🖥️ "ศึกชิป AI – NVIDIA ปะทะ Google TPU Ironwood" Jensen Huang ซีอีโอของ NVIDIA ยืนยันว่า ASICs จาก Google หรือ Amazon ยังไม่สามารถแทนที่เทคโนโลยีของ NVIDIA ได้ เพราะการแข่งขันจริง ๆ อยู่ที่ “ทีมวิศวกร” ไม่ใช่แค่บริษัท ขณะเดียวกัน Google ก็เปิดตัว TPU รุ่นใหม่ Ironwood ที่ท้าทาย Blackwell ของ NVIDIA ด้วยประสิทธิภาพและการประหยัดพลังงานที่เหนือกว่าในบางด้าน NVIDIA ยังคงครองตลาด GPU สำหรับ AI ด้วยสัดส่วนกว่า 80–90% โดย Jensen Huang ย้ำว่าความได้เปรียบของบริษัทไม่ได้อยู่แค่ฮาร์ดแวร์ แต่คือทีมวิศวกรและซอฟต์แวร์ CUDA ที่ทำให้ NVIDIA ยากจะถูกแทนที่ แม้ Google และ Amazon จะพัฒนา ASICs และ TPUs แต่ Jensen มองว่าการสร้างชิปที่ซับซ้อนระดับนี้ต้องอาศัยทีมที่มีความเชี่ยวชาญสูง ซึ่งมีอยู่ไม่มากนักในโลกนี้ ในอีกด้าน Google เปิดตัว TPU รุ่นใหม่ชื่อ Ironwood ซึ่งเร็วกว่า Trillium รุ่นก่อนถึง 4 เท่า และใช้พลังงานน้อยลงกว่า 30% จุดเด่นคือสามารถเชื่อมต่อชิปได้มากถึง 9,216 ตัวในหนึ่ง Pod ทำให้รองรับงาน AI ขนาดมหึมาได้อย่างมีประสิทธิภาพ Ironwood ยังมีหน่วยความจำ HBM3e ขนาด 192 GB ต่อชิป และแบนด์วิดท์สูงถึง 7.4 TB/s ซึ่งท้าชนกับ Blackwell ของ NVIDIA ได้อย่างสูสี การแข่งขันนี้สะท้อนการเปลี่ยนแปลงในตลาด AI จากการเน้น “การฝึกสอนโมเดล” (training) ไปสู่ “การใช้งานจริง” (inference) ที่ต้องการชิปที่มีประสิทธิภาพสูงและใช้พลังงานต่ำ Google จึงวาง Ironwood เป็นตัวเลือกสำหรับงาน inference โดยเฉพาะ ขณะที่ NVIDIA ยังคงเน้นความยืดหยุ่นและการรองรับทุกงาน AI ผ่าน GPU อย่างไรก็ตาม ความท้าทายของ NVIDIA คือราคาชิปที่สูงและปัญหาความร้อนที่ลูกค้าบางรายกังวล ขณะที่ Google ใช้กลยุทธ์ “vertical stack” ควบคุมทั้งฮาร์ดแวร์และคลาวด์ ทำให้ลูกค้าใช้งานได้สะดวกแต่ก็เสี่ยงต่อการผูกขาด การแข่งขันนี้จึงไม่ใช่แค่เรื่องเทคโนโลยี แต่ยังเป็นเรื่องกลยุทธ์ธุรกิจและการครองตลาดในอนาคตด้วย 📌 สรุปเป็นหัวข้อ ✅ NVIDIA ยืนยันความเหนือกว่าในตลาด AI ➡️ ทีมวิศวกรและซอฟต์แวร์ CUDA เป็นจุดแข็งหลัก ➡️ ครองตลาด GPU AI กว่า 80–90% ✅ Google เปิดตัว TPU Ironwood รุ่นใหม่ ➡️ เร็วกว่า Trillium 4 เท่า และใช้พลังงานน้อยลง 30% ➡️ รองรับการเชื่อมต่อชิปได้ถึง 9,216 ตัวในหนึ่ง Pod ➡️ หน่วยความจำ HBM3e 192 GB และแบนด์วิดท์ 7.4 TB/s ✅ การแข่งขันเปลี่ยนจาก Training ไปสู่ Inference ➡️ Google เน้นชิปเฉพาะงาน inference ➡️ NVIDIA เน้นความยืดหยุ่นและรองรับทุกงาน AI ‼️ ความเสี่ยงและคำเตือนในตลาดชิป AI ⛔ ราคาชิป NVIDIA สูงและมีปัญหาความร้อนที่ลูกค้ากังวล ⛔ Google ใช้กลยุทธ์ vertical stack อาจนำไปสู่การผูกขาด ⛔ การแข่งขันรุนแรงอาจทำให้บริษัทต้องลงทุนมหาศาลและเสี่ยงต่อกำไร https://wccftech.com/nvidia-jensen-huang-explains-why-asics-wont-do-much-to-the-firm-ai-dominance/