายตัวคุยกันเอง ปัญหาคอขวดอาจไม่ใช่ GPU อีกต่อไป
เราคุยกันเรื่อง AI กันมานานในกรอบเดิมๆ ว่า "ซื้อการ์ดจอแรงๆ สักใบ แล้วรันโมเดลในเครื่องตัวเอง" แต่พอเข้าสู่ยุคที่เรามี AI agent หลายตัวทำงานพร้อมกัน หลายคนเริ่มเจอปัญหาที่ต่างออกไป — ไม่ใช่โมเดลเดียวรันไม่ไหว แต่เป็นโมเดลหลายตัวแย่งกันใช้ GPU ใบเดียวจนคอขวด NVIDIA เห็นปัญหานี้ และเพิ่งปล่อยเครื่องมือที่ชื่อว่า Personal AI Router หรือ PAIR ออกมาในเวอร์ชัน beta ให้คนทั่วไปได้ลองใช้กันแล้ว
ไอเดียของ PAIR ตรงไปตรงมาเลย คือมันเอาความสามารถในการประมวลผล (inference capacity) ของคอมพิวเตอร์หลายเครื่องที่อยู่ในเครือข่ายเดียวกัน (local network) มารวมกัน แล้วกระจายคำขอ AI ที่เข้ามาให้แต่ละเครื่องช่วยกันประมวลผลอัตโนมัติ ฟังดูเหมือนทำคลัสเตอร์เล็กๆ ในบ้านหรือในออฟฟิศ ซึ่งก็คือแนวคิดนั้นแหละ
จุดที่ PAIR ถูกออกแบบมาแก้โดยเฉพาะ คืองานที่เรียกว่า local multi-agent AI workloads หรือพูดง่ายๆ คืองานที่ AI agent หลายตัวยิงคำขอไปยังโมเดลพร้อมกันในเวลาเดียวกัน แต่ละคำขอเป็นอิสระต่อกัน ไม่ได้ต่อคิวกันเป็นเส้นตรง ปัญหาคือ GPU ใบเดียวมักรับไม่ไหวเมื่อเจอโหลดแบบนี้ เพราะมันถูกออกแบบมาให้ประมวลผลงานหนักๆ ทีละก้อนมากกว่า จะมารับคำขอเล็กๆ กระจายๆ จำนวนมากพร้อมกัน
นี่คือจุดที่คนรัน AI ในเครื่องตัวเองน่าจะเข้าใจดี ถ้าคุณเคยลองรัน agent หลายตัวพร้อมกันบนเครื่องเดียว จะรู้ว่ามันช้าลงแบบรู้สึกได้ทันที ไม่ใช่เพราะโมเดลหนักขึ้น แต่เพราะทุกอย่างแย่ง resource เดียวกัน PAIR เลยเข้ามาแก้ตรงจุดนี้ ด้วยการมองว่าเครื่องอื่นในเครือข่ายก็มีความสามารถเหลืออยู่ เอามาใช้ร่วมกันได้
สิ่งที่ PAIR ทำได้จริงตามที่ระบุในข่าว มีอยู่ไม่กี่ข้อ แต่แต่ละข้อมีนัยสำคัญ
รวมพลังเครื่องในเครือข่าย
ดึงความสามารถประมวลผลของคอมพิวเตอร์หลายเครื่องที่อยู่ใน local network เดียวกันมารวมเป็นหนึ่งเดียว
กระจายคำขออัตโนมัติ
ระบบจะจัดสรรคำขอ AI ที่เข้ามาไปยังเครื่องต่างๆ เอง โดยผู้ใช้ไม่ต้องจัดการด้วยมือ
ออกแบบเพื่อ multi-agent โดยเฉพาะ
เน้นงานที่ AI agent หลายตัวเรียกโมเดลพร้อมกัน ซึ่งเป็นรูปแบบที่ GPU ใบเดียวรับมือได้ไม่ดีนัก
ถ้ามองในภาพใหญ่ นี่ไม่ใช่แค่เครื่องมือเพิ่มประสิทธิภาพ แต่เป็นการส่งสัญญาณว่า NVIDIA กำลังมองตลาด local AI ในมุมที่ต่างออกไป จากเดิมที่เน้นขายการ์ดจอแรงๆ ให้คนรันโมเดลในเครื่องตัวเอง ตอนนี้พวกเขาเริ่มมองว่าเครื่องที่คนมีอยู่แล้วหลายเครื่อง อาจใช้งานร่วมกันได้ และนั่นเปิดทางให้คนที่ไม่ได้พร้อมซื้อฮาร์ดแวร์ใหม่ ก็ยังรันงาน AI ระดับ multi-agent ได้
แต่ก็ต้องพูดตรงๆ ว่าเวอร์ชัน beta ยังต้องพิสูจน์อีกเยอะ ทั้งเรื่องความหน่วงที่อาจเพิ่มขึ้นเมื่อต้องส่งงานข้ามเครื่อง เรื่องความเสถียรของเครือข่ายในบ้านที่ไม่ได้ออกแบบมาสำหรับงานแบบนี้ และเรื่องการตั้งค่าที่คนทั่วไปอาจเจออุปสรรคอยู่บ้าง ยังไม่นับว่าในทางปฏิบัติ เครื่องแต่ละเครื่องในบ้านอาจสเปกไม่เท่ากัน การกระจายงานให้ลงตัวจึงไม่ง่ายอย่างที่คิด
PAIR อาจไม่ใช่คำตอบสุดท้ายสำหรับทุกคน แต่ทิศทางที่ NVIDIA กำลังไปนั้นชัดเจน — อนาคตของ AI ในเครื่องอาจไม่ได้วัดกันที่การ์ดจอใบเดียวแรงแค่ไหน แต่วัดที่การใช้งานเครื่องที่มีอยู่ให้คุ้มแค่ไหน นี่คือการเปลี่ยนกรอบคิดที่คนรัน local AI ควรจับตา
ที่มา: InfoQ AI/ML — อ่านต้นฉบับ
ความคิดเห็น 5
กำลังโหลดความคิดเห็น...