• เมื่อคำสั่งสั้น ๆ ถึง AI กลายเป็นภาระต่อโลก – และการคลิกก็ไม่ไร้ผลอีกต่อไป

    Google เพิ่งเปิดเผยข้อมูลที่หลายคนรอคอยมานาน: คำสั่งข้อความหนึ่งคำสั่งที่ส่งไปยัง Gemini AI ใช้พลังงานไฟฟ้าเฉลี่ย 0.24 วัตต์-ชั่วโมง ซึ่งเทียบเท่ากับการดูทีวีประมาณ 9 วินาที และใช้น้ำประมาณ 0.26 มิลลิลิตร หรือราว 5 หยด เพื่อระบายความร้อนในศูนย์ข้อมูล

    แม้ตัวเลขจะดูเล็ก แต่เมื่อคูณกับจำนวนผู้ใช้หลายร้อยล้านคนทั่วโลก และคำสั่งที่ส่งเข้ามานับพันล้านครั้งต่อวัน ผลกระทบต่อสิ่งแวดล้อมก็เพิ่มขึ้นอย่างมหาศาล โดยเฉพาะเมื่อรวมกับพลังงานที่ใช้ในการฝึกโมเดล AI ซึ่งไม่ได้รวมอยู่ในตัวเลขนี้

    Google ระบุว่า 58% ของพลังงานถูกใช้โดยชิป TPU ที่รันโมเดล AI ส่วนอีก 25% มาจาก CPU และหน่วยความจำของเครื่องแม่ข่าย และอีก 10% จากเครื่องสำรองที่เปิดไว้เผื่อระบบล่ม ส่วนที่เหลือ 8% เป็นค่าใช้จ่ายทั่วไปของศูนย์ข้อมูล เช่น ระบบระบายความร้อนและแปลงไฟ

    แม้ Google จะพยายามลดการใช้พลังงานและคาร์บอนฟุตพริ้นต์ของ Gemini ลงถึง 33 เท่าและ 44 เท่าในช่วง 12 เดือนที่ผ่านมา แต่ผู้เชี่ยวชาญบางคนยังตั้งคำถามว่า ตัวเลขเหล่านี้อาจไม่สะท้อนความจริงทั้งหมด เพราะไม่ได้รวมการใช้น้ำทางอ้อม หรือผลกระทบจากแหล่งพลังงานที่ใช้จริงในแต่ละพื้นที่

    สรุปเนื้อหาเป็นหัวข้อ
    คำสั่งหนึ่งคำสั่งถึง Gemini AI ใช้พลังงานเฉลี่ย 0.24 วัตต์-ชั่วโมง
    เทียบเท่ากับการดูทีวีประมาณ 9 วินาที และใช้น้ำประมาณ 0.26 มิลลิลิตรเพื่อระบายความร้อน
    58% ของพลังงานใช้กับชิป TPU, 25% กับ CPU และ DRAM, 10% กับเครื่องสำรอง, 8% กับระบบศูนย์ข้อมูล
    Google ลดการใช้พลังงานและคาร์บอนฟุตพริ้นต์ของ Gemini ลง 33x และ 44x ภายใน 12 เดือน
    รายงานนี้เป็นครั้งแรกที่บริษัท AI รายใหญ่เปิดเผยข้อมูลการใช้พลังงานต่อคำสั่งอย่างละเอียด
    Google หวังให้รายงานนี้เป็นมาตรฐานใหม่ในการวัดผลกระทบสิ่งแวดล้อมของ AI
    ตัวเลขไม่รวมพลังงานจากการฝึกโมเดล, อุปกรณ์ผู้ใช้, หรือเครือข่ายภายนอก
    Gemini มีผู้ใช้งานมากกว่า 350 ล้านคนต่อเดือน ณ เดือนเมษายน 2025
    การวัดผลกระทบใช้ค่าเฉลี่ยจากศูนย์ข้อมูลทั่วโลกของ Google
    รายงานยังไม่ผ่านการ peer review แต่ Google เปิดรับข้อเสนอให้ตรวจสอบในอนาคต

    ข้อมูลเสริมจากภายนอก
    OpenAI เคยระบุว่าแต่ละคำสั่งใช้พลังงานประมาณ 0.34 วัตต์-ชั่วโมง เทียบเท่าการเปิดเตาอบ 1 วินาที
    นักวิจัยจาก MIT ระบุว่าการเปิดเผยข้อมูลนี้ช่วยให้เข้าใจผลกระทบของ AI ได้ชัดเจนขึ้น
    นักวิชาการบางคนชี้ว่า Google ใช้ “market-based” carbon measure ซึ่งอาจไม่สะท้อนผลกระทบจริงในแต่ละพื้นที่
    การใช้น้ำทางอ้อม เช่น น้ำที่ใช้ผลิตไฟฟ้า ยังไม่รวมอยู่ในตัวเลขที่รายงาน
    การใช้ AI อย่างแพร่หลายอาจทำให้ความพยายามลดคาร์บอนของบริษัทถูกกลบด้วยการใช้งานที่เพิ่มขึ้น

    https://www.thestar.com.my/tech/tech-news/2025/08/22/google-one-ai-prompt-uses-as-much-energy-as-nine-seconds-of-tv
    🎙️ เมื่อคำสั่งสั้น ๆ ถึง AI กลายเป็นภาระต่อโลก – และการคลิกก็ไม่ไร้ผลอีกต่อไป Google เพิ่งเปิดเผยข้อมูลที่หลายคนรอคอยมานาน: คำสั่งข้อความหนึ่งคำสั่งที่ส่งไปยัง Gemini AI ใช้พลังงานไฟฟ้าเฉลี่ย 0.24 วัตต์-ชั่วโมง ซึ่งเทียบเท่ากับการดูทีวีประมาณ 9 วินาที และใช้น้ำประมาณ 0.26 มิลลิลิตร หรือราว 5 หยด เพื่อระบายความร้อนในศูนย์ข้อมูล แม้ตัวเลขจะดูเล็ก แต่เมื่อคูณกับจำนวนผู้ใช้หลายร้อยล้านคนทั่วโลก และคำสั่งที่ส่งเข้ามานับพันล้านครั้งต่อวัน ผลกระทบต่อสิ่งแวดล้อมก็เพิ่มขึ้นอย่างมหาศาล โดยเฉพาะเมื่อรวมกับพลังงานที่ใช้ในการฝึกโมเดล AI ซึ่งไม่ได้รวมอยู่ในตัวเลขนี้ Google ระบุว่า 58% ของพลังงานถูกใช้โดยชิป TPU ที่รันโมเดล AI ส่วนอีก 25% มาจาก CPU และหน่วยความจำของเครื่องแม่ข่าย และอีก 10% จากเครื่องสำรองที่เปิดไว้เผื่อระบบล่ม ส่วนที่เหลือ 8% เป็นค่าใช้จ่ายทั่วไปของศูนย์ข้อมูล เช่น ระบบระบายความร้อนและแปลงไฟ แม้ Google จะพยายามลดการใช้พลังงานและคาร์บอนฟุตพริ้นต์ของ Gemini ลงถึง 33 เท่าและ 44 เท่าในช่วง 12 เดือนที่ผ่านมา แต่ผู้เชี่ยวชาญบางคนยังตั้งคำถามว่า ตัวเลขเหล่านี้อาจไม่สะท้อนความจริงทั้งหมด เพราะไม่ได้รวมการใช้น้ำทางอ้อม หรือผลกระทบจากแหล่งพลังงานที่ใช้จริงในแต่ละพื้นที่ 📌 สรุปเนื้อหาเป็นหัวข้อ ➡️ คำสั่งหนึ่งคำสั่งถึง Gemini AI ใช้พลังงานเฉลี่ย 0.24 วัตต์-ชั่วโมง ➡️ เทียบเท่ากับการดูทีวีประมาณ 9 วินาที และใช้น้ำประมาณ 0.26 มิลลิลิตรเพื่อระบายความร้อน ➡️ 58% ของพลังงานใช้กับชิป TPU, 25% กับ CPU และ DRAM, 10% กับเครื่องสำรอง, 8% กับระบบศูนย์ข้อมูล ➡️ Google ลดการใช้พลังงานและคาร์บอนฟุตพริ้นต์ของ Gemini ลง 33x และ 44x ภายใน 12 เดือน ➡️ รายงานนี้เป็นครั้งแรกที่บริษัท AI รายใหญ่เปิดเผยข้อมูลการใช้พลังงานต่อคำสั่งอย่างละเอียด ➡️ Google หวังให้รายงานนี้เป็นมาตรฐานใหม่ในการวัดผลกระทบสิ่งแวดล้อมของ AI ➡️ ตัวเลขไม่รวมพลังงานจากการฝึกโมเดล, อุปกรณ์ผู้ใช้, หรือเครือข่ายภายนอก ➡️ Gemini มีผู้ใช้งานมากกว่า 350 ล้านคนต่อเดือน ณ เดือนเมษายน 2025 ➡️ การวัดผลกระทบใช้ค่าเฉลี่ยจากศูนย์ข้อมูลทั่วโลกของ Google ➡️ รายงานยังไม่ผ่านการ peer review แต่ Google เปิดรับข้อเสนอให้ตรวจสอบในอนาคต ✅ ข้อมูลเสริมจากภายนอก ➡️ OpenAI เคยระบุว่าแต่ละคำสั่งใช้พลังงานประมาณ 0.34 วัตต์-ชั่วโมง เทียบเท่าการเปิดเตาอบ 1 วินาที ➡️ นักวิจัยจาก MIT ระบุว่าการเปิดเผยข้อมูลนี้ช่วยให้เข้าใจผลกระทบของ AI ได้ชัดเจนขึ้น ➡️ นักวิชาการบางคนชี้ว่า Google ใช้ “market-based” carbon measure ซึ่งอาจไม่สะท้อนผลกระทบจริงในแต่ละพื้นที่ ➡️ การใช้น้ำทางอ้อม เช่น น้ำที่ใช้ผลิตไฟฟ้า ยังไม่รวมอยู่ในตัวเลขที่รายงาน ➡️ การใช้ AI อย่างแพร่หลายอาจทำให้ความพยายามลดคาร์บอนของบริษัทถูกกลบด้วยการใช้งานที่เพิ่มขึ้น https://www.thestar.com.my/tech/tech-news/2025/08/22/google-one-ai-prompt-uses-as-much-energy-as-nine-seconds-of-tv
    WWW.THESTAR.COM.MY
    Google: One AI prompt uses as much energy as nine seconds of TV
    A single text prompt to Google's artificial intelligence (AI) software, Gemini, consumes roughly as much electricity as just under nine seconds of television, the company said on Aug 21.
    0 Comments 0 Shares 2 Views 0 Reviews
  • นี้ต้องอย่างนี้,เรา..ภาคประชาชนต้องร่วมกันแบบนี้,แต่จะดีมาหากร่วมกันยกเลิก พรบ.ห้ามชุมนุมในที่สาธารณะด้วย เพราะออกในยุคลุงเป็นรัฐบาลด้วย ยึดอำนาจมาด้วย 11จุดก็เสียให้เขมรด้วย มารู้ความจริงก็ตอนแม่ทัพภาคที่2บุกยึดคืนได้แล้ว,กฎหมายมากมาย พรบ.มากมายต้องฉีกทิ้งกันเป็นอันมาก,มันขัดขวางประชาชนพัฒนาตนเองสู่เจตนำนงเสรีทางดีเป็นอันมาก.

    ..เบื้องต้นนี้ คณะรวมพลังแผ่นดินไทย ทำตามกำลังตนถูกทางแล้ว ไม่มีภาพนักการเมืองแอบแฝงยิ่งดี เหมือนใครบ้างคนเข้ามาในคณะรวมพลังฯหมายเชิดชูลุงกลับมานั้นเอง,ยุคลุงยุคทหารแท้ๆเสือกไม่ยกเลิกmou43,44มันบอกนัยยะเปิดเผยชัดเจนแล้ว,ส่วนรัฐบาลในปัจจุบันก็แค่รับไม้ต่อสลับมุกเปลี่ยนมือนี้ล่ะ,เพื่อไทย คนของตนแบบลุงตู่ก็ขึ้นมาเหมือนเดิม,คณะรวมพลังแผ่นดินฯน่าจะเห็นชัดบริบทนี้,ต้องรวมพลังฯจริงๆเอาให้สุดซอยด้วย อย่าพลาดแบบกปปส.พลาดแบบอาสนธิ ต้องทำการเปลี่ยนแปลงโดยภาคประชาชนจริงให้ได้,คนในคณะรวมพลังแผ่นดินฯแน่นอนต่างมีอดีตที่ผิดพลาดกันหมด,แต่สงครามครั้งนี้อดีตได้ทิ้งไปแล้ว ยิ่งมุ่งทำเพื่อชาติคือประชาชนเราจริงๆร่วม สามารถเป็นคณะบริหารประเทศฉุกเฉินชั่วคราวของภาคประชาชนระดับประเทศแห่งชาติ ร่วมกับกองทัพไทยเรา รีเซ็ตประเทศไทยใหม่ กวาดล้างภัยภายในประเทศไทยเราจริงๆและภัยภายนอกแบบเขมร แบบมาเลย์ภาคใต้เรา แบบciaของอเมริกาชั่วมุ่งแต่ผลประโยชน์มันสูงสุด กำจัดเผาทิ้งพรบ.และกฎหมายทุกๆฉบับที่ขายชาติอย่างจริงจังด้วย กดขี่ความคิดอิสระสร้างสรรค์ของประชาชนพัฒนานวัตกรรมใหม่พัฒนาชาติให้ล้ำสมัยไม่แพ้ชาติใดในโลก,ตลอดคนไทยต้องพ้นสถานะยากจนจริงๆกันเสียที,ปล่อยให้ต่างชาติมาปล้นทรัพยากรมีค่ามากมายเราง่ายดายสะดวกสบายเกินไปจนคนไทยยากจนเป็นอันมากเมื่อศักยภาพเราสุดยอดขนาดนั้น ตีมูลค่าทรัพยากรมีค่าเราอาจกว่า100,000ล้านล้านบาท มิใช่ 4-5หมื่นล้านล้านบาทหรอก,แค่ขุดคลองคอดกระ ทำรั้วลวดหนามกั้นไทยกับมาเลย์ชัดเจน ciaอเมริกาก็ปั่นป่วนภาคใต้เรากับมาเลย์ลูกน้องอเมริกาซาอุฯก็ไม่ง่ายแล้ว, คลองคอดกระ ทางแลนด์บริดจ์ พื้นที่ภาคใต้เกือบทั้งหมด สามารถเป็นฮับสำนักใหญ่ของแต่ละชาติมาค้าขายทำตลาดระดับโลกฮับของโลกสบายมาก ไม่ใช้ทรัพยากรไทยก็ตีมูลค่ารายได้กว่า1,000ล้านล้านบาทต่อปี ได้สบาย,อนาคตคนไทยระดับจิตใจดีจะแยกแยะดีชั่วและกระบวนการโปร่งใส สามารถปกป้องคุ้มครองทั้งคนไทยเราและคู่ค้าให้ปลอดภัยในชีวิตและทรัพย์สินเขา นักท่องเที่ยวนักธุรกิจย่อมชื่นชอบประเทศไทยเพิ่มคน ,คือเม็ดเงินมหาศาลหลากหลายช่องทางเข้าประเทศไทยเราแน่นอน,เราจะจัดสรรเม็ดเงินนี้ให้คนไทยเราร่ำรวยจริงแค่ไหนแค่นั้นล่ะ,แต่หากยังมีวิถีปกครองกากๆแบบนี้ต่อไปตลอดไป ก็ฝันเลยว่าประชาชนคนไทยจะพ้นสถานะความยากจน มีแต่เอารัดเอาเปรียบรีดไถประชาชนคนไทยตนผ่านกฎหมายเลวชั่วสาระพัด ดูแหล่งปิโตรเลียมชัดเจน ถ้าประเทศไทยนำโดยภาคประชาชนคนไทยทำเอง มิใช่ผีบ้าพวกรัฐบาลห่าเหวในอดีตนั้นทำ ไปยกบ่อน้ำมันให้ต่างชาติ รัฐบาลกบฎทรยศประชาชนตนเสียเอง สภาพคนไทยปัจจุบันก็ไม่เป็นแบบนี้ และล่าสุดดูเขมรนี้ล่ะ ฝีมือนักการเมืองและทหารทรยศไส้ศึกชัดเจนบนแผ่นดินไทยเรา,เช่นนั้นจะไม่เป็นแบบนี้เลย,อนาคตรีดภาษีจากประชาชนอีก ทั้งที่ระบบยังกากอยู่แฮกข้อมูลเป็นว่าเล่น ดูดตังคนไทยสนุกมือบัญชี จะไว้วางใจว่าจะแก้ไขความยากจนของคนไทยได้อย่างไร,ทั้งที่จริงๆเงินเถื่อนเงินนอกระบบเงินฟอกเงินเทาตรึมในวงจรอุบาทก์นี้ทั่วไทย ยังจัดการไม่ได้ ยาบ้ายังไร้ปัญญาจัดการจริงเลย,ภาษีที่รีดไถประชาชนจริงๆและปีละกว่าแสนล้านบาทคือภาษีมูลค่าเพิ่มและภาษีน้ำมันต่างหาก,ประเทศไทยแค่ยึดบ่อน้ำมันคืนก็ร่ำรวยแล้ว พลังงานสะอาดอื่นๆอีกต่อยอดได้สบาย,ภาษีบุคคลและนิติบุคคลกิจการบริษัทต่างๆแค่4-5พันล้านบาท มากสุดมนุษย์เงินเดือนแค่7-8พันล้านถั่วเฉลี่ย5-10ปีที่ผ่านๆมาอาจไม่ถึงด้วยซ้ำ,มุกภาษีNITนี้คือมุกนักการเมืองชั่วๆเลวๆจะควบคุมคนไทยนี้ล่ะ เชื่อมสุขภาพอีก ใครยังไม่ฉีดวัคซีน มันจะได้รู้และบังคับควบคุมได้โดยสร้างเงื่อนไขว่า หากไม่ฉีดจะตัดสวัสดิการทั้งหมดของรัฐที่ให้ไป,คือมันจะหามุกมาเรื่อยๆล่ะ คณะรวมพลังแผ่นดินไทยเราจึงต้องสามัคคีกันทำให้สุดซอยเพื่อเรา..ประชาชนคนไทยเราสู่ยุคใหม่จริงๆ.


    https://youtube.com/live/qyP5nsDRofk?si=IZhFf7d3BcxF7KUq
    นี้ต้องอย่างนี้,เรา..ภาคประชาชนต้องร่วมกันแบบนี้,แต่จะดีมาหากร่วมกันยกเลิก พรบ.ห้ามชุมนุมในที่สาธารณะด้วย เพราะออกในยุคลุงเป็นรัฐบาลด้วย ยึดอำนาจมาด้วย 11จุดก็เสียให้เขมรด้วย มารู้ความจริงก็ตอนแม่ทัพภาคที่2บุกยึดคืนได้แล้ว,กฎหมายมากมาย พรบ.มากมายต้องฉีกทิ้งกันเป็นอันมาก,มันขัดขวางประชาชนพัฒนาตนเองสู่เจตนำนงเสรีทางดีเป็นอันมาก. ..เบื้องต้นนี้ คณะรวมพลังแผ่นดินไทย ทำตามกำลังตนถูกทางแล้ว ไม่มีภาพนักการเมืองแอบแฝงยิ่งดี เหมือนใครบ้างคนเข้ามาในคณะรวมพลังฯหมายเชิดชูลุงกลับมานั้นเอง,ยุคลุงยุคทหารแท้ๆเสือกไม่ยกเลิกmou43,44มันบอกนัยยะเปิดเผยชัดเจนแล้ว,ส่วนรัฐบาลในปัจจุบันก็แค่รับไม้ต่อสลับมุกเปลี่ยนมือนี้ล่ะ,เพื่อไทย คนของตนแบบลุงตู่ก็ขึ้นมาเหมือนเดิม,คณะรวมพลังแผ่นดินฯน่าจะเห็นชัดบริบทนี้,ต้องรวมพลังฯจริงๆเอาให้สุดซอยด้วย อย่าพลาดแบบกปปส.พลาดแบบอาสนธิ ต้องทำการเปลี่ยนแปลงโดยภาคประชาชนจริงให้ได้,คนในคณะรวมพลังแผ่นดินฯแน่นอนต่างมีอดีตที่ผิดพลาดกันหมด,แต่สงครามครั้งนี้อดีตได้ทิ้งไปแล้ว ยิ่งมุ่งทำเพื่อชาติคือประชาชนเราจริงๆร่วม สามารถเป็นคณะบริหารประเทศฉุกเฉินชั่วคราวของภาคประชาชนระดับประเทศแห่งชาติ ร่วมกับกองทัพไทยเรา รีเซ็ตประเทศไทยใหม่ กวาดล้างภัยภายในประเทศไทยเราจริงๆและภัยภายนอกแบบเขมร แบบมาเลย์ภาคใต้เรา แบบciaของอเมริกาชั่วมุ่งแต่ผลประโยชน์มันสูงสุด กำจัดเผาทิ้งพรบ.และกฎหมายทุกๆฉบับที่ขายชาติอย่างจริงจังด้วย กดขี่ความคิดอิสระสร้างสรรค์ของประชาชนพัฒนานวัตกรรมใหม่พัฒนาชาติให้ล้ำสมัยไม่แพ้ชาติใดในโลก,ตลอดคนไทยต้องพ้นสถานะยากจนจริงๆกันเสียที,ปล่อยให้ต่างชาติมาปล้นทรัพยากรมีค่ามากมายเราง่ายดายสะดวกสบายเกินไปจนคนไทยยากจนเป็นอันมากเมื่อศักยภาพเราสุดยอดขนาดนั้น ตีมูลค่าทรัพยากรมีค่าเราอาจกว่า100,000ล้านล้านบาท มิใช่ 4-5หมื่นล้านล้านบาทหรอก,แค่ขุดคลองคอดกระ ทำรั้วลวดหนามกั้นไทยกับมาเลย์ชัดเจน ciaอเมริกาก็ปั่นป่วนภาคใต้เรากับมาเลย์ลูกน้องอเมริกาซาอุฯก็ไม่ง่ายแล้ว, คลองคอดกระ ทางแลนด์บริดจ์ พื้นที่ภาคใต้เกือบทั้งหมด สามารถเป็นฮับสำนักใหญ่ของแต่ละชาติมาค้าขายทำตลาดระดับโลกฮับของโลกสบายมาก ไม่ใช้ทรัพยากรไทยก็ตีมูลค่ารายได้กว่า1,000ล้านล้านบาทต่อปี ได้สบาย,อนาคตคนไทยระดับจิตใจดีจะแยกแยะดีชั่วและกระบวนการโปร่งใส สามารถปกป้องคุ้มครองทั้งคนไทยเราและคู่ค้าให้ปลอดภัยในชีวิตและทรัพย์สินเขา นักท่องเที่ยวนักธุรกิจย่อมชื่นชอบประเทศไทยเพิ่มคน ,คือเม็ดเงินมหาศาลหลากหลายช่องทางเข้าประเทศไทยเราแน่นอน,เราจะจัดสรรเม็ดเงินนี้ให้คนไทยเราร่ำรวยจริงแค่ไหนแค่นั้นล่ะ,แต่หากยังมีวิถีปกครองกากๆแบบนี้ต่อไปตลอดไป ก็ฝันเลยว่าประชาชนคนไทยจะพ้นสถานะความยากจน มีแต่เอารัดเอาเปรียบรีดไถประชาชนคนไทยตนผ่านกฎหมายเลวชั่วสาระพัด ดูแหล่งปิโตรเลียมชัดเจน ถ้าประเทศไทยนำโดยภาคประชาชนคนไทยทำเอง มิใช่ผีบ้าพวกรัฐบาลห่าเหวในอดีตนั้นทำ ไปยกบ่อน้ำมันให้ต่างชาติ รัฐบาลกบฎทรยศประชาชนตนเสียเอง สภาพคนไทยปัจจุบันก็ไม่เป็นแบบนี้ และล่าสุดดูเขมรนี้ล่ะ ฝีมือนักการเมืองและทหารทรยศไส้ศึกชัดเจนบนแผ่นดินไทยเรา,เช่นนั้นจะไม่เป็นแบบนี้เลย,อนาคตรีดภาษีจากประชาชนอีก ทั้งที่ระบบยังกากอยู่แฮกข้อมูลเป็นว่าเล่น ดูดตังคนไทยสนุกมือบัญชี จะไว้วางใจว่าจะแก้ไขความยากจนของคนไทยได้อย่างไร,ทั้งที่จริงๆเงินเถื่อนเงินนอกระบบเงินฟอกเงินเทาตรึมในวงจรอุบาทก์นี้ทั่วไทย ยังจัดการไม่ได้ ยาบ้ายังไร้ปัญญาจัดการจริงเลย,ภาษีที่รีดไถประชาชนจริงๆและปีละกว่าแสนล้านบาทคือภาษีมูลค่าเพิ่มและภาษีน้ำมันต่างหาก,ประเทศไทยแค่ยึดบ่อน้ำมันคืนก็ร่ำรวยแล้ว พลังงานสะอาดอื่นๆอีกต่อยอดได้สบาย,ภาษีบุคคลและนิติบุคคลกิจการบริษัทต่างๆแค่4-5พันล้านบาท มากสุดมนุษย์เงินเดือนแค่7-8พันล้านถั่วเฉลี่ย5-10ปีที่ผ่านๆมาอาจไม่ถึงด้วยซ้ำ,มุกภาษีNITนี้คือมุกนักการเมืองชั่วๆเลวๆจะควบคุมคนไทยนี้ล่ะ เชื่อมสุขภาพอีก ใครยังไม่ฉีดวัคซีน มันจะได้รู้และบังคับควบคุมได้โดยสร้างเงื่อนไขว่า หากไม่ฉีดจะตัดสวัสดิการทั้งหมดของรัฐที่ให้ไป,คือมันจะหามุกมาเรื่อยๆล่ะ คณะรวมพลังแผ่นดินไทยเราจึงต้องสามัคคีกันทำให้สุดซอยเพื่อเรา..ประชาชนคนไทยเราสู่ยุคใหม่จริงๆ. https://youtube.com/live/qyP5nsDRofk?si=IZhFf7d3BcxF7KUq
    - YouTube
    เพลิดเพลินไปกับวิดีโอและเพลงที่คุณชอบ อัปโหลดเนื้อหาต้นฉบับ และแชร์เนื้อหาทั้งหมดกับเพื่อน ครอบครัว และผู้คนทั่วโลกบน YouTube
    0 Comments 0 Shares 58 Views 0 Reviews
  • เมื่อคืนที่ผ่านมา (20 สิงหาคม 2568) ต่อเนื่องจนถึงรุ่งเช้า กองทัพรัสเซียเปิดฉากโจมตีอย่างหนักอีกครั้งในพื้นที่ของยูเครน

    มีรายงานการใช้ขีปนาวุธความเร็วเหนือเสียง "Kinzhals" และ "Zircons" ในครั้งนี้ด้วย

    ภูมิภาคดนีปรอเปตรอฟสค์ (Dnipropetrovsk) เป้าหมายของการโจมตีของรัสเซียคือโครงสร้างพื้นฐานด้านพลังงานก๊าซ ทำให้โรงงานอุตสาหกรรมได้รับความเสียหายอย่างรุนแรง

    ภูมิภาค ลวอฟ (Lvov/Lviv) ซึ่งมีรายงานการระเบิดรุนแรงสามครั้งติดต่อกัน

    ภูมิภาคลุตสก์ (Lust) มีรายงานการโจมตีอย่างน้อยสี่ครั้ง ยืนยันโดยนายกเทศมนตรีของเมือง

    มีรายงานขีปนาวุธความเร็วเหนือเสียง "Kinzhals" และ "Zircons" อย่างน้อย 4 ลูก โจมตีเป้าหมายในภูมิภาคริฟเน (Rivne)

    เมื่อคืนที่ผ่านมา (20 สิงหาคม 2568) ต่อเนื่องจนถึงรุ่งเช้า กองทัพรัสเซียเปิดฉากโจมตีอย่างหนักอีกครั้งในพื้นที่ของยูเครน มีรายงานการใช้ขีปนาวุธความเร็วเหนือเสียง "Kinzhals" และ "Zircons" ในครั้งนี้ด้วย 🟥ภูมิภาคดนีปรอเปตรอฟสค์ (Dnipropetrovsk) เป้าหมายของการโจมตีของรัสเซียคือโครงสร้างพื้นฐานด้านพลังงานก๊าซ ทำให้โรงงานอุตสาหกรรมได้รับความเสียหายอย่างรุนแรง 🟥ภูมิภาค ลวอฟ (Lvov/Lviv) ซึ่งมีรายงานการระเบิดรุนแรงสามครั้งติดต่อกัน 🟥ภูมิภาคลุตสก์ (Lust) มีรายงานการโจมตีอย่างน้อยสี่ครั้ง ยืนยันโดยนายกเทศมนตรีของเมือง 🟥มีรายงานขีปนาวุธความเร็วเหนือเสียง "Kinzhals" และ "Zircons" อย่างน้อย 4 ลูก โจมตีเป้าหมายในภูมิภาคริฟเน (Rivne)
    0 Comments 0 Shares 91 Views 0 Reviews
  • Tensor G5 – ชิป 3nm ตัวแรกจาก Google ที่ไม่ใช่แค่เร็ว แต่ฉลาดขึ้นอย่างมีนัย

    Google เปิดตัวชิป Tensor G5 พร้อมกับ Pixel 10 Series ซึ่งถือเป็นก้าวสำคัญของบริษัทในด้านฮาร์ดแวร์ เพราะนี่คือชิปแรกที่ผลิตด้วยเทคโนโลยี 3nm โดย TSMC แทนที่จะใช้โรงงานของ Samsung เหมือนรุ่นก่อนหน้า

    Tensor G5 ไม่ได้เน้นแค่ความเร็ว แต่ถูกออกแบบเพื่อรองรับงาน AI โดยเฉพาะ โดยมีการปรับโครงสร้าง CPU เป็นแบบ 1+5+2 (1 core แรง, 5 core กลาง, 2 core ประหยัดพลังงาน) และมีความเร็วสูงสุดถึง 3.78GHz จากผลทดสอบ Geekbench

    Google เคลมว่า Tensor G5 เร็วขึ้น 34% โดยเฉลี่ยเมื่อเทียบกับ Tensor G4 และ TPU (หน่วยประมวลผล AI) ก็แรงขึ้นถึง 60% ซึ่งช่วยให้ Gemini Nano รุ่นใหม่ทำงานเร็วขึ้น 2.6 เท่า และประหยัดพลังงานมากขึ้น

    ชิปนี้ยังรองรับ context window ขนาด 32,000 token ซึ่งเทียบเท่ากับการประมวลผลข้อมูลจากอีเมลทั้งเดือนหรือภาพหน้าจอ 100 ภาพ ทำให้ฟีเจอร์ AI อย่าง Magic Cue, Call Notes, Scam Detection และ Camera Coach ทำงานได้แบบเรียลไทม์โดยไม่ต้องพึ่งคลาวด์

    ด้านกราฟิก แม้จะมีการอัปเกรด GPU แต่ Tensor G5 ยังไม่รองรับ ray tracing ซึ่งทำให้ยังตามหลังคู่แข่งในด้านเกมมือถือ ส่วน ISP (Image Signal Processor) ก็ได้รับการปรับปรุงให้รองรับ 10-bit HDR และลดการเบลอในวิดีโอแสงน้อย

    Pixel 10 Series ที่ใช้ Tensor G5 มีให้เลือกหลายรุ่น ตั้งแต่ Pixel 10 ธรรมดาไปจนถึง Pixel 10 Pro Fold โดยมีราคาเริ่มต้นที่ $799 และมีโปรโมชั่นแจกบัตรของขวัญสูงสุดถึง $300

    สรุปเนื้อหาเป็นหัวข้อ
    Tensor G5 เป็นชิป 3nm ตัวแรกจาก Google ผลิตโดย TSMC
    ใช้โครงสร้าง CPU แบบ 1+5+2 และความเร็วสูงสุด 3.78GHz
    เร็วขึ้น 34% โดยเฉลี่ยจาก Tensor G4 และ TPU แรงขึ้น 60%
    Gemini Nano ทำงานเร็วขึ้น 2.6 เท่าและประหยัดพลังงานมากขึ้น
    รองรับ context window ขนาด 32,000 token สำหรับงาน AI
    ฟีเจอร์ AI ใหม่ เช่น Magic Cue, Scam Detection, Journal, Call Notes
    GPU อัปเกรดแต่ไม่รองรับ ray tracing
    ISP รองรับ 10-bit HDR และลดเบลอในวิดีโอแสงน้อย
    Pixel 10 Series มีรุ่นธรรมดา, Pro, Pro XL และ Pro Fold
    ราคาเริ่มต้น $799 พร้อมบัตรของขวัญสูงสุด $300

    ข้อมูลเสริมจากภายนอก
    Tensor G5 ใช้ LPDDR5X และ UFS 4.0 เพื่อเพิ่มแบนด์วิดท์และความเร็ว
    ใช้สถาปัตยกรรม Matryoshka Transformer และ Per Layer Embedding
    Pixel 10 รองรับ Android 16 และอัปเดตนาน 7 ปี
    Pixel 10 Pro มี vapor chamber cooling แต่รุ่นธรรมดาใช้ graphene
    Pixel 10 รองรับ Qi2 wireless charging และมีจอ Actua 120Hz

    https://wccftech.com/tensor-g5-goes-official-first-3nm-chipset-from-google/
    🎙️ Tensor G5 – ชิป 3nm ตัวแรกจาก Google ที่ไม่ใช่แค่เร็ว แต่ฉลาดขึ้นอย่างมีนัย Google เปิดตัวชิป Tensor G5 พร้อมกับ Pixel 10 Series ซึ่งถือเป็นก้าวสำคัญของบริษัทในด้านฮาร์ดแวร์ เพราะนี่คือชิปแรกที่ผลิตด้วยเทคโนโลยี 3nm โดย TSMC แทนที่จะใช้โรงงานของ Samsung เหมือนรุ่นก่อนหน้า Tensor G5 ไม่ได้เน้นแค่ความเร็ว แต่ถูกออกแบบเพื่อรองรับงาน AI โดยเฉพาะ โดยมีการปรับโครงสร้าง CPU เป็นแบบ 1+5+2 (1 core แรง, 5 core กลาง, 2 core ประหยัดพลังงาน) และมีความเร็วสูงสุดถึง 3.78GHz จากผลทดสอบ Geekbench Google เคลมว่า Tensor G5 เร็วขึ้น 34% โดยเฉลี่ยเมื่อเทียบกับ Tensor G4 และ TPU (หน่วยประมวลผล AI) ก็แรงขึ้นถึง 60% ซึ่งช่วยให้ Gemini Nano รุ่นใหม่ทำงานเร็วขึ้น 2.6 เท่า และประหยัดพลังงานมากขึ้น ชิปนี้ยังรองรับ context window ขนาด 32,000 token ซึ่งเทียบเท่ากับการประมวลผลข้อมูลจากอีเมลทั้งเดือนหรือภาพหน้าจอ 100 ภาพ ทำให้ฟีเจอร์ AI อย่าง Magic Cue, Call Notes, Scam Detection และ Camera Coach ทำงานได้แบบเรียลไทม์โดยไม่ต้องพึ่งคลาวด์ ด้านกราฟิก แม้จะมีการอัปเกรด GPU แต่ Tensor G5 ยังไม่รองรับ ray tracing ซึ่งทำให้ยังตามหลังคู่แข่งในด้านเกมมือถือ ส่วน ISP (Image Signal Processor) ก็ได้รับการปรับปรุงให้รองรับ 10-bit HDR และลดการเบลอในวิดีโอแสงน้อย Pixel 10 Series ที่ใช้ Tensor G5 มีให้เลือกหลายรุ่น ตั้งแต่ Pixel 10 ธรรมดาไปจนถึง Pixel 10 Pro Fold โดยมีราคาเริ่มต้นที่ $799 และมีโปรโมชั่นแจกบัตรของขวัญสูงสุดถึง $300 📌 สรุปเนื้อหาเป็นหัวข้อ ➡️ Tensor G5 เป็นชิป 3nm ตัวแรกจาก Google ผลิตโดย TSMC ➡️ ใช้โครงสร้าง CPU แบบ 1+5+2 และความเร็วสูงสุด 3.78GHz ➡️ เร็วขึ้น 34% โดยเฉลี่ยจาก Tensor G4 และ TPU แรงขึ้น 60% ➡️ Gemini Nano ทำงานเร็วขึ้น 2.6 เท่าและประหยัดพลังงานมากขึ้น ➡️ รองรับ context window ขนาด 32,000 token สำหรับงาน AI ➡️ ฟีเจอร์ AI ใหม่ เช่น Magic Cue, Scam Detection, Journal, Call Notes ➡️ GPU อัปเกรดแต่ไม่รองรับ ray tracing ➡️ ISP รองรับ 10-bit HDR และลดเบลอในวิดีโอแสงน้อย ➡️ Pixel 10 Series มีรุ่นธรรมดา, Pro, Pro XL และ Pro Fold ➡️ ราคาเริ่มต้น $799 พร้อมบัตรของขวัญสูงสุด $300 ✅ ข้อมูลเสริมจากภายนอก ➡️ Tensor G5 ใช้ LPDDR5X และ UFS 4.0 เพื่อเพิ่มแบนด์วิดท์และความเร็ว ➡️ ใช้สถาปัตยกรรม Matryoshka Transformer และ Per Layer Embedding ➡️ Pixel 10 รองรับ Android 16 และอัปเดตนาน 7 ปี ➡️ Pixel 10 Pro มี vapor chamber cooling แต่รุ่นธรรมดาใช้ graphene ➡️ Pixel 10 รองรับ Qi2 wireless charging และมีจอ Actua 120Hz https://wccftech.com/tensor-g5-goes-official-first-3nm-chipset-from-google/
    WCCFTECH.COM
    Google Has Announced Its First 3nm Chipset, The Tensor G5, Alongside The Pixel 10 Series; Company Claims A 34 Percent Average Performance Increase Over The Tensor G4, No RT Support & More
    Google has officially announced its first 3nm SoC, the Tensor G5, and here is everything you need to know about the flagship silicon
    0 Comments 0 Shares 51 Views 0 Reviews
  • Nvidia ยังนำ แต่คู่แข่งกำลังไล่ – เมื่อ AI ต้องเลือกมากกว่าความแรง

    ในโลกของ AI ที่ต้องการพลังการประมวลผลมหาศาล Nvidia ยังคงเป็นผู้นำด้านฮาร์ดแวร์ โดยเฉพาะ GPU ที่ใช้ในการฝึกโมเดลขนาดใหญ่ แต่ผลการสำรวจล่าสุดจาก Liquid Web ในเดือนสิงหาคม 2025 พบว่าเกือบหนึ่งในสามของทีม AI เริ่มหันไปใช้ฮาร์ดแวร์จาก Google, AMD และ Intel แทน

    เหตุผลหลักคือ “ต้นทุน” และ “ความพร้อมใช้งาน” ที่เริ่มกลายเป็นอุปสรรคสำคัญ ทีมงานหลายแห่งต้องลดขนาดโครงการ หรือยกเลิกไปเลย เพราะไม่สามารถจัดหาฮาร์ดแวร์ Nvidia ได้ทันเวลา หรือมีงบประมาณไม่พอ

    แม้ว่า 68% ของทีมยังคงเลือก Nvidia เป็นหลัก แต่มีถึง 28% ที่ยอมรับว่าไม่ได้เปรียบเทียบทางเลือกอื่นอย่างจริงจังก่อนตัดสินใจ ซึ่งนำไปสู่การติดตั้งระบบที่ไม่เหมาะสม และประสิทธิภาพต่ำกว่าที่ควร

    นอกจากนี้ การใช้ระบบแบบ hybrid และ cloud ก็เพิ่มขึ้นอย่างต่อเนื่อง โดยมากกว่าครึ่งของทีม AI ใช้ทั้งระบบในองค์กรและคลาวด์ร่วมกัน เพื่อหลีกเลี่ยงปัญหาด้านพลังงานและการจัดการ GPU แบบแบ่งส่วน

    สรุปเนื้อหาเป็นหัวข้อ
    Nvidia ยังคงเป็นผู้นำด้านฮาร์ดแวร์ AI โดยมีผู้ใช้ถึง 68% จากการสำรวจ
    เกือบหนึ่งในสามของทีม AI เริ่มใช้ฮาร์ดแวร์จาก Google, AMD และ Intel
    เหตุผลหลักคือข้อจำกัดด้านงบประมาณและการขาดแคลน GPU
    42% ของทีมต้องลดขนาดโครงการ และ 14% ยกเลิกโครงการเพราะต้นทุน
    28% ของผู้ตอบแบบสอบถามยอมรับว่าไม่ได้เปรียบเทียบทางเลือกอื่นก่อนซื้อ
    การขาดการทดสอบนำไปสู่ระบบที่ไม่เหมาะสมและประสิทธิภาพต่ำ
    มากกว่าครึ่งของทีมใช้ระบบ hybrid และ cloud เพื่อเสริมความยืดหยุ่น
    Dedicated GPU hosting ถูกมองว่าเป็นทางเลือกที่ลดการสูญเสียประสิทธิภาพ
    แม้ 45% ให้ความสำคัญกับการใช้พลังงานอย่างมีประสิทธิภาพ แต่มีเพียง 13% ที่ปรับระบบเพื่อประหยัดพลังงานจริง
    ความคุ้นเคยและประสบการณ์เดิมเป็นปัจจัยหลักในการเลือก GPU มากกว่าประสิทธิภาพหรือราคา

    ข้อมูลเสริมจากภายนอก
    Google TPU ถูกใช้โดย OpenAI และบริษัทใหญ่หลายแห่งเพื่อหลีกเลี่ยงต้นทุน Nvidia
    AMD เข้าซื้อกิจการหลายแห่งเพื่อพัฒนา Instinct GPU ให้ใกล้เคียงกับ Nvidia Blackwell
    Intel พัฒนา Gaudi2 และ Gaudi3 เพื่อเจาะตลาด AI โดยเน้นราคาต่ำและประสิทธิภาพเฉพาะทาง
    Nvidia เปิดตัว Cosmos Reason และ NuRec ที่ SIGGRAPH 2025 เพื่อเสริมการประมวลผล AI เชิงกายภาพ
    การแข่งขันด้านฮาร์ดแวร์ AI ส่งผลต่อการพัฒนาโมเดลใหม่ เช่น diffusion, LLM และ vision AI

    https://www.techradar.com/pro/google-amd-and-intel-catching-up-on-nvidia-survey-shows-almost-a-third-of-ai-teams-now-use-non-nvidia-hardware
    🎙️ Nvidia ยังนำ แต่คู่แข่งกำลังไล่ – เมื่อ AI ต้องเลือกมากกว่าความแรง ในโลกของ AI ที่ต้องการพลังการประมวลผลมหาศาล Nvidia ยังคงเป็นผู้นำด้านฮาร์ดแวร์ โดยเฉพาะ GPU ที่ใช้ในการฝึกโมเดลขนาดใหญ่ แต่ผลการสำรวจล่าสุดจาก Liquid Web ในเดือนสิงหาคม 2025 พบว่าเกือบหนึ่งในสามของทีม AI เริ่มหันไปใช้ฮาร์ดแวร์จาก Google, AMD และ Intel แทน เหตุผลหลักคือ “ต้นทุน” และ “ความพร้อมใช้งาน” ที่เริ่มกลายเป็นอุปสรรคสำคัญ ทีมงานหลายแห่งต้องลดขนาดโครงการ หรือยกเลิกไปเลย เพราะไม่สามารถจัดหาฮาร์ดแวร์ Nvidia ได้ทันเวลา หรือมีงบประมาณไม่พอ แม้ว่า 68% ของทีมยังคงเลือก Nvidia เป็นหลัก แต่มีถึง 28% ที่ยอมรับว่าไม่ได้เปรียบเทียบทางเลือกอื่นอย่างจริงจังก่อนตัดสินใจ ซึ่งนำไปสู่การติดตั้งระบบที่ไม่เหมาะสม และประสิทธิภาพต่ำกว่าที่ควร นอกจากนี้ การใช้ระบบแบบ hybrid และ cloud ก็เพิ่มขึ้นอย่างต่อเนื่อง โดยมากกว่าครึ่งของทีม AI ใช้ทั้งระบบในองค์กรและคลาวด์ร่วมกัน เพื่อหลีกเลี่ยงปัญหาด้านพลังงานและการจัดการ GPU แบบแบ่งส่วน 📌 สรุปเนื้อหาเป็นหัวข้อ ➡️ Nvidia ยังคงเป็นผู้นำด้านฮาร์ดแวร์ AI โดยมีผู้ใช้ถึง 68% จากการสำรวจ ➡️ เกือบหนึ่งในสามของทีม AI เริ่มใช้ฮาร์ดแวร์จาก Google, AMD และ Intel ➡️ เหตุผลหลักคือข้อจำกัดด้านงบประมาณและการขาดแคลน GPU ➡️ 42% ของทีมต้องลดขนาดโครงการ และ 14% ยกเลิกโครงการเพราะต้นทุน ➡️ 28% ของผู้ตอบแบบสอบถามยอมรับว่าไม่ได้เปรียบเทียบทางเลือกอื่นก่อนซื้อ ➡️ การขาดการทดสอบนำไปสู่ระบบที่ไม่เหมาะสมและประสิทธิภาพต่ำ ➡️ มากกว่าครึ่งของทีมใช้ระบบ hybrid และ cloud เพื่อเสริมความยืดหยุ่น ➡️ Dedicated GPU hosting ถูกมองว่าเป็นทางเลือกที่ลดการสูญเสียประสิทธิภาพ ➡️ แม้ 45% ให้ความสำคัญกับการใช้พลังงานอย่างมีประสิทธิภาพ แต่มีเพียง 13% ที่ปรับระบบเพื่อประหยัดพลังงานจริง ➡️ ความคุ้นเคยและประสบการณ์เดิมเป็นปัจจัยหลักในการเลือก GPU มากกว่าประสิทธิภาพหรือราคา ✅ ข้อมูลเสริมจากภายนอก ➡️ Google TPU ถูกใช้โดย OpenAI และบริษัทใหญ่หลายแห่งเพื่อหลีกเลี่ยงต้นทุน Nvidia ➡️ AMD เข้าซื้อกิจการหลายแห่งเพื่อพัฒนา Instinct GPU ให้ใกล้เคียงกับ Nvidia Blackwell ➡️ Intel พัฒนา Gaudi2 และ Gaudi3 เพื่อเจาะตลาด AI โดยเน้นราคาต่ำและประสิทธิภาพเฉพาะทาง ➡️ Nvidia เปิดตัว Cosmos Reason และ NuRec ที่ SIGGRAPH 2025 เพื่อเสริมการประมวลผล AI เชิงกายภาพ ➡️ การแข่งขันด้านฮาร์ดแวร์ AI ส่งผลต่อการพัฒนาโมเดลใหม่ เช่น diffusion, LLM และ vision AI https://www.techradar.com/pro/google-amd-and-intel-catching-up-on-nvidia-survey-shows-almost-a-third-of-ai-teams-now-use-non-nvidia-hardware
    WWW.TECHRADAR.COM
    Rising costs push AI developers to weigh Google, AMD, and Intel hardware alongside Nvidia
    Rising costs, hardware shortages, and cloud adoption are pushing teams to test alternatives
    0 Comments 0 Shares 53 Views 0 Reviews
  • CN101 – ชิปที่ใช้พลังงานจากความไม่แน่นอน เพื่ออนาคตของ AI ที่ยั่งยืน

    ในยุคที่ AI กำลังเติบโตอย่างรวดเร็ว ความต้องการพลังงานก็พุ่งสูงขึ้นตามไปด้วย จนหลายศูนย์ข้อมูลต้องชะลอการทำงานของ GPU เพื่อหลีกเลี่ยงไฟดับ แต่ในเดือนสิงหาคม 2025 บริษัทสตาร์ทอัพชื่อ Normal Computing ได้เปิดตัว “CN101” ซึ่งเป็นชิปตัวแรกของโลกที่ใช้หลักการ “thermodynamic computing” หรือการคำนวณด้วยพลวัตทางธรรมชาติ

    ต่างจาก CPU และ GPU ที่ใช้ตรรกะแบบกำหนดแน่นอน CN101 ใช้ความไม่แน่นอน เช่น ความผันผวน การสลายพลังงาน และเสียงรบกวน เพื่อเร่งการคำนวณบางประเภท โดยเฉพาะการแก้สมการเชิงเส้นขนาดใหญ่ และการสุ่มแบบสถิติ ซึ่งเป็นหัวใจของการเรียนรู้เชิงลึกและการจำลองทางวิทยาศาสตร์

    ชิปนี้สามารถเพิ่มประสิทธิภาพการใช้พลังงานได้ถึง 1,000 เท่าในงานเฉพาะทาง และยังสามารถทำงานในโครงสร้างศูนย์ข้อมูลเดิมได้โดยไม่ต้องเพิ่มกำลังไฟฟ้า

    Normal Computing ก่อตั้งโดยอดีตวิศวกรจาก Google Brain, Google X และ Palantir โดยมีแผนจะเปิดตัว CN201 ในปี 2026 สำหรับโมเดล diffusion ความละเอียดสูง และ CN301 ในปี 2028 สำหรับงานวิดีโอ AI ขนาดใหญ่

    สรุปเนื้อหาเป็นหัวข้อ
    Normal Computing เปิดตัว CN101 ชิป thermodynamic ตัวแรกของโลก
    ใช้พลวัตธรรมชาติ เช่น ความผันผวนและเสียงรบกวน แทนตรรกะแบบกำหนด
    เร่งการคำนวณด้าน linear algebra และ stochastic sampling
    เพิ่มประสิทธิภาพการใช้พลังงานได้สูงสุดถึง 1,000 เท่าในงานเฉพาะทาง
    สามารถทำงานในศูนย์ข้อมูลเดิมโดยไม่ต้องเพิ่มกำลังไฟฟ้า
    CN101 เป็นก้าวแรกของ roadmap ที่จะนำไปสู่ CN201 และ CN301
    CN201 จะรองรับโมเดล diffusion ความละเอียดสูงในปี 2026
    CN301 จะรองรับงานวิดีโอ AI ขนาดใหญ่ในปี 2028
    ทีมผู้ก่อตั้งมาจาก Google Brain, Google X และ Palantir
    การ tape-out ของ CN101 ถือเป็นหมุดหมายสำคัญของการคำนวณแบบ thermodynamic

    ข้อมูลเสริมจากภายนอก
    Thermodynamic computing เป็นแนวคิดใหม่ที่ใช้หลักฟิสิกส์แทนตรรกะดิจิทัล
    การใช้ stochasticity ช่วยให้ AI reasoning เร็วขึ้นโดยใช้พลังงานน้อยลง
    งานที่ใช้การสุ่ม เช่น Bayesian inference และการจำลองโมเลกุล ได้ประโยชน์สูง
    IEEE Spectrum ยกให้แนวคิดนี้เป็นหนึ่งในความก้าวหน้าที่น่าจับตามอง
    หากสำเร็จ อาจเปลี่ยนกฎการ scaling ของ AI ในทศวรรษหน้า

    https://www.techradar.com/pro/chip-designer-youve-never-heard-of-brings-out-first-thermodynamic-silicon-and-seeks-to-reduce-ais-unsustainable-energy-consumption
    🎙️ CN101 – ชิปที่ใช้พลังงานจากความไม่แน่นอน เพื่ออนาคตของ AI ที่ยั่งยืน ในยุคที่ AI กำลังเติบโตอย่างรวดเร็ว ความต้องการพลังงานก็พุ่งสูงขึ้นตามไปด้วย จนหลายศูนย์ข้อมูลต้องชะลอการทำงานของ GPU เพื่อหลีกเลี่ยงไฟดับ แต่ในเดือนสิงหาคม 2025 บริษัทสตาร์ทอัพชื่อ Normal Computing ได้เปิดตัว “CN101” ซึ่งเป็นชิปตัวแรกของโลกที่ใช้หลักการ “thermodynamic computing” หรือการคำนวณด้วยพลวัตทางธรรมชาติ ต่างจาก CPU และ GPU ที่ใช้ตรรกะแบบกำหนดแน่นอน CN101 ใช้ความไม่แน่นอน เช่น ความผันผวน การสลายพลังงาน และเสียงรบกวน เพื่อเร่งการคำนวณบางประเภท โดยเฉพาะการแก้สมการเชิงเส้นขนาดใหญ่ และการสุ่มแบบสถิติ ซึ่งเป็นหัวใจของการเรียนรู้เชิงลึกและการจำลองทางวิทยาศาสตร์ ชิปนี้สามารถเพิ่มประสิทธิภาพการใช้พลังงานได้ถึง 1,000 เท่าในงานเฉพาะทาง และยังสามารถทำงานในโครงสร้างศูนย์ข้อมูลเดิมได้โดยไม่ต้องเพิ่มกำลังไฟฟ้า Normal Computing ก่อตั้งโดยอดีตวิศวกรจาก Google Brain, Google X และ Palantir โดยมีแผนจะเปิดตัว CN201 ในปี 2026 สำหรับโมเดล diffusion ความละเอียดสูง และ CN301 ในปี 2028 สำหรับงานวิดีโอ AI ขนาดใหญ่ 📌 สรุปเนื้อหาเป็นหัวข้อ ➡️ Normal Computing เปิดตัว CN101 ชิป thermodynamic ตัวแรกของโลก ➡️ ใช้พลวัตธรรมชาติ เช่น ความผันผวนและเสียงรบกวน แทนตรรกะแบบกำหนด ➡️ เร่งการคำนวณด้าน linear algebra และ stochastic sampling ➡️ เพิ่มประสิทธิภาพการใช้พลังงานได้สูงสุดถึง 1,000 เท่าในงานเฉพาะทาง ➡️ สามารถทำงานในศูนย์ข้อมูลเดิมโดยไม่ต้องเพิ่มกำลังไฟฟ้า ➡️ CN101 เป็นก้าวแรกของ roadmap ที่จะนำไปสู่ CN201 และ CN301 ➡️ CN201 จะรองรับโมเดล diffusion ความละเอียดสูงในปี 2026 ➡️ CN301 จะรองรับงานวิดีโอ AI ขนาดใหญ่ในปี 2028 ➡️ ทีมผู้ก่อตั้งมาจาก Google Brain, Google X และ Palantir ➡️ การ tape-out ของ CN101 ถือเป็นหมุดหมายสำคัญของการคำนวณแบบ thermodynamic ✅ ข้อมูลเสริมจากภายนอก ➡️ Thermodynamic computing เป็นแนวคิดใหม่ที่ใช้หลักฟิสิกส์แทนตรรกะดิจิทัล ➡️ การใช้ stochasticity ช่วยให้ AI reasoning เร็วขึ้นโดยใช้พลังงานน้อยลง ➡️ งานที่ใช้การสุ่ม เช่น Bayesian inference และการจำลองโมเลกุล ได้ประโยชน์สูง ➡️ IEEE Spectrum ยกให้แนวคิดนี้เป็นหนึ่งในความก้าวหน้าที่น่าจับตามอง ➡️ หากสำเร็จ อาจเปลี่ยนกฎการ scaling ของ AI ในทศวรรษหน้า https://www.techradar.com/pro/chip-designer-youve-never-heard-of-brings-out-first-thermodynamic-silicon-and-seeks-to-reduce-ais-unsustainable-energy-consumption
    0 Comments 0 Shares 47 Views 0 Reviews
  • Samsung 9100 Pro 8TB – SSD ที่เร็วที่สุด พร้อมความจุทะลุขีดจำกัด

    Samsung ได้เปิดตัว SSD รุ่นใหม่ในซีรีส์ 9100 Pro ขนาด 8TB ซึ่งถือเป็นรุ่นที่เร็วและใหญ่ที่สุดในกลุ่มผู้บริโภค โดยใช้เทคโนโลยี PCIe 5.0 ที่สามารถทำความเร็วในการอ่านข้อมูลได้สูงถึง 14,800 MB/s และเขียนข้อมูลได้ถึง 13,400 MB/s ซึ่งเร็วกว่า SSD รุ่นก่อนหน้าที่ใช้ PCIe 4.0 เกือบเท่าตัว

    SSD รุ่นนี้เหมาะสำหรับผู้ใช้งานระดับสูง เช่น นักสร้างคอนเทนต์, นักเล่นเกม, และผู้ใช้ที่ต้องการจัดการข้อมูลขนาดใหญ่ โดยสามารถติดตั้งเกมได้ถึง 80 เกม หากแต่ละเกมมีขนาดเฉลี่ยประมาณ 90GB

    Samsung ยังออกแบบให้รองรับการใช้งานใน PlayStation 5 และมีรุ่นที่มาพร้อมฮีตซิงก์เพื่อป้องกันความร้อนสะสม ซึ่งช่วยให้สามารถใช้งานที่ความเร็วสูงสุดได้นานขึ้นโดยไม่เกิดการ throttle

    แม้จะมีประสิทธิภาพสูง แต่ราคาก็สูงตามไปด้วย โดยรุ่น 8TB มีราคาเปิดตัวที่ประมาณ $1,050 (หรือ €964.99) และรุ่นที่มีฮีตซิงก์อยู่ที่ประมาณ $1,150 (หรือ €983.99) อย่างไรก็ตาม ราคานี้อาจลดลงเมื่อวางจำหน่ายจริงในตลาด

    Samsung ใช้คอนโทรลเลอร์ Presto และ NAND แบบ TLC ที่ผลิตเอง พร้อม DRAM cache ขนาด 8GB และรับประกันการเขียนข้อมูลได้ถึง 4,800TB ภายในระยะเวลา 5 ปี

    สรุปเนื้อหาเป็นหัวข้อ
    Samsung เปิดตัว SSD 9100 Pro รุ่น 8TB ใช้เทคโนโลยี PCIe 5.0
    ความเร็วในการอ่าน/เขียนสูงสุดอยู่ที่ 14,800/13,400 MB/s
    มีรุ่นที่มาพร้อมฮีตซิงก์เพื่อป้องกันความร้อนและรักษาความเร็ว
    รองรับการใช้งานใน PlayStation 5 แม้มีขนาดสูงขึ้น
    สามารถติดตั้งเกมได้ประมาณ 80 เกม หากแต่ละเกมมีขนาดเฉลี่ย 90GB
    ราคาประมาณ $1,050 สำหรับรุ่นธรรมดา และ $1,150 สำหรับรุ่นมีฮีตซิงก์
    ใช้คอนโทรลเลอร์ Presto และ NAND TLC ที่ผลิตโดย Samsung เอง
    DRAM cache ขนาด 8GB และรับประกันการเขียนข้อมูล 4,800TB ใน 5 ปี
    มีอัตราความเสียหายเฉลี่ยต่อปีอยู่ที่ 0.58%
    เป็นหนึ่งใน SSD PCIe 5.0 ขนาด 8TB ที่มีวางจำหน่ายในตลาด

    ข้อมูลเสริมจากภายนอก
    SSD รุ่นนี้เปิดตัวในงาน NVIDIA GTC เพื่อโชว์ศักยภาพด้าน AI และงานหนัก
    มีการปรับปรุงประสิทธิภาพพลังงานดีขึ้นถึง 49% จากรุ่นก่อนหน้า
    ใช้คอนโทรลเลอร์ขนาด 5nm ที่ช่วยลดการใช้พลังงานและความร้อน
    มีความสามารถในการอ่าน/เขียนแบบสุ่มสูงถึง 2.2M/2.6M IOPS
    คาดว่าราคาขายจริงในตลาดอาจลดลงเหลือประมาณ $800

    https://www.tomshardware.com/pc-components/ssds/samsungs-fastest-consumer-ssd-raises-its-capacity-cap-8tb-9100-pro-to-arrive-in-september
    🎙️ Samsung 9100 Pro 8TB – SSD ที่เร็วที่สุด พร้อมความจุทะลุขีดจำกัด Samsung ได้เปิดตัว SSD รุ่นใหม่ในซีรีส์ 9100 Pro ขนาด 8TB ซึ่งถือเป็นรุ่นที่เร็วและใหญ่ที่สุดในกลุ่มผู้บริโภค โดยใช้เทคโนโลยี PCIe 5.0 ที่สามารถทำความเร็วในการอ่านข้อมูลได้สูงถึง 14,800 MB/s และเขียนข้อมูลได้ถึง 13,400 MB/s ซึ่งเร็วกว่า SSD รุ่นก่อนหน้าที่ใช้ PCIe 4.0 เกือบเท่าตัว SSD รุ่นนี้เหมาะสำหรับผู้ใช้งานระดับสูง เช่น นักสร้างคอนเทนต์, นักเล่นเกม, และผู้ใช้ที่ต้องการจัดการข้อมูลขนาดใหญ่ โดยสามารถติดตั้งเกมได้ถึง 80 เกม หากแต่ละเกมมีขนาดเฉลี่ยประมาณ 90GB Samsung ยังออกแบบให้รองรับการใช้งานใน PlayStation 5 และมีรุ่นที่มาพร้อมฮีตซิงก์เพื่อป้องกันความร้อนสะสม ซึ่งช่วยให้สามารถใช้งานที่ความเร็วสูงสุดได้นานขึ้นโดยไม่เกิดการ throttle แม้จะมีประสิทธิภาพสูง แต่ราคาก็สูงตามไปด้วย โดยรุ่น 8TB มีราคาเปิดตัวที่ประมาณ $1,050 (หรือ €964.99) และรุ่นที่มีฮีตซิงก์อยู่ที่ประมาณ $1,150 (หรือ €983.99) อย่างไรก็ตาม ราคานี้อาจลดลงเมื่อวางจำหน่ายจริงในตลาด Samsung ใช้คอนโทรลเลอร์ Presto และ NAND แบบ TLC ที่ผลิตเอง พร้อม DRAM cache ขนาด 8GB และรับประกันการเขียนข้อมูลได้ถึง 4,800TB ภายในระยะเวลา 5 ปี 📌 สรุปเนื้อหาเป็นหัวข้อ ➡️ Samsung เปิดตัว SSD 9100 Pro รุ่น 8TB ใช้เทคโนโลยี PCIe 5.0 ➡️ ความเร็วในการอ่าน/เขียนสูงสุดอยู่ที่ 14,800/13,400 MB/s ➡️ มีรุ่นที่มาพร้อมฮีตซิงก์เพื่อป้องกันความร้อนและรักษาความเร็ว ➡️ รองรับการใช้งานใน PlayStation 5 แม้มีขนาดสูงขึ้น ➡️ สามารถติดตั้งเกมได้ประมาณ 80 เกม หากแต่ละเกมมีขนาดเฉลี่ย 90GB ➡️ ราคาประมาณ $1,050 สำหรับรุ่นธรรมดา และ $1,150 สำหรับรุ่นมีฮีตซิงก์ ➡️ ใช้คอนโทรลเลอร์ Presto และ NAND TLC ที่ผลิตโดย Samsung เอง ➡️ DRAM cache ขนาด 8GB และรับประกันการเขียนข้อมูล 4,800TB ใน 5 ปี ➡️ มีอัตราความเสียหายเฉลี่ยต่อปีอยู่ที่ 0.58% ➡️ เป็นหนึ่งใน SSD PCIe 5.0 ขนาด 8TB ที่มีวางจำหน่ายในตลาด ✅ ข้อมูลเสริมจากภายนอก ➡️ SSD รุ่นนี้เปิดตัวในงาน NVIDIA GTC เพื่อโชว์ศักยภาพด้าน AI และงานหนัก ➡️ มีการปรับปรุงประสิทธิภาพพลังงานดีขึ้นถึง 49% จากรุ่นก่อนหน้า ➡️ ใช้คอนโทรลเลอร์ขนาด 5nm ที่ช่วยลดการใช้พลังงานและความร้อน ➡️ มีความสามารถในการอ่าน/เขียนแบบสุ่มสูงถึง 2.2M/2.6M IOPS ➡️ คาดว่าราคาขายจริงในตลาดอาจลดลงเหลือประมาณ $800 https://www.tomshardware.com/pc-components/ssds/samsungs-fastest-consumer-ssd-raises-its-capacity-cap-8tb-9100-pro-to-arrive-in-september
    0 Comments 0 Shares 51 Views 0 Reviews
  • ปีกเดียวเปลี่ยนโลก – เมื่อไฮโดรเจนกลายเป็นเชื้อเพลิงแห่งอนาคต

    ในเดือนสิงหาคม 2025 บริษัทเทคโนโลยีจากฝรั่งเศส SHZ Advanced Technologies ประกาศความร่วมมือกับ JetZero สตาร์ตอัปด้านอากาศยานจากแคลิฟอร์เนีย เพื่อพัฒนาเครื่องบินพลังงานไฮโดรเจนแบบ “blended wing-body” หรือ “ปีกผสมลำตัว” ซึ่งมีดีไซน์คล้ายตัว V ที่ทั้งลำตัวและปีกทำหน้าที่ร่วมกันในการสร้างแรงยก

    เป้าหมายของโครงการคือการลดการปล่อยคาร์บอนให้เป็นศูนย์ โดยใช้ไฮโดรเจนเหลวเป็นเชื้อเพลิง ซึ่งมีพลังงานต่อมวลสูงแต่ต้องเก็บในอุณหภูมิ -253°C และใช้พื้นที่มากกว่าน้ำมันเชื้อเพลิงทั่วไป

    SHZ พัฒนาเทคโนโลยีถังเก็บไฮโดรเจนที่ไม่ใช้รูปทรงกระบอกแบบเดิม ทำให้สามารถฝังเข้าไปในโครงสร้างของเครื่องบิน Z4 ได้โดยไม่เสียพื้นที่ผู้โดยสาร JetZero ระบุว่าเครื่องบินต้นแบบขนาด 250 ที่นั่งจะพร้อมบินในปี 2027 ภายใต้การสนับสนุนจาก NASA

    แม้ว่า Airbus จะชะลอแผนการผลิตเครื่องบินไฮโดรเจน และ Boeing ยังไม่มั่นใจในความคุ้มค่าทางพาณิชย์ แต่ JetZero และ SHZ ยังคงเดินหน้าด้วยความเชื่อมั่นว่า “ดีไซน์ใหม่ + เชื้อเพลิงใหม่” คือคำตอบของการบินแห่งอนาคต

    สรุปเนื้อหาเป็นหัวข้อ
    SHZ Advanced Technologies จากฝรั่งเศสร่วมมือกับ JetZero เพื่อพัฒนาเครื่องบินพลังงานไฮโดรเจน
    เครื่องบินใช้ดีไซน์ blended wing-body ที่ลดแรงเสียดทานและเพิ่มประสิทธิภาพ
    โครงการอยู่ภายใต้การสนับสนุนจาก NASA เพื่อออกแบบระบบจัดเก็บและจ่ายไฮโดรเจนเหลว
    ไฮโดรเจนมีพลังงานต่อมวลสูง แต่ต้องเก็บในอุณหภูมิ -253°C และใช้พื้นที่มาก
    SHZ พัฒนาถังเก็บไฮโดรเจนแบบใหม่ที่ไม่ใช้รูปทรงกระบอก
    เครื่องบินรุ่น Z4 จะมีที่นั่ง 250 ที่นั่ง และต้นแบบจะพร้อมบินในปี 2027
    JetZero ได้รับการสนับสนุนจาก United Airlines และมีเป้าหมายลดการปล่อยคาร์บอนครึ่งหนึ่ง
    Airbus ชะลอแผนเครื่องบินไฮโดรเจน และยกเลิกเป้าหมายปี 2035
    Boeing ยังไม่มั่นใจในความคุ้มค่าทางพาณิชย์ของการบินด้วยไฮโดรเจน
    ดีไซน์ blended wing-body เคยใช้ใน B-2 bomber และโครงการ X-48 ของ NASA

    ข้อมูลเสริมจากภายนอก
    EasyJet เป็นสายการบินยุโรปรายแรกที่ร่วมมือกับ JetZero เพื่อหาแนวทางลดคาร์บอน
    การบินด้วยไฮโดรเจนสามารถลดการปล่อย CO₂ ได้ถึง 100% หากใช้ไฮโดรเจนสีเขียว
    เทคโนโลยีถังเก็บไฮโดรเจนแบบแบนช่วยลดน้ำหนักและเพิ่มพื้นที่ใช้งาน
    การออกแบบ blended wing-body ยังช่วยลดเสียงรบกวนและเพิ่มความเสถียรในการบิน
    NASA มีแผนสนับสนุนการบินพลังงานสะอาดผ่านโครงการ Sustainable Flight National Partnership
    ตลาดเครื่องบินพลังงานไฮโดรเจนคาดว่าจะมีมูลค่ามากกว่า $100 พันล้านภายในปี 2040

    https://www.thestar.com.my/tech/tech-news/2025/08/20/french-firm-teams-up-with-jetzero-on-hydrogen-powered-flight
    ✈️ ปีกเดียวเปลี่ยนโลก – เมื่อไฮโดรเจนกลายเป็นเชื้อเพลิงแห่งอนาคต ในเดือนสิงหาคม 2025 บริษัทเทคโนโลยีจากฝรั่งเศส SHZ Advanced Technologies ประกาศความร่วมมือกับ JetZero สตาร์ตอัปด้านอากาศยานจากแคลิฟอร์เนีย เพื่อพัฒนาเครื่องบินพลังงานไฮโดรเจนแบบ “blended wing-body” หรือ “ปีกผสมลำตัว” ซึ่งมีดีไซน์คล้ายตัว V ที่ทั้งลำตัวและปีกทำหน้าที่ร่วมกันในการสร้างแรงยก เป้าหมายของโครงการคือการลดการปล่อยคาร์บอนให้เป็นศูนย์ โดยใช้ไฮโดรเจนเหลวเป็นเชื้อเพลิง ซึ่งมีพลังงานต่อมวลสูงแต่ต้องเก็บในอุณหภูมิ -253°C และใช้พื้นที่มากกว่าน้ำมันเชื้อเพลิงทั่วไป SHZ พัฒนาเทคโนโลยีถังเก็บไฮโดรเจนที่ไม่ใช้รูปทรงกระบอกแบบเดิม ทำให้สามารถฝังเข้าไปในโครงสร้างของเครื่องบิน Z4 ได้โดยไม่เสียพื้นที่ผู้โดยสาร JetZero ระบุว่าเครื่องบินต้นแบบขนาด 250 ที่นั่งจะพร้อมบินในปี 2027 ภายใต้การสนับสนุนจาก NASA แม้ว่า Airbus จะชะลอแผนการผลิตเครื่องบินไฮโดรเจน และ Boeing ยังไม่มั่นใจในความคุ้มค่าทางพาณิชย์ แต่ JetZero และ SHZ ยังคงเดินหน้าด้วยความเชื่อมั่นว่า “ดีไซน์ใหม่ + เชื้อเพลิงใหม่” คือคำตอบของการบินแห่งอนาคต 📌 สรุปเนื้อหาเป็นหัวข้อ ➡️ SHZ Advanced Technologies จากฝรั่งเศสร่วมมือกับ JetZero เพื่อพัฒนาเครื่องบินพลังงานไฮโดรเจน ➡️ เครื่องบินใช้ดีไซน์ blended wing-body ที่ลดแรงเสียดทานและเพิ่มประสิทธิภาพ ➡️ โครงการอยู่ภายใต้การสนับสนุนจาก NASA เพื่อออกแบบระบบจัดเก็บและจ่ายไฮโดรเจนเหลว ➡️ ไฮโดรเจนมีพลังงานต่อมวลสูง แต่ต้องเก็บในอุณหภูมิ -253°C และใช้พื้นที่มาก ➡️ SHZ พัฒนาถังเก็บไฮโดรเจนแบบใหม่ที่ไม่ใช้รูปทรงกระบอก ➡️ เครื่องบินรุ่น Z4 จะมีที่นั่ง 250 ที่นั่ง และต้นแบบจะพร้อมบินในปี 2027 ➡️ JetZero ได้รับการสนับสนุนจาก United Airlines และมีเป้าหมายลดการปล่อยคาร์บอนครึ่งหนึ่ง ➡️ Airbus ชะลอแผนเครื่องบินไฮโดรเจน และยกเลิกเป้าหมายปี 2035 ➡️ Boeing ยังไม่มั่นใจในความคุ้มค่าทางพาณิชย์ของการบินด้วยไฮโดรเจน ➡️ ดีไซน์ blended wing-body เคยใช้ใน B-2 bomber และโครงการ X-48 ของ NASA ✅ ข้อมูลเสริมจากภายนอก ➡️ EasyJet เป็นสายการบินยุโรปรายแรกที่ร่วมมือกับ JetZero เพื่อหาแนวทางลดคาร์บอน ➡️ การบินด้วยไฮโดรเจนสามารถลดการปล่อย CO₂ ได้ถึง 100% หากใช้ไฮโดรเจนสีเขียว ➡️ เทคโนโลยีถังเก็บไฮโดรเจนแบบแบนช่วยลดน้ำหนักและเพิ่มพื้นที่ใช้งาน ➡️ การออกแบบ blended wing-body ยังช่วยลดเสียงรบกวนและเพิ่มความเสถียรในการบิน ➡️ NASA มีแผนสนับสนุนการบินพลังงานสะอาดผ่านโครงการ Sustainable Flight National Partnership ➡️ ตลาดเครื่องบินพลังงานไฮโดรเจนคาดว่าจะมีมูลค่ามากกว่า $100 พันล้านภายในปี 2040 https://www.thestar.com.my/tech/tech-news/2025/08/20/french-firm-teams-up-with-jetzero-on-hydrogen-powered-flight
    WWW.THESTAR.COM.MY
    French firm teams up with JetZero on hydrogen-powered flight
    PARIS (Reuters) -A French technology startup unveiled plans on Wednesday to work with clean-aircraft venture JetZero to explore a potential hydrogen-powered variant of its futuristic all-wing design.
    0 Comments 0 Shares 48 Views 0 Reviews
  • เรื่องเล่าใหม่: GPU ไม่ใช่แค่การ์ดจอ – แต่คือเครื่องจักรแห่งการเรียนรู้ของ AI

    ในยุคที่ AI ใหญ่ขึ้นทุกวัน การเข้าใจว่า GPU ทำงานอย่างไรจึงสำคัญมาก โดยเฉพาะเมื่อเปรียบเทียบกับ TPU ที่ Google ใช้กันอย่างแพร่หลาย

    GPU สมัยใหม่ เช่น NVIDIA H100, B200 และ GB200 NVL72 ไม่ได้เป็นแค่การ์ดจอสำหรับเล่นเกมอีกต่อไป แต่กลายเป็นเครื่องมือหลักในการฝึกและรันโมเดลขนาดใหญ่ (LLMs) ด้วยพลังการคำนวณมหาศาลจาก Tensor Core ที่ออกแบบมาเพื่อการคูณเมทริกซ์โดยเฉพาะ

    แต่ละ GPU ประกอบด้วยหลาย SM (Streaming Multiprocessor) ซึ่งใน H100 มีถึง 132 SM และใน B200 มี 148 SM โดยแต่ละ SM มี Tensor Core, Warp Scheduler และ CUDA Cores ที่ทำงานแบบ SIMD/SIMT เพื่อประมวลผลแบบขนาน

    GPU ยังมีระบบหน่วยความจำหลายระดับ ตั้งแต่ Register, SMEM (L1 cache), L2 cache ไปจนถึง HBM (High Bandwidth Memory) ซึ่งใน B200 มีถึง 192GB และแบนด์วิดท์สูงถึง 9TB/s

    นอกจากนี้ยังมีระบบเครือข่ายภายในและระหว่าง GPU ที่ซับซ้อน เช่น NVLink, NVSwitch และ InfiniBand ที่ช่วยให้ GPU หลายตัวทำงานร่วมกันได้อย่างมีประสิทธิภาพ โดยเฉพาะในระบบ DGX SuperPod ที่สามารถเชื่อมต่อ GPU ได้ถึง 1024 ตัว

    GPU ยังรองรับการทำงานแบบ parallelism หลายรูปแบบ เช่น data parallelism, tensor parallelism, expert parallelism และ pipeline parallelism ซึ่งแต่ละแบบมีข้อดีข้อเสียต่างกัน และต้องเลือกใช้ให้เหมาะกับขนาดและโครงสร้างของโมเดล

    ข้อมูลในข่าว
    GPU สมัยใหม่เช่น H100 และ B200 มี Tensor Core สำหรับคูณเมทริกซ์โดยเฉพาะ
    H100 มี 132 SM ส่วน B200 มี 148 SM แต่ละ SM มี Tensor Core, Warp Scheduler และ CUDA Cores
    หน่วยความจำของ GPU มีหลายระดับ: Register, SMEM, L2 cache และ HBM
    B200 มี HBM ขนาด 192GB และแบนด์วิดท์ 9TB/s
    ระบบเครือข่ายภายในใช้ NVLink และ NVSwitch เชื่อม GPU ภายใน node
    ระบบเครือข่ายระหว่าง node ใช้ InfiniBand แบบ fat tree topology
    DGX SuperPod สามารถเชื่อม GPU ได้ถึง 1024 ตัว
    GPU รองรับ parallelism หลายแบบ: data, tensor, expert และ pipeline
    NVIDIA SHARP ช่วยให้การทำ AllReduce มีประสิทธิภาพมากขึ้น
    GB200 NVL72 มี node ขนาดใหญ่ขึ้น (72 GPU) และแบนด์วิดท์สูงถึง 3.6TB/s

    ข้อมูลเสริมจากภายนอก
    RTX PRO 4000 Blackwell SFF เปิดตัวเมื่อ 11 ส.ค. 2025 มี Tensor Core รุ่นที่ 5
    ใช้สถาปัตยกรรม Blackwell 2.0 บนกระบวนการผลิต 5nm โดย TSMC
    มี 8960 CUDA cores และ 280 Tensor cores พร้อม GDDR7 ขนาด 24GB
    ประสิทธิภาพ AI สูงขึ้น 2.5 เท่าเมื่อเทียบกับรุ่นก่อน
    ใช้พลังงานเพียง 70W เหมาะกับเวิร์กสเตชันขนาดเล็ก
    รองรับ PCIe 5.0 x8 และ DisplayPort 2.1b

    https://jax-ml.github.io/scaling-book/gpus/
    🧠 เรื่องเล่าใหม่: GPU ไม่ใช่แค่การ์ดจอ – แต่คือเครื่องจักรแห่งการเรียนรู้ของ AI ในยุคที่ AI ใหญ่ขึ้นทุกวัน การเข้าใจว่า GPU ทำงานอย่างไรจึงสำคัญมาก โดยเฉพาะเมื่อเปรียบเทียบกับ TPU ที่ Google ใช้กันอย่างแพร่หลาย GPU สมัยใหม่ เช่น NVIDIA H100, B200 และ GB200 NVL72 ไม่ได้เป็นแค่การ์ดจอสำหรับเล่นเกมอีกต่อไป แต่กลายเป็นเครื่องมือหลักในการฝึกและรันโมเดลขนาดใหญ่ (LLMs) ด้วยพลังการคำนวณมหาศาลจาก Tensor Core ที่ออกแบบมาเพื่อการคูณเมทริกซ์โดยเฉพาะ แต่ละ GPU ประกอบด้วยหลาย SM (Streaming Multiprocessor) ซึ่งใน H100 มีถึง 132 SM และใน B200 มี 148 SM โดยแต่ละ SM มี Tensor Core, Warp Scheduler และ CUDA Cores ที่ทำงานแบบ SIMD/SIMT เพื่อประมวลผลแบบขนาน GPU ยังมีระบบหน่วยความจำหลายระดับ ตั้งแต่ Register, SMEM (L1 cache), L2 cache ไปจนถึง HBM (High Bandwidth Memory) ซึ่งใน B200 มีถึง 192GB และแบนด์วิดท์สูงถึง 9TB/s นอกจากนี้ยังมีระบบเครือข่ายภายในและระหว่าง GPU ที่ซับซ้อน เช่น NVLink, NVSwitch และ InfiniBand ที่ช่วยให้ GPU หลายตัวทำงานร่วมกันได้อย่างมีประสิทธิภาพ โดยเฉพาะในระบบ DGX SuperPod ที่สามารถเชื่อมต่อ GPU ได้ถึง 1024 ตัว GPU ยังรองรับการทำงานแบบ parallelism หลายรูปแบบ เช่น data parallelism, tensor parallelism, expert parallelism และ pipeline parallelism ซึ่งแต่ละแบบมีข้อดีข้อเสียต่างกัน และต้องเลือกใช้ให้เหมาะกับขนาดและโครงสร้างของโมเดล ✅ ข้อมูลในข่าว ➡️ GPU สมัยใหม่เช่น H100 และ B200 มี Tensor Core สำหรับคูณเมทริกซ์โดยเฉพาะ ➡️ H100 มี 132 SM ส่วน B200 มี 148 SM แต่ละ SM มี Tensor Core, Warp Scheduler และ CUDA Cores ➡️ หน่วยความจำของ GPU มีหลายระดับ: Register, SMEM, L2 cache และ HBM ➡️ B200 มี HBM ขนาด 192GB และแบนด์วิดท์ 9TB/s ➡️ ระบบเครือข่ายภายในใช้ NVLink และ NVSwitch เชื่อม GPU ภายใน node ➡️ ระบบเครือข่ายระหว่าง node ใช้ InfiniBand แบบ fat tree topology ➡️ DGX SuperPod สามารถเชื่อม GPU ได้ถึง 1024 ตัว ➡️ GPU รองรับ parallelism หลายแบบ: data, tensor, expert และ pipeline ➡️ NVIDIA SHARP ช่วยให้การทำ AllReduce มีประสิทธิภาพมากขึ้น ➡️ GB200 NVL72 มี node ขนาดใหญ่ขึ้น (72 GPU) และแบนด์วิดท์สูงถึง 3.6TB/s ✅ ข้อมูลเสริมจากภายนอก ➡️ RTX PRO 4000 Blackwell SFF เปิดตัวเมื่อ 11 ส.ค. 2025 มี Tensor Core รุ่นที่ 5 ➡️ ใช้สถาปัตยกรรม Blackwell 2.0 บนกระบวนการผลิต 5nm โดย TSMC ➡️ มี 8960 CUDA cores และ 280 Tensor cores พร้อม GDDR7 ขนาด 24GB ➡️ ประสิทธิภาพ AI สูงขึ้น 2.5 เท่าเมื่อเทียบกับรุ่นก่อน ➡️ ใช้พลังงานเพียง 70W เหมาะกับเวิร์กสเตชันขนาดเล็ก ➡️ รองรับ PCIe 5.0 x8 และ DisplayPort 2.1b https://jax-ml.github.io/scaling-book/gpus/
    0 Comments 0 Shares 43 Views 0 Reviews
  • สหรัฐมุ่งเป้า ล้มล้างการปกครองของมาดูโรในเวเนซูเอลา โดยใช้สงครามปราบยาเสพติดบังหน้า!

    รายงานล่าสุด โดนัลด์ ทรัมป์ ปราธานาธิบดีสหรัฐ มีคำสั่งส่งเรือพิฆาตติดขีปนาวุธนำวิถีขนาดใหญ่ของกองทัพเรือสหรัฐฯ จำนวน 3 ลำ (ประกอบไปด้วย USS Gravely, USS Jason Dunham and the USS Sampson อ้างอิงจากรอยเตอร์) และเรือดำน้ำ 1 ลำ ประจำการนอกชายฝั่งเวเนซุเอลา โดยอ้างเหตุผลเพื่อปราบแก๊งค้ายาเสพติด ซึ่งเป็นต้นเหตุที่ระบาดเข้าไปในสหรัฐ

    นอกจากนี้ ยังมีรายงานอีกว่า วอชิงตันวางแผนการจัดสรรกำลังทหารเพิ่มเติมอีก 4,000 นาย พร้อมด้วยเครื่องบินต่อต้านเรือดำน้ำ "P-8 Poseidons" เรือโจมตีสะเทินน้ำสะเทินบก และแม้แต่เรือดำน้ำพลังงานนิวเคลียร์ ประจำการในภูมิภาคนี้

    แคโรไลน์ ลีวิตต์ โฆษกทำเนียบขาว กล่าวกับสื่อมวลชนล่าสุด โดยระบุว่า "ประธานาธิบดีทรัมป์มีความชัดเจนและมั่นคงอย่างยิ่ง เขาพร้อมที่จะใช้อำนาจทุกด้านของอเมริกาเพื่อหยุดยั้งการหลั่งไหลของยาเสพติดเข้าสู่ประเทศของเรา และนำตัวผู้กระทำผิดมาสู่กระบวนการยุติธรรม

    ระบอบมาดูโรไม่ใช่รัฐบาลที่ถูกต้องตามกฎหมายของเวเนซุเอลา แต่มันคือแก๊งค้ายาเสพติด เพราะฉะนั้นประธานาธิบดีเชื่อว่ามาดูโรไม่ใช่ผู้นำที่ถูกต้องตามกฎหมาย เขาเป็นหัวหน้าแก๊งค้ายาเสพติดที่ถูกตั้งข้อหาในสหรัฐอเมริกาในข้อหาลักลอบขนยาเสพติดเข้าประเทศ"



    ทางด้าน นิโคลัส มาดูโร ผู้นำเวเนซูเอลา กำลังพิจารณาเรียกระดมกองกำลังกึ่งทหารโบลิวาร์ 4.5 ล้านนาย เพื่อเตรียมพร้อมรับมือภัยคุกคามจาหสหรัฐ





    สหรัฐมุ่งเป้า ล้มล้างการปกครองของมาดูโรในเวเนซูเอลา โดยใช้สงครามปราบยาเสพติดบังหน้า! 👉รายงานล่าสุด โดนัลด์ ทรัมป์ ปราธานาธิบดีสหรัฐ มีคำสั่งส่งเรือพิฆาตติดขีปนาวุธนำวิถีขนาดใหญ่ของกองทัพเรือสหรัฐฯ จำนวน 3 ลำ (ประกอบไปด้วย USS Gravely, USS Jason Dunham and the USS Sampson อ้างอิงจากรอยเตอร์) และเรือดำน้ำ 1 ลำ ประจำการนอกชายฝั่งเวเนซุเอลา โดยอ้างเหตุผลเพื่อปราบแก๊งค้ายาเสพติด ซึ่งเป็นต้นเหตุที่ระบาดเข้าไปในสหรัฐ 👉นอกจากนี้ ยังมีรายงานอีกว่า วอชิงตันวางแผนการจัดสรรกำลังทหารเพิ่มเติมอีก 4,000 นาย พร้อมด้วยเครื่องบินต่อต้านเรือดำน้ำ "P-8 Poseidons" เรือโจมตีสะเทินน้ำสะเทินบก และแม้แต่เรือดำน้ำพลังงานนิวเคลียร์ ประจำการในภูมิภาคนี้ 👉แคโรไลน์ ลีวิตต์ โฆษกทำเนียบขาว กล่าวกับสื่อมวลชนล่าสุด โดยระบุว่า "ประธานาธิบดีทรัมป์มีความชัดเจนและมั่นคงอย่างยิ่ง เขาพร้อมที่จะใช้อำนาจทุกด้านของอเมริกาเพื่อหยุดยั้งการหลั่งไหลของยาเสพติดเข้าสู่ประเทศของเรา และนำตัวผู้กระทำผิดมาสู่กระบวนการยุติธรรม ระบอบมาดูโรไม่ใช่รัฐบาลที่ถูกต้องตามกฎหมายของเวเนซุเอลา แต่มันคือแก๊งค้ายาเสพติด เพราะฉะนั้นประธานาธิบดีเชื่อว่ามาดูโรไม่ใช่ผู้นำที่ถูกต้องตามกฎหมาย เขาเป็นหัวหน้าแก๊งค้ายาเสพติดที่ถูกตั้งข้อหาในสหรัฐอเมริกาในข้อหาลักลอบขนยาเสพติดเข้าประเทศ" 👉ทางด้าน นิโคลัส มาดูโร ผู้นำเวเนซูเอลา กำลังพิจารณาเรียกระดมกองกำลังกึ่งทหารโบลิวาร์ 4.5 ล้านนาย เพื่อเตรียมพร้อมรับมือภัยคุกคามจาหสหรัฐ
    0 Comments 0 Shares 117 Views 0 Reviews
  • Ryzen 5 9500F – ชิปประหยัดรุ่นใหม่จาก AMD ที่แรงเกินราคา

    AMD กำลังขยายไลน์ผลิตภัณฑ์ Ryzen 9000 ด้วยรุ่นใหม่ที่ชื่อว่า Ryzen 5 9500F ซึ่งหลุดข้อมูลผ่าน Geekbench โดยมีสเปกใกล้เคียงกับ Ryzen 5 9600 แต่ไม่มีกราฟิกในตัว (iGPU) ทำให้ราคาน่าจะต่ำกว่า $200

    Ryzen 5 9500F ใช้สถาปัตยกรรม Zen 5 “Granite Ridge” มี 6 คอร์ 12 เธรด พร้อม L3 cache ขนาด 32MB และ L2 cache 6MB ความเร็วพื้นฐานอยู่ที่ 3.8GHz และบูสต์ได้สูงสุดถึง 5.0GHz ซึ่งใกล้เคียงกับ Ryzen 5 9600 ที่บูสต์ได้ 5.2GHz

    ผลการทดสอบ Geekbench 6 แสดงให้เห็นว่า Ryzen 5 9500F ทำคะแนน single-core ได้ 3,122 และ multi-core ได้ 14,369 ซึ่งแทบไม่ต่างจาก Ryzen 5 9600 ที่ทำได้ 3,166 / 14,257 แสดงให้เห็นว่าประสิทธิภาพใกล้เคียงกันมาก

    แม้ AMD ยังไม่ประกาศเปิดตัวอย่างเป็นทางการ แต่มีข้อมูลจากผู้ผลิตเมนบอร์ดว่า AGESA เวอร์ชันล่าสุดรองรับชิปรุ่นนี้แล้ว ซึ่งบ่งชี้ว่าอาจเปิดตัวเร็ว ๆ นี้

    ข้อมูลในข่าว
    Ryzen 5 9500F เป็นซีพียู Zen 5 รุ่นใหม่ที่ไม่มี iGPU
    มี 6 คอร์ 12 เธรด พร้อม L3 cache 32MB และ L2 cache 6MB
    ความเร็วพื้นฐาน 3.8GHz และบูสต์สูงสุด 5.0GHz
    ใช้สถาปัตยกรรม Granite Ridge เหมือน Ryzen 5 9600
    คะแนน Geekbench: 3,122 (single-core) / 14,369 (multi-core)
    ประสิทธิภาพใกล้เคียงกับ Ryzen 5 9600 ที่มี iGPU
    คาดว่าจะมีราคาไม่เกิน $179 ซึ่งต่ำกว่า Ryzen 5 9600X
    AGESA เวอร์ชันล่าสุดรองรับ Ryzen 5 9500F แล้ว
    ออกแบบมาสำหรับผู้ใช้ที่ไม่ต้องการกราฟิกในตัว เช่น เกมเมอร์ที่ใช้การ์ดจอแยก

    ข้อมูลเสริมจากภายนอก
    Ryzen 5 9500F เหมาะกับผู้ใช้ที่ต้องการประสิทธิภาพสูงในราคาประหยัด
    การไม่มี iGPU ช่วยลดต้นทุนและเพิ่มประสิทธิภาพด้านพลังงาน
    Granite Ridge ใช้เทคโนโลยีการผลิต 4nm จาก TSMC
    รองรับ DDR5 และ PCIe 5.0 บนแพลตฟอร์ม AM5
    เหมาะกับเมนบอร์ด B850 และ X870 ที่เปิดตัวในปี 2025
    การแข่งขันในตลาดซีพียูระดับกลางยังคงดุเดือด โดย Intel เตรียมเปิดตัว Core i5-14600

    https://wccftech.com/amd-ryzen-5-9500f-spotted-on-geekbench/
    💻 Ryzen 5 9500F – ชิปประหยัดรุ่นใหม่จาก AMD ที่แรงเกินราคา AMD กำลังขยายไลน์ผลิตภัณฑ์ Ryzen 9000 ด้วยรุ่นใหม่ที่ชื่อว่า Ryzen 5 9500F ซึ่งหลุดข้อมูลผ่าน Geekbench โดยมีสเปกใกล้เคียงกับ Ryzen 5 9600 แต่ไม่มีกราฟิกในตัว (iGPU) ทำให้ราคาน่าจะต่ำกว่า $200 Ryzen 5 9500F ใช้สถาปัตยกรรม Zen 5 “Granite Ridge” มี 6 คอร์ 12 เธรด พร้อม L3 cache ขนาด 32MB และ L2 cache 6MB ความเร็วพื้นฐานอยู่ที่ 3.8GHz และบูสต์ได้สูงสุดถึง 5.0GHz ซึ่งใกล้เคียงกับ Ryzen 5 9600 ที่บูสต์ได้ 5.2GHz ผลการทดสอบ Geekbench 6 แสดงให้เห็นว่า Ryzen 5 9500F ทำคะแนน single-core ได้ 3,122 และ multi-core ได้ 14,369 ซึ่งแทบไม่ต่างจาก Ryzen 5 9600 ที่ทำได้ 3,166 / 14,257 แสดงให้เห็นว่าประสิทธิภาพใกล้เคียงกันมาก แม้ AMD ยังไม่ประกาศเปิดตัวอย่างเป็นทางการ แต่มีข้อมูลจากผู้ผลิตเมนบอร์ดว่า AGESA เวอร์ชันล่าสุดรองรับชิปรุ่นนี้แล้ว ซึ่งบ่งชี้ว่าอาจเปิดตัวเร็ว ๆ นี้ ✅ ข้อมูลในข่าว ➡️ Ryzen 5 9500F เป็นซีพียู Zen 5 รุ่นใหม่ที่ไม่มี iGPU ➡️ มี 6 คอร์ 12 เธรด พร้อม L3 cache 32MB และ L2 cache 6MB ➡️ ความเร็วพื้นฐาน 3.8GHz และบูสต์สูงสุด 5.0GHz ➡️ ใช้สถาปัตยกรรม Granite Ridge เหมือน Ryzen 5 9600 ➡️ คะแนน Geekbench: 3,122 (single-core) / 14,369 (multi-core) ➡️ ประสิทธิภาพใกล้เคียงกับ Ryzen 5 9600 ที่มี iGPU ➡️ คาดว่าจะมีราคาไม่เกิน $179 ซึ่งต่ำกว่า Ryzen 5 9600X ➡️ AGESA เวอร์ชันล่าสุดรองรับ Ryzen 5 9500F แล้ว ➡️ ออกแบบมาสำหรับผู้ใช้ที่ไม่ต้องการกราฟิกในตัว เช่น เกมเมอร์ที่ใช้การ์ดจอแยก ✅ ข้อมูลเสริมจากภายนอก ➡️ Ryzen 5 9500F เหมาะกับผู้ใช้ที่ต้องการประสิทธิภาพสูงในราคาประหยัด ➡️ การไม่มี iGPU ช่วยลดต้นทุนและเพิ่มประสิทธิภาพด้านพลังงาน ➡️ Granite Ridge ใช้เทคโนโลยีการผลิต 4nm จาก TSMC ➡️ รองรับ DDR5 และ PCIe 5.0 บนแพลตฟอร์ม AM5 ➡️ เหมาะกับเมนบอร์ด B850 และ X870 ที่เปิดตัวในปี 2025 ➡️ การแข่งขันในตลาดซีพียูระดับกลางยังคงดุเดือด โดย Intel เตรียมเปิดตัว Core i5-14600 https://wccftech.com/amd-ryzen-5-9500f-spotted-on-geekbench/
    WCCFTECH.COM
    AMD Ryzen 5 9500F Leaked: Another Budget Zen 5 CPU With Six Cores And Base Clock Of 3.8 GHz
    AMD has prepared a new Ryzen 9000 CPU as spotted on Geekbench. The CPU is the Ryzen 5 9500F, which is a 6-core/12-thread SKU.
    0 Comments 0 Shares 63 Views 0 Reviews
  • NVIDIA: จากการ์ด VGA ไปสู่ GPU และก้าวสู่ NPU หัวใจของ AI

    ในยุคที่เทคโนโลยีปัญญาประดิษฐ์ (AI) กำลังเปลี่ยนแปลงโลก NVIDIA ได้กลายเป็นบริษัทชั้นนำที่ขับเคลื่อนการปฏิวัติครั้งนี้ บริษัทก่อตั้งขึ้นในปี 1993 โดย Jensen Huang, Chris Malachowsky และ Curtis Priem ด้วยวิสัยทัศน์ในการพัฒนาเทคโนโลยีกราฟิกสำหรับวิดีโอเกม แต่เส้นทางของ NVIDIA ไม่ได้หยุดอยู่แค่การแสดงผลภาพ มันวิวัฒนาการจาการ์ดแสดงผล VGA ธรรมดา ไปสู่หน่วยประมวลผลกราฟิก (GPU) ที่ทรงพลัง และสุดท้ายกลายเป็นหัวใจสำคัญของ AI ผ่านเทคโนโลยีที่คล้ายหน่วยประมวลผลเส้นประสาท (NPU) ซึ่งช่วยเร่งการคำนวณสำหรับการเรียนรู้ของเครื่องและ neural networks.

    จุดเริ่มต้นของ NVIDIA เกิดขึ้นในช่วงที่อุตสาหกรรมคอมพิวเตอร์ กำลังมุ่งเน้นไปที่การแสดงผลกราฟิก ผลิตภัณฑ์แรกอย่าง NV1 ซึ่งเป็น graphics accelerator สำหรับ VGA ไม่ประสบความสำเร็จมากนัก เนื่องจากใช้รูปแบบ quadrilateral primitives ที่ไม่เข้ากันกับมาตรฐาน DirectX ของ Microsoft ทำให้บริษัทเกือบล้มละลาย แต่ NVIDIA ฟื้นตัวได้ด้วย RIVA 128 ในปี 1997 ซึ่งเป็นชิปกราฟิกที่รองรับ triangle primitives และขายได้กว่า 1 ล้านหน่วยภายใน 4 เดือน สิ่งนี้ช่วยให้บริษัทมั่นคงและเข้าสู่ตลาดการ์ดจอ VGA อย่างเต็มตัว. ในขณะนั้น VGA (Video Graphics Array) เป็นมาตรฐานพื้นฐานสำหรับการแสดงผล แต่ NVIDIA มองเห็นศักยภาพในการพัฒนาให้ก้าวไกลกว่านั้น โดยเน้นที่การเร่งความเร็วกราฟิก 3 มิติสำหรับเกมและแอปพลิเคชัน

    การก้าวกระโดดครั้งใหญ่เกิดขึ้นในปี 1999 เมื่อ NVIDIA เปิดตัว GeForce 256 ซึ่งถูกขนานนามว่าเป็น "GPU แรกของโลก" GPU (Graphics Processing Unit) แตกต่างจาก VGA ตรงที่มันไม่ใช่แค่การ์ดแสดงผล แต่เป็นหน่วยประมวลผลแบบขนานที่สามารถจัดการ transformation and lighting (T&L) บนฮาร์ดแวร์ได้เอง ทำให้ประสิทธิภาพกราฟิกเพิ่มขึ้นอย่างมหาศาลและปฏิวัติอุตสาหกรรมเกม. จากนั้น NVIDIA ลงทุนกว่า 1 พันล้านดอลลาร์ ในการพัฒนา CUDA ในช่วงต้นปี 2000 ซึ่งเป็นแพลตฟอร์มซอฟต์แวร์ที่ช่วยให้ GPU สามารถรันโปรแกรมแบบขนานสำหรับงานคำนวณที่หนักหน่วง เช่น การวิเคราะห์ข้อมูล และการคำนวณทางวิทยาศาสตร์ สิ่งนี้ขยายขอบเขตของ GPU จากแค่กราฟิกไปสู่การประมวลผลทั่วไป โดยในปี 2016 NVIDIA ได้บริจาค DGX-1 ซึ่งเป็น supercomputer ที่ใช้ GPU 8 ตัว ให้กับ OpenAI เพื่อสนับสนุนการพัฒนา AI

    เมื่อ AI เฟื่องฟู NVIDIA ได้ปรับ GPU ให้เหมาะสมกับงาน deep learning มากขึ้น ด้วยการแนะนำ Tensor Cores ในสถาปัตยกรรม Volta (2017) และ Turing (2018) ซึ่งเป็นหน่วยประมวลผลพิเศษสำหรับการคำนวณ tensor/matrix ที่ใช้ใน neural networks ทำให้ GPU เร่งความเร็วการฝึกและ inference ของโมเดล AI ได้หลายเท่า. Tensor Cores รองรับความแม่นยำแบบ FP16, INT8 และ INT4 ซึ่งเหมาะสำหรับงาน AI ที่ต้องการประสิทธิภาพสูงแต่ใช้พลังงานต่ำ คล้ายกับฟังก์ชันของ NPU (Neural Processing Unit) ที่ออกแบบมาเฉพาะสำหรับการประมวลผล neural networks และ AI inference ในอุปกรณ์ edge. แม้ NVIDIA จะไม่เรียกผลิตภัณฑ์ของตนว่า NPU โดยตรง แต่เทคโนโลยีอย่าง Tensor Cores และ BlueField Data Processing Units (DPUs) ทำหน้าที่คล้ายกัน โดย DPU ช่วยจัดการงาน data center AI เช่น การเร่งข้อมูลและ security สำหรับ AI workloads. นอกจากนี้ ซีรีส์ Jetson สำหรับ embedded systems ยังรวม deep learning accelerators ที่คล้าย NPU สำหรับ robotics และ autonomous vehicles .

    ในปัจจุบัน NVIDIA ครองตลาด GPU สำหรับ AI มากกว่า 80% และชิปอย่าง H100 และ Blackwell ถูกใช้ใน supercomputers กว่า 75% ของ TOP500 ทำให้บริษัทมีมูลค่าตลาดเกิน 4 ล้านล้านดอลลาร์ในปี 2025. การพัฒนาเหล่านี้ไม่เพียงแต่ทำให้ NVIDIA เป็นผู้นำใน AI แต่ยังขับเคลื่อนอุตสาหกรรมต่างๆ เช่น การแพทย์ การขับขี่อัตโนมัติ และ robotics ด้วยโมเดลอย่าง NVLM 1.0 และ Isaac GR00T.

    สรุปแล้ว NVIDIA ได้วิวัฒนาการจากผู้ผลิตการ์ด VGA สู่ผู้ประดิษฐ์ GPU และกลายเป็นหัวใจของ AI ผ่านเทคโนโลยีที่คล้าย NPU ซึ่งช่วยให้โลกก้าวสู่ยุคปัญญาประดิษฐ์ที่แท้จริง การเดินทางนี้แสดงให้เห็นถึงวิสัยทัศน์ในการปรับตัวและนวัตกรรมที่ไม่หยุดยั้ง.

    #ลุงเขียนหลานอ่าน
    NVIDIA: จากการ์ด VGA ➡️ ไปสู่ GPU 🚀 และก้าวสู่ NPU หัวใจของ AI ❤️ ในยุคที่เทคโนโลยีปัญญาประดิษฐ์ (AI) 🤖 กำลังเปลี่ยนแปลงโลก NVIDIA ได้กลายเป็นบริษัทชั้นนำที่ขับเคลื่อนการปฏิวัติครั้งนี้ บริษัทก่อตั้งขึ้นในปี 1993 โดย Jensen Huang, Chris Malachowsky และ Curtis Priem ด้วยวิสัยทัศน์ในการพัฒนาเทคโนโลยีกราฟิกสำหรับวิดีโอเกม 🎮 แต่เส้นทางของ NVIDIA ไม่ได้หยุดอยู่แค่การแสดงผลภาพ มันวิวัฒนาการจาการ์ดแสดงผล VGA ธรรมดา ไปสู่หน่วยประมวลผลกราฟิก (GPU) ที่ทรงพลัง และสุดท้ายกลายเป็นหัวใจสำคัญของ AI ผ่านเทคโนโลยีที่คล้ายหน่วยประมวลผลเส้นประสาท (NPU) ซึ่งช่วยเร่งการคำนวณสำหรับการเรียนรู้ของเครื่องและ neural networks. 🧠 จุดเริ่มต้นของ NVIDIA เกิดขึ้นในช่วงที่อุตสาหกรรมคอมพิวเตอร์ 💻 กำลังมุ่งเน้นไปที่การแสดงผลกราฟิก ผลิตภัณฑ์แรกอย่าง NV1 ซึ่งเป็น graphics accelerator สำหรับ VGA ไม่ประสบความสำเร็จมากนัก 📉 เนื่องจากใช้รูปแบบ quadrilateral primitives ที่ไม่เข้ากันกับมาตรฐาน DirectX ของ Microsoft ทำให้บริษัทเกือบล้มละลาย 😥 แต่ NVIDIA ฟื้นตัวได้ด้วย RIVA 128 ในปี 1997 ซึ่งเป็นชิปกราฟิกที่รองรับ triangle primitives และขายได้กว่า 1 ล้านหน่วยภายใน 4 เดือน 📈 สิ่งนี้ช่วยให้บริษัทมั่นคงและเข้าสู่ตลาดการ์ดจอ VGA อย่างเต็มตัว. ในขณะนั้น VGA (Video Graphics Array) เป็นมาตรฐานพื้นฐานสำหรับการแสดงผล แต่ NVIDIA มองเห็นศักยภาพในการพัฒนาให้ก้าวไกลกว่านั้น โดยเน้นที่การเร่งความเร็วกราฟิก 3 มิติสำหรับเกมและแอปพลิเคชัน การก้าวกระโดดครั้งใหญ่เกิดขึ้นในปี 1999 เมื่อ NVIDIA เปิดตัว GeForce 256 ซึ่งถูกขนานนามว่าเป็น "GPU แรกของโลก" 🌍 GPU (Graphics Processing Unit) แตกต่างจาก VGA ตรงที่มันไม่ใช่แค่การ์ดแสดงผล แต่เป็นหน่วยประมวลผลแบบขนานที่สามารถจัดการ transformation and lighting (T&L) บนฮาร์ดแวร์ได้เอง ทำให้ประสิทธิภาพกราฟิกเพิ่มขึ้นอย่างมหาศาลและปฏิวัติอุตสาหกรรมเกม. จากนั้น NVIDIA ลงทุนกว่า 1 พันล้านดอลลาร์ 💰 ในการพัฒนา CUDA ในช่วงต้นปี 2000 ซึ่งเป็นแพลตฟอร์มซอฟต์แวร์ที่ช่วยให้ GPU สามารถรันโปรแกรมแบบขนานสำหรับงานคำนวณที่หนักหน่วง เช่น การวิเคราะห์ข้อมูล 📊 และการคำนวณทางวิทยาศาสตร์ 🧪 สิ่งนี้ขยายขอบเขตของ GPU จากแค่กราฟิกไปสู่การประมวลผลทั่วไป โดยในปี 2016 NVIDIA ได้บริจาค DGX-1 ซึ่งเป็น supercomputer ที่ใช้ GPU 8 ตัว ให้กับ OpenAI เพื่อสนับสนุนการพัฒนา AI เมื่อ AI เฟื่องฟู NVIDIA ได้ปรับ GPU ให้เหมาะสมกับงาน deep learning มากขึ้น ด้วยการแนะนำ Tensor Cores ในสถาปัตยกรรม Volta (2017) และ Turing (2018) ซึ่งเป็นหน่วยประมวลผลพิเศษสำหรับการคำนวณ tensor/matrix ที่ใช้ใน neural networks ทำให้ GPU เร่งความเร็วการฝึกและ inference ของโมเดล AI ได้หลายเท่า. Tensor Cores รองรับความแม่นยำแบบ FP16, INT8 และ INT4 ซึ่งเหมาะสำหรับงาน AI ที่ต้องการประสิทธิภาพสูงแต่ใช้พลังงานต่ำ คล้ายกับฟังก์ชันของ NPU (Neural Processing Unit) ที่ออกแบบมาเฉพาะสำหรับการประมวลผล neural networks และ AI inference ในอุปกรณ์ edge. แม้ NVIDIA จะไม่เรียกผลิตภัณฑ์ของตนว่า NPU โดยตรง แต่เทคโนโลยีอย่าง Tensor Cores และ BlueField Data Processing Units (DPUs) ทำหน้าที่คล้ายกัน โดย DPU ช่วยจัดการงาน data center AI เช่น การเร่งข้อมูลและ security สำหรับ AI workloads. นอกจากนี้ ซีรีส์ Jetson สำหรับ embedded systems ยังรวม deep learning accelerators ที่คล้าย NPU สำหรับ robotics 🤖 และ autonomous vehicles 🚗. ในปัจจุบัน NVIDIA ครองตลาด GPU สำหรับ AI มากกว่า 80% และชิปอย่าง H100 และ Blackwell ถูกใช้ใน supercomputers กว่า 75% ของ TOP500 ทำให้บริษัทมีมูลค่าตลาดเกิน 4 ล้านล้านดอลลาร์ในปี 2025. 💰 การพัฒนาเหล่านี้ไม่เพียงแต่ทำให้ NVIDIA เป็นผู้นำใน AI แต่ยังขับเคลื่อนอุตสาหกรรมต่างๆ เช่น การแพทย์ 🩺 การขับขี่อัตโนมัติ และ robotics ด้วยโมเดลอย่าง NVLM 1.0 และ Isaac GR00T. สรุปแล้ว NVIDIA ได้วิวัฒนาการจากผู้ผลิตการ์ด VGA สู่ผู้ประดิษฐ์ GPU และกลายเป็นหัวใจของ AI ผ่านเทคโนโลยีที่คล้าย NPU ซึ่งช่วยให้โลกก้าวสู่ยุคปัญญาประดิษฐ์ที่แท้จริง 👍 การเดินทางนี้แสดงให้เห็นถึงวิสัยทัศน์ในการปรับตัวและนวัตกรรมที่ไม่หยุดยั้ง. 💡 #ลุงเขียนหลานอ่าน
    Like
    1
    0 Comments 0 Shares 135 Views 0 Reviews
  • TSMC ขึ้นราคาชิป 2nm เป็น $30,000 ต่อเวเฟอร์ – โรงงานในสหรัฐฯ เริ่มทำกำไรต่อเนื่อง

    TSMC ผู้ผลิตชิปอันดับหนึ่งของโลก เตรียมขึ้นราคาชิปขนาด 2 นาโนเมตรเป็น $30,000 ต่อเวเฟอร์ ซึ่งเพิ่มขึ้นกว่า 66% จากราคาชิป 3nm ที่เคยอยู่ที่ประมาณ $18,000 โดยราคานี้สะท้อนต้นทุนการผลิตที่สูงขึ้น และเป็นกลยุทธ์ของ TSMC ที่ต้องการคัดกรองลูกค้าให้เหลือเฉพาะบริษัทที่สามารถจ่ายเพื่อเทคโนโลยีระดับสูง เช่น Apple, NVIDIA, AMD และ Intel

    แม้ราคาจะสูง แต่ TSMC รายงานว่า yield หรืออัตราการผลิตสำเร็จของชิป 2nm เริ่มแตะระดับ 90% สำหรับชิป SRAM ขนาดเล็ก ซึ่งถือว่าเป็นสัญญาณดีสำหรับการเข้าสู่การผลิตจำนวนมากภายในปีนี้ โดย Apple คาดว่าจะใช้ชิป 2nm ใน iPhone 18 Pro และ AMD จะใช้ใน Zen 6 “Venice” CPUs

    ด้านโรงงานในรัฐแอริโซนา ซึ่งเคยถูกวิจารณ์เรื่องต้นทุนสูง ตอนนี้กลับทำกำไรได้ต่อเนื่องเป็นไตรมาสที่สอง โดยมีรายได้กว่า NT$4.2 พันล้านในไตรมาสล่าสุด และมีลูกค้าหลักคือ Apple, NVIDIA และ AMD ซึ่งช่วยให้มีคำสั่งซื้อที่มั่นคง

    อย่างไรก็ตาม นักวิเคราะห์เตือนว่าค่าเสื่อมราคาของโรงงานในสหรัฐฯ อาจกระทบต่อกำไรในระยะยาว และโรงงานในญี่ปุ่นของ TSMC ยังขาดทุนอยู่ในครึ่งปีแรก

    ข้อมูลจากข่าวหลัก
    TSMC ขึ้นราคาชิป 2nm เป็น $30,000 ต่อเวเฟอร์ เพิ่มขึ้น 66% จาก 3nm
    Yield ของชิป 2nm แตะระดับ 90% สำหรับชิป SRAM ขนาดเล็ก
    Apple, AMD, NVIDIA และ Intel เตรียมใช้เทคโนโลยี 2nm ในผลิตภัณฑ์ใหม่
    โรงงาน TSMC ในรัฐแอริโซนาเริ่มทำกำไรต่อเนื่องเป็นไตรมาสที่สอง
    รายได้ล่าสุดของโรงงานแอริโซนาอยู่ที่ NT$4.2 พันล้าน
    โรงงานนี้เริ่มผลิตชิป 4nm ตั้งแต่ Q4 ปี 2024
    ลูกค้าหลักของโรงงานคือ Apple, NVIDIA และ AMD
    TSMC เตรียมขยายโรงงานในสหรัฐฯ เพิ่มอีกสองแห่ง

    ข้อมูลเสริมจากภายนอก
    ชิป 2nm ใช้สถาปัตยกรรม Gate-All-Around (GAA) เพื่อควบคุมกระแสไฟฟ้าได้แม่นยำขึ้น
    N2P และ N2X จะเป็นรุ่นต่อยอดจาก 2nm โดยเพิ่มประสิทธิภาพและลดการใช้พลังงาน
    ราคาชิปอาจแตะ $45,000 ต่อเวเฟอร์เมื่อเข้าสู่ยุค 1.4nm (Angstrom era)
    การขึ้นราคาชิปสะท้อนว่าต้นทุนต่อทรานซิสเตอร์ไม่ได้ลดลงอีกแล้ว
    Samsung ยังมี yield ต่ำกว่า TSMC ที่ประมาณ 40% และใช้กลยุทธ์ราคาถูกเพื่อดึงลูกค้า
    โรงงานในญี่ปุ่นของ TSMC ยังขาดทุน และไม่ผลิตชิปรุ่นล่าสุด

    https://wccftech.com/tsmc-latest-chips-to-get-super-expensive-with-30k-wafer-tag-us-arizona-plant-becomes-profitable-for-second-consecutive-quarter/
    🏭 TSMC ขึ้นราคาชิป 2nm เป็น $30,000 ต่อเวเฟอร์ – โรงงานในสหรัฐฯ เริ่มทำกำไรต่อเนื่อง TSMC ผู้ผลิตชิปอันดับหนึ่งของโลก เตรียมขึ้นราคาชิปขนาด 2 นาโนเมตรเป็น $30,000 ต่อเวเฟอร์ ซึ่งเพิ่มขึ้นกว่า 66% จากราคาชิป 3nm ที่เคยอยู่ที่ประมาณ $18,000 โดยราคานี้สะท้อนต้นทุนการผลิตที่สูงขึ้น และเป็นกลยุทธ์ของ TSMC ที่ต้องการคัดกรองลูกค้าให้เหลือเฉพาะบริษัทที่สามารถจ่ายเพื่อเทคโนโลยีระดับสูง เช่น Apple, NVIDIA, AMD และ Intel แม้ราคาจะสูง แต่ TSMC รายงานว่า yield หรืออัตราการผลิตสำเร็จของชิป 2nm เริ่มแตะระดับ 90% สำหรับชิป SRAM ขนาดเล็ก ซึ่งถือว่าเป็นสัญญาณดีสำหรับการเข้าสู่การผลิตจำนวนมากภายในปีนี้ โดย Apple คาดว่าจะใช้ชิป 2nm ใน iPhone 18 Pro และ AMD จะใช้ใน Zen 6 “Venice” CPUs ด้านโรงงานในรัฐแอริโซนา ซึ่งเคยถูกวิจารณ์เรื่องต้นทุนสูง ตอนนี้กลับทำกำไรได้ต่อเนื่องเป็นไตรมาสที่สอง โดยมีรายได้กว่า NT$4.2 พันล้านในไตรมาสล่าสุด และมีลูกค้าหลักคือ Apple, NVIDIA และ AMD ซึ่งช่วยให้มีคำสั่งซื้อที่มั่นคง อย่างไรก็ตาม นักวิเคราะห์เตือนว่าค่าเสื่อมราคาของโรงงานในสหรัฐฯ อาจกระทบต่อกำไรในระยะยาว และโรงงานในญี่ปุ่นของ TSMC ยังขาดทุนอยู่ในครึ่งปีแรก ✅ ข้อมูลจากข่าวหลัก ➡️ TSMC ขึ้นราคาชิป 2nm เป็น $30,000 ต่อเวเฟอร์ เพิ่มขึ้น 66% จาก 3nm ➡️ Yield ของชิป 2nm แตะระดับ 90% สำหรับชิป SRAM ขนาดเล็ก ➡️ Apple, AMD, NVIDIA และ Intel เตรียมใช้เทคโนโลยี 2nm ในผลิตภัณฑ์ใหม่ ➡️ โรงงาน TSMC ในรัฐแอริโซนาเริ่มทำกำไรต่อเนื่องเป็นไตรมาสที่สอง ➡️ รายได้ล่าสุดของโรงงานแอริโซนาอยู่ที่ NT$4.2 พันล้าน ➡️ โรงงานนี้เริ่มผลิตชิป 4nm ตั้งแต่ Q4 ปี 2024 ➡️ ลูกค้าหลักของโรงงานคือ Apple, NVIDIA และ AMD ➡️ TSMC เตรียมขยายโรงงานในสหรัฐฯ เพิ่มอีกสองแห่ง ✅ ข้อมูลเสริมจากภายนอก ➡️ ชิป 2nm ใช้สถาปัตยกรรม Gate-All-Around (GAA) เพื่อควบคุมกระแสไฟฟ้าได้แม่นยำขึ้น ➡️ N2P และ N2X จะเป็นรุ่นต่อยอดจาก 2nm โดยเพิ่มประสิทธิภาพและลดการใช้พลังงาน ➡️ ราคาชิปอาจแตะ $45,000 ต่อเวเฟอร์เมื่อเข้าสู่ยุค 1.4nm (Angstrom era) ➡️ การขึ้นราคาชิปสะท้อนว่าต้นทุนต่อทรานซิสเตอร์ไม่ได้ลดลงอีกแล้ว ➡️ Samsung ยังมี yield ต่ำกว่า TSMC ที่ประมาณ 40% และใช้กลยุทธ์ราคาถูกเพื่อดึงลูกค้า ➡️ โรงงานในญี่ปุ่นของ TSMC ยังขาดทุน และไม่ผลิตชิปรุ่นล่าสุด https://wccftech.com/tsmc-latest-chips-to-get-super-expensive-with-30k-wafer-tag-us-arizona-plant-becomes-profitable-for-second-consecutive-quarter/
    WCCFTECH.COM
    TSMC Latest Chips To Get Super Expensive With $30k/Wafer Tag - US Arizona Plant Becomes Profitable For Second Consecutive Quarter
    TSMC charges $30,000 per 2nm wafer as it enters mass production, achieving profitability at its Arizona fab with NT$4.2 billion in Q2 profit.
    0 Comments 0 Shares 113 Views 0 Reviews
  • NVMe 2.3: ยกระดับ SSD ให้ฉลาดขึ้น ปลอดภัยขึ้น และทนทานต่อความล้มเหลวมากขึ้น

    กลุ่ม NVM Express ได้เปิดตัวมาตรฐาน NVMe 2.3 ซึ่งเป็นการปรับปรุงครั้งใหญ่ที่ครอบคลุมทั้งชุดคำสั่งการจัดเก็บข้อมูลและโปรโตคอลการส่งข้อมูล เช่น PCIe, RDMA และ TCP โดยมีเป้าหมายเพื่อทำให้ SSD มีความยืดหยุ่นมากขึ้น ประหยัดพลังงาน และสามารถฟื้นตัวจากความล้มเหลวได้ดีขึ้น

    หนึ่งในฟีเจอร์เด่นคือ Rapid Path Failure Recovery (RPFR) ซึ่งช่วยให้ระบบสามารถเปลี่ยนเส้นทางการสื่อสารไปยังช่องทางสำรองได้ทันทีเมื่อเกิดปัญหาระหว่าง host กับ storage subsystem ลดโอกาสข้อมูลเสียหายและ downtime

    ด้านการจัดการพลังงาน NVMe 2.3 เพิ่มฟีเจอร์ Power Limit Config ที่ให้ผู้ดูแลระบบกำหนดขีดจำกัดการใช้พลังงานของ SSD ได้ และ Self-Reported Drive Power ที่ช่วยให้ SSD รายงานการใช้พลังงานแบบเรียลไทม์ ซึ่งเหมาะกับการวางแผนพลังงานและตรวจจับปัญหาแต่เนิ่นๆ

    ในด้านความปลอดภัย มีฟีเจอร์ Sanitize Per Namespace ที่ช่วยลบข้อมูลเฉพาะบางส่วนของ SSD โดยไม่กระทบข้อมูลอื่น และ Configurable Device Personality ที่ให้ SSD ปรับโหมดการทำงานได้ตามความต้องการ เช่น โหมดประหยัดพลังงานหรือโหมดประสิทธิภาพสูง

    แม้ฟีเจอร์เหล่านี้จะมีประโยชน์มากในระดับองค์กร แต่การนำไปใช้ใน SSD สำหรับผู้บริโภคทั่วไปยังขึ้นอยู่กับผู้ผลิตว่าจะนำไปใช้อย่างจริงจังหรือไม่

    ข้อมูลจากข่าวหลัก
    NVMe 2.3 เปิดตัวพร้อมอัปเดต 11 รายการในชุดคำสั่งและโปรโตคอลการส่งข้อมูล
    Rapid Path Failure Recovery ช่วยให้ระบบเปลี่ยนเส้นทางการสื่อสารเมื่อเกิดปัญหา
    Power Limit Config ให้ผู้ดูแลระบบกำหนดขีดจำกัดการใช้พลังงานของ SSD
    Self-Reported Drive Power ช่วยให้ SSD รายงานการใช้พลังงานแบบเรียลไทม์
    Sanitize Per Namespace ลบข้อมูลเฉพาะบางส่วนของ SSD ได้อย่างปลอดภัย
    Configurable Device Personality ให้ SSD ปรับโหมดการทำงานตามความต้องการ
    NVMe Management Interface อัปเดตเป็นเวอร์ชัน 2.1 และ NVMe Boot เป็นเวอร์ชัน 1.3
    ฟีเจอร์ใหม่เน้นความยืดหยุ่น ความปลอดภัย และการจัดการพลังงานในระดับองค์กร

    ข้อมูลเสริมจากภายนอก
    NVMe 2.3 รองรับการใช้งานในศูนย์ข้อมูล, ระบบ AI, และแอปพลิเคชันที่ใช้ข้อมูลหนัก
    RPFR ลดโอกาสข้อมูลเสียหายจากการสื่อสารล้มเหลวในระบบขนาดใหญ่
    Power Limit Config เหมาะกับเซิร์ฟเวอร์รุ่นเก่าที่มีข้อจำกัดด้านพลังงาน
    Self-Reported Drive Power ช่วยวางแผนพลังงานและตรวจจับปัญหาได้แต่เนิ่นๆ
    Sanitize Per Namespace เหมาะกับการรีไทร์หรือรีไซเคิล SSD โดยไม่ลบข้อมูลทั้งหมด
    Configurable Device Personality ช่วยลดความซับซ้อนในการจัดการ SSD หลายรุ่น

    https://www.techradar.com/pro/finally-future-ssds-are-set-to-be-more-energy-efficient-and-more-secure-thanks-to-a-new-set-of-guidelines
    🚀 NVMe 2.3: ยกระดับ SSD ให้ฉลาดขึ้น ปลอดภัยขึ้น และทนทานต่อความล้มเหลวมากขึ้น กลุ่ม NVM Express ได้เปิดตัวมาตรฐาน NVMe 2.3 ซึ่งเป็นการปรับปรุงครั้งใหญ่ที่ครอบคลุมทั้งชุดคำสั่งการจัดเก็บข้อมูลและโปรโตคอลการส่งข้อมูล เช่น PCIe, RDMA และ TCP โดยมีเป้าหมายเพื่อทำให้ SSD มีความยืดหยุ่นมากขึ้น ประหยัดพลังงาน และสามารถฟื้นตัวจากความล้มเหลวได้ดีขึ้น หนึ่งในฟีเจอร์เด่นคือ Rapid Path Failure Recovery (RPFR) ซึ่งช่วยให้ระบบสามารถเปลี่ยนเส้นทางการสื่อสารไปยังช่องทางสำรองได้ทันทีเมื่อเกิดปัญหาระหว่าง host กับ storage subsystem ลดโอกาสข้อมูลเสียหายและ downtime ด้านการจัดการพลังงาน NVMe 2.3 เพิ่มฟีเจอร์ Power Limit Config ที่ให้ผู้ดูแลระบบกำหนดขีดจำกัดการใช้พลังงานของ SSD ได้ และ Self-Reported Drive Power ที่ช่วยให้ SSD รายงานการใช้พลังงานแบบเรียลไทม์ ซึ่งเหมาะกับการวางแผนพลังงานและตรวจจับปัญหาแต่เนิ่นๆ ในด้านความปลอดภัย มีฟีเจอร์ Sanitize Per Namespace ที่ช่วยลบข้อมูลเฉพาะบางส่วนของ SSD โดยไม่กระทบข้อมูลอื่น และ Configurable Device Personality ที่ให้ SSD ปรับโหมดการทำงานได้ตามความต้องการ เช่น โหมดประหยัดพลังงานหรือโหมดประสิทธิภาพสูง แม้ฟีเจอร์เหล่านี้จะมีประโยชน์มากในระดับองค์กร แต่การนำไปใช้ใน SSD สำหรับผู้บริโภคทั่วไปยังขึ้นอยู่กับผู้ผลิตว่าจะนำไปใช้อย่างจริงจังหรือไม่ ✅ ข้อมูลจากข่าวหลัก ➡️ NVMe 2.3 เปิดตัวพร้อมอัปเดต 11 รายการในชุดคำสั่งและโปรโตคอลการส่งข้อมูล ➡️ Rapid Path Failure Recovery ช่วยให้ระบบเปลี่ยนเส้นทางการสื่อสารเมื่อเกิดปัญหา ➡️ Power Limit Config ให้ผู้ดูแลระบบกำหนดขีดจำกัดการใช้พลังงานของ SSD ➡️ Self-Reported Drive Power ช่วยให้ SSD รายงานการใช้พลังงานแบบเรียลไทม์ ➡️ Sanitize Per Namespace ลบข้อมูลเฉพาะบางส่วนของ SSD ได้อย่างปลอดภัย ➡️ Configurable Device Personality ให้ SSD ปรับโหมดการทำงานตามความต้องการ ➡️ NVMe Management Interface อัปเดตเป็นเวอร์ชัน 2.1 และ NVMe Boot เป็นเวอร์ชัน 1.3 ➡️ ฟีเจอร์ใหม่เน้นความยืดหยุ่น ความปลอดภัย และการจัดการพลังงานในระดับองค์กร ✅ ข้อมูลเสริมจากภายนอก ➡️ NVMe 2.3 รองรับการใช้งานในศูนย์ข้อมูล, ระบบ AI, และแอปพลิเคชันที่ใช้ข้อมูลหนัก ➡️ RPFR ลดโอกาสข้อมูลเสียหายจากการสื่อสารล้มเหลวในระบบขนาดใหญ่ ➡️ Power Limit Config เหมาะกับเซิร์ฟเวอร์รุ่นเก่าที่มีข้อจำกัดด้านพลังงาน ➡️ Self-Reported Drive Power ช่วยวางแผนพลังงานและตรวจจับปัญหาได้แต่เนิ่นๆ ➡️ Sanitize Per Namespace เหมาะกับการรีไทร์หรือรีไซเคิล SSD โดยไม่ลบข้อมูลทั้งหมด ➡️ Configurable Device Personality ช่วยลดความซับซ้อนในการจัดการ SSD หลายรุ่น https://www.techradar.com/pro/finally-future-ssds-are-set-to-be-more-energy-efficient-and-more-secure-thanks-to-a-new-set-of-guidelines
    0 Comments 0 Shares 101 Views 0 Reviews
  • AI Token Factory: โรงงานผลิตความฉลาดแห่งยุคใหม่

    ในอดีต เราวัดพลังคอมพิวเตอร์ด้วย CPU หรือ GPU แต่ในยุค AI ที่มีโมเดลขนาดมหึมาอย่าง GPT-4, Claude หรือ Gemini สิ่งที่สำคัญที่สุดคือ “โทเคน” ซึ่งเป็นหน่วยข้อมูลที่ AI ใช้ในการคิด วิเคราะห์ และตอบสนองต่อคำสั่งของผู้ใช้

    AI Token Factory คือระบบที่ออกแบบมาเพื่อผลิตโทเคนให้ได้มากที่สุดต่อวินาที โดยใช้ GPU จำนวนมหาศาล เช่นระบบ Colossus 1 ของ xAI ที่ใช้ NVIDIA H100 กว่า 100,000 ตัว และ Colossus 2 ที่จะใช้ GB200 และ GB300 มากกว่า 550,000 ตัว เพื่อรองรับการฝึกและใช้งานโมเดล AI ขนาดใหญ่

    Jensen Huang ซีอีโอของ NVIDIA อธิบายว่า AI Factory คือโรงงานที่เปลี่ยนพลังงานไฟฟ้าและข้อมูลดิบให้กลายเป็นความฉลาด พร้อมเปิดตัว Blackwell Ultra ซึ่งเป็นแพลตฟอร์มใหม่ที่สามารถเพิ่มประสิทธิภาพการประมวลผลได้ถึง 50 เท่าเมื่อเทียบกับ Hopper รุ่นก่อนหน้า

    ในยุค “agentic AI” ที่กำลังมาถึง AI จะไม่เพียงแค่ตอบคำถาม แต่จะทำงานแทนมนุษย์โดยอัตโนมัติ เช่น วางแผนงาน ค้นคว้า หรือออกแบบโมเลกุล โดยใช้โทเคนจำนวนมหาศาลในการประมวลผล ซึ่งทำให้แม้แต่ศูนย์ข้อมูลที่มี GPU เป็นล้านตัวก็ยังไม่พอ

    Cisco รายงานว่า inference แบบ agentic ใช้ทรัพยากรมากกว่าการแชททั่วไปหลายเท่า และ Google ก็เปิดเผยว่า API ของตนให้บริการโทเคนกว่า 980 ล้านล้านต่อเดือน ซึ่งเพิ่มขึ้นจาก 480 ล้านล้านในเวลาเพียงไม่กี่เดือน

    ข้อมูลจากข่าวหลัก
    AI Token Factory คือระบบที่ออกแบบมาเพื่อผลิตโทเคน AI ให้ได้มากที่สุด
    โทเคนคือหน่วยพื้นฐานที่ AI ใช้ในการคิด วิเคราะห์ และตอบสนอง
    xAI ใช้ GPU กว่า 100,000 ตัวใน Colossus 1 และจะใช้กว่า 550,000 ตัวใน Colossus 2
    NVIDIA เปิดตัว Blackwell Ultra ที่เพิ่มประสิทธิภาพได้ถึง 50 เท่าเมื่อเทียบกับ Hopper
    AI Factory คือโรงงานที่เปลี่ยนพลังงานและข้อมูลให้กลายเป็นความฉลาด
    ในยุค agentic AI โมเดลจะทำงานแทนมนุษย์โดยอัตโนมัติ
    Cisco และ Google รายงานว่าความต้องการโทเคนเพิ่มขึ้นอย่างมหาศาล
    Google ให้บริการโทเคนกว่า 980 ล้านล้านต่อเดือนผ่าน API
    AI Factory ประกอบด้วย GPU, networking, software, storage และระบบจัดการ

    ข้อมูลเสริมจากภายนอก
    NVIDIA GB300 NVL72 เชื่อมต่อ GPU 72 ตัวและ Grace CPU 36 ตัวในระบบเดียว
    Blackwell Ultra มี inference เร็วขึ้น 11 เท่า และหน่วยความจำใหญ่ขึ้น 4 เท่า
    NVIDIA Dynamo เป็นระบบปฏิบัติการใหม่ที่ช่วยจัดการงาน inference แบบอัตโนมัติ
    บริษัทอย่าง Zoom, Deloitte เริ่มนำ agentic AI ไปใช้ในระบบงานจริง
    Blackwell Ultra จะให้บริการผ่าน DGX Cloud และผู้ให้บริการคลาวด์รายใหญ่
    AI Factory ถูกมองว่าเป็นเครื่องจักรแห่งการปฏิวัติอุตสาหกรรมยุคใหม่

    https://www.techpowerup.com/340014/ai-token-factory-is-the-new-unit-of-computing
    🏗️ AI Token Factory: โรงงานผลิตความฉลาดแห่งยุคใหม่ ในอดีต เราวัดพลังคอมพิวเตอร์ด้วย CPU หรือ GPU แต่ในยุค AI ที่มีโมเดลขนาดมหึมาอย่าง GPT-4, Claude หรือ Gemini สิ่งที่สำคัญที่สุดคือ “โทเคน” ซึ่งเป็นหน่วยข้อมูลที่ AI ใช้ในการคิด วิเคราะห์ และตอบสนองต่อคำสั่งของผู้ใช้ AI Token Factory คือระบบที่ออกแบบมาเพื่อผลิตโทเคนให้ได้มากที่สุดต่อวินาที โดยใช้ GPU จำนวนมหาศาล เช่นระบบ Colossus 1 ของ xAI ที่ใช้ NVIDIA H100 กว่า 100,000 ตัว และ Colossus 2 ที่จะใช้ GB200 และ GB300 มากกว่า 550,000 ตัว เพื่อรองรับการฝึกและใช้งานโมเดล AI ขนาดใหญ่ Jensen Huang ซีอีโอของ NVIDIA อธิบายว่า AI Factory คือโรงงานที่เปลี่ยนพลังงานไฟฟ้าและข้อมูลดิบให้กลายเป็นความฉลาด พร้อมเปิดตัว Blackwell Ultra ซึ่งเป็นแพลตฟอร์มใหม่ที่สามารถเพิ่มประสิทธิภาพการประมวลผลได้ถึง 50 เท่าเมื่อเทียบกับ Hopper รุ่นก่อนหน้า ในยุค “agentic AI” ที่กำลังมาถึง AI จะไม่เพียงแค่ตอบคำถาม แต่จะทำงานแทนมนุษย์โดยอัตโนมัติ เช่น วางแผนงาน ค้นคว้า หรือออกแบบโมเลกุล โดยใช้โทเคนจำนวนมหาศาลในการประมวลผล ซึ่งทำให้แม้แต่ศูนย์ข้อมูลที่มี GPU เป็นล้านตัวก็ยังไม่พอ Cisco รายงานว่า inference แบบ agentic ใช้ทรัพยากรมากกว่าการแชททั่วไปหลายเท่า และ Google ก็เปิดเผยว่า API ของตนให้บริการโทเคนกว่า 980 ล้านล้านต่อเดือน ซึ่งเพิ่มขึ้นจาก 480 ล้านล้านในเวลาเพียงไม่กี่เดือน ✅ ข้อมูลจากข่าวหลัก ➡️ AI Token Factory คือระบบที่ออกแบบมาเพื่อผลิตโทเคน AI ให้ได้มากที่สุด ➡️ โทเคนคือหน่วยพื้นฐานที่ AI ใช้ในการคิด วิเคราะห์ และตอบสนอง ➡️ xAI ใช้ GPU กว่า 100,000 ตัวใน Colossus 1 และจะใช้กว่า 550,000 ตัวใน Colossus 2 ➡️ NVIDIA เปิดตัว Blackwell Ultra ที่เพิ่มประสิทธิภาพได้ถึง 50 เท่าเมื่อเทียบกับ Hopper ➡️ AI Factory คือโรงงานที่เปลี่ยนพลังงานและข้อมูลให้กลายเป็นความฉลาด ➡️ ในยุค agentic AI โมเดลจะทำงานแทนมนุษย์โดยอัตโนมัติ ➡️ Cisco และ Google รายงานว่าความต้องการโทเคนเพิ่มขึ้นอย่างมหาศาล ➡️ Google ให้บริการโทเคนกว่า 980 ล้านล้านต่อเดือนผ่าน API ➡️ AI Factory ประกอบด้วย GPU, networking, software, storage และระบบจัดการ ✅ ข้อมูลเสริมจากภายนอก ➡️ NVIDIA GB300 NVL72 เชื่อมต่อ GPU 72 ตัวและ Grace CPU 36 ตัวในระบบเดียว ➡️ Blackwell Ultra มี inference เร็วขึ้น 11 เท่า และหน่วยความจำใหญ่ขึ้น 4 เท่า ➡️ NVIDIA Dynamo เป็นระบบปฏิบัติการใหม่ที่ช่วยจัดการงาน inference แบบอัตโนมัติ ➡️ บริษัทอย่าง Zoom, Deloitte เริ่มนำ agentic AI ไปใช้ในระบบงานจริง ➡️ Blackwell Ultra จะให้บริการผ่าน DGX Cloud และผู้ให้บริการคลาวด์รายใหญ่ ➡️ AI Factory ถูกมองว่าเป็นเครื่องจักรแห่งการปฏิวัติอุตสาหกรรมยุคใหม่ https://www.techpowerup.com/340014/ai-token-factory-is-the-new-unit-of-computing
    WWW.TECHPOWERUP.COM
    AI Token Factory is the New Unit of Computing
    First, it was the CPU; after came the GPU; then all parallel workloads started running on GPUs, integrated or hyperscale. Similarly, the large language models we use today have adapted to the parallel nature of data processing on the GPU. The scale at which AI workloads operate is much larger than m...
    0 Comments 0 Shares 116 Views 0 Reviews
  • SoftBank ซื้อโรงงาน Foxconn ในโอไฮโอ: จุดเริ่มต้นของจักรวาล AI ชื่อ Stargate

    SoftBank ได้ซื้อโรงงานขนาดใหญ่ในเมือง Lordstown รัฐโอไฮโอ จาก Foxconn ด้วยมูลค่า $375 ล้าน โรงงานนี้มีพื้นที่กว่า 6.2 ล้านตารางฟุต เดิมใช้ผลิตรถยนต์ไฟฟ้า แต่จะถูกปรับเปลี่ยนเพื่อผลิตเซิร์ฟเวอร์ AI และอุปกรณ์สำหรับศูนย์ข้อมูล Stargate ซึ่งเป็นโครงการยักษ์ที่มีเป้าหมายสร้างโครงสร้างพื้นฐาน AI มูลค่า $500 พันล้านในหลายปีข้างหน้า

    แม้ว่า SoftBank จะเป็นเจ้าของโรงงาน แต่ Foxconn จะยังคงเป็นผู้ดำเนินการผลิต โดยทั้งสองบริษัทจะร่วมมือกันในรูปแบบพันธมิตรระยะยาว จุดเด่นของโรงงานนี้คือมีพลังงานไฟฟ้าสำรองมหาศาล และพื้นที่ขยายตัวได้อีกมาก ซึ่งเหมาะกับการผลิตเซิร์ฟเวอร์ AI ที่ต้องใช้พลังงานสูง

    SoftBank ยังอยู่ระหว่างการเลือกสถานที่ตั้งศูนย์ข้อมูล Stargate โดยพิจารณาจากแหล่งพลังงาน น้ำ และโครงสร้างโทรคมนาคม ซึ่งเมื่อสถานที่พร้อม โรงงานในโอไฮโอก็จะเป็นแหล่งผลิตเครื่องจักรหลักทันที

    นอกจากนี้ SoftBank ยังถือหุ้นในบริษัทผลิตชิปอย่าง Ampere และ Graphcore ซึ่งอาจนำชิปของตนมาใช้ในเซิร์ฟเวอร์ AI เพื่อลดการพึ่งพา Nvidia ที่ปัจจุบันครองตลาดอยู่

    ข้อมูลจากข่าวหลัก
    SoftBank ซื้อโรงงาน Foxconn ในโอไฮโอด้วยมูลค่า $375 ล้าน
    โรงงานมีขนาด 6.2 ล้านตารางฟุต ใหญ่กว่าศูนย์ผลิตในฮิวสตันถึง 6 เท่า
    Foxconn จะยังคงดำเนินการผลิต แม้โรงงานเป็นของ SoftBank
    โรงงานจะถูกปรับเปลี่ยนเพื่อผลิตเซิร์ฟเวอร์ AI สำหรับโครงการ Stargate
    โครงการ Stargate มีเป้าหมายสร้างโครงสร้างพื้นฐาน AI มูลค่า $500 พันล้าน
    SoftBank กำลังเลือกสถานที่ตั้งศูนย์ข้อมูล โดยพิจารณาจากพลังงาน น้ำ และโครงสร้างโทรคมนาคม
    โรงงานโอไฮโอจะเป็นฐานผลิตหลักของ Stargate และรับคำสั่งซื้อจาก OpenAI, Oracle และ SoftBank
    Foxconn เป็นผู้ผลิตเซิร์ฟเวอร์ AI รายใหญ่ที่สุดในโลก และกำลังขยายกำลังการผลิตในสหรัฐฯ
    SoftBank เคยประกาศลงทุน $100 พันล้านในโครงการนี้เมื่อเดือนมกราคม

    ข้อมูลเสริมจากภายนอก
    SoftBank ถือหุ้นใน Ampere และ Graphcore ซึ่งผลิตชิปสำหรับ AI
    การใช้ชิปของตัวเองอาจช่วยลดต้นทุนและลดการพึ่งพา Nvidia
    Foxconn เคยใช้โรงงานนี้ผลิตรถยนต์ไฟฟ้า ก่อนขายให้ SoftBank
    โครงการ Stargate ได้รับความสนใจจากธนาคารญี่ปุ่นและนักลงทุนสถาบันทั่วโลก
    SoftBank มีบริษัทลูกชื่อ SB Energy ที่พัฒนาโซลาร์ฟาร์มในสหรัฐฯ ซึ่งอาจใช้เป็นฐานพลังงานให้ Stargate

    https://www.tomshardware.com/tech-industry/artificial-intelligence/softbank-acquires-foxconns-ohio-facility-to-build-stargate-ai-servers-usd375-million-deal-says-foxconn-will-continue-to-operate-the-plant
    🏗️ SoftBank ซื้อโรงงาน Foxconn ในโอไฮโอ: จุดเริ่มต้นของจักรวาล AI ชื่อ Stargate SoftBank ได้ซื้อโรงงานขนาดใหญ่ในเมือง Lordstown รัฐโอไฮโอ จาก Foxconn ด้วยมูลค่า $375 ล้าน โรงงานนี้มีพื้นที่กว่า 6.2 ล้านตารางฟุต เดิมใช้ผลิตรถยนต์ไฟฟ้า แต่จะถูกปรับเปลี่ยนเพื่อผลิตเซิร์ฟเวอร์ AI และอุปกรณ์สำหรับศูนย์ข้อมูล Stargate ซึ่งเป็นโครงการยักษ์ที่มีเป้าหมายสร้างโครงสร้างพื้นฐาน AI มูลค่า $500 พันล้านในหลายปีข้างหน้า แม้ว่า SoftBank จะเป็นเจ้าของโรงงาน แต่ Foxconn จะยังคงเป็นผู้ดำเนินการผลิต โดยทั้งสองบริษัทจะร่วมมือกันในรูปแบบพันธมิตรระยะยาว จุดเด่นของโรงงานนี้คือมีพลังงานไฟฟ้าสำรองมหาศาล และพื้นที่ขยายตัวได้อีกมาก ซึ่งเหมาะกับการผลิตเซิร์ฟเวอร์ AI ที่ต้องใช้พลังงานสูง SoftBank ยังอยู่ระหว่างการเลือกสถานที่ตั้งศูนย์ข้อมูล Stargate โดยพิจารณาจากแหล่งพลังงาน น้ำ และโครงสร้างโทรคมนาคม ซึ่งเมื่อสถานที่พร้อม โรงงานในโอไฮโอก็จะเป็นแหล่งผลิตเครื่องจักรหลักทันที นอกจากนี้ SoftBank ยังถือหุ้นในบริษัทผลิตชิปอย่าง Ampere และ Graphcore ซึ่งอาจนำชิปของตนมาใช้ในเซิร์ฟเวอร์ AI เพื่อลดการพึ่งพา Nvidia ที่ปัจจุบันครองตลาดอยู่ ✅ ข้อมูลจากข่าวหลัก ➡️ SoftBank ซื้อโรงงาน Foxconn ในโอไฮโอด้วยมูลค่า $375 ล้าน ➡️ โรงงานมีขนาด 6.2 ล้านตารางฟุต ใหญ่กว่าศูนย์ผลิตในฮิวสตันถึง 6 เท่า ➡️ Foxconn จะยังคงดำเนินการผลิต แม้โรงงานเป็นของ SoftBank ➡️ โรงงานจะถูกปรับเปลี่ยนเพื่อผลิตเซิร์ฟเวอร์ AI สำหรับโครงการ Stargate ➡️ โครงการ Stargate มีเป้าหมายสร้างโครงสร้างพื้นฐาน AI มูลค่า $500 พันล้าน ➡️ SoftBank กำลังเลือกสถานที่ตั้งศูนย์ข้อมูล โดยพิจารณาจากพลังงาน น้ำ และโครงสร้างโทรคมนาคม ➡️ โรงงานโอไฮโอจะเป็นฐานผลิตหลักของ Stargate และรับคำสั่งซื้อจาก OpenAI, Oracle และ SoftBank ➡️ Foxconn เป็นผู้ผลิตเซิร์ฟเวอร์ AI รายใหญ่ที่สุดในโลก และกำลังขยายกำลังการผลิตในสหรัฐฯ ➡️ SoftBank เคยประกาศลงทุน $100 พันล้านในโครงการนี้เมื่อเดือนมกราคม ✅ ข้อมูลเสริมจากภายนอก ➡️ SoftBank ถือหุ้นใน Ampere และ Graphcore ซึ่งผลิตชิปสำหรับ AI ➡️ การใช้ชิปของตัวเองอาจช่วยลดต้นทุนและลดการพึ่งพา Nvidia ➡️ Foxconn เคยใช้โรงงานนี้ผลิตรถยนต์ไฟฟ้า ก่อนขายให้ SoftBank ➡️ โครงการ Stargate ได้รับความสนใจจากธนาคารญี่ปุ่นและนักลงทุนสถาบันทั่วโลก ➡️ SoftBank มีบริษัทลูกชื่อ SB Energy ที่พัฒนาโซลาร์ฟาร์มในสหรัฐฯ ซึ่งอาจใช้เป็นฐานพลังงานให้ Stargate https://www.tomshardware.com/tech-industry/artificial-intelligence/softbank-acquires-foxconns-ohio-facility-to-build-stargate-ai-servers-usd375-million-deal-says-foxconn-will-continue-to-operate-the-plant
    0 Comments 0 Shares 103 Views 0 Reviews
  • เมื่อฟ้าผ่าทะลุสู่จักรวาล: ภาพถ่าย “Gigantic Jet” สุดหายากจากสถานีอวกาศ
    เมื่อวันที่ 3 กรกฎาคม 2025 NASA astronaut Nichole Ayers ได้ถ่ายภาพปรากฏการณ์ฟ้าผ่าที่ไม่ธรรมดาจากบนสถานีอวกาศนานาชาติ (ISS) ขณะบินผ่านบริเวณพายุฝนฟ้าคะนองเหนือเม็กซิโกและสหรัฐฯ ภาคตะวันตกเฉียงใต้

    ตอนแรกเธอคิดว่าเป็น “sprite” ซึ่งเป็นแสงสีแดงที่เกิดเหนือพายุ แต่หลังจากตรวจสอบแล้วพบว่าเป็น “gigantic jet” ซึ่งหายากกว่ามาก และเป็นหนึ่งในปรากฏการณ์ Transient Luminous Events (TLEs) ที่นักวิทยาศาสตร์ยังคงศึกษาอยู่

    ปรากฏการณ์นี้คือการปลดปล่อยพลังงานไฟฟ้าขนาดมหาศาลจากยอดเมฆพายุขึ้นสู่ชั้นบรรยากาศระดับไอโอโนสเฟียร์ สูงถึง 100 กิโลเมตร โดยมักเกิดขึ้นโดยบังเอิญ และแทบไม่มีใครได้เห็นจากพื้นโลก

    ภาพนี้ไม่เพียงสวยงาม แต่ยังให้ข้อมูลสำคัญเกี่ยวกับการเชื่อมโยงระหว่างพายุฝนฟ้าคะนองกับชั้นบรรยากาศระดับสูง ซึ่งอาจมีผลต่อการสื่อสาร, การบิน และแม้แต่การศึกษาสภาพอากาศของดาวเคราะห์อื่น

    เหตุการณ์สำคัญจากสถานีอวกาศ
    Nichole Ayers ถ่ายภาพ gigantic jet ได้จาก ISS เมื่อวันที่ 3 ก.ค. 2025
    เดิมคิดว่าเป็น sprite แต่ยืนยันว่าเป็น gigantic jet ซึ่งหายากมาก
    เกิดจากการปลดปล่อยไฟฟ้าจากยอดเมฆพายุขึ้นสู่ชั้นไอโอโนสเฟียร์ (~100 กม.)
    ภาพถ่ายใช้กล้อง Nikon Z9 เลนส์ 50mm f/1.2, ISO 6400, ¼ sec
    จุดที่เกิดปรากฏการณ์อยู่เหนือพายุบริเวณชายแดนเม็กซิโก–เท็กซัส
    สามารถมองเห็นแสงเมืองต่าง ๆ เช่น Dallas, Austin, San Antonio และ Torreón
    ภาพนี้ให้ข้อมูลใหม่แก่โครงการ Spritacular ของ NASA
    เชิญชวนประชาชนส่งภาพ TLEs เพื่อช่วยวิจัยผ่าน Spritacular.org

    ข้อมูลเสริมจากภายนอก
    Gigantic jets เป็น TLEs ที่หายากที่สุดในกลุ่ม เช่นเดียวกับ blue jets และ ELVEs
    ISS มีเครื่องมือ Atmosphere-Space Interactions Monitor (ASIM) บันทึก TLEs ด้วยแสง, X-ray และ gamma-ray
    TLEs อาจมีผลต่อการสื่อสารวิทยุและระบบนำทาง GPS
    การศึกษา TLEs ช่วยให้เข้าใจการปลดปล่อยพลังงานในชั้นบรรยากาศโลก
    ปรากฏการณ์คล้ายกันพบในดาวพฤหัสบดีและดาวศุกร์ ทำให้การศึกษานี้มีผลต่อวิทยาศาสตร์ดาวเคราะห์
    นักบินบนเครื่องบินโดยสารเคยถ่ายภาพ gigantic jets ได้โดยบังเอิญ

    https://science.nasa.gov/science-research/heliophysics/a-gigantic-jet-caught-on-camera-a-spritacular-moment-for-nasa-astronaut-nicole-ayers/
    🌌 เมื่อฟ้าผ่าทะลุสู่จักรวาล: ภาพถ่าย “Gigantic Jet” สุดหายากจากสถานีอวกาศ เมื่อวันที่ 3 กรกฎาคม 2025 NASA astronaut Nichole Ayers ได้ถ่ายภาพปรากฏการณ์ฟ้าผ่าที่ไม่ธรรมดาจากบนสถานีอวกาศนานาชาติ (ISS) ขณะบินผ่านบริเวณพายุฝนฟ้าคะนองเหนือเม็กซิโกและสหรัฐฯ ภาคตะวันตกเฉียงใต้ ตอนแรกเธอคิดว่าเป็น “sprite” ซึ่งเป็นแสงสีแดงที่เกิดเหนือพายุ แต่หลังจากตรวจสอบแล้วพบว่าเป็น “gigantic jet” ซึ่งหายากกว่ามาก และเป็นหนึ่งในปรากฏการณ์ Transient Luminous Events (TLEs) ที่นักวิทยาศาสตร์ยังคงศึกษาอยู่ ปรากฏการณ์นี้คือการปลดปล่อยพลังงานไฟฟ้าขนาดมหาศาลจากยอดเมฆพายุขึ้นสู่ชั้นบรรยากาศระดับไอโอโนสเฟียร์ สูงถึง 100 กิโลเมตร โดยมักเกิดขึ้นโดยบังเอิญ และแทบไม่มีใครได้เห็นจากพื้นโลก ภาพนี้ไม่เพียงสวยงาม แต่ยังให้ข้อมูลสำคัญเกี่ยวกับการเชื่อมโยงระหว่างพายุฝนฟ้าคะนองกับชั้นบรรยากาศระดับสูง ซึ่งอาจมีผลต่อการสื่อสาร, การบิน และแม้แต่การศึกษาสภาพอากาศของดาวเคราะห์อื่น ✅ เหตุการณ์สำคัญจากสถานีอวกาศ ➡️ Nichole Ayers ถ่ายภาพ gigantic jet ได้จาก ISS เมื่อวันที่ 3 ก.ค. 2025 ➡️ เดิมคิดว่าเป็น sprite แต่ยืนยันว่าเป็น gigantic jet ซึ่งหายากมาก ➡️ เกิดจากการปลดปล่อยไฟฟ้าจากยอดเมฆพายุขึ้นสู่ชั้นไอโอโนสเฟียร์ (~100 กม.) ➡️ ภาพถ่ายใช้กล้อง Nikon Z9 เลนส์ 50mm f/1.2, ISO 6400, ¼ sec ➡️ จุดที่เกิดปรากฏการณ์อยู่เหนือพายุบริเวณชายแดนเม็กซิโก–เท็กซัส ➡️ สามารถมองเห็นแสงเมืองต่าง ๆ เช่น Dallas, Austin, San Antonio และ Torreón ➡️ ภาพนี้ให้ข้อมูลใหม่แก่โครงการ Spritacular ของ NASA ➡️ เชิญชวนประชาชนส่งภาพ TLEs เพื่อช่วยวิจัยผ่าน Spritacular.org ✅ ข้อมูลเสริมจากภายนอก ➡️ Gigantic jets เป็น TLEs ที่หายากที่สุดในกลุ่ม เช่นเดียวกับ blue jets และ ELVEs ➡️ ISS มีเครื่องมือ Atmosphere-Space Interactions Monitor (ASIM) บันทึก TLEs ด้วยแสง, X-ray และ gamma-ray ➡️ TLEs อาจมีผลต่อการสื่อสารวิทยุและระบบนำทาง GPS ➡️ การศึกษา TLEs ช่วยให้เข้าใจการปลดปล่อยพลังงานในชั้นบรรยากาศโลก ➡️ ปรากฏการณ์คล้ายกันพบในดาวพฤหัสบดีและดาวศุกร์ ทำให้การศึกษานี้มีผลต่อวิทยาศาสตร์ดาวเคราะห์ ➡️ นักบินบนเครื่องบินโดยสารเคยถ่ายภาพ gigantic jets ได้โดยบังเอิญ https://science.nasa.gov/science-research/heliophysics/a-gigantic-jet-caught-on-camera-a-spritacular-moment-for-nasa-astronaut-nicole-ayers/
    SCIENCE.NASA.GOV
    A Gigantic Jet Caught on Camera: A Spritacular Moment for NASA Astronaut Nicole Ayers!
    On July 3, 2025, NASA astronaut Nichole Ayers captured a rare gigantic jet from the ISS—lightning shooting from a storm top into the upper atmosphere.
    0 Comments 0 Shares 113 Views 0 Reviews
  • กลาโหมจัดใหญ่เปิดตัวอุตสาหกรรมป้องกันประเทศ ด้วยการทดสอบอาวุธทางยุทธวิธีของปืนในตระกูล คชสีห์ KOCHASI MOD2020 ในงาน MOD CHALLENGE 2025 วันที่ 9 กย.นี้ ที่ หัวหิน
    .
    ศูนย์อำนวยการสร้างอาวุธ ศูนย์การอุตสาหกรรมป้องกันประเทศและพลังงานทหาร (ศอว.ศอพท. ) จัดงานแสดงอุตสาหกรรมป้องกันประเทศและ
    การทดสอบอาวุธทางยุทธวิธี ด้วยปืน KOCHASI MOD2020 ปืนเล็กยาว ขนาด 5.56 มม. และ ปืน KOCHASI SAN9 ปืนพก ขนาด 9 มม. กับงาน MOD CHALLENGE 2025 ถือเป็นงานวิจัย และควบคุมการผลิตโดย "ศอว.ศอพท." โรงงานต้นแบบการวิจัยพัฒนาอาวุธ กับ “คชสีห์” แบรนด์ ยุทโธปกรณ์ทางทหารใหม่ไทยแท้ ด้วยมาตรฐานระดับสากลของปืนสัญชาติไทย ที่คิดและออกแบบโดยคนไทย ผลิตโดยคนไทย ด้วยวัตถุดิบในประเทศไทย เพื่อทหารของไทย

    การทดสอบอาวุธทางยุทธวิธีในครั้งนี้ เป็นการสะท้อนความสำเร็จในอุตสาหกรรมป้องกันประเทศ และเป็นภาพสะท้อนของความมุ่งมั่นของประเทศไทยในการก้าวไปสู่การเป็นประเทศที่มีความมั่นคงทางเทคโนโลยีและการป้องกันตนเอง

    ร่วมชมศักยภาพเหล่าทัพทหารไทย ทั้ง 9 ทีม ผ่าน Live Streaming วันอังคารที่ 9 กันยายน 2568 เวลา 08.00 - 17.00 น. ถ่ายทอดสดทาง: Kochasi Weapon Plant

    Facebook: http://bit.ly/3JtfNXn
    YouTube: http://bit.ly/412tjHB
    กลาโหมจัดใหญ่เปิดตัวอุตสาหกรรมป้องกันประเทศ ด้วยการทดสอบอาวุธทางยุทธวิธีของปืนในตระกูล คชสีห์ KOCHASI MOD2020 ในงาน MOD CHALLENGE 2025 วันที่ 9 กย.นี้ ที่ หัวหิน . ศูนย์อำนวยการสร้างอาวุธ ศูนย์การอุตสาหกรรมป้องกันประเทศและพลังงานทหาร (ศอว.ศอพท. ) จัดงานแสดงอุตสาหกรรมป้องกันประเทศและ การทดสอบอาวุธทางยุทธวิธี ด้วยปืน KOCHASI MOD2020 ปืนเล็กยาว ขนาด 5.56 มม. และ ปืน KOCHASI SAN9 ปืนพก ขนาด 9 มม. กับงาน MOD CHALLENGE 2025 ถือเป็นงานวิจัย และควบคุมการผลิตโดย "ศอว.ศอพท." โรงงานต้นแบบการวิจัยพัฒนาอาวุธ กับ “คชสีห์” แบรนด์ ยุทโธปกรณ์ทางทหารใหม่ไทยแท้ ด้วยมาตรฐานระดับสากลของปืนสัญชาติไทย ที่คิดและออกแบบโดยคนไทย ผลิตโดยคนไทย ด้วยวัตถุดิบในประเทศไทย เพื่อทหารของไทย การทดสอบอาวุธทางยุทธวิธีในครั้งนี้ เป็นการสะท้อนความสำเร็จในอุตสาหกรรมป้องกันประเทศ และเป็นภาพสะท้อนของความมุ่งมั่นของประเทศไทยในการก้าวไปสู่การเป็นประเทศที่มีความมั่นคงทางเทคโนโลยีและการป้องกันตนเอง ร่วมชมศักยภาพเหล่าทัพทหารไทย ทั้ง 9 ทีม ผ่าน Live Streaming วันอังคารที่ 9 กันยายน 2568 เวลา 08.00 - 17.00 น. ถ่ายทอดสดทาง: Kochasi Weapon Plant Facebook: http://bit.ly/3JtfNXn YouTube: http://bit.ly/412tjHB
    Like
    1
    0 Comments 0 Shares 134 Views 0 Reviews
  • เมื่อ AI โตเร็วกว่าไฟฟ้า: สหรัฐฯ เผชิญวิกฤตพลังงานจากศูนย์ข้อมูล

    ในปี 2025 ความต้องการพลังงานจากศูนย์ข้อมูล AI ในสหรัฐฯ พุ่งสูงจนโครงข่ายไฟฟ้าไม่สามารถรองรับได้ทัน โดยเฉพาะศูนย์ข้อมูลขนาดใหญ่ของบริษัทอย่าง Amazon, Google, Meta และ Microsoft ที่ต้องใช้ไฟฟ้าระดับ “กิกะวัตต์” ต่อแห่ง—เทียบเท่าบ้านเรือนหลายล้านหลัง

    รายงานจาก Goldman Sachs และ Gartner ระบุว่า ภายในปี 2027 ความต้องการไฟฟ้าจากศูนย์ข้อมูลอาจแตะ 500 เทราวัตต์-ชั่วโมง ซึ่งมากกว่าความสามารถของโครงข่ายไฟฟ้าสหรัฐฯ ที่สร้างไว้ตั้งแต่ยุค 1970

    ผลกระทบเริ่มเห็นชัดในหลายรัฐ เช่น เท็กซัสและเวอร์จิเนีย ที่ค่าไฟฟ้าในพื้นที่ใกล้ศูนย์ข้อมูลเพิ่มขึ้น $14–$37 ต่อเดือน และอาจสูงขึ้นอีกเมื่อรวมกับเงินเฟ้อ

    บริษัทเทคโนโลยีจึงเริ่มสร้างโรงไฟฟ้าเอง เช่น Meta ที่ใช้โรงไฟฟ้าก๊าซธรรมชาติสำหรับคลัสเตอร์ AI ขนาดใหญ่ และ Microsoft ที่ฟื้นโครงการโรงไฟฟ้านิวเคลียร์ Three Mile Island เพื่อรองรับซูเปอร์คอมพิวเตอร์

    หากไม่มีการแก้ไขอย่างเป็นระบบ สหรัฐฯ อาจสูญเสียความเป็นผู้นำด้าน AI เพราะบริษัทอาจย้ายศูนย์ข้อมูลไปต่างประเทศที่มีไฟฟ้าพร้อมใช้มากกว่า

    ข้อมูลจากข่าวหลัก
    ความต้องการไฟฟ้าจากศูนย์ข้อมูล AI พุ่งสูงจนโครงข่ายไฟฟ้าสหรัฐฯ ติดคอขวด
    บริษัทเทคโนโลยีต้องสร้างโรงไฟฟ้าเอง เช่น Meta และ Microsoft
    ความต้องการไฟฟ้าอาจแตะ 500 TWh ภายในปี 2027
    ค่าไฟฟ้าในพื้นที่ใกล้ศูนย์ข้อมูลเพิ่มขึ้นอย่างมีนัยสำคัญ
    การขอเชื่อมต่อไฟฟ้าแต่ละครั้งสูงถึง 5 GW ต่อศูนย์ข้อมูล
    ประธานาธิบดีสหรัฐฯ เสนอ “AI action plan” เพื่อแก้ปัญหาโครงข่ายไฟฟ้า

    ข้อมูลเสริมจากภายนอก
    รายงานจาก RAND ระบุว่า AI อาจต้องใช้ไฟฟ้าสูงถึง 68 GW ภายในปี 2027
    หากไม่แก้ปัญหา บริษัทอาจย้ายศูนย์ข้อมูลไปต่างประเทศ เสี่ยงต่อความมั่นคง
    ศูนย์ข้อมูลใหม่เริ่มใช้พลังงาน onsite เช่น เซลล์เชื้อเพลิงและพลังงานหมุนเวียน
    Bloom Energy คาดว่า 30% ของศูนย์ข้อมูลในปี 2030 จะใช้พลังงาน onsite เป็นหลัก
    การอนุมัติโครงการไฟฟ้าใหม่ยังติดขั้นตอนราชการและ supply chain
    การสร้างโรงไฟฟ้าใช้เวลาหลายปี แต่การขยายศูนย์ข้อมูลเกิดขึ้นทุกเดือน

    https://wccftech.com/the-us-ai-datacenter-boom-is-so-massive-that-the-nation-power-grid-is-in-a-critical-bottleneck-right-now/
    ⚠️ เมื่อ AI โตเร็วกว่าไฟฟ้า: สหรัฐฯ เผชิญวิกฤตพลังงานจากศูนย์ข้อมูล ในปี 2025 ความต้องการพลังงานจากศูนย์ข้อมูล AI ในสหรัฐฯ พุ่งสูงจนโครงข่ายไฟฟ้าไม่สามารถรองรับได้ทัน โดยเฉพาะศูนย์ข้อมูลขนาดใหญ่ของบริษัทอย่าง Amazon, Google, Meta และ Microsoft ที่ต้องใช้ไฟฟ้าระดับ “กิกะวัตต์” ต่อแห่ง—เทียบเท่าบ้านเรือนหลายล้านหลัง รายงานจาก Goldman Sachs และ Gartner ระบุว่า ภายในปี 2027 ความต้องการไฟฟ้าจากศูนย์ข้อมูลอาจแตะ 500 เทราวัตต์-ชั่วโมง ซึ่งมากกว่าความสามารถของโครงข่ายไฟฟ้าสหรัฐฯ ที่สร้างไว้ตั้งแต่ยุค 1970 ผลกระทบเริ่มเห็นชัดในหลายรัฐ เช่น เท็กซัสและเวอร์จิเนีย ที่ค่าไฟฟ้าในพื้นที่ใกล้ศูนย์ข้อมูลเพิ่มขึ้น $14–$37 ต่อเดือน และอาจสูงขึ้นอีกเมื่อรวมกับเงินเฟ้อ บริษัทเทคโนโลยีจึงเริ่มสร้างโรงไฟฟ้าเอง เช่น Meta ที่ใช้โรงไฟฟ้าก๊าซธรรมชาติสำหรับคลัสเตอร์ AI ขนาดใหญ่ และ Microsoft ที่ฟื้นโครงการโรงไฟฟ้านิวเคลียร์ Three Mile Island เพื่อรองรับซูเปอร์คอมพิวเตอร์ หากไม่มีการแก้ไขอย่างเป็นระบบ สหรัฐฯ อาจสูญเสียความเป็นผู้นำด้าน AI เพราะบริษัทอาจย้ายศูนย์ข้อมูลไปต่างประเทศที่มีไฟฟ้าพร้อมใช้มากกว่า ✅ ข้อมูลจากข่าวหลัก ➡️ ความต้องการไฟฟ้าจากศูนย์ข้อมูล AI พุ่งสูงจนโครงข่ายไฟฟ้าสหรัฐฯ ติดคอขวด ➡️ บริษัทเทคโนโลยีต้องสร้างโรงไฟฟ้าเอง เช่น Meta และ Microsoft ➡️ ความต้องการไฟฟ้าอาจแตะ 500 TWh ภายในปี 2027 ➡️ ค่าไฟฟ้าในพื้นที่ใกล้ศูนย์ข้อมูลเพิ่มขึ้นอย่างมีนัยสำคัญ ➡️ การขอเชื่อมต่อไฟฟ้าแต่ละครั้งสูงถึง 5 GW ต่อศูนย์ข้อมูล ➡️ ประธานาธิบดีสหรัฐฯ เสนอ “AI action plan” เพื่อแก้ปัญหาโครงข่ายไฟฟ้า ✅ ข้อมูลเสริมจากภายนอก ➡️ รายงานจาก RAND ระบุว่า AI อาจต้องใช้ไฟฟ้าสูงถึง 68 GW ภายในปี 2027 ➡️ หากไม่แก้ปัญหา บริษัทอาจย้ายศูนย์ข้อมูลไปต่างประเทศ เสี่ยงต่อความมั่นคง ➡️ ศูนย์ข้อมูลใหม่เริ่มใช้พลังงาน onsite เช่น เซลล์เชื้อเพลิงและพลังงานหมุนเวียน ➡️ Bloom Energy คาดว่า 30% ของศูนย์ข้อมูลในปี 2030 จะใช้พลังงาน onsite เป็นหลัก ➡️ การอนุมัติโครงการไฟฟ้าใหม่ยังติดขั้นตอนราชการและ supply chain ➡️ การสร้างโรงไฟฟ้าใช้เวลาหลายปี แต่การขยายศูนย์ข้อมูลเกิดขึ้นทุกเดือน https://wccftech.com/the-us-ai-datacenter-boom-is-so-massive-that-the-nation-power-grid-is-in-a-critical-bottleneck-right-now/
    WCCFTECH.COM
    The U.S. AI Datacenter Boom Is So Massive That the Nation’s Power Grid Is In a "Critical Bottleneck" Right Now; Big Tech is Forced to Build Its Power Plants
    While the AI hype is advancing with full force, the industry seems set to face a massive issue due to America's old power grids.
    0 Comments 0 Shares 146 Views 0 Reviews
  • จากนำเข้า สู่ผลิตเอง: สหรัฐฯ เริ่มผลิตเวเฟอร์ซิลิกอนในประเทศ

    ในอดีต สหรัฐฯ ต้องพึ่งพาการนำเข้าแผ่นเวเฟอร์ซิลิกอนจากบริษัทในญี่ปุ่นและไต้หวัน เช่น Shin-Etsu และ Sumco เพื่อใช้เป็นฐานในการผลิตชิป แต่ในปี 2025 GlobalWafers ได้เปิดโรงงานแห่งใหม่ในเมือง Sherman รัฐเท็กซัส ซึ่งถือเป็นครั้งแรกที่มีการผลิตเวเฟอร์ซิลิกอนขนาด 300 มม. ภายในประเทศ

    โรงงานนี้มีมูลค่าการลงทุนกว่า $3.5 พันล้าน และได้รับการสนับสนุนจาก CHIPS Act รวมถึงเงินลงทุนจาก Apple และ TSMC โดยมีเป้าหมายผลิตเวเฟอร์เดือนละ 300,000 แผ่นในเฟสแรก

    การผลิตในประเทศจะช่วยลดเวลาการขนส่ง เพิ่มความมั่นคงของห่วงโซ่อุปทาน และลดต้นทุนการผลิตให้กับบริษัทผู้ผลิตชิปในสหรัฐฯ เช่น Texas Instruments, NVIDIA และ Samsung ที่มีโรงงานในเท็กซัส

    นอกจากนี้ GlobalWafers ยังมีแผนผลิตเวเฟอร์ชนิดพิเศษ เช่น SOI (Silicon-on-Insulator) สำหรับงานด้านอวกาศและกลาโหม และ SiC (Silicon Carbide) สำหรับรถยนต์ไฟฟ้าและโครงสร้างพื้นฐานพลังงานสะอาด

    การเปิดโรงงานนี้ยังสร้างงานกว่า 2,500 ตำแหน่ง และเป็นส่วนหนึ่งของการเปลี่ยนแปลงเชิงยุทธศาสตร์จากการพึ่งพาเอเชีย สู่การสร้างอุตสาหกรรมเทคโนโลยีที่แข็งแกร่งในฝั่งตะวันตก

    ความสำเร็จของ GlobalWafers ในสหรัฐฯ
    เป็นบริษัทแรกที่ผลิตเวเฟอร์ซิลิกอนขนาด 300 มม. ภายในสหรัฐฯ
    โรงงานตั้งอยู่ในเมือง Sherman รัฐเท็กซัส มูลค่าการลงทุน $3.5 พันล้าน
    ได้รับการสนับสนุนจาก CHIPS Act และเงินลงทุนจาก Apple และ TSMC
    ผลิตเวเฟอร์เดือนละ 300,000 แผ่นในเฟสแรก
    ลดการพึ่งพาการนำเข้าจากญี่ปุ่นและไต้หวัน
    ช่วยเสริมความมั่นคงของห่วงโซ่อุปทานในอุตสาหกรรมชิป
    สร้างงานกว่า 2,500 ตำแหน่งในเท็กซัสและมิสซูรี

    ข้อมูลเสริมจากภายนอก
    GlobalWafers เป็นหนึ่งใน 5 ผู้นำตลาดเวเฟอร์โลก ร่วมกับ Shin-Etsu และ Sumco
    มีโรงงานในยุโรป เอเชีย และสหรัฐฯ ทำให้ลดต้นทุนขนส่งได้ถึง 5%
    เวเฟอร์ SOI ใช้ในงานอวกาศ กลาโหม และ HPC ด้วยคุณสมบัติกันรังสี
    เวเฟอร์ SiC ใช้ในรถยนต์ไฟฟ้าและระบบพลังงานสะอาด
    ตลาดเวเฟอร์คาดว่าจะเติบโต 5.5% ต่อปีในด้านพื้นที่ และ 2% ในด้านราคา
    GlobalWafers มีข้อตกลงระยะยาวกับลูกค้าเพื่อรักษาเสถียรภาพรายได้

    https://wccftech.com/u-s-chip-industry-reaches-another-milestone-as-globalwafers-becomes-the-first-firm-to-produce-silicon-wafers-domestically/
    🏭 จากนำเข้า สู่ผลิตเอง: สหรัฐฯ เริ่มผลิตเวเฟอร์ซิลิกอนในประเทศ ในอดีต สหรัฐฯ ต้องพึ่งพาการนำเข้าแผ่นเวเฟอร์ซิลิกอนจากบริษัทในญี่ปุ่นและไต้หวัน เช่น Shin-Etsu และ Sumco เพื่อใช้เป็นฐานในการผลิตชิป แต่ในปี 2025 GlobalWafers ได้เปิดโรงงานแห่งใหม่ในเมือง Sherman รัฐเท็กซัส ซึ่งถือเป็นครั้งแรกที่มีการผลิตเวเฟอร์ซิลิกอนขนาด 300 มม. ภายในประเทศ โรงงานนี้มีมูลค่าการลงทุนกว่า $3.5 พันล้าน และได้รับการสนับสนุนจาก CHIPS Act รวมถึงเงินลงทุนจาก Apple และ TSMC โดยมีเป้าหมายผลิตเวเฟอร์เดือนละ 300,000 แผ่นในเฟสแรก การผลิตในประเทศจะช่วยลดเวลาการขนส่ง เพิ่มความมั่นคงของห่วงโซ่อุปทาน และลดต้นทุนการผลิตให้กับบริษัทผู้ผลิตชิปในสหรัฐฯ เช่น Texas Instruments, NVIDIA และ Samsung ที่มีโรงงานในเท็กซัส นอกจากนี้ GlobalWafers ยังมีแผนผลิตเวเฟอร์ชนิดพิเศษ เช่น SOI (Silicon-on-Insulator) สำหรับงานด้านอวกาศและกลาโหม และ SiC (Silicon Carbide) สำหรับรถยนต์ไฟฟ้าและโครงสร้างพื้นฐานพลังงานสะอาด การเปิดโรงงานนี้ยังสร้างงานกว่า 2,500 ตำแหน่ง และเป็นส่วนหนึ่งของการเปลี่ยนแปลงเชิงยุทธศาสตร์จากการพึ่งพาเอเชีย สู่การสร้างอุตสาหกรรมเทคโนโลยีที่แข็งแกร่งในฝั่งตะวันตก ✅ ความสำเร็จของ GlobalWafers ในสหรัฐฯ ➡️ เป็นบริษัทแรกที่ผลิตเวเฟอร์ซิลิกอนขนาด 300 มม. ภายในสหรัฐฯ ➡️ โรงงานตั้งอยู่ในเมือง Sherman รัฐเท็กซัส มูลค่าการลงทุน $3.5 พันล้าน ➡️ ได้รับการสนับสนุนจาก CHIPS Act และเงินลงทุนจาก Apple และ TSMC ➡️ ผลิตเวเฟอร์เดือนละ 300,000 แผ่นในเฟสแรก ➡️ ลดการพึ่งพาการนำเข้าจากญี่ปุ่นและไต้หวัน ➡️ ช่วยเสริมความมั่นคงของห่วงโซ่อุปทานในอุตสาหกรรมชิป ➡️ สร้างงานกว่า 2,500 ตำแหน่งในเท็กซัสและมิสซูรี ✅ ข้อมูลเสริมจากภายนอก ➡️ GlobalWafers เป็นหนึ่งใน 5 ผู้นำตลาดเวเฟอร์โลก ร่วมกับ Shin-Etsu และ Sumco ➡️ มีโรงงานในยุโรป เอเชีย และสหรัฐฯ ทำให้ลดต้นทุนขนส่งได้ถึง 5% ➡️ เวเฟอร์ SOI ใช้ในงานอวกาศ กลาโหม และ HPC ด้วยคุณสมบัติกันรังสี ➡️ เวเฟอร์ SiC ใช้ในรถยนต์ไฟฟ้าและระบบพลังงานสะอาด ➡️ ตลาดเวเฟอร์คาดว่าจะเติบโต 5.5% ต่อปีในด้านพื้นที่ และ 2% ในด้านราคา ➡️ GlobalWafers มีข้อตกลงระยะยาวกับลูกค้าเพื่อรักษาเสถียรภาพรายได้ https://wccftech.com/u-s-chip-industry-reaches-another-milestone-as-globalwafers-becomes-the-first-firm-to-produce-silicon-wafers-domestically/
    WCCFTECH.COM
    U.S. Chip Industry Reaches Another Massive Milestone as GlobalWafers Becomes the First Firm to Produce Silicon Wafers Domestically, Backed By Investments from Apple & TSMC
    America's chip industry is heading towards complete self-reliance, as GlobalWafers has announced plans to develop silicon wafers in Texas.
    0 Comments 0 Shares 155 Views 0 Reviews
  • Wi-Fi ไม่ได้ผิด แต่พฤติกรรมดิจิทัลของเราต่างหากที่ทำร้ายโลก

    โปสเตอร์จากมหาวิทยาลัย East London ที่ปรากฏในสถานีรถไฟใต้ดินของลอนดอนสร้างความฮือฮา ด้วยข้อความที่ดูเหมือนจะกล่าวโทษ Wi-Fi ว่าเป็นตัวการทำลายสิ่งแวดล้อม แต่เมื่อมองลึกลงไป มันคือการชวนให้เราคิดใหม่ผ่านแคมเปญ “Think Again” ที่ตั้งคำถามกับพฤติกรรมการใช้เทคโนโลยีของเรา

    เป้าหมายของแคมเปญนี้คือการชี้ให้เห็นว่า “การใช้เวลาอยู่หน้าจอมากเกินไป” ไม่ว่าจะเป็นมือถือ แท็บเล็ต ทีวี หรือคอมพิวเตอร์ ล้วนมีผลต่อสิ่งแวดล้อม เพราะมันผลักดันให้ศูนย์ข้อมูล (data centers) ต้องทำงานหนักขึ้น ซึ่งปล่อยคาร์บอนมากกว่าการบินทั่วโลกเสียอีก

    แม้ Wi-Fi เองจะไม่ได้ปล่อยคาร์บอนโดยตรง แต่การใช้งานอุปกรณ์ที่เชื่อมต่อกับ Wi-Fi เช่น เราเตอร์ สมาร์ททีวี และเซิร์ฟเวอร์ ล้วนมีการใช้พลังงานไฟฟ้าอย่างต่อเนื่อง และสร้าง e-waste จำนวนมหาศาลในแต่ละปี

    งานวิจัยจากหลายแหล่งชี้ว่า Wi-Fi และเทคโนโลยีดิจิทัลมีส่วนทำให้เกิดก๊าซเรือนกระจกถึง 4% ของทั้งหมด และมีแนวโน้มเพิ่มขึ้น 9% ต่อปี หากไม่มีการจัดการอย่างยั่งยืน

    ข้อมูลจากข่าวและแคมเปญ Think Again
    โปสเตอร์จากมหาวิทยาลัย East London ชวนให้คิดใหม่เรื่องผลกระทบจากการใช้เทคโนโลยี
    ข้อความ “WiFi doesn’t grow on trees” เป็นการกระตุ้นให้คนสนใจ ไม่ใช่กล่าวโทษ Wi-Fi โดยตรง
    แคมเปญชี้ให้เห็นว่การใช้เวลาอยู่หน้าจอมากเกินไปส่งผลต่อสิ่งแวดล้อม
    ศูนย์ข้อมูลทั่วโลกปล่อยคาร์บอนมากกว่าการบินทั่วโลก
    มหาวิทยาลัยกำลังวิจัยเพื่อทำให้ data centers มีความยั่งยืนมากขึ้น

    ข้อมูลเสริมจากภายนอก
    Wi-Fi และอุปกรณ์เครือข่ายมีส่วนทำให้เกิด e-waste มากกว่า 82 ล้านตันต่อปีภายในปี 2030
    การใช้ Wi-Fi ส่งผลต่อการใช้พลังงานไฟฟ้า ทั้งจากอุปกรณ์และโครงสร้างพื้นฐาน
    การเลือกเราเตอร์ที่มี Energy Star หรือ eco-label ช่วยลดการใช้พลังงาน
    การรีไซเคิลอุปกรณ์เครือข่ายเก่าเป็นวิธีลดผลกระทบต่อสิ่งแวดล้อม
    Wi-Fi ช่วยให้ระบบ IoT ทำงานได้ เช่น การจัดการพลังงานในอาคารอัจฉริยะ
    การบำรุงรักษาเครือข่ายอย่างสม่ำเสมอช่วยลดการใช้พลังงานโดยไม่จำเป็น

    https://www.tomshardware.com/networking/is-wi-fi-bad-for-the-environment-eye-catching-london-ad-suggests-our-digital-habits-are-damaging-the-climate
    📡 Wi-Fi ไม่ได้ผิด แต่พฤติกรรมดิจิทัลของเราต่างหากที่ทำร้ายโลก โปสเตอร์จากมหาวิทยาลัย East London ที่ปรากฏในสถานีรถไฟใต้ดินของลอนดอนสร้างความฮือฮา ด้วยข้อความที่ดูเหมือนจะกล่าวโทษ Wi-Fi ว่าเป็นตัวการทำลายสิ่งแวดล้อม แต่เมื่อมองลึกลงไป มันคือการชวนให้เราคิดใหม่ผ่านแคมเปญ “Think Again” ที่ตั้งคำถามกับพฤติกรรมการใช้เทคโนโลยีของเรา เป้าหมายของแคมเปญนี้คือการชี้ให้เห็นว่า “การใช้เวลาอยู่หน้าจอมากเกินไป” ไม่ว่าจะเป็นมือถือ แท็บเล็ต ทีวี หรือคอมพิวเตอร์ ล้วนมีผลต่อสิ่งแวดล้อม เพราะมันผลักดันให้ศูนย์ข้อมูล (data centers) ต้องทำงานหนักขึ้น ซึ่งปล่อยคาร์บอนมากกว่าการบินทั่วโลกเสียอีก แม้ Wi-Fi เองจะไม่ได้ปล่อยคาร์บอนโดยตรง แต่การใช้งานอุปกรณ์ที่เชื่อมต่อกับ Wi-Fi เช่น เราเตอร์ สมาร์ททีวี และเซิร์ฟเวอร์ ล้วนมีการใช้พลังงานไฟฟ้าอย่างต่อเนื่อง และสร้าง e-waste จำนวนมหาศาลในแต่ละปี งานวิจัยจากหลายแหล่งชี้ว่า Wi-Fi และเทคโนโลยีดิจิทัลมีส่วนทำให้เกิดก๊าซเรือนกระจกถึง 4% ของทั้งหมด และมีแนวโน้มเพิ่มขึ้น 9% ต่อปี หากไม่มีการจัดการอย่างยั่งยืน ✅ ข้อมูลจากข่าวและแคมเปญ Think Again ➡️ โปสเตอร์จากมหาวิทยาลัย East London ชวนให้คิดใหม่เรื่องผลกระทบจากการใช้เทคโนโลยี ➡️ ข้อความ “WiFi doesn’t grow on trees” เป็นการกระตุ้นให้คนสนใจ ไม่ใช่กล่าวโทษ Wi-Fi โดยตรง ➡️ แคมเปญชี้ให้เห็นว่การใช้เวลาอยู่หน้าจอมากเกินไปส่งผลต่อสิ่งแวดล้อม ➡️ ศูนย์ข้อมูลทั่วโลกปล่อยคาร์บอนมากกว่าการบินทั่วโลก ➡️ มหาวิทยาลัยกำลังวิจัยเพื่อทำให้ data centers มีความยั่งยืนมากขึ้น ✅ ข้อมูลเสริมจากภายนอก ➡️ Wi-Fi และอุปกรณ์เครือข่ายมีส่วนทำให้เกิด e-waste มากกว่า 82 ล้านตันต่อปีภายในปี 2030 ➡️ การใช้ Wi-Fi ส่งผลต่อการใช้พลังงานไฟฟ้า ทั้งจากอุปกรณ์และโครงสร้างพื้นฐาน ➡️ การเลือกเราเตอร์ที่มี Energy Star หรือ eco-label ช่วยลดการใช้พลังงาน ➡️ การรีไซเคิลอุปกรณ์เครือข่ายเก่าเป็นวิธีลดผลกระทบต่อสิ่งแวดล้อม ➡️ Wi-Fi ช่วยให้ระบบ IoT ทำงานได้ เช่น การจัดการพลังงานในอาคารอัจฉริยะ ➡️ การบำรุงรักษาเครือข่ายอย่างสม่ำเสมอช่วยลดการใช้พลังงานโดยไม่จำเป็น https://www.tomshardware.com/networking/is-wi-fi-bad-for-the-environment-eye-catching-london-ad-suggests-our-digital-habits-are-damaging-the-climate
    WWW.TOMSHARDWARE.COM
    Is Wi-Fi bad for the environment? Eye-catching London ad suggests Wi-Fi is ‘damaging the climate’
    The ad seemingly says that Wi-Fi is bad for the environment, but its makers just want you to look closer.
    0 Comments 0 Shares 115 Views 0 Reviews
  • CobraJet: โดรนสังหารอัจฉริยะที่บินเร็วถึง 300 ไมล์ต่อชั่วโมง

    ในยุคที่ฝูงโดรนราคาถูกกลายเป็นภัยคุกคามหลักในสนามรบ เช่นในสงครามยูเครน-รัสเซีย บริษัท SkyDefense LLC จากสหรัฐฯ ได้เปิดตัว “CobraJet” โดรนขับเคลื่อนด้วย AI ที่ออกแบบมาเพื่อรับมือกับภัยเหล่านี้โดยเฉพาะ

    CobraJet เป็นโดรนแบบ eVTOL (บินขึ้นลงแนวดิ่ง) ที่ใช้พลังงานจากแบตเตอรี่ solid-state และมอเตอร์ไฟฟ้าแบบ duct fan ทำให้สามารถบินด้วยความเร็วสูงถึง 300 ไมล์ต่อชั่วโมง พร้อมความคล่องตัวระดับเครื่องบินขับไล่

    ตัวเครื่องทำจากวัสดุคาร์บอนไฟเบอร์พิมพ์ 3D และมีดีไซน์คล้าย F-22 และ F-35 พร้อมระบบ thrust vectoring เพื่อการหลบหลีกและโจมตีที่แม่นยำ

    ระบบ AI ของ CobraJet ใช้ชิป NVIDIA และกล้อง Teledyne FLIR ที่ไม่มีชิ้นส่วนจากประเทศต้องห้าม ทำให้สามารถตรวจจับ วิเคราะห์ และตัดสินใจได้แบบเรียลไทม์ ทั้งกลางวันและกลางคืน

    นอกจากนี้ยังมีระบบ VRAM (Visual Realtime Area Monitoring) ที่ช่วยให้ผู้ควบคุมสามารถสั่งการหรือปล่อยให้โดรนทำงานอัตโนมัติได้ และสามารถสื่อสารกับ CobraJet ตัวอื่นเพื่อทำงานเป็นฝูงแบบ “AI-powered unmanned Air Force”

    CobraJet สามารถติดอาวุธได้หลากหลาย ตั้งแต่โดรนกามิกาเซ่ ไปจนถึงระเบิดนำวิถี และสามารถปรับภารกิจได้ทั้งโจมตีทางอากาศ พื้นดิน หรือทางทะเล

    คุณสมบัติหลักของ CobraJet
    เป็นโดรน eVTOL ที่บินได้เร็วถึง 300 ไมล์ต่อชั่วโมง
    ใช้แบตเตอรี่ solid-state และมอเตอร์ไฟฟ้าแบบ duct fan
    โครงสร้างทำจากคาร์บอนไฟเบอร์พิมพ์ 3D ดีไซน์คล้าย F-22 และ F-35
    มีระบบ thrust vectoring เพื่อความคล่องตัวสูง
    ใช้ชิป NVIDIA และกล้อง Teledyne FLIR สำหรับการวิเคราะห์ภาพแบบเรียลไทม์
    มีระบบ VRAM ที่ให้ผู้ควบคุมมีส่วนร่วมในการตัดสินใจ
    สามารถทำงานร่วมกันเป็นฝูงแบบ AI-powered unmanned Air Force
    รองรับอาวุธหลากหลาย เช่น โดรนกามิกาเซ่ ระเบิดนำวิถี และมิสไซล์ขนาดเล็ก
    สามารถปล่อยจากรถบรรทุก เรือ หรือเครื่องบิน เพิ่มความยืดหยุ่นในการใช้งาน

    ข้อมูลเสริมจากภายนอก
    ใช้ระบบ SmartVision และ anti-jam เพื่อทำงานในพื้นที่ที่มีการรบกวนสัญญาณ
    มีเวอร์ชัน V4, V6 และ V8 สำหรับภารกิจต่างระดับ
    ใช้ในภารกิจป้องกันชายแดน ฐานทัพ และสถานที่สาธารณะ
    มีความสามารถในการโจมตีเป้าหมายภาคพื้นและทางทะเล
    ระบบ modular ทำให้สามารถอัปเกรดได้ตามเทคโนโลยีใหม่
    เหมาะสำหรับหน่วยงานความมั่นคง เช่น กองทัพ ตำรวจ และ Homeland Security

    https://www.tomshardware.com/tech-industry/cobrajet-nvidia-ai-powered-drone-killer-takes-out-overwhelming-enemy-drone-incursions-at-up-to-300mph
    🛡️ CobraJet: โดรนสังหารอัจฉริยะที่บินเร็วถึง 300 ไมล์ต่อชั่วโมง ในยุคที่ฝูงโดรนราคาถูกกลายเป็นภัยคุกคามหลักในสนามรบ เช่นในสงครามยูเครน-รัสเซีย บริษัท SkyDefense LLC จากสหรัฐฯ ได้เปิดตัว “CobraJet” โดรนขับเคลื่อนด้วย AI ที่ออกแบบมาเพื่อรับมือกับภัยเหล่านี้โดยเฉพาะ CobraJet เป็นโดรนแบบ eVTOL (บินขึ้นลงแนวดิ่ง) ที่ใช้พลังงานจากแบตเตอรี่ solid-state และมอเตอร์ไฟฟ้าแบบ duct fan ทำให้สามารถบินด้วยความเร็วสูงถึง 300 ไมล์ต่อชั่วโมง พร้อมความคล่องตัวระดับเครื่องบินขับไล่ ตัวเครื่องทำจากวัสดุคาร์บอนไฟเบอร์พิมพ์ 3D และมีดีไซน์คล้าย F-22 และ F-35 พร้อมระบบ thrust vectoring เพื่อการหลบหลีกและโจมตีที่แม่นยำ ระบบ AI ของ CobraJet ใช้ชิป NVIDIA และกล้อง Teledyne FLIR ที่ไม่มีชิ้นส่วนจากประเทศต้องห้าม ทำให้สามารถตรวจจับ วิเคราะห์ และตัดสินใจได้แบบเรียลไทม์ ทั้งกลางวันและกลางคืน นอกจากนี้ยังมีระบบ VRAM (Visual Realtime Area Monitoring) ที่ช่วยให้ผู้ควบคุมสามารถสั่งการหรือปล่อยให้โดรนทำงานอัตโนมัติได้ และสามารถสื่อสารกับ CobraJet ตัวอื่นเพื่อทำงานเป็นฝูงแบบ “AI-powered unmanned Air Force” CobraJet สามารถติดอาวุธได้หลากหลาย ตั้งแต่โดรนกามิกาเซ่ ไปจนถึงระเบิดนำวิถี และสามารถปรับภารกิจได้ทั้งโจมตีทางอากาศ พื้นดิน หรือทางทะเล ✅ คุณสมบัติหลักของ CobraJet ➡️ เป็นโดรน eVTOL ที่บินได้เร็วถึง 300 ไมล์ต่อชั่วโมง ➡️ ใช้แบตเตอรี่ solid-state และมอเตอร์ไฟฟ้าแบบ duct fan ➡️ โครงสร้างทำจากคาร์บอนไฟเบอร์พิมพ์ 3D ดีไซน์คล้าย F-22 และ F-35 ➡️ มีระบบ thrust vectoring เพื่อความคล่องตัวสูง ➡️ ใช้ชิป NVIDIA และกล้อง Teledyne FLIR สำหรับการวิเคราะห์ภาพแบบเรียลไทม์ ➡️ มีระบบ VRAM ที่ให้ผู้ควบคุมมีส่วนร่วมในการตัดสินใจ ➡️ สามารถทำงานร่วมกันเป็นฝูงแบบ AI-powered unmanned Air Force ➡️ รองรับอาวุธหลากหลาย เช่น โดรนกามิกาเซ่ ระเบิดนำวิถี และมิสไซล์ขนาดเล็ก ➡️ สามารถปล่อยจากรถบรรทุก เรือ หรือเครื่องบิน เพิ่มความยืดหยุ่นในการใช้งาน ✅ ข้อมูลเสริมจากภายนอก ➡️ ใช้ระบบ SmartVision และ anti-jam เพื่อทำงานในพื้นที่ที่มีการรบกวนสัญญาณ ➡️ มีเวอร์ชัน V4, V6 และ V8 สำหรับภารกิจต่างระดับ ➡️ ใช้ในภารกิจป้องกันชายแดน ฐานทัพ และสถานที่สาธารณะ ➡️ มีความสามารถในการโจมตีเป้าหมายภาคพื้นและทางทะเล ➡️ ระบบ modular ทำให้สามารถอัปเกรดได้ตามเทคโนโลยีใหม่ ➡️ เหมาะสำหรับหน่วยงานความมั่นคง เช่น กองทัพ ตำรวจ และ Homeland Security https://www.tomshardware.com/tech-industry/cobrajet-nvidia-ai-powered-drone-killer-takes-out-overwhelming-enemy-drone-incursions-at-up-to-300mph
    0 Comments 0 Shares 139 Views 0 Reviews
  • ศึกกราฟิกการ์ดระดับกลาง: จาก RTX 2070 สู่ RTX 5070

    ในโลกของเกมพีซี กราฟิกการ์ดระดับกลางของ NVIDIA ถือเป็นจุดสมดุลระหว่างราคาและประสิทธิภาพ และในปี 2025 นี้ RTX 5070 ได้เปิดตัวพร้อมความแรงที่เหนือกว่าเดิม แต่คำถามคือ “คุ้มไหมถ้าอัปเกรด?”

    จากการทดสอบของ ComputerBase และ NanoReview พบว่า RTX 5070 มีประสิทธิภาพสูงสุดในกลุ่ม โดยเฉพาะในเกมที่ใช้ ray tracing และความละเอียด 4K เช่น Cyberpunk 2077, Horizon Forbidden West และ Ghost of Tsushima

    ที่ความละเอียด 1080p การเปลี่ยนแปลงไม่ชัดเจนมากนัก เพราะเกมมักถูกจำกัดด้วย CPU แต่ที่ 4K ความต่างเริ่มชัดเจน—RTX 5070 ทำเฟรมเรตได้สูงกว่า RTX 4070 ถึง 20–30% ในหลายเกม

    อย่างไรก็ตาม RTX 4070 กลับโดดเด่นในด้าน “ประสิทธิภาพต่อวัตต์” และ “ความเย็น” ทำให้เหมาะกับผู้เล่นที่ต้องการความสมดุลระหว่างแรงกับความเงียบ

    RTX 3070 และ 2070 ยังถือว่า “เล่นได้ดี” ในหลายเกม แต่เริ่มตามไม่ทันในงานที่ใช้ ray tracing หนัก ๆ หรือความละเอียดสูง

    ประสิทธิภาพของแต่ละรุ่น
    RTX 5070 ทำเฟรมเรตสูงสุดในทุกความละเอียด โดยเฉพาะ 4K
    Cyberpunk 2077 ที่ 4K: 2070 = 19 FPS, 3070 = 31 FPS, 4070 = 48 FPS, 5070 = 63 FPS
    Ratchet & Clank: 2070 = 19 FPS, 4070 = 92 FPS, 5070 = 119 FPS
    Overwatch 2 ที่ 4K: 2070 = 99 FPS, 5070 = 275 FPS
    RTX 4070 มีประสิทธิภาพต่อวัตต์สูงกว่า 5070 ถึง 25%
    RTX 5070 ใช้พลังงานมากขึ้น (231W) แต่ให้เฟรมเรตสูงกว่า

    ข้อมูลเสริมจากภายนอก
    RTX 5070 ใช้สถาปัตยกรรมใหม่ 4nm และหน่วยความจำ GDDR7
    รองรับ DLSS 4 ที่ใช้โมเดล Transformer ทำให้ภาพลื่นขึ้น
    RTX 4070 เหมาะกับผู้เล่นที่เน้นความเย็นและเสียงเงียบ
    RTX 3070 ยังเล่นเกม AAA ได้ดีที่ 1080p และ 1440p
    RTX 2070 เริ่มล้าหลังในเกมที่ใช้ ray tracing หนัก ๆ
    การอัปเกรดจาก 4070 ไป 5070 อาจไม่คุ้มในแง่ประสิทธิภาพต่อราคา

    https://www.tomshardware.com/pc-components/gpus/nvidias-midrange-gpus-through-the-years-revisited-pitting-the-rtx-5070-versus-the-4070-3070-and-2070-in-an-all-encompassing-gaming-showdown
    🎯 ศึกกราฟิกการ์ดระดับกลาง: จาก RTX 2070 สู่ RTX 5070 ในโลกของเกมพีซี กราฟิกการ์ดระดับกลางของ NVIDIA ถือเป็นจุดสมดุลระหว่างราคาและประสิทธิภาพ และในปี 2025 นี้ RTX 5070 ได้เปิดตัวพร้อมความแรงที่เหนือกว่าเดิม แต่คำถามคือ “คุ้มไหมถ้าอัปเกรด?” จากการทดสอบของ ComputerBase และ NanoReview พบว่า RTX 5070 มีประสิทธิภาพสูงสุดในกลุ่ม โดยเฉพาะในเกมที่ใช้ ray tracing และความละเอียด 4K เช่น Cyberpunk 2077, Horizon Forbidden West และ Ghost of Tsushima ที่ความละเอียด 1080p การเปลี่ยนแปลงไม่ชัดเจนมากนัก เพราะเกมมักถูกจำกัดด้วย CPU แต่ที่ 4K ความต่างเริ่มชัดเจน—RTX 5070 ทำเฟรมเรตได้สูงกว่า RTX 4070 ถึง 20–30% ในหลายเกม อย่างไรก็ตาม RTX 4070 กลับโดดเด่นในด้าน “ประสิทธิภาพต่อวัตต์” และ “ความเย็น” ทำให้เหมาะกับผู้เล่นที่ต้องการความสมดุลระหว่างแรงกับความเงียบ RTX 3070 และ 2070 ยังถือว่า “เล่นได้ดี” ในหลายเกม แต่เริ่มตามไม่ทันในงานที่ใช้ ray tracing หนัก ๆ หรือความละเอียดสูง ✅ ประสิทธิภาพของแต่ละรุ่น ➡️ RTX 5070 ทำเฟรมเรตสูงสุดในทุกความละเอียด โดยเฉพาะ 4K ➡️ Cyberpunk 2077 ที่ 4K: 2070 = 19 FPS, 3070 = 31 FPS, 4070 = 48 FPS, 5070 = 63 FPS ➡️ Ratchet & Clank: 2070 = 19 FPS, 4070 = 92 FPS, 5070 = 119 FPS ➡️ Overwatch 2 ที่ 4K: 2070 = 99 FPS, 5070 = 275 FPS ➡️ RTX 4070 มีประสิทธิภาพต่อวัตต์สูงกว่า 5070 ถึง 25% ➡️ RTX 5070 ใช้พลังงานมากขึ้น (231W) แต่ให้เฟรมเรตสูงกว่า ✅ ข้อมูลเสริมจากภายนอก ➡️ RTX 5070 ใช้สถาปัตยกรรมใหม่ 4nm และหน่วยความจำ GDDR7 ➡️ รองรับ DLSS 4 ที่ใช้โมเดล Transformer ทำให้ภาพลื่นขึ้น ➡️ RTX 4070 เหมาะกับผู้เล่นที่เน้นความเย็นและเสียงเงียบ ➡️ RTX 3070 ยังเล่นเกม AAA ได้ดีที่ 1080p และ 1440p ➡️ RTX 2070 เริ่มล้าหลังในเกมที่ใช้ ray tracing หนัก ๆ ➡️ การอัปเกรดจาก 4070 ไป 5070 อาจไม่คุ้มในแง่ประสิทธิภาพต่อราคา https://www.tomshardware.com/pc-components/gpus/nvidias-midrange-gpus-through-the-years-revisited-pitting-the-rtx-5070-versus-the-4070-3070-and-2070-in-an-all-encompassing-gaming-showdown
    0 Comments 0 Shares 106 Views 0 Reviews
  • เมื่อสายไฟละลายไม่ใช่เรื่องเล่น ๆ: DIYer สร้างระบบป้องกัน RTX 5090 ด้วยสายไฟพันกันสุดโกลาหล

    ปัญหาสายไฟละลายจากหัวต่อ 16-pin ของการ์ดจอ RTX 4090 และ 5090 กลายเป็นเรื่องจริงที่ผู้ใช้งานหลายคนเจอ โดยเฉพาะเมื่อใช้กับ PSU ที่จ่ายไฟสูงและสาย 12VHPWR ที่ไม่แน่นหนา

    Electronic_Ear6797 จึงสร้างระบบ “RTX 5090 Countermeasures” ที่ดูเหมือนงานศิลปะสายไฟพันกัน แต่มีระบบตรวจจับกระแสเกิน และสั่งให้ PSU ปิดตัวทันทีเมื่อเกิดความเสี่ยง

    ระบบนี้ใช้ชิ้นส่วนอุตสาหกรรม เช่น PLC จาก Mitsubishi, เซนเซอร์วัดกระแส และรีเลย์ไฟฟ้า เพื่อควบคุมการจ่ายไฟอย่างแม่นยำ โดยไม่พึ่งแค่ฟิวส์หรือระบบป้องกันพื้นฐาน

    แม้จะดูยุ่งเหยิง แต่ระบบนี้ช่วยลดความเสี่ยงจากการละลายหัวต่อ ซึ่งเคยเกิดขึ้นจริงกับผู้ใช้งาน RTX 4090 และยังคงเกิดซ้ำกับ RTX 5090 แม้จะเป็นรุ่นใหม่

    ปัญหาที่เกิดขึ้นกับ RTX 5090
    หัวต่อ 16-pin มีความเสี่ยงละลายจากความร้อนสูง
    ปัญหาเริ่มจาก RTX 4090 และยังเกิดซ้ำกับ RTX 5090
    สาย 12VHPWR ที่ไม่แน่นหนาเป็นสาเหตุหลัก

    ระบบป้องกันแบบ DIY
    ใช้ PLC จาก Mitsubishi และเซนเซอร์วัดกระแสไฟฟ้า
    มีรีเลย์ที่สั่งปิด PSU ทันทีเมื่อเกิดกระแสเกิน
    สร้างจากชิ้นส่วนอุตสาหกรรม ไม่ใช่แค่ฟิวส์ธรรมดา

    จุดเด่นของระบบ
    ป้องกันการละลายหัวต่อได้แบบ proactive
    ลดความเสี่ยงจากการใช้งานการ์ดจอระดับสูง
    เป็นตัวอย่างของการแก้ปัญหาด้วยความรู้ด้านไฟฟ้าและระบบควบคุม

    ข้อมูลเสริมจากวงการฮาร์ดแวร์
    Thermal Grizzly มีผลิตภัณฑ์ WireView สำหรับตรวจสอบพลังงาน GPU
    Corsair และ Seasonic เริ่มออกแบบสาย 12VHPWR รุ่นใหม่ที่แน่นหนาขึ้น
    ผู้ผลิตบางรายเริ่มพัฒนา GPU ที่ใช้หัวต่อแบบใหม่เพื่อลดความเสี่ยง

    https://www.tomshardware.com/pc-components/gpus/diyer-creates-rtx-5090-countermeasures-with-cabling-spaghetti-to-mitigate-16-pin-meltdowns-system-automatically-shuts-down-when-the-overcurrent-protection-is-triggered
    🧠 เมื่อสายไฟละลายไม่ใช่เรื่องเล่น ๆ: DIYer สร้างระบบป้องกัน RTX 5090 ด้วยสายไฟพันกันสุดโกลาหล ปัญหาสายไฟละลายจากหัวต่อ 16-pin ของการ์ดจอ RTX 4090 และ 5090 กลายเป็นเรื่องจริงที่ผู้ใช้งานหลายคนเจอ โดยเฉพาะเมื่อใช้กับ PSU ที่จ่ายไฟสูงและสาย 12VHPWR ที่ไม่แน่นหนา Electronic_Ear6797 จึงสร้างระบบ “RTX 5090 Countermeasures” ที่ดูเหมือนงานศิลปะสายไฟพันกัน แต่มีระบบตรวจจับกระแสเกิน และสั่งให้ PSU ปิดตัวทันทีเมื่อเกิดความเสี่ยง ระบบนี้ใช้ชิ้นส่วนอุตสาหกรรม เช่น PLC จาก Mitsubishi, เซนเซอร์วัดกระแส และรีเลย์ไฟฟ้า เพื่อควบคุมการจ่ายไฟอย่างแม่นยำ โดยไม่พึ่งแค่ฟิวส์หรือระบบป้องกันพื้นฐาน แม้จะดูยุ่งเหยิง แต่ระบบนี้ช่วยลดความเสี่ยงจากการละลายหัวต่อ ซึ่งเคยเกิดขึ้นจริงกับผู้ใช้งาน RTX 4090 และยังคงเกิดซ้ำกับ RTX 5090 แม้จะเป็นรุ่นใหม่ ✅ ปัญหาที่เกิดขึ้นกับ RTX 5090 ➡️ หัวต่อ 16-pin มีความเสี่ยงละลายจากความร้อนสูง ➡️ ปัญหาเริ่มจาก RTX 4090 และยังเกิดซ้ำกับ RTX 5090 ➡️ สาย 12VHPWR ที่ไม่แน่นหนาเป็นสาเหตุหลัก ✅ ระบบป้องกันแบบ DIY ➡️ ใช้ PLC จาก Mitsubishi และเซนเซอร์วัดกระแสไฟฟ้า ➡️ มีรีเลย์ที่สั่งปิด PSU ทันทีเมื่อเกิดกระแสเกิน ➡️ สร้างจากชิ้นส่วนอุตสาหกรรม ไม่ใช่แค่ฟิวส์ธรรมดา ✅ จุดเด่นของระบบ ➡️ ป้องกันการละลายหัวต่อได้แบบ proactive ➡️ ลดความเสี่ยงจากการใช้งานการ์ดจอระดับสูง ➡️ เป็นตัวอย่างของการแก้ปัญหาด้วยความรู้ด้านไฟฟ้าและระบบควบคุม ✅ ข้อมูลเสริมจากวงการฮาร์ดแวร์ ➡️ Thermal Grizzly มีผลิตภัณฑ์ WireView สำหรับตรวจสอบพลังงาน GPU ➡️ Corsair และ Seasonic เริ่มออกแบบสาย 12VHPWR รุ่นใหม่ที่แน่นหนาขึ้น ➡️ ผู้ผลิตบางรายเริ่มพัฒนา GPU ที่ใช้หัวต่อแบบใหม่เพื่อลดความเสี่ยง https://www.tomshardware.com/pc-components/gpus/diyer-creates-rtx-5090-countermeasures-with-cabling-spaghetti-to-mitigate-16-pin-meltdowns-system-automatically-shuts-down-when-the-overcurrent-protection-is-triggered
    0 Comments 0 Shares 137 Views 0 Reviews
  • ใช่ ถ้าไทยจบสหรัฐฯก็จบเหมือนกัน #มิติที่สูงมีแต่พลังงานไม่ใช้กายหยาบ พลังจิตมีกำลังและเสถียรมากด้วย ไม่งั้นจะส่งยานโดยไร้คนขับไม่ต้องเชื่อมสัญญาณอะไร จิตล้วนๆ
    ใช่ ถ้าไทยจบสหรัฐฯก็จบเหมือนกัน #มิติที่สูงมีแต่พลังงานไม่ใช้กายหยาบ พลังจิตมีกำลังและเสถียรมากด้วย ไม่งั้นจะส่งยานโดยไร้คนขับไม่ต้องเชื่อมสัญญาณอะไร จิตล้วนๆ
    Like
    1
    0 Comments 0 Shares 74 Views 0 0 Reviews
More Results