⚡️ เรื่องเล่าจากสนามแข่งขันชิป AI: เมื่อ Positron และ Groq ลุกขึ้นสู้ Nvidia ด้วยพลังงานที่น้อยกว่าแต่เร็วกว่า ในยุคที่ AI กลายเป็นหัวใจของทุกอุตสาหกรรม ความต้องการพลังงานในการประมวลผลก็พุ่งสูงขึ้นอย่างน่ากังวล โดยเฉพาะในขั้นตอน “inference” หรือการนำโมเดลที่ฝึกแล้วมาใช้งานจริง เช่น การตอบคำถามหรือสร้างภาพ ซึ่งใช้พลังงานมหาศาล Positron บริษัทสตาร์ทอัพจากสหรัฐฯ ก่อตั้งในปี 2023 ได้พัฒนาชิปที่เน้นเฉพาะการ inference โดยตัดฟังก์ชันที่ไม่จำเป็นออกไป ทำให้ประหยัดพลังงานได้ถึง 6 เท่าเมื่อเทียบกับชิป Vera Rubin รุ่นใหม่ของ Nvidia และมีประสิทธิภาพต่อราคาดีกว่า 2–3 เท่า Groq อีกหนึ่งผู้ท้าชิง ใช้แนวคิด “assembly line” ในการประมวลผล AI โดยฝังหน่วยความจำไว้ในตัวชิป ทำให้ลดการเคลื่อนย้ายข้อมูลระหว่างชิป ซึ่งเป็นต้นเหตุของการใช้พลังงานสูง ชิปของ Groq ใช้พลังงานเพียง 1/3 ของ Nvidia แต่ให้ผลลัพธ์เร็วกว่า แม้ Nvidia จะยังครองตลาดด้วยชิป Blackwell และ Vera Rubin ที่มีประสิทธิภาพสูง แต่บริษัทหน้าใหม่เหล่านี้กำลังได้รับความสนใจจากผู้ให้บริการคลาวด์รายใหญ่ เช่น Cloudflare ที่เริ่มทดลองใช้งานจริงแล้ว ✅ Positron พัฒนาชิป AI inference ที่ประหยัดพลังงานและต้นทุนต่ำกว่าชิป Nvidia Vera Rubin ➡️ ประหยัดพลังงานได้มากถึง 6 เท่า ➡️ ประสิทธิภาพต่อราคาดีกว่า 2–3 เท่า ✅ Groq ใช้สถาปัตยกรรมแบบ assembly line พร้อมฝังหน่วยความจำในตัวชิป ➡️ ลดการเคลื่อนย้ายข้อมูลระหว่างชิป ➡️ ใช้พลังงานเพียง 1/3 ของ Nvidia แต่ให้ผลลัพธ์เร็วกว่า ✅ Cloudflare เริ่มทดลองใช้งานชิปของ Positron และ Groq ในระดับจริงจัง ➡️ เป็นหนึ่งในบริษัทแรกที่ทดสอบชิปนอกเหนือจาก Nvidia อย่างจริงจัง ➡️ หากผลลัพธ์เป็นไปตามที่โฆษณา จะขยายการใช้งานทั่วโลก ✅ Nvidia เปิดตัวชิป Vera Rubin และ Blackwell ที่มีประสิทธิภาพสูงขึ้นถึง 30 เท่า ➡️ Vera Rubin มีหน่วยความจำ 288 GB และเชื่อมต่อด้วย NVLink ความเร็วสูง ➡️ Blackwell Ultra ให้ประสิทธิภาพ inference สูงถึง 3.6 exaFLOPS ✅ บริษัทเทคโนโลยีใหญ่ เช่น Google, Amazon, Microsoft กำลังพัฒนาชิป inference ของตัวเอง ➡️ เพื่อลดต้นทุนและพึ่งพา Nvidia ให้น้อยลง ➡️ ลงทุนหลายพันล้านดอลลาร์ในชิปเฉพาะทาง ‼️ แม้ชิปใหม่จะประหยัดพลังงาน แต่ความต้องการ AI ยังเติบโตเร็วกว่าการปรับปรุงประสิทธิภาพ ⛔ คาดว่าการใช้พลังงานของ AI จะเพิ่มขึ้น 50% ต่อปีจนถึงปี 2030 ⛔ อาจทำให้โครงข่ายไฟฟ้ากลายเป็นคอขวดของการพัฒนา AI ‼️ การพึ่งพา Nvidia มากเกินไปอาจสร้าง “Nvidia tax” ให้กับอุตสาหกรรม ⛔ Nvidia มีอัตรากำไรขั้นต้นสูงถึง 60% จากการขายชิป ⛔ ทำให้ต้นทุนการประมวลผล AI สูงเกินจำเป็น ‼️ ชิปที่เน้น inference อาจไม่เหมาะกับงานที่ต้องการความยืดหยุ่นสูง ⛔ Positron และ Groq เน้นเฉพาะงาน inference ไม่ครอบคลุมทุก workload ⛔ อาจต้องใช้ร่วมกับชิปอื่นในระบบที่ซับซ้อน ‼️ การเปลี่ยนมาใช้ชิปใหม่ต้องใช้เวลาในการปรับระบบและทดสอบความเข้ากันได้ ⛔ ต้องพิจารณาความเข้ากันได้กับ API และโครงสร้างคลาวด์เดิม ⛔ อาจมีความเสี่ยงด้านการลงทุนหากชิปไม่ผ่านการทดสอบในระยะยาว https://www.techspot.com/news/108831-next-gen-chipmakers-aim-rein-ai-runaway-power.html