เจาะประเด็น
AI Hardware
AI กำลังจะตายเพราะไม่ได้ขาดซอฟต์แวร์ แต่ขาด "ชิปและสายไฟ"
ถ้าคุณคิดว่า AI แค่ต้องเขียนโค้ดเก่งๆ ก็เจริญแล้ว ลองฟังมุมมองจากคนที่รู้ต้นทางของวงการนี้ดีที่สุด
ทีมข่าว เอไอไทย.com
⏱ อ่าน 5 นาที
คนส่วนใหญ่คิดว่า AI แข่งกันที่โมเดล แต่จริงๆ แล้วสมรภูมิที่แท้จริงมันอยู่ที่โรงงานผลิตชิปและตู้วางเซิร์ฟเวอร์ต่างหาก
เราฟังเรื่อง AI โมเดลเก่งๆ จนเบื่อแล้วใช่ไหม? ทุกวันนี้ข่าว AI มันวนอยู่กับว่าใครทำโมเดลใหญ่กว่า ฉลาดกว่า แต่มีน้อยคนนักที่จะพูดถึงคำถามที่สำคัญกว่ามาก: แล้วเราจะเอาพลังประมวลผลที่ไหนมาเลี้ยงเจ้าโมเดลพวกนี้?
Jordan Nanos นักวิเคราะห์จาก SemiAnalysis ซึ่งเป็นหนึ่งในไม่กี่เจ้าในโลกที่รู้จริงเรื่องชิปและฮาร์ดแวร์ AI ขึ้นมาพูดในงาน InfoQ เรื่อง "From Fab To Token" และบอกตรงๆ ว่าสิ่งที่คนนอกวงการมองข้ามไปหมดคือห่วงโซ่อุปทานทั้งหมดของ AI มันไม่ได้จบแค่การเขียนโค้ด แต่เริ่มต้นตั้งแต่การผลิตชิปในโรงงาน (Fab) ไปจนถึงการส่ง Token ออกมาให้ผู้ใช้
ฟังดูเป็นเรื่องเทคนิคแห้งๆ ใช่ไหม? แต่ผมว่าเรื่องนี้มันเดือดกว่าที่คิด เพราะมันคือคำตอบว่า ทำไมผู้ให้บริการคลาวด์รายใหญ่ถึงทุ่มเงินเป็นหมื่นล้านดอลลาร์ไปกับการสร้างดาต้าเซ็นเตอร์ และทำไม AI ถึงยังช้าอยู่ดีทั้งที่ชิปแรงขึ้นทุกปี
Nanos ชี้ให้เห็นว่าเซมิคอนดักเตอร์กลายเป็นทรัพยากรที่จำกัดที่สุดในโลกยุค AI ไปแล้ว ไม่ใช่เพราะไม่มีเทคโนโลยี แต่เพราะการผลิตชิปขั้นสูงทำได้จำกัดมาก มีแค่ไม่กี่โรงงานในโลกที่ผลิตชิประดับไฮเอนด์ได้ และกำลังการผลิตทั้งหมดถูกจองล่วงหน้าไปหลายปีแล้ว
นี่คือจุดที่ทำให้เกม AI มันบิดเบี้ยว บริษัทที่เข้าถึงชิปได้ก่อน ย่อมได้เปรียบในการเทรนโมเดลก่อน ซึ่งหมายความว่าตลาด AI มันไม่ได้แข่งกันที่ความฉลาดของวิศวกรอย่างเดียว แต่แข่งกันที่ "ใครมีชิปในมือมากกว่า" ด้วย
และต่อให้มีชิปแล้ว ก็ยังไม่จบ เพราะการขยายดาต้าเซ็นเตอร์มาพร้อมปัญหาใหม่เรื่องพลังงานและความร้อน แต่ที่ Nanos เน้นเป็นพิเศษคือ "คอขวดของระบบเครือข่าย" (networking bottlenecks) — การเชื่อมต่อระหว่างชิปด้วยกันเองในดาต้าเซ็นเตอร์ขนาดใหญ่กลายเป็นจุดอ่อนที่ทำให้ประสิทธิภาพโดยรวมลดลงอย่างน่าตกใจ
เรื่องนี้กระทบเราโดยตรงมากกว่าที่คิด เพราะถ้าต้นทุนการผลิต Token (หน่วยผลลัพธ์ที่ AI สร้างออกมา) ยังสูงอยู่ เพราะชิปแพงและโครงสร้างพื้นฐานไม่พอ ราคาค่าใช้บริการ AI ก็จะไม่ลดลงเร็วอย่างที่ใครหลายคนหวังไว้
Nanos ยังพูดถึงเรื่อง "GPU Scaling" ด้วยว่า การเอาชิปมาต่อกันเป็นหมื่นๆ ตัวไม่ได้ให้ประสิทธิภาพที่เพิ่มขึ้นแบบเส้นตรง บางครั้งยิ่งต่อมาก็ยิ่งมี overhead เยอะ จนได้ประสิทธิภาพจริงแค่เศษเสี้ยวของที่คำนวณไว้ และนี่คือเหตุผลว่าทำไมการออกแบบซอฟต์แวร์ให้ฉลาดในการใช้ทรัพยากร ถึงสำคัญพอๆ กับการมีฮาร์ดแวร์แพงๆ
Benchmark ไม่ใช่คำตอบสุดท้าย
ตัวเลข benchmark สวยๆ บนกระดาษ ไม่ได้การันตีว่าของจริงจะเร็วตาม เพราะในโลกจริงมีตัวแปรเรื่องเครือข่ายและระบบจัดเก็บข้อมูลเข้ามาเกี่ยวข้องเสมอ
Tokenomics คือตัวชี้ขาด
ต้นทุนจริงต่อ Token ที่ผู้ใช้จ่าย ไม่ได้ขึ้นกับค่าไฟอย่างเดียว แต่รวมถึงค่าเสื่อมของชิป ค่าดาต้าเซ็นเตอร์ และค่าเครือข่ายทั้งหมด ถ้าตรงนี้ไม่ลด โมเดลราคา AI ก็ไม่มีทางถูกลง
สิ่งที่ Nanos สื่อสารออกมาชัดเจนมากคือ AI มันเป็นธุรกิจโครงสร้างพื้นฐาน ไม่ใช่แค่ธุรกิจซอฟต์แวร์อีกต่อไป ใครที่คิดว่าทำแอป AI สักตัวแล้วไม่ต้องห่วงเรื่องฮาร์ดแวร์ คือกำลังเดินอยู่บนเส้นทางที่พังแน่นอน
มุมมองส่วนตัวผมนะ เรื่องนี้มันเหมือนกับยุคตื่นทองในอเมริกา คนที่รวยจริงไม่ใช่คนที่ขุดทอง แต่คือคนที่ขายพลั่วและกางเกงยีนส์ให้คนขุดทอง ในยุค AI นี้ "พลั่ว" คือชิปและดาต้าเซ็นเตอร์ และบริษัทที่ถือครองทรัพยากรเหล่านี้อยู่คือผู้ชนะที่แท้จริง โดยที่คนทั่วไปไม่ทันสังเกตด้วยซ้ำ
สรุปง่ายๆ คือ เรากำลังเข้าสู่ยุคที่ AI ไม่ได้ถูกจำกัดด้วยความคิดสร้างสรรค์ของวิศวกรอีกต่อไป แต่ถูกจำกัดด้วยกำลังการผลิตชิปและสายไฟ ถ้าอุตสาหกรรมนี้แก้โจทย์โครงสร้างพื้นฐานไม่ได้ ต่อให้โมเดลฉลาดแค่ไหน ก็ไม่มีทางเข้าถึงคนส่วนใหญ่ได้จริง
ที่มา: InfoQ AI/ML — อ่านต้นฉบับ
ความคิดเห็น 4
กำลังโหลดความคิดเห็น...