Superstar ฟิลิปปินส์ 02/08/68 #วอลเลย์บอล ซี วี ลีก #วอลเลย์บอลไทย #นักตบลูกยาง #Superstar ฟิลิปปินส์ #ประเทศไทย

🎙️ เรื่องเล่าจากข่าว: Bolt กลับมาแล้ว—EV ราคาประหยัดที่อเมริกาต้องการ ในวันที่ตลาดกำลังชะลอตัว Chevrolet ประกาศรีดีไซน์ Bolt EV สำหรับปี 2027 โดยใช้พอร์ตชาร์จแบบ NACS (North American Charging Standard) ซึ่งเป็นมาตรฐานเดียวกับ Tesla ทำให้ผู้ใช้สามารถเข้าถึงเครือข่าย Supercharger ได้โดยไม่ต้องใช้อะแดปเตอร์ นอกจากดีไซน์ใหม่ที่ดูสปอร์ตขึ้นและไฟท้ายที่ปรับปรุงจากเสียงบ่นของผู้ใช้เดิม Bolt รุ่นใหม่ยังใช้แบตเตอรี่แบบ LFP (ลิเธียม-เหล็ก-ฟอสเฟต) ที่มีต้นทุนต่ำและอายุการใช้งานยาวนานกว่าเดิม ในขณะที่ Bolt กลับมาอย่างมั่นใจ Mercedes-Benz และ Porsche กลับต้องลดราคาหรือชะลอการส่งมอบ EV บางรุ่น เพราะยอดขายในอเมริกาชะลอตัว และผู้บริโภคยังมองว่า EV ส่วนใหญ่ “แพงเกินไป” โดยเฉพาะเมื่อเทียบกับรายได้เฉลี่ย ✅ Chevrolet Bolt EV รุ่นใหม่จะเปิดตัวในปี 2027 พร้อมพอร์ตชาร์จแบบ NACS ➡️ เป็น EV รุ่นแรกของ Chevy ที่ใช้พอร์ต Tesla โดยตรง ➡️ เข้าถึงเครือข่าย Supercharger ได้ทันที ✅ ใช้แบตเตอรี่ LFP ที่มีต้นทุนต่ำและอายุการใช้งานยาวนาน ➡️ ช่วยให้ราคาขายต่ำกว่า $30,000 ได้ ➡️ ยังไม่มีตัวเลขระยะทางวิ่งที่แน่นอน ✅ ดีไซน์ใหม่มีไฟหน้า LED แบบบาง, ล้ออัลลอยใหม่ และไฟท้ายที่ปรับปรุงจากเสียงผู้ใช้เดิม ➡️ ดูสปอร์ตและทันสมัยขึ้น ➡️ ยังใช้แพลตฟอร์ม BEV2 เดิมแต่ปรับปรุงภายใน ✅ Mercedes-Benz ลดราคาหลายรุ่นในกลุ่ม EQ และชะลอการส่งมอบบางรุ่นเพื่อควบคุมสต็อก ➡️ สะท้อนความต้องการ EV ที่ลดลงในอเมริกา ➡️ Porsche ก็ลดเป้าหมายรายได้จากผลกระทบของภาษีการค้า ✅ ตลาด EV ในอเมริกายังต้องการรถราคาประหยัดเพื่อกระตุ้นการใช้งานในวงกว้าง ➡️ Nissan Leaf และ Hyundai Kona Electric ยังเป็นตัวเลือกที่เข้าถึงได้ ➡️ แต่หลายรุ่นยังมีราคาสูงกว่า $40,000 ✅ NACS กลายเป็นมาตรฐานใหม่ของอเมริกา โดยผู้ผลิตหลายรายเริ่มเปลี่ยนมาใช้แทน CCS ➡️ เช่น Ford, Hyundai, GM และ Rivian ➡️ ช่วยให้เครือข่ายชาร์จมีความเป็นหนึ่งเดียว ✅ แบตเตอรี่ LFP มีข้อดีคือราคาถูกและปลอดภัย แต่มีพลังงานต่อหน่วยต่ำกว่า NMC ➡️ เหมาะกับรถราคาประหยัดและใช้งานในเมือง ➡️ ไม่เหมาะกับรถที่ต้องการระยะทางวิ่งไกลมาก ✅ ตลาด EV ในจีนมีรถราคาต่ำกว่า $10,000 ที่ขายดีมาก เช่น BYD Seagull ➡️ สหรัฐฯ ยังไม่มีรถระดับนี้ในตลาด ➡️ Bolt อาจเป็นตัวแทนของ EV ราคาประหยัดในอเมริกา ‼️ Bolt รุ่นใหม่ยังไม่มีข้อมูลระยะทางวิ่งที่แน่นอนจากแบตเตอรี่ LFP ⛔ อาจต่ำกว่าคู่แข่งที่ใช้แบตเตอรี่ NMC ⛔ ต้องรอการทดสอบจริงก่อนตัดสินใจซื้อ ‼️ การใช้แพลตฟอร์ม BEV2 เดิมอาจจำกัดการพัฒนาเทคโนโลยีใหม่ในระยะยาว ⛔ ไม่รองรับระบบขับเคลื่อนอัตโนมัติระดับสูง ⛔ อาจไม่ทันกับคู่แข่งที่ใช้แพลตฟอร์มใหม่ทั้งหมด ‼️ การพึ่งพาพอร์ต NACS อาจทำให้ผู้ใช้ต้องปรับพฤติกรรมการชาร์จ หากเคยใช้ CCS มาก่อน ⛔ ต้องเปลี่ยนอุปกรณ์หรือพฤติกรรมการใช้งาน ⛔ อาจเกิดความสับสนในช่วงเปลี่ยนผ่าน ‼️ ตลาด EV ยังไม่แน่นอน โดยเฉพาะหากสิทธิ์ลดหย่อนภาษีหมดอายุในเดือนกันยายน ⛔ อาจทำให้ราคาสุทธิของ Bolt สูงขึ้น ⛔ ส่งผลต่อการตัดสินใจของผู้บริโภค https://www.techradar.com/vehicle-tech/hybrid-electric-vehicles/americas-cheapest-ev-is-making-a-comeback-with-a-new-chevrolet-bolt-as-mercedes-cuts-its-electric-car-prices

🎙️ เรื่องเล่าจากข่าว: นักวิจัย AI กับค่าตัวระดับ NBA—เมื่อสมองกลายเป็นสินทรัพย์ที่แพงที่สุดในโลก Matt Deitke นักวิจัย AI วัย 24 ปี ได้รับข้อเสนอจาก Mark Zuckerberg ให้เข้าร่วมทีมวิจัย “superintelligence” ของ Meta ด้วยค่าตอบแทนสูงถึง 250 ล้านดอลลาร์ใน 4 ปี—มากกว่าสัญญาของ Steph Curry กับทีม Golden State Warriors เสียอีก นี่ไม่ใช่กรณีเดียว เพราะบริษัทใหญ่อย่าง Meta, Google, Microsoft และ OpenAI กำลังแข่งขันกันดึงตัวนักวิจัย AI ด้วยข้อเสนอระดับ “ไม่มีเพดานเงินเดือน” พร้อมโบนัส, หุ้น, และสิทธิพิเศษที่ฟังดูเหมือนการจีบซูเปอร์สตาร์กีฬา การแย่งชิงนี้เกิดจากความขาดแคลนบุคลากรที่มีความรู้ด้าน deep learning และการสร้างระบบ AI ขั้นสูง ซึ่งต้องใช้ทั้งประสบการณ์และทรัพยากรคอมพิวเตอร์มหาศาลที่มีเพียงไม่กี่บริษัทเท่านั้น ✅ Matt Deitke ได้รับข้อเสนอจาก Meta มูลค่า 250 ล้านดอลลาร์ใน 4 ปี เพื่อร่วมทีมวิจัย AI ➡️ มีเงินสดถึง 100 ล้านดอลลาร์จ่ายในปีแรก ➡️ ข้อเสนอถูกเปรียบเทียบว่าแพงกว่าสัญญานักบาส NBA ✅ บริษัทเทคโนโลยีใหญ่กำลังแข่งขันกันดึงตัวนักวิจัย AI ด้วยข้อเสนอระดับร้อยล้านดอลลาร์ ➡️ ไม่มีเพดานเงินเดือนเหมือนทีมกีฬา ➡️ ใช้กลยุทธ์แบบ “เจ้าของทีม” เพื่อจีบผู้มีพรสวรรค์ ✅ การแย่งชิงบุคลากร AI กลายเป็นปรากฏการณ์บนโซเชียลมีเดีย คล้ายช่วงซื้อขายนักกีฬา ➡️ มีการโพสต์กราฟิกแนว ESPN เพื่อประกาศการ “ย้ายทีม” ➡️ ผู้คนติดตามการย้ายงานของนักวิจัยเหมือนติดตามกีฬา ✅ นักวิจัย AI รุ่นใหม่ใช้ “เอเจนต์” และทีมที่ปรึกษาในการต่อรองค่าตอบแทน ➡️ คล้ายกับนักกีฬาอาชีพที่มีทีมดูแลสัญญา ➡️ มีการวางแผนกลยุทธ์เพื่อให้ได้ข้อเสนอสูงสุด ✅ ความขาดแคลนบุคลากรที่เชี่ยวชาญ AI ขั้นสูงเป็นแรงผลักดันให้ค่าตอบแทนพุ่งสูง ➡️ ระบบ AI ต้องใช้ข้อมูลมหาศาลและทรัพยากรคอมพิวเตอร์ระดับสูง ➡️ มีเพียงไม่กี่คนที่มีประสบการณ์กับระบบระดับนี้ ✅ นักวิจัย AI ระดับสูงใน OpenAI และ Google ได้รับค่าตอบแทนเฉลี่ย 10–20 ล้านดอลลาร์ต่อปี ➡️ รวมโบนัส, หุ้น, และสิทธิพิเศษ ➡️ บางรายได้รับเครื่องบินเจ็ตส่วนตัวเพื่อเจรจาสัญญา ✅ การเปิดตัว ChatGPT ในปี 2022 เป็นจุดเปลี่ยนที่ทำให้ตลาดแรงงาน AI พุ่งทะยาน ➡️ บริษัทต่าง ๆ เร่งลงทุนเพื่อเป็นผู้นำด้าน AI ➡️ ทำให้ความต้องการบุคลากรเพิ่มขึ้นแบบก้าวกระโดด ✅ บางนักวิจัยเลือกปฏิเสธข้อเสนอใหญ่เพื่อสร้างสตาร์ทอัพของตัวเอง ➡️ ต้องการอิสระในการวิจัยและพัฒนา ➡️ มองว่าการสร้างนวัตกรรมต้องเริ่มจากความเชื่อ ไม่ใช่เงิน https://www.thestar.com.my/tech/tech-news/2025/08/02/ai-researchers-are-negotiating-us250mil-pay-packages-just-like-nba-stars

‘ทองคำ’ Super Bullish 30/07/68 #กะเทาะหุ้น #ทองคำ #Super Bullish #ตลาดหุ้น #เศรษฐกิจ

🧠 เรื่องเล่าจากห้องแล็บ: เมื่อ NVIDIA เตรียมส่ง N1X SoC ลงสนามแข่งกับ Apple และ AMD ลองจินตนาการว่าแล็ปท็อปเครื่องบางเบาของคุณสามารถเล่นเกมระดับ RTX 4070 ได้โดยใช้พลังงานแค่ครึ่งเดียว และยังมีแบตเตอรี่ที่อึดขึ้นอีกหลายชั่วโมง—นั่นคือเป้าหมายของ NVIDIA กับชิปใหม่ชื่อว่า “N1X SoC” N1X เป็นชิปแบบ ARM ที่พัฒนาโดย NVIDIA ร่วมกับ MediaTek โดยใช้สถาปัตยกรรมเดียวกับ GB10 Superchip ที่ใช้ใน AI mini-PC อย่าง DGX Spark แต่ปรับให้เหมาะกับผู้บริโภคทั่วไป โดยรวม CPU แบบ 20-core และ GPU แบบ Blackwell ที่มี CUDA core เท่ากับ RTX 5070 ถึง 6,144 ตัว! แม้จะยังเป็นตัวต้นแบบ แต่ผลทดสอบจาก Geekbench ก็แสดงให้เห็นว่า iGPU ของ N1X แรงกว่า Apple M3 Max และ AMD 890M แล้ว และถ้าเปิดตัวจริงในปี 2026 ก็อาจเป็นชิป ARM ตัวแรกที่ท้าชน Intel และ AMD ได้อย่างจริงจัง ✅ N1X SoC เป็นชิป ARM สำหรับแล็ปท็อปที่พัฒนาโดย NVIDIA ร่วมกับ MediaTek ➡️ ใช้สถาปัตยกรรม Grace CPU + Blackwell GPU ➡️ มี 20-core CPU แบ่งเป็น 10 Cortex-X925 + 10 Cortex-A725 ✅ GPU ภายในมี 48 SMs หรือ 6,144 CUDA cores เท่ากับ RTX 5070 ➡️ ใช้ LPDDR5X แบบ unified memory สูงสุด 128GB ➡️ รองรับงาน AI, เกม และการประมวลผลทั่วไป ✅ ผลทดสอบ Geekbench แสดงคะแนน OpenCL ที่ 46,361 ➡️ สูงกว่า iGPU ของ Apple M3 Max และ AMD 890M ➡️ แม้ยังเป็นตัวต้นแบบที่รันที่ 1.05 GHz เท่านั้น ✅ เป้าหมายคือแล็ปท็อปบางเบาที่มีประสิทธิภาพระดับ RTX 4070 แต่ใช้พลังงานเพียง 65W–120W ➡️ เทียบกับ RTX 4070 ที่ใช้พลังงาน 120W ขึ้นไป ➡️ เหมาะกับเกมเมอร์, นักพัฒนา AI และผู้ใช้ทั่วไป ✅ คาดว่าจะเปิดตัวในไตรมาส 1 ปี 2026 ➡️ อาจเปิดตัวพร้อม Windows เวอร์ชันใหม่ที่รองรับ AI เต็มรูปแบบ ➡️ Dell Alienware อาจเป็นแบรนด์แรกที่ใช้ชิปนี้ในโน้ตบุ๊กเกมรุ่นใหม่ ‼️ ยังไม่มีวันเปิดตัวแน่นอน และอาจเลื่อนออกไปอีก ⛔ เดิมคาดว่าจะเปิดตัวปลายปี 2025 แต่เลื่อนเป็น Q1 2026 ⛔ ปัญหาด้านฮาร์ดแวร์และการออกแบบยังต้องแก้ไข ‼️ ประสิทธิภาพยังไม่เสถียร เพราะเป็นตัวต้นแบบ ⛔ ความเร็วสัญญาณนาฬิกายังต่ำ และไม่มี GDDR memory ⛔ ต้องรอเวอร์ชันจริงเพื่อดูประสิทธิภาพเต็มที่ ‼️ การใช้ ARM บน Windows ยังมีปัญหาด้านความเข้ากันได้กับซอฟต์แวร์ ⛔ โปรแกรมบางตัวอาจยังไม่รองรับหรือทำงานช้า ⛔ ต้องพึ่งพาการพัฒนา ecosystem จาก Microsoft และนักพัฒนา ‼️ การแข่งขันกับ Apple, AMD และ Intel ยังเข้มข้น ⛔ Apple M4, AMD Ryzen AI MAX และ Intel AX series ก็มีแผนเปิดตัวในช่วงเวลาเดียวกัน ⛔ NVIDIA ต้องพิสูจน์ว่า ARM ของตนสามารถทดแทน x86 ได้จริง https://www.tomshardware.com/pc-components/gpus/nvidia-n1x-soc-leaks-with-the-same-number-of-cuda-cores-as-an-rtx-5070-n1x-specs-align-with-the-gb10-superchip

🎮 เรื่องเล่าจากโลกฮาร์ดแวร์: เมื่อ SK hynix ปลุกพลังใหม่ให้การ์ดจอ RTX 50 Super ด้วย GDDR7 ขนาด 3GB ลองนึกภาพว่าคุณกำลังประกอบคอมใหม่เพื่อเล่นเกมระดับ AAA หรือทำงาน AI ที่กินทรัพยากรหนักๆ แต่การ์ดจอรุ่นล่าสุดกลับมี VRAM แค่ 12GB หรือ 16GB ซึ่งอาจไม่พอในอีกไม่กี่ปีข้างหน้า นั่นคือเหตุผลที่ SK hynix ประกาศพัฒนาโมดูลหน่วยความจำ GDDR7 ขนาด 3GB ต่อชิป ซึ่งมากกว่ามาตรฐานเดิมที่ใช้กันมายาวนานถึง 2GB ต่อชิปตั้งแต่ยุค GDDR5! การเปลี่ยนแปลงนี้เปิดทางให้ NVIDIA เตรียมเปิดตัวการ์ดจอ GeForce RTX 50 Super รุ่นใหม่ที่มี VRAM สูงถึง 18GB และ 24GB โดยไม่ต้องเพิ่มจำนวนชิปมากมาย นอกจากจะเพิ่มความจุแล้ว ยังช่วยลดต้นทุน ลดความร้อน และลดการใช้พลังงานอีกด้วย ถือเป็นการเปลี่ยนแปลงที่น่าจับตามองในวงการเกมและ AI เลยทีเดียว ✅ SK hynix ยืนยันการพัฒนาโมดูล GDDR7 ขนาด 3GB ต่อชิป (24Gb) ➡️ เพิ่มจากมาตรฐานเดิมที่ใช้ 2GB ต่อชิป (16Gb) มานานหลายปี ➡️ ช่วยให้การ์ดจอสามารถมี VRAM สูงขึ้นโดยไม่ต้องเพิ่มจำนวนชิป ✅ NVIDIA คาดว่าจะใช้ชิปใหม่ในซีรีส์ RTX 50 Super ที่กำลังจะเปิดตัวปลายปี 2025 หรือต้นปี 2026 ➡️ RTX 5070 Super อาจมี VRAM 18GB (6 ชิป x 3GB) ➡️ RTX 5080 Super และ 5070 Ti Super อาจมี VRAM 24GB (8 ชิป x 3GB) ✅ การ์ดจอ RTX 50 รุ่นปัจจุบันยังใช้ VRAM เท่าเดิมกับ RTX 40 เพราะใช้ชิป 2GB ➡️ RTX 5070 ใช้บัส 192-bit กับ 6 ชิป = 12GB ➡️ RTX 5080 ใช้บัส 256-bit กับ 8 ชิป = 16GB ✅ AMD Radeon RX 9070 มี VRAM 16GB และบัส 256-bit ทำให้บางเกมแรงกว่า RTX 5070 ➡️ หากขายในราคาเท่ากันจะเป็นคู่แข่งที่น่ากลัว ✅ Micron และ Samsung ก็มีแผนผลิตชิป GDDR7 ขนาด 3GB เช่นกัน ➡️ Samsung เริ่มขายในจีนแล้ว แต่ช้าเกินไปสำหรับ RTX 50 รุ่นแรก ‼️ การเพิ่ม VRAM ไม่ได้หมายถึงประสิทธิภาพจะเพิ่มขึ้นเสมอไป ⛔ RTX 5070 Super อาจเพิ่มแค่ไม่กี่ร้อย CUDA cores เท่านั้น ⛔ การเปลี่ยนแปลงอาจเน้นด้านความจุมากกว่าความเร็วจริง ‼️ การ์ดจอที่มี VRAM สูงอาจมีราคาสูงขึ้นตามไปด้วย ⛔ แม้จะลดจำนวนชิป แต่ต้นทุนชิป 3GB ยังสูงกว่าชิป 2GB ⛔ อาจทำให้รุ่น Super ไม่ใช่ตัวเลือกที่คุ้มค่าสำหรับทุกคน ‼️ การใช้ชิปใหม่อาจทำให้เกิดความไม่เข้ากันกับบางระบบหรือซอฟต์แวร์ในช่วงแรก ⛔ ต้องรอการอัปเดตไดรเวอร์และการทดสอบจากผู้ใช้งานจริง ⛔ อาจมีปัญหาเรื่องความร้อนหรือการโอเวอร์คล็อกในบางรุ่น https://www.techspot.com/news/108820-sk-hynix-confirms-3gb-gddr7-modules-paving-way.html

📚 เรื่องเล่าจากโลกไซเบอร์: หนังสือที่เปลี่ยนผู้นำให้กลายเป็นนักคิดเชิงกลยุทธ์ ลองนึกภาพว่าคุณเป็น CISO (Chief Information Security Officer) ที่ต้องรับมือกับภัยคุกคามไซเบอร์ตลอดเวลา ทั้งการโจมตีแบบใหม่ ความเสี่ยงจากพฤติกรรมมนุษย์ และแรงกดดันจากผู้บริหารระดับสูง คุณจะพึ่งพาอะไรเพื่อพัฒนาทักษะการตัดสินใจและความเป็นผู้นำ? คำตอบของผู้นำหลายคนคือ “หนังสือ” — ไม่ใช่แค่คู่มือเทคนิค แต่เป็นแหล่งความรู้ที่ช่วยให้พวกเขาเข้าใจความเสี่ยง มนุษย์ และตัวเองได้ลึกซึ้งขึ้น จากการสำรวจของ CSO Online พบว่า CISO ชั้นนำแนะนำหนังสือหลากหลายแนว ตั้งแต่จิตวิทยาการตัดสินใจอย่าง Thinking, Fast and Slow ไปจนถึงการวัดความเสี่ยงแบบใหม่ใน How to Measure Anything in Cybersecurity Risk และแม้แต่หนังสืออย่าง The Art of Deception ที่เผยกลยุทธ์ของแฮกเกอร์ในการหลอกล่อมนุษย์ สิ่งที่น่าสนใจคือ หลายคนยังแนะนำหนังสือที่ไม่เกี่ยวกับไซเบอร์โดยตรง เช่น The Alchemist หรือ Our Town เพื่อเตือนตัวเองให้กลับมาโฟกัสกับชีวิตและความหมายที่แท้จริง 📙📖 หนังสือที่ช่วยพัฒนาทักษะการวัดและจัดการความเสี่ยง ⭕ ✅ How to Measure Anything in Cybersecurity Risk โดย Douglas Hubbard & Richard Seiersen ➡️ เสนอวิธีวัดความเสี่ยงแบบกึ่งปริมาณที่แม่นยำกว่าการใช้ risk matrix ➡️ ได้รับการแนะนำจากหลาย CISO เช่น Daniel Schatz และ James Blake ✅ Superforecasting โดย Philip Tetlock & Dan Gardner ➡️ เจาะลึกศาสตร์แห่งการพยากรณ์อนาคตอย่างมีหลักการ ➡️ มีตัวอย่างจริงและแนวทางสร้างการคาดการณ์ที่แม่นยำ ⭐📖 หนังสือที่ช่วยลด “เสียงรบกวน” ในการตัดสินใจ ⭕ ✅ Thinking, Fast and Slow โดย Daniel Kahneman ➡️ อธิบายระบบคิดแบบเร็ว (System 1) และช้า (System 2) ➡️ ช่วยให้เข้าใจอคติและข้อผิดพลาดในการตัดสินใจ ✅ Noise โดย Kahneman และทีม ➡️ วิเคราะห์ว่าทำไมมนุษย์ถึงตัดสินใจผิดเพราะ “เสียงรบกวน” ➡️ เสนอวิธีลดความผิดพลาดในการประเมินสถานการณ์ ✅ Yeah, But โดย Marc Wolfe ➡️ ช่วยให้ผู้นำจัดการกับเสียงในหัวที่ขัดขวางการเปลี่ยนแปลง ➡️ ส่งเสริมความชัดเจนในการคิดและการนำทีม ✅ Digital Minimalism โดย Cal Newport ➡️ ส่งเสริมการใช้เทคโนโลยีอย่างมีสติ ➡️ ช่วยปกป้องเวลาและความสนใจของผู้นำ ✅ Better Than Before โดย Gretchen Rubin ➡️ เสนอกรอบการสร้างนิสัยที่ดีเพื่อสนับสนุนเป้าหมายชีวิตและงาน 🙎‍♂️📖 หนังสือที่เน้นความเสี่ยงจากพฤติกรรมมนุษย์ ⭕ ✅ The Art of Deception โดย Kevin Mitnick ➡️ เผยกลยุทธ์ social engineering ที่แฮกเกอร์ใช้หลอกมนุษย์ ➡️ ยังคงเป็นหนังสือพื้นฐานที่มีคุณค่าแม้จะตีพิมพ์มานาน ✅ Secrets and Lies โดย Bruce Schneier ➡️ อธิบายความซับซ้อนของความปลอดภัยดิจิทัล ➡️ เน้นว่าการจัดการพฤติกรรมมนุษย์สำคัญไม่แพ้เทคโนโลยี ✅ Human Hacked โดย Len Noe ➡️ เจาะลึกผลกระทบของ AI ต่อการตัดสินใจของมนุษย์ ➡️ เตือนถึงผลลัพธ์ที่ไม่คาดคิดจากการผสานมนุษย์กับเทคโนโลยี ‼️ ความเสี่ยงจากการละเลยพฤติกรรมมนุษย์ในระบบความปลอดภัย ⛔ องค์กรที่เน้นเทคโนโลยีอย่างเดียวอาจพลาดช่องโหว่จากมนุษย์ ⛔ การไม่เข้าใจ social engineering ทำให้ระบบถูกเจาะง่ายขึ้น 🔝📖 หนังสือที่ช่วยพัฒนาภาวะผู้นำ ⭕ ✅ Dare to Lead โดย Brené Brown ➡️ เน้นความกล้าหาญทางอารมณ์และความยืดหยุ่น ➡️ ส่งเสริมวัฒนธรรมองค์กรที่เปิดกว้างและรับผิดชอบ ✅ Radical Candor โดย Kim Scott ➡️ เสนอกรอบการให้ feedback ที่ตรงไปตรงมาแต่มีความเห็นอกเห็นใจ ➡️ ช่วยสร้างวัฒนธรรมการสื่อสารที่มีประสิทธิภาพ ‼️ ความเสี่ยงจากการเป็นผู้นำที่ขาดความเห็นอกเห็นใจ ⛔ ผู้นำที่เน้นเทคนิคแต่ละเลยมนุษย์อาจสร้างทีมที่ไม่ยั่งยืน ⛔ การขาด feedback ที่มีคุณภาพทำให้ทีมขาดการพัฒนา 🔎📖 หนังสือที่เตือนให้กลับมาโฟกัสกับชีวิต ⭕ ✅ Our Town โดย Thornton Wilder ➡️ เตือนให้เห็นคุณค่าของชีวิตประจำวันและความสัมพันธ์ ➡️ ช่วยให้ผู้นำกลับมาโฟกัสกับสิ่งสำคัญนอกเหนือจากงาน ✅ The Alchemist โดย Paulo Coelho ➡️ เรื่องราวการเดินทางตามความฝันที่เต็มไปด้วยบทเรียนชีวิต ➡️ สะท้อนความกล้าหาญในการเลือกเส้นทางที่ไม่เป็นไปตามกรอบเดิม ✅ Get Out of I.T. While You Can โดย Craig Schiefelbein ➡️ ท้าทายให้ผู้นำไอทีทบทวนบทบาทและคุณค่าของตน ➡️ กระตุ้นให้สร้างผลกระทบเชิงกลยุทธ์มากกว่าการทำงานเชิงเทคนิค https://www.csoonline.com/article/4027000/the-books-shaping-todays-cybersecurity-leaders.html

🧠 เรื่องเล่าจากข่าว: Meta ดึง “สมองเบื้องหลัง ChatGPT” มาสร้าง AI ที่ฉลาดกว่ามนุษย์ ลองจินตนาการว่า Meta ไม่ได้แค่สร้างแอปโซเชียล แต่กำลังสร้าง “AI ที่ฉลาดระดับมนุษย์” หรือที่เรียกว่า Superintelligence — และเพื่อให้ฝันนี้เป็นจริง Mark Zuckerberg จึงดึงตัว Shengjia Zhao นักวิจัยระดับตำนานจาก OpenAI ผู้ร่วมสร้าง ChatGPT และ GPT-4 มาเป็นหัวหน้าทีมนักวิทยาศาสตร์ของ Meta Superintelligence Lab Zhao ไม่ใช่แค่ผู้ร่วมสร้างโมเดล AI ที่คนทั่วโลกใช้ แต่ยังเป็นผู้นำด้าน “AI reasoning” หรือความสามารถในการคิดวิเคราะห์ของโมเดล ซึ่งเป็นหัวใจสำคัญของการพัฒนา AI ที่เข้าใจโลกได้จริง Meta ตั้งห้องแล็บนี้ขึ้นมาเพื่อรวมงานวิจัยจากโมเดล Llama และเป้าหมายระยะยาวในการสร้าง “ปัญญาประดิษฐ์ทั่วไป” (AGI) โดยแยกออกจากแล็บ FAIR ที่นำโดย Yann LeCun เพื่อให้มีความคล่องตัวและโฟกัสกับการสร้างโมเดลระดับแนวหน้า ✅ Meta แต่งตั้ง Shengjia Zhao เป็นหัวหน้าทีมนักวิทยาศาสตร์ของ Superintelligence Lab ➡️ Zhao เป็นผู้ร่วมสร้าง ChatGPT, GPT-4 และโมเดลย่อยของ OpenAI เช่น 4.1 และ o3 ➡️ เคยเป็นนักวิจัยหลักด้าน synthetic data และ AI reasoning ที่ OpenAI ✅ Superintelligence Lab เป็นหน่วยงานใหม่ของ Meta ที่เน้นการสร้าง AGI ➡️ แยกจากแล็บ FAIR ที่เน้นวิจัยระยะยาว ➡️ มีเป้าหมายสร้าง “full general intelligence” และเปิดเผยงานวิจัยเป็น open source ✅ Zhao จะทำงานร่วมกับ CEO Mark Zuckerberg และ Chief AI Officer Alexandr Wang ➡️ Wang เคยเป็น CEO ของ Scale AI และถูกดึงตัวมาร่วมทีม ➡️ Zhao จะกำหนดทิศทางงานวิจัยและเป้าหมายทางวิทยาศาสตร์ของแล็บ ✅ Meta เร่งดึงนักวิจัยจาก OpenAI และบริษัทคู่แข่ง ➡️ มีการเสนอบรรจุเงินเดือนระดับ 8–9 หลัก พร้อมข้อเสนอที่หมดอายุในไม่กี่วัน ➡️ เป็นส่วนหนึ่งของ “สงครามแย่งสมอง” ในวงการ AI ✅ Superintelligence Lab จะรวมงานจากโมเดล Llama และวิจัยระยะยาว ➡️ เน้นการพัฒนาโมเดล reasoning ที่สามารถคิดวิเคราะห์ได้ลึก ➡️ เตรียมใช้คลัสเตอร์ Prometheus ขนาด 1 กิกะวัตต์ในโอไฮโอสำหรับเทรนโมเดล https://www.thestar.com.my/tech/tech-news/2025/07/26/meta-names-chatgpt-co-creator-as-chief-scientist-of-superintelligence-lab

In nestled sunflowers bloom with my super adorable buddy.

ลุงนี้ร้อง "อ้าววววว..." เลย 🎙️ เรื่องเล่าจากชิปที่รอเวลา: เมื่อ AI PC ต้องรอทั้ง Windows และตลาดให้พร้อม N1X เป็นแพลตฟอร์ม AI PC ที่ร่วมพัฒนาโดย Nvidia และ MediaTek โดยมีเป้าหมายเพื่อแข่งขันกับ Intel, AMD และ Qualcomm ในตลาดพีซีที่รองรับการประมวลผล AI โดยตรง เดิมทีคาดว่าจะเปิดตัวใน Q3 ปี 2025 แต่กลับไม่ปรากฏในงาน Computex ล่าสุด ทำให้เกิดข้อสงสัยเรื่องความพร้อมของผลิตภัณฑ์ รายงานล่าสุดจาก DigiTimes ระบุว่า: - Microsoft ยังไม่พร้อมเปิดตัวระบบปฏิบัติการใหม่ที่รองรับฟีเจอร์ AI เต็มรูปแบบ - ความต้องการในตลาดโน้ตบุ๊กและเดสก์ท็อปยังไม่ฟื้นตัวเต็มที่ - Nvidia ยังต้องปรับแก้ชิปจากข้อบกพร่องเดิมที่เคยมีรายงานจาก SemiAccurate Nvidia และ MediaTek จึงเลือกเน้นตลาดองค์กรก่อน โดยหวังว่าจะมีการยอมรับในกลุ่ม commercial ก่อนขยายไปยัง consumer นอกจากนี้ ทั้งสองบริษัทยังร่วมมือกันในหลายโครงการ เช่น: - Automotive AI ผ่านแพลตฟอร์ม Dimensity Auto - Edge AI ด้วย Nvidia TAO Toolkit และ MediaTek NeuroPilot - การพัฒนา DGX Spark — AI supercomputer ขนาดเล็ก - การร่วมมือในโครงการ Google v7e TPU ที่จะผลิตจริงในปี 2026 ✅ Nvidia และ MediaTek เลื่อนเปิดตัวแพลตฟอร์ม N1X AI PC ไปเป็น Q1 ปี 2026 ➡️ เดิมคาดว่าจะเปิดตัวใน Q3 ปี 2025 แต่ไม่ปรากฏในงาน Computex ✅ สาเหตุหลักคือ Microsoft ยังไม่พร้อมเปิดตัวระบบปฏิบัติการใหม่ที่รองรับ AI เต็มรูปแบบ ➡️ ส่งผลให้ ecosystem โดยรวมยังไม่พร้อมสำหรับการเปิดตัว N1X ✅ ความต้องการในตลาดโน้ตบุ๊กและเดสก์ท็อปยังอ่อนตัวลง ➡️ ทำให้การเปิดตัวใน consumer segment ถูกเลื่อนออกไป ✅ Nvidia ยังต้องปรับแก้ชิปจากข้อบกพร่องเดิมที่เคยมีรายงาน ➡️ รวมถึงการปรับกลยุทธ์ด้านการผลิตและการตลาด ✅ N1X มีพลังประมวลผล AI สูงถึง 180–200 TOPS ➡️ ถือเป็นการเข้าสู่ตลาดพีซีครั้งใหญ่ที่สุดของ MediaTek ✅ OEM และ ODM หลายรายเตรียมออกแบบผลิตภัณฑ์รองรับ N1X เช่น Dell, HP, Lenovo, Asus, MSI ➡️ ทั้งในรูปแบบโน้ตบุ๊กและเดสก์ท็อป ✅ Nvidia และ MediaTek ร่วมมือในหลายโครงการ เช่น automotive AI, edge AI, และ TPU ของ Google ➡️ คาดว่าจะสร้างรายได้รวมกว่า $4 พันล้านดอลลาร์ https://www.tomshardware.com/tech-industry/semiconductors/nvidias-desktop-pc-chip-holdup-purportedly-tied-to-windows-delays-ongoing-chip-revisions-and-weakening-demand-also-blamed

🎙️ เรื่องเล่าจากเดสก์ท็อปที่แรงกว่าเซิร์ฟเวอร์: เมื่อซูเปอร์ชิป AI มาอยู่ในเครื่องธรรมดา ก่อนหน้านี้ Nvidia GB300 Grace Blackwell Ultra ถูกใช้เฉพาะใน DGX Station สำหรับองค์กรขนาดใหญ่ แต่ตอนนี้ Asus, Lambda และ OEM รายอื่นเริ่มนำชิปนี้มาใช้ในเวิร์กสเตชันทั่วไป — เพื่อให้ผู้ใช้งาน AI ระดับมืออาชีพเข้าถึงพลังประมวลผลแบบไม่ต้องพึ่งคลาวด์ ExpertCenter Pro ET900N G3 มีจุดเด่นคือ: - ใช้ CPU Grace (ARM-based) + GPU Blackwell Ultra - หน่วยความจำรวม LPDDR5X + HBM3E สูงสุด 784GB - Tensor Core รุ่นใหม่ที่รองรับ FP4 สำหรับงาน AI - พลังประมวลผลสูงถึง 20 PFLOPS - รองรับ DGX OS และ ConnectX-8 SuperNIC (800 Gb/s) นอกจากนี้ยังมีความสามารถในการขยาย: - PCIe x16 จำนวน 3 ช่องสำหรับ GPU เพิ่มเติม - M.2 SSD 3 ช่อง - ระบบจ่ายไฟสูงสุด 1,800W สำหรับ GPU แม้หน้าตาจะดูเรียบง่าย แต่ประสิทธิภาพเทียบได้กับเซิร์ฟเวอร์ระดับ rack ที่ใช้ในศูนย์ข้อมูล AI ขนาดใหญ่ ✅ Asus เปิดตัว ExpertCenter Pro ET900N G3 ใช้ชิป Nvidia GB300 Grace Blackwell Ultra ➡️ เป็นเวิร์กสเตชันเดสก์ท็อปที่มีพลังประมวลผลสูงถึง 20 PFLOPS ✅ ใช้หน่วยความจำรวม LPDDR5X + HBM3E สูงสุด 784GB ➡️ รองรับงาน AI ขนาดใหญ่ เช่นการเทรนโมเดลและ inference ✅ ใช้ CPU Grace (ARM-based) ร่วมกับ GPU Blackwell Ultra ➡️ เป็นแพลตฟอร์มเดียวกับ DGX Station ที่เปิดตัวใน GTC 2025 ✅ รองรับ DGX OS และ ConnectX-8 SuperNIC ความเร็ว 800 Gb/s ➡️ เหมาะสำหรับงานที่ต้องการการเชื่อมต่อความเร็วสูง ✅ มีช่อง PCIe x16 จำนวน 3 ช่อง และ M.2 SSD 3 ช่อง ➡️ รองรับการขยาย GPU และพื้นที่จัดเก็บข้อมูล ✅ ระบบจ่ายไฟรองรับสูงสุด 1,800W สำหรับ GPU ➡️ ใช้หัวต่อ 12V-2×6 แบบใหม่ที่รองรับการ์ดระดับสูง ✅ Nvidia ร่วมมือกับ OEM เช่น Asus, Dell, Lambda เพื่อขยายตลาด AI workstation ➡️ ไม่จำกัดเฉพาะ DGX อีกต่อไป ✅ Dell เริ่มใช้ GB300 NVL72 ในศูนย์ข้อมูล CoreWeave แล้ว ➡️ ให้พลัง FP4 inference สูงถึง 1.1 exaFLOPS ต่อ rack https://www.tomshardware.com/pc-components/gpus/asus-brings-nvidias-gb300-blackwell-ultra-desktop-superchip-to-workstations-features-up-to-784gb-of-coherent-memory-20-pflops-ai-performance

🎙️ เรื่องเล่าจาก Silicon Valley: เมื่อ AI ไม่ได้แค่เปลี่ยนเทคโนโลยี แต่เปลี่ยนความสัมพันธ์ของคน กรณีที่เด่นที่สุดเกิดกับ Windsurf บริษัทสตาร์ทอัพ AI ที่กำลังจะขายให้ OpenAI ในมูลค่า $3B — แต่ CEO Varun Mohan กลับ ล้มดีล และลาออกไปร่วมทีม Google พร้อมพาทีมงานหลักบางส่วนตามไปด้วย ข่าวนี้กระทบแรง เพราะทีมงาน Windsurf ส่วนใหญ่หวังว่าจะได้เงิน payout จากการเข้าซื้อ และบางคนถึงขั้นถ่ายวิดีโอโหมโรงไว้แล้วเพื่อเฉลิมฉลอง — กลับกลายเป็นคลิปบันทึก “การล่มสลาย” ของบริษัท แต่ภายในไม่กี่วัน Cognition บริษัท AI ที่เล็กกว่าแต่กำลังโตไวก็เข้ามาซื้อ Windsurf แทน โดย CEO Jeff Wang บอกว่าจะจ่ายเงินให้พนักงานทุกคนไม่ว่าจะอยู่มานานแค่ไหน — สร้างบรรยากาศ “คืนชีวิต” ให้ทีมงานอีกครั้ง ด้าน Meta กลายเป็นผู้เล่นที่ดุเดือดที่สุด — Mark Zuckerberg ทุ่มตัวเองลงไปล่าผู้เชี่ยวชาญจาก OpenAI, Google DeepMind, Apple และ Anthropic ด้วยข้อเสนอที่มากกว่า $300 ล้านภายใน 4 ปี (จ่ายปีแรกถึงหนึ่งในสาม) แต่แม้จะทุ่มเงินมากขนาดนั้น Meta ก็ยังขาด “หัวหน้าฝ่ายวิจัย” และยังไม่ได้ตัวบุคคลสำคัญที่ต้องการ เช่นในกรณีของ Safe Superintelligence ที่ Daniel Gross ถูก Meta ล่อตัวไป จนทิ้งผู้ร่วมก่อตั้ง Ilya Sutskever ไปอย่างเจ็บปวด เทียบอีกเคสคือ Alexandr Wang ผู้ก่อตั้ง Scale AI ที่เคยเป็นดาวรุ่ง — ถูก Meta ดึงตัวไปเปิดแล็บใหม่และลงทุน $14B กับบริษัทของเขา แต่ผลคือ Scale สูญเสียดีลสำคัญกับ OpenAI และ Google พร้อมต้องปลดพนักงาน 14% ในเวลาสั้น ๆ เสียงสะท้อนจาก Sam Altman ของ OpenAI บอกว่า “ภูมิใจในความยึดมั่นพันธกิจในวงการนี้” แต่มองเห็น “การล่าโดยพวกจอมทัพ mercenaries” ที่ทำให้วงการเปลี่ยนจากความฝัน มาเป็นเรื่องของเงินและอำนาจ ✅ Windsurf เคยอยู่ระหว่างดีลขายให้ OpenAI มูลค่า $3B แต่ CEO เลิกดีลกลางทาง ➡️ Varun Mohan ไปเข้าร่วมทีม Google พร้อมพาทีมหลักตามไป ✅ ภายในไม่กี่วัน Cognition เข้าซื้อ Windsurf และให้พนักงานทุกคนได้ส่วนแบ่ง ➡️ ทำให้กำลังใจกลับมาแม้ดีลแรกถูกล้มกลางทาง ✅ Meta เสนอค่าตอบแทนมากกว่า $300M ต่อคนในบางกรณีเพื่อดึงนักวิจัย AI ➡️ แบ่งจ่ายปีแรกหนึ่งในสามเป็นการจูงใจ ✅ Mark Zuckerberg ลงมาล่าผู้เชี่ยวชาญด้วยตัวเอง ไม่ใช่แค่ส่งทีม HR ➡️ มีเป้าหมายสร้างแล็บเพื่อ AI ระดับ “superintelligence” ✅ Alexandr Wang จาก Scale AI ถูก Meta ดึงตัว — ส่งผลให้ Scale เสียดีลสำคัญ ➡️ บริษัทประกาศปลดพนักงาน 14% หลังจากนั้น ✅ Daniel Gross จาก Safe Superintelligence ถูกดึงตัว ทำให้ Sutskever ต้องแยกทาง ➡️ กระทบต่อทีมวิจัยที่เคยมีพันธกิจร่วมกัน https://www.techspot.com/news/108733-silicon-valley-ai-boom-turns-battle-brains-ndash.html

🎙️ เรื่องเล่าจากโลกรีโทรที่กลับมาแบบ Next-Gen: Analogue 3D คืนชีพ Nintendo 64 อย่างสง่างาม หากย้อนกลับไปปี 1996 ตอนที่ Nintendo 64 เปิดตัวพร้อมเกม Super Mario 64 และ Pilotwings 64 โลกเกมเริ่มเข้าสู่ยุค 3D อย่างเต็มตัว แม้จะใช้ตลับแทนแผ่น CD เหมือนคู่แข่งอย่าง PlayStation แต่มันก็สร้างความคลาสสิกที่อยู่ในใจคอเกมหลายล้านคนมาจนถึงทุกวันนี้ ล่าสุด Analogue บริษัทที่เชี่ยวชาญด้านฮาร์ดแวร์รีโทรแบบ “ระดับพรีเมียม” ได้เตรียมวางจำหน่าย Analogue 3D ในเดือนสิงหาคม 2025 หลังจากเลื่อนจากต้นปีเนื่องจากเรื่องภาษีอย่างกะทันหัน แต่ข่าวดีคือบริษัทจะรับภาระค่าใช้จ่ายเพิ่มเอง ไม่คิดจากลูกค้า จุดเด่นของเครื่องนี้คือการสร้างจาก FPGA (Field Programmable Gate Array) ไม่ใช่การจำลองด้วยซอฟต์แวร์ ทำให้มันสามารถเล่นตลับเกม N64 ได้โดยตรง พร้อมรองรับ 4K resolution และอุปกรณ์เสริมแท้ของยุคนั้น เช่น Expansion Pak ไม่ใช่แค่ “เครื่องที่สวย” แต่ยังมาพร้อมเทคโนโลยีใหม่ ๆ เช่น: - Bluetooth Low Energy - Wi-Fi แบบ Dual Band - HDMI output - รองรับ SD card 16GB และสาย USB-C ราคาเปิดตัวอยู่ที่ $249.99 มีให้เลือกสองสี — ดำและขาว และขายหมดเกลี้ยงไปแล้ว ไม่มีการเปิดพรีออเดอร์เพิ่มในตอนนี้ https://www.techspot.com/news/108724-analogue-modern-take-nintendo-64-ship-august.html

🎙️ เรื่องเล่าจากโลกความเร็วเหนือเสียง: X-59 ของ NASA กับภารกิจลดเสียงบูมให้เงียบลง NASA ร่วมกับ Lockheed Martin พัฒนาเครื่องบิน X-59 ตั้งแต่ปี 2023 โดยมีเป้าหมายเพื่อทดสอบการบินเหนือเสียงแบบเงียบ ซึ่งจะช่วยให้การเดินทางด้วยความเร็วเหนือเสียงสามารถกลับมาใช้งานเชิงพาณิชย์ได้โดยไม่รบกวนชุมชน ล่าสุดเมื่อวันที่ 10 กรกฎาคม 2025 X-59 ได้เริ่มทดสอบการวิ่งบนรันเวย์ที่ฐานทัพอากาศ Plant 42 ในเมือง Palmdale รัฐแคลิฟอร์เนีย โดยใช้พลังงานภายในของตัวเครื่องเป็นครั้งแรก ซึ่งเป็นขั้นตอนสำคัญก่อนการบินจริง X-59 มีดีไซน์พิเศษ เช่น: - ไม่มีหน้าต่างด้านหน้า เพราะจมูกเครื่องบินยาวมาก - ใช้ระบบกล้องและจอภาพแทนการมองด้วยสายตา - ความยาวเกือบ 100 เมตร โดยจมูกเครื่องคิดเป็น 1 ใน 3 - ออกแบบให้ shockwave ไม่รวมกันที่ท้ายเครื่อง เพื่อลดเสียงบูม ภารกิจ Quesst จะทดสอบการบินที่ความเร็ว 1.5 เท่าของเสียง และประเมินว่าเสียงบูมที่เกิดขึ้นจะเงียบพอสำหรับการใช้งานในเมืองหรือไม่ https://wccftech.com/nasa-gears-up-to-fly-supersonic-jet-to-test-quiet-sonic-booms/

🎙️ เรื่องเล่าจากโลกชิปโน้ตบุ๊ก: Nova Lake-AX จาก Intel กับภารกิจโค่น Strix Halo Intel กำลังพัฒนา Nova Lake-AX ซึ่งเป็นชิปโน้ตบุ๊กแบบ APU ที่รวม CPU และ GPU ไว้ในตัวเดียว โดยมีเป้าหมายเพื่อแข่งขันกับ AMD Strix Halo ที่สามารถให้ประสิทธิภาพกราฟิกเทียบเท่าการ์ดจอแยกระดับ RTX 4070 Nova Lake-AX จะเป็นครั้งแรกที่ Intel ใช้รหัส “AX” ในสายผลิตภัณฑ์ โดยคาดว่าจะมีสเปกใกล้เคียงกับ Core Ultra 9 285HX ที่มี GPU 4 คอร์ และ Arrow Lake-HX ที่มี 6–8 P-core และ 8–16 E-core โดยไม่มี hyperthreading เพื่อประหยัดพลังงาน ในฝั่ง AMD Strix Halo รุ่นสูงสุดคือ Ryzen AI Max+ 395 ที่มี 40 GPU compute units และรองรับ RAM แบบ soldered สูงสุดถึง 128GB ซึ่งให้ประสิทธิภาพสูงแต่ไม่สามารถอัปเกรด RAM ได้ Nova Lake-AX คาดว่าจะใช้แพ็กเกจ BGA2540 แบบเดียวกับ Panther Lake-HX และเปิดตัวในปี 2026 โดยรุ่นสำหรับโน้ตบุ๊กอาจวางจำหน่ายจริงในต้นปี 2027 ✅ Intel เตรียมเปิดตัวชิปโน้ตบุ๊ก Nova Lake-AX แบบ APU ➡️ รวม CPU และ GPU ไว้ในตัวเดียวเพื่อรองรับงานกราฟิกระดับสูง ✅ Nova Lake-AX ถูกออกแบบมาเพื่อแข่งขันกับ AMD Strix Halo ➡️ โดยเฉพาะรุ่น Ryzen AI Max+ 395 ที่มี GPU 40 compute units ✅ เป็นครั้งแรกที่ Intel ใช้รหัส “AX” ในสายผลิตภัณฑ์ ➡️ สื่อถึงชิปที่เน้นกราฟิกในระดับสูงสำหรับเกมและงานสร้างสรรค์ ✅ Arrow Lake-HX ไม่มี hyperthreading เพื่อประหยัดพลังงาน ➡️ มี 6–8 P-core และ 8–16 E-core พร้อม TDP 55–160W ✅ AMD Strix Halo รองรับ RAM แบบ soldered สูงสุด 128GB ➡️ ให้ประสิทธิภาพสูงแต่ไม่สามารถอัปเกรด RAM ได้ภายหลัง ✅ Nova Lake-AX คาดว่าจะใช้แพ็กเกจ BGA2540 ➡️ แบบเดียวกับ Panther Lake-HX สำหรับโน้ตบุ๊กระดับสูง ✅ ชิป Nova Lake คาดว่าจะเปิดตัวในปี 2026 ➡️ รุ่นโน้ตบุ๊กอาจวางจำหน่ายจริงในต้นปี 2027 https://www.tomshardware.com/pc-components/cpus/intel-reportedly-prepping-supercharged-nova-lake-ax-mobile-chips-for-gaming-team-blues-high-performance-apu-to-rival-amds-strix-halo

🎙️ เรื่องเล่าจากโลกกราฟิกเกม: Intel เปิดตัว CGVQM เครื่องมือ AI วัดคุณภาพภาพเกมแบบเรียลไทม์ ในยุคที่เกมสมัยใหม่ใช้เทคนิคเรนเดอร์ขั้นสูง เช่น supersampling, denoising, frame interpolation และ shading แบบปรับอัตราอัตโนมัติ การประเมินคุณภาพภาพด้วยสายตาอาจไม่แม่นยำพอ Intel จึงเปิดตัว CGVQM ซึ่งเป็นโมเดล AI ที่สามารถวิเคราะห์และให้คะแนนคุณภาพภาพของเกมได้อย่างแม่นยำและเป็นกลาง CGVQM ประกอบด้วย 2 ส่วนหลัก: 1️⃣ ชุดข้อมูลวิดีโอ CGVQD ที่รวบรวมตัวอย่างภาพผิดเพี้ยนจากเทคนิคเรนเดอร์ต่าง ๆ 2️⃣ โมเดล AI แบบ 3D-ResNet ที่ถูกฝึกให้รู้จักความผิดเพี้ยน เช่น ghosting, flicker, aliasing และ disocclusion โดยเทียบกับการให้คะแนนจากมนุษย์ ผลการทดสอบพบว่า CGVQM-5 มีความแม่นยำใกล้เคียงกับการประเมินของมนุษย์ ส่วน CGVQM-2 ก็ยังติดอันดับ 3 จากเครื่องมือทั้งหมดที่นำมาทดสอบ เครื่องมือนี้เปิดให้ใช้งานฟรีบน GitHub ในรูปแบบ PyTorch application และสามารถนำไปใช้วิเคราะห์คุณภาพภาพของเกมหรือแอปพลิเคชันกราฟิกแบบเรียลไทม์ได้ทันที ✅ Intel เปิดตัว CGVQM เครื่องมือ AI สำหรับวัดคุณภาพภาพเกม ➡️ ใช้โมเดล 3D convolutional neural network (3D-ResNet-18) ✅ CGVQM ประเมินภาพผิดเพี้ยนจากเทคนิคเรนเดอร์สมัยใหม่ ➡️ เช่น DLSS, FSR, XeSS, Gaussian splatting, frame gen, denoising ✅ สร้างชุดข้อมูล CGVQD เพื่อฝึกโมเดล AI ➡️ ประกอบด้วยวิดีโอที่มี distortions หลากหลายรูปแบบ ✅ ใช้การให้คะแนนจากมนุษย์เป็น baseline ➡️ เพื่อฝึกโมเดลให้เข้าใจความรู้สึกต่อภาพผิดเพี้ยน ✅ CGVQM-5 มีความแม่นยำใกล้เคียงกับมนุษย์ ➡️ ส่วน CGVQM-2 ก็ยังติดอันดับ 3 จากเครื่องมือที่ทดสอบ ✅ เปิดให้ใช้งานฟรีบน GitHub ในรูปแบบ PyTorch ➡️ เหมาะสำหรับนักพัฒนาเกมและนักวิจัยด้านกราฟิก ‼️ CGVQM ยังไม่เป็นมาตรฐานอุตสาหกรรม ⛔ ต้องรอการยอมรับจากนักพัฒนาและผู้ผลิตเกมในวงกว้าง ‼️ โมเดล AI อาจไม่แม่นยำกับวิดีโอที่อยู่นอกชุดข้อมูลฝึก ⛔ แม้จะมีความสามารถในการ generalize แต่ยังต้องทดสอบเพิ่มเติม ‼️ การใช้โมเดล 3D-CNN ต้องใช้ทรัพยากรค่อนข้างสูง ⛔ อาจไม่เหมาะกับการประเมินแบบเรียลไทม์ในระบบที่จำกัด ‼️ ยังไม่มีการเปรียบเทียบกับโมเดลแบบ transformer อย่างละเอียด ⛔ ซึ่งอาจให้ผลลัพธ์ที่ดีกว่าในอนาคตแต่ต้องใช้พลังประมวลผลมาก https://www.tomshardware.com/video-games/pc-gaming/intel-releases-new-tool-to-measure-gaming-image-quality-in-real-time-ai-tool-measures-impact-of-upscalers-frame-gen-others-computer-graphics-video-quality-metric-now-available-on-github

🎙️ เรื่องเล่าจากโลกชิปเก่า: Rise mP6 266—ชิปที่หายากที่สุดในตระกูล x86 ในปี 1998 บริษัท Rise Technology เปิดตัวชิป mP6 266 หลังจากใช้เวลาพัฒนานานถึง 5 ปี โดยหวังจะเป็นคู่แข่งของ Intel และ AMD ในยุคที่ Socket 7 ยังเป็นมาตรฐานของเมนบอร์ด ชิปนี้ถูกออกแบบให้รองรับชุดคำสั่ง MMX และทำงานบนเมนบอร์ด Super Socket 7 เช่น Asus P5A-B ที่ใช้ชิปเซ็ต ALi Aladdin V ซึ่งรองรับ CPU จากหลายค่ายในยุคนั้น เช่น Intel Pentium MMX, AMD K6, Cyrix MII และ WinChip แม้ชื่อจะระบุว่า “266” แต่จริง ๆ แล้วความเร็วของชิปอยู่ที่ 200MHz โดยใช้เทคนิค “P-rating” เพื่อให้ดูเทียบเท่า Pentium 266 ของ Intel ซึ่งเป็นกลยุทธ์ที่ AMD และ Cyrix ก็เคยใช้เช่นกัน Rise mP6 มีแรงดันไฟสูงถึง 2.832V แต่ใช้พลังงานเพียง 8.54W ทำให้สามารถใช้ระบบระบายความร้อนแบบ passive ได้ในยุคนั้น ชิปนี้หายากมากในปัจจุบัน เพราะ Rise ถอนตัวจากธุรกิจ CPU ในปี 1999 ทำให้มีจำนวนจำกัดในตลาดมือสอง และกลายเป็นของสะสมที่นักสะสมชิปอย่าง “konkretor” ภูมิใจนำเสนอ ✅ Rise mP6 266 เปิดตัวในปี 1998 หลังพัฒนา 5 ปี ➡️ เป็นชิป x86 ที่รองรับ MMX และใช้กับเมนบอร์ด Super Socket 7 ✅ ใช้เทคนิค P-rating เพื่อให้ดูเทียบเท่า Pentium 266 ➡️ แม้ความเร็วจริงจะอยู่ที่ 200MHz ✅ เมนบอร์ด Asus P5A-B รองรับ CPU จากหลายค่ายในยุคนั้น ➡️ Intel, AMD, Cyrix, WinChip ✅ ชิปใช้แรงดันไฟ 2.832V และมี TDP เพียง 8.54W ➡️ ทำให้ใช้ระบบระบายความร้อนแบบ passive ได้ ✅ ชิปถูกผลิตโดย TSMC ด้วยกระบวนการ 250nm ➡️ มีเอกสารข้อมูลของรุ่น 333 และ 366 MHz ยังหลงเหลืออยู่ ✅ ชิปที่นำมาโชว์ถูกซื้อจาก eBay ประเทศจีน ➡️ เป็นของใหม่เก่าเก็บ (new old stock) ไม่มีเรื่องราวพิเศษ ‼️ Rise ถอนตัวจากธุรกิจ CPU ในปี 1999 ⛔ ทำให้ชิปตระกูลนี้ไม่มีการสนับสนุนหรือพัฒนาเพิ่มเติม ‼️ ความเร็วที่ระบุในชื่อรุ่นอาจทำให้ผู้ใช้เข้าใจผิด ⛔ เช่น “266” แต่ทำงานจริงที่ 200MHz ‼️ ไม่มีข้อมูลทางเทคนิคอย่างละเอียดสำหรับรุ่น 266 โดยตรง ⛔ ต้องอ้างอิงจากรุ่นใกล้เคียง เช่น 333 และ 366 MHz ‼️ ชิปนี้ไม่เหมาะสำหรับการใช้งานจริงในยุคปัจจุบัน ⛔ เหมาะสำหรับการสะสมหรือการทดลองเชิงประวัติศาสตร์เท่านั้น https://www.tomshardware.com/pc-components/cpus/chip-collector-showcases-rarest-x86-cpu-in-their-hoard-rise-mp6-266-ticked-along-at-200mhz-in-1998

เมื่อวันที่ 10 กรกฎาคม 2025 Elon Musk และทีม xAI เปิดตัว Grok 4 ซึ่งเป็นโมเดล AI แบบมัลติโหมดรุ่นล่าสุด โดยมีจุดเด่นด้านการเข้าใจภาษา การแก้โจทย์คณิตศาสตร์ และการให้เหตุผลอย่างลึกซึ้ง Grok 4 มีหลายเวอร์ชัน โดยเวอร์ชัน “Heavy” ที่ใช้เครื่องมือหลายตัวพร้อมกัน (multi-agent tools) ทำคะแนนได้สูงมากในหลายการทดสอบ เช่น: - Humanity’s Last Exam (HLE): Grok 4 Heavy ทำคะแนนได้ 44.4% สูงกว่า Gemini 2.5 Pro ที่ใช้เครื่องมือ (26.9%) - ARC-AGI-2: Grok 4 ได้ 16.2% ซึ่งสูงกว่า Claude Opus 4 เกือบเท่าตัว - MMLU: ได้คะแนน 86.6% และมี Intelligence Index สูงถึง 73 ซึ่งนำหน้าทั้ง OpenAI และ Google ในด้าน STEM และการเขียนโค้ด: - GPQA: Grok 4 ได้ 87.5%, ส่วน Grok 4 Heavy ได้ 88.9% - AIME: Grok 4 Heavy ได้คะแนนเต็ม 100% - SWE-Bench: Grok 4 Code (จะเปิดตัวเดือนสิงหาคม) ทำคะแนนได้ 72–75% Elon Musk ระบุว่า Grok 4 “แทบไม่เคยตอบผิดในข้อสอบฟิสิกส์หรือคณิตศาสตร์เลย” และสามารถตรวจจับข้อผิดพลาดในคำถามได้ด้วย ด้านราคาการใช้งาน: - API ราคาเท่า Grok 3: $3/$15 ต่อ 1 ล้าน tokens แพ็กเกจผู้ใช้ทั่วไป: - ฟรี: เข้าถึง Grok 3 แบบจำกัด - SuperGrok ($30/เดือน): เข้าถึง Grok 3 และ Grok 4 - SuperGrok Heavy ($300/เดือน): เข้าถึง Grok 3, Grok 4 และ Grok 4 Heavy https://www.neowin.net/news/elon-musks-xai-launches-grok-4-claiming-top-spot-among-industry-ai-models/

ใครที่เคยเล่น Doom บน SNES มาก่อน จะรู้ดีว่ามันเหมือนพยายามยัดเกม 3D สุดโหดใส่เครื่องอายุ 10 ปีที่แทบจะไม่ไหว → เฟรมตก, ภาพเบลอ, และตัดเนื้อหาจนแทบเหลือแค่โครง แต่ปี 2025 นี้ — Limited Run Games ทำเกินคำว่า “รีเมก” → พวกเขาร่วมมือกับ Randal Linden (ผู้นำทีมพอร์ตเวอร์ชัน SNES เดิม) → สร้างตลับใหม่ที่มี co-processor Raspberry Pi RP2350B ความเร็ว 150 MHz ช่วยประมวลผล → เหมือนเพิ่มสมองให้ SNES — ฟีเจอร์อย่าง circle strafing, enemy respawning, 14 ด่านใหม่ และความลื่นไหลเกินคาดจึงเกิดขึ้นได้! แถมมี คอนโทรลเลอร์แบบมีระบบสั่น ให้เลือกซื้อเพิ่มด้วย → ใช้มอเตอร์สั่น 2 ตัวแบบตลับสาย → สะใจเหมือนมือระเบิดศพในยุค 90 จริง ๆ ✅ Limited Run Games เปิดพรีออร์เดอร์ Doom SNES รุ่นใหม่ วันที่ 11 ก.ค. 2025   • จำหน่ายเป็นตลับจริงบน Super Nintendo   • เลือกได้ทั้งรุ่น Standard และ Collector’s Edition ✅ ตัวเกมมีการปรับปรุงหลายจุด:   • เพิ่ม 14 ด่านใหม่   • รองรับ circle strafing และ enemy respawn   • เกมลื่นไหลกว่ารุ่นเดิมชัดเจน   • รองรับฟีเจอร์ rumble ผ่านคอนโทรลเลอร์สายรุ่นใหม่ ✅ ใช้ co-processor Raspberry Pi RP2350B ความเร็ว 150 MHz   • ทำหน้าที่เหมือน SuperFX chip เพิ่มพลังให้ SNES   • ช่วยประมวลผลภาพและการเคลื่อนไหว ✅ ราคา:   • รุ่น Standard: $99.99 → มาพร้อมตลับสี gun-metal, กล่อง retro, คู่มือ, และโปสเตอร์   • รุ่น Collector’s Edition: $174.99 → ตลับลายเลือด+โลหะ, กล่อง premium, คู่มือ, โปสเตอร์ (มีเพียง 666 ชุด)   • Rumble Controller แยกขาย: $34.99 ✅ พรีออร์เดอร์ปิดวันที่ 10 ส.ค. 2025 https://www.techspot.com/news/108614-doom-returns-snes-physical-form-thanks-limited-run.html

หนึ่งในอุปสรรคของการพัฒนาแผงโซลาร์เซลล์คือการวัด “คุณสมบัติแสง” ของวัสดุใหม่แต่ละชนิดต้องใช้เวลาและแรงงานมหาศาล → นักวิจัย MIT จึงสร้างหุ่นยนต์ที่สามารถวิเคราะห์วัสดุโดยอัตโนมัติ ทั้งการถ่ายภาพ, คำนวณจุดสัมผัส, และวัดการนำไฟฟ้าเมื่อโดนแสง (photoconductance) มันไม่ใช้วิธีแบบเดาสุ่ม — แต่นำความรู้จากนักเคมีและนักวัสดุมาป้อนเข้าโมเดล AI → เพื่อให้หุ่นยนต์ “เลือกจุดที่ควรแตะ” ด้วยวิธี self-supervised learning → แถมยังใช้ path planning แบบสุ่มนิด ๆ เพื่อหาทางเดินที่สั้นที่สุดระหว่างจุดวัดต่าง ๆ ผลลัพธ์คือ → วัดค่าได้มากกว่า 125 จุดต่อชั่วโมง → ในเวลา 24 ชั่วโมง เก็บข้อมูลได้มากกว่า 3,000 จุด → แถมแม่นกว่าวิธี AI แบบเดิมที่เคยใช้ในการค้นหาวัสดุใหม่ เป้าหมายคือการนำหุ่นยนต์นี้ไปใช้กับ “perovskite” — วัสดุโซลาร์เซลล์รุ่นใหม่ที่ราคาถูกแต่มีแนวโน้มประสิทธิภาพสูง → ถ้าแล็บนี้ทำงานได้ดีจริง ก็เท่ากับเปิดทางให้วงการแผงโซลาร์เซลล์พัฒนาเร็วขึ้นหลายเท่าแบบไม่ต้องรอมนุษย์วัดทีละจุดอีกต่อไป! ✅ MIT พัฒนาระบบหุ่นยนต์อัตโนมัติสำหรับวัดคุณสมบัติของวัสดุเซมิคอนดักเตอร์โดยตรง   • ใช้ AI วางจุดสัมผัสและวัด photoconductance   • เหมาะกับวัสดุที่ต้องสัมผัสจริง เช่น perovskite ที่ใช้ในแผงโซลาร์เซลล์ ✅ ระบบมี 3 ส่วนหลัก:   • กล้อง + vision model แยกรูปร่างวัสดุ   • Neural network วางจุดที่ควรวัด → แบบไม่ต้องใช้ข้อมูล training   • Path planner วางแผนเส้นทางเดินให้หุ่นยนต์แตะวัสดุแบบเร็วที่สุด ✅ ความสามารถสูงกว่าเดิม:   • เก็บข้อมูลได้ 125 จุด/ชม. → รวม 3,000 จุดใน 1 วัน   • แม่นยำกว่า AI วิธีเก่า 7 แบบ   • วัดจุดที่บ่งบอกทั้งประสิทธิภาพสูง และจุดที่วัสดุเริ่มเสื่อม ✅ เป้าหมายเพื่อใช้สร้าง “ห้องแล็บอัตโนมัติเต็มรูปแบบ” สำหรับค้นพบวัสดุใหม่ในอนาคต   • ได้รับการสนับสนุนจากหลายองค์กร เช่น First Solar, US DoE, Eni, MathWorks https://www.techspot.com/news/108604-autonomous-mit-robot-helps-discover-better-materials-solar.html

ลองนึกถึงเซิร์ฟเวอร์ที่สมัยก่อนต้องใช้ชิป 32 คอร์, แรม 8 แชนแนล เต็มแร็ก แต่ตอนนี้… AMD ออกรุ่นน้องใหม่ EPYC 4585PX ในซีรีส์ “Grado” ซึ่งใช้แค่ 2 แถวแรม DDR5 + ระบบจิ๋ว ๆ แบบ NAS ก็ยังแรงกว่า → ในการทดสอบโดย Phoronix บน Ubuntu 25.04 พบว่า: - ชิปรุ่นเล็กตัวนี้แรงกว่าชิปรุ่นท็อปดั้งเดิม EPYC 7601 ถึง 2.69 เท่า - แถมประสิทธิภาพต่อวัตต์ดีกว่า 2.85 เท่า - ใช้พลังงานรวมน้อยลง (จาก 238W → เหลือ 225W) ทั้งที่ CPU เปล่า ๆ กินไฟพอ ๆ กัน ถือว่าเป็นบทพิสูจน์ว่า “สถาปัตยกรรมใหม่เจ๋งกว่าการอัดจำนวน” → EPYC 4585PX บนบอร์ดเล็ก ๆ + DDR5 เพียง 2 แถว ยังชนะเซิร์ฟเวอร์ 8 แชนแนลในอดีต → เหมาะมากสำหรับ NAS, เซิร์ฟเวอร์ประหยัดพลังงาน หรือ infra ที่ต้องการพื้นที่–ความเย็นน้อย ✅ EPYC 4585PX (ซีรีส์ EPYC 4005 “Grado”) แรงกว่า EPYC 7601 ถึง 2.69 เท่า   • ทดสอบบน Ubuntu 25.04 กับ 200+ เวิร์กโหลด: HPC, คอมไพล์, วิดีโอ, สคริปต์ ฯลฯ ✅ ประสิทธิภาพต่อวัตต์ (Performance/Watt) ดีกว่า 2.85 เท่า   • สะท้อนประสิทธิภาพของสถาปัตยกรรมที่พัฒนาแล้ว ✅ วัดพลังงานทั้งระบบ: EPYC 4585PX ใช้ 225W vs EPYC 7601 ใช้ 238W   • แสดงให้เห็นว่าประหยัดขึ้นทั้งระบบ ไม่ใช่แค่ตัวชิป ✅ แม้มีแค่ 2 แถวแรม DDR5 แต่ยังชนะเซิร์ฟเวอร์ 8 แชนแนลในหลาย ๆ งาน   • ชี้ว่าความสามารถของแรมไม่ได้วัดแค่จากจำนวนแชนแนล ✅ ระบบทดสอบใช้ Supermicro board + RAM น้อย → เหมาะกับ NAS หรือ SOHO infra มาก ✅ Grado เป็นซีรีส์ประหยัดพลังงาน ราคาถูกกว่า EPYC 9005 สูงมาก แต่ประสิทธิภาพน่าประทับใจ https://www.techradar.com/pro/16-core-amd-epyc-4005-cpu-is-almost-3x-faster-than-amds-first-server-flagship-and-i-cant-believe-what-a-bargain-that-is

ต้องบอกว่า Nvidia ไม่ได้แค่เปิดตัว Grace Blackwell แล้วให้รอกันเป็นปีนะครับ — เพราะตอนนี้ Dell ส่งมอบ “เครื่องจริง” ให้ CoreWeave ใช้งานแล้ว → ติดตั้งที่ศูนย์ข้อมูลของ Switch → ใช้แร็กแบบ NVL72: ในหนึ่งแร็กมี  • 72 GPU (Blackwell Ultra)  • 36 CPU (Grace 72-core)   • 36 DPU (BlueField) → พร้อมเมโมรี HBM3E 20TB และ RAM รวม 40TB 🔥 → แร็กเดียวให้พลัง inferencing 1.1 ExaFLOPS (FP4) และ training 0.36 ExaFLOPS (FP8) → ใช้น้ำระบายความร้อน เพราะกินไฟถึง 1,400W ต่อ GPU 😮💧 ระบบนี้ยังต่อกันด้วย Nvidia Quantum-X800 InfiniBand และ ConnectX-8 SuperNICs ให้ความเร็วระดับ 14.4 GB/s — แรงกว่า GB200 NVL72 เดิมถึง 2 เท่าในการสื่อสารระหว่างแร็ก สิ่งที่น่าสนใจกว่าคือ... → Dell กับ CoreWeave พึ่งติดตั้ง GB200 NVL72 ไปเมื่อ 7 เดือนก่อน แต่ก็อัปเกรดเป็น GB300 Ultra เลย แสดงว่า demand แรงมาก และตลาดไม่รอของเก่าอีกแล้ว https://www.tomshardware.com/tech-industry/artificial-intelligence/nvidias-newest-top-tier-ai-supercomputers-deployed-for-the-first-time-grace-blackwell-ultra-superchip-systems-deployed-at-coreweave

หลายคนรู้จัก Grammarly ในฐานะผู้ช่วยตรวจแกรมมาร์ แต่ตอนนี้บริษัทกำลังกลายร่างเป็น “ศูนย์กลาง AI ด้านการสื่อสารในองค์กร” เลยครับ โดยการซื้อ Superhuman ครั้งนี้ไม่ใช่แค่เรื่องอีเมล — มันคือชิ้นส่วนต่อจิ๊กซอว์สู่ผลิตภัณฑ์ครบวงจรที่รวม AI, เอกสาร, อีเมล, ปฏิทิน และอื่น ๆ เข้าไว้ด้วยกัน Superhuman เคยเป็นแอปอีเมลสุดพรีเมียมที่มี waitlist ยาวเหยียด ด้วยจุดขายความเร็วและดีไซน์เฉียบ แต่หลังจากที่ Google และ Microsoft พัฒนา AI ใน Gmail / Outlook มากขึ้น Superhuman ก็เจอความท้าทายไม่น้อย Grammarly ที่เพิ่งได้ทุน $1 พันล้านจาก General Catalyst เลยฉวยโอกาสนี้ซื้อ Superhuman เข้ามา พร้อมวางแผนใหญ่: - ดึงทีมและเทคโนโลยี Superhuman มาสร้าง “AI agents” ที่จะช่วยคุณเขียน ตอบ ค้นหา และจัดการเมลอย่างอัตโนมัติ - ใช้ข้อมูลจากเอกสาร + อีเมล + ปฏิทิน เพื่อสร้างผู้ช่วยเสมือนที่ “เข้าใจงานและบริบทของคุณจริง ๆ” CEO คนใหม่ของ Grammarly คือ Shishir Mehrotra (อดีตผู้ร่วมก่อตั้ง Coda) ซึ่งก็เคยปั้น Coda ให้เป็น workspace platform มาก่อน ดังนั้นนี่อาจเป็นการสร้าง “Coda + Email + AI = Grammarly ยุคใหม่” ก็เป็นได้ครับ! ✅ Grammarly ซื้อกิจการ Superhuman เพื่อลุยตลาด AI Productivity Suite   • ยังไม่เปิดเผยมูลค่าการซื้อ แต่ Superhuman เคยมีมูลค่าบริษัท $825 ล้าน   • มีรายได้ ~$35 ล้าน/ปี และผู้ใช้หลักอยู่ในกลุ่มองค์กร/มืออาชีพ ✅ Grammarly ได้ทุน $1 พันล้านจาก General Catalyst เมื่อไม่นานมานี้   • ใช้สำหรับขยายผลิตภัณฑ์ + สร้าง ecosystem ด้านการทำงานด้วย AI ✅ Superhuman จะยังคงแบรนด์เดิมและทีมเดิมอยู่ใน Grammarly   • CEO Rahul Vohra จะย้ายมานั่งใน Grammarly พร้อมทีม ~100 คน   • แผนจะขยายจากอีเมลสู่ปฏิทิน, งาน (Tasks), และการทำงานร่วมกัน (Collab tools) ✅ วิสัยทัศน์คือสร้าง “AI Agents” ที่เข้าใจทั้งอีเมล เอกสาร และบริบทการทำงานของผู้ใช้   • ใช้ช่วยเขียน ตอบอีเมล วิเคราะห์บริบท และลดเวลาค้นหาข้อมูลจากระบบต่าง ๆ   • แข่งขันกับ Copilot ของ Microsoft, Duet AI ของ Google, Salesforce Slack AI, และอื่น ๆ ✅ Superhuman ระบุว่าปัจจุบันผู้ใช้ส่งเมลได้เร็วขึ้น 72% และใช้งาน AI เขียนอีเมลเพิ่ม 5 เท่าในปีที่ผ่านมา https://www.thestar.com.my/tech/tech-news/2025/07/01/exclusive-grammarly-acquires-email-startup-superhuman-in-ai-platform-push

AMD ผลิตการ์ด Instinct ซึ่งเป็น GPU สำหรับซูเปอร์คอมพิวเตอร์และงานเทรน AI โดยเฉพาะ ด้วย VRAM สูงถึง 192GB ต่อการ์ด และในบางเซิร์ฟเวอร์ติดตั้งถึง 8 ใบ รวมเป็น VRAM มากถึง 1.5 TB — เยอะกว่าคอมทั่วไปหลายสิบเท่า! แต่เมื่อมีคนพยายามทำให้ระบบ Linux “จำศีล” เพื่อประหยัดไฟตอนไม่ได้ใช้งาน เช่น ช่วงเวลากลางคืน หรือเพื่อรองรับภาวะไฟฟ้าล้นกริด กลับพบว่า...ระบบแครช! สาเหตุมาจากว่า Linux ต้อง “ย้าย VRAM ทั้งหมดมาเก็บใน RAM ก่อน” แล้วจึง snapshot memory ไปเขียนลงดิสก์เพื่อเรียกกลับเมื่อเปิดเครื่อง — ปรากฏว่า VRAM 1.5TB + RAM อีกมากมาย ทำให้ระบบต้องใช้พื้นที่ snapshot เกิน 3TB ในบางกรณี → เกินขนาดของ RAM/Storage → ฮิเบอร์เนตล้มเหลว ทีมวิศวกรของ AMD จึงเสนอ patch สำหรับ Linux ที่จะ: - ลดปริมาณข้อมูลที่ต้อง snapshot - ข้ามการ restore VRAM บางส่วนเมื่อปลุกระบบขึ้น (thaw) เพื่อให้กลับมาใช้งานเร็วขึ้น สาเหตุที่มีคนพยายาม hibernate เซิร์ฟเวอร์เหล่านี้ เพราะถ้าไม่ปิด ก็เปลืองไฟระดับโรงไฟฟ้าย่อม ๆ แถมยังเสี่ยงต่อเหตุการณ์แบบ blackout แบบที่เกิดในสเปนเมื่อไม่นานมานี้ ✅ AMD Instinct เป็น GPU สำหรับ AI ที่มี VRAM สูงถึง 192GB/ใบ   • ใช้ในซูเปอร์คอมพิวเตอร์, data center, และงานเทรนโมเดล LLM ขนาดใหญ่ ✅ เซิร์ฟเวอร์ที่ติดตั้ง Instinct GPU 8 ใบ จะมี VRAM รวม ~1.5TB ต่อเครื่อง   • ทำให้ระบบต้องจัดการ memory ขนาดใหญ่มากระหว่างฮิเบอร์เนต ✅ Linux ต้องย้าย VRAM เข้าสู่ RAM เพื่อ snapshot ลงดิสก์ในการจำศีล   • ส่งผลให้ต้องใช้ RAM/disk เกินกว่าที่เครื่องมีจริง → ฮิเบอร์เนตล้มเหลว ✅ AMD ออก patch แก้ปัญหาด้วยวิธี:   • ลดพื้นที่ที่ต้อง snapshot   • ข้ามการโหลด buffer VRAM บางส่วนกลับมาระหว่าง resume   • ช่วยลดเวลา thaw (resume) เหลือไม่ถึง 1 ชั่วโมง จากเดิมที่อาจต้องรอนานมาก ✅ เหตุผลที่ต้อง hibernate เซิร์ฟเวอร์แม้จะเป็น AI server:   • ลดพลังงานในช่วง downtime   • ช่วยรักษาเสถียรภาพของโครงข่ายไฟฟ้า (power grid)   • เคยมี blackout ในสเปนซึ่งเชื่อมโยงกับโหลดของ data center https://www.tomshardware.com/tech-industry/supercomputers/massive-vram-pools-on-amd-instinct-accelerators-drown-linuxs-hibernation-process-1-5-tb-of-memory-per-server-creates-headaches

Meta เคยเป็นบริษัทที่ขับเคลื่อนอินเทอร์เน็ตสมัยใหม่ — มี Facebook ครองโลก, ซื้อ Instagram มาต่อยอด, ทุ่มเงินซื้อ WhatsApp พร้อมสัญญาว่าจะไม่มีโฆษณา…แต่สุดท้ายทุกอย่างกำลังย้อนกลับ WhatsApp ตอนนี้มีโฆษณา Metaverse ทุ่มเงินหลายพันล้านเหรียญ → ยังไม่เห็นผล Libra (คริปโตของ Meta) → ตาย แม้แต่ AI — LLaMA ยังตามหลัง ChatGPT, Claude และ Gemini อยู่หลายร้อยแต้ม นักเขียนบทความนี้ (Howard Yu) วิเคราะห์ว่า Mark Zuckerberg เรียนรู้เชิงธุรกิจเก่งมาก แต่ “ไม่เคยเรียนรู้จากผลกระทบที่ Meta ก่อในสังคม” เช่น การถูกใช้เป็นเครื่องมือปลุกปั่น, ปัญหาสุขภาพจิตวัยรุ่น, และกรณีรุนแรงอย่างความขัดแย้งในเมียนมา บทวิเคราะห์เปรียบเทียบ Mark กับ Steve Jobs ไว้อย่างน่าสนใจ: - Jobs เคยผิดพลาด, เคยล้ม, เคยถูกไล่ออกจาก Apple - แต่เขากลับมาใหม่ด้วยการ “เติบโตทางจิตใจ” ไม่ใช่แค่ทางเทคโนโลยี - เขายอมฟังคนอื่น, สร้างทีมที่เก่งกว่า, ไม่พยายามควบคุมทุกอย่าง → และสร้าง Apple ยุคใหม่ที่ยิ่งใหญ่กว่าตัวเขาเอง ส่วน Zuckerberg ใช้อำนาจหุ้นพิเศษ (super-voting shares) ทำให้ไม่มีใครปลดเขาได้ → ไม่มีแรงกดดันให้เติบโต เปลี่ยนแปลง หรือยอมรับความผิดพลาด → ผลลัพธ์คือ Meta วนลูปเดิม ๆ — ปรับ feed เพิ่ม engagement → ขายโฆษณา → repeat ✅ Meta เคยล้มเหลวหลายโปรเจกต์ใหญ่:   • Facebook phone → ล้มเหลว   • Free Basics → ถูกแบนในอินเดีย   • Libra → ถูกต่อต้านโดยรัฐบาล   • Metaverse → ทุ่มเงินมหาศาล แต่ยังไม่คืนทุน ✅ AI ของ Meta (LLaMA 4) ยังตามหลัง OpenAI (ChatGPT), Anthropic (Claude), Google (Gemini)   • คะแนน Elo ห่างคู่แข่งหลายสิบถึงหลายร้อยแต้ม   • แม้ใช้ open-source เป็นยุทธศาสตร์หลัก แต่ยังไม่ดึงใจนักพัฒนาเท่าที่ควร ✅ ผู้เขียนชี้ว่า Zuckerberg ไม่เคยเรียนรู้จาก ‘ผลเสียต่อสังคม’ ที่ Meta สร้างไว้:   • กรณี Facebook ในเมียนมา → ปล่อยให้ Hate speech ลุกลาม   • Facebook ถูกใช้ในการปลุกระดม, ปั่นเลือกตั้ง (Cambridge Analytica)   • ระบบโฆษณาใช้ microtargeting เพื่อกด turnout กลุ่มเป้าหมายบางกลุ่ม ✅ โครงสร้างอำนาจของ Meta = Zuckerberg คุมทุกอย่าง:   • เขาถือหุ้น 13% แต่มีสิทธิ์โหวตกว่า 50%   • ไม่มีใครปลดเขาได้ จึงไม่จำเป็นต้องรับผิดชอบต่อใคร ✅ เปรียบเทียบกับ Steve Jobs:   • Jobs ล้มเหลว, ถูกไล่ออกจาก Apple   • แต่กลับมาใหม่แบบถ่อมตนและเรียนรู้   • สร้างวัฒนธรรมที่ Apple แข็งแรงพอจะอยู่ได้แม้เขาจากไป ✅ Meta แม้จะยังทำเงินได้มากจากโฆษณา แต่กำลัง “ไร้วิสัยทัศน์ที่สดใหม่” สำหรับโลกยุคหลังโฆษณา https://www.thestar.com.my/tech/tech-news/2025/07/01/why-mark-zuckerberg-and-meta-cant-build-the-future