Google ได้อ้างว่า Ironwood TPU v7p pod ของตนมีประสิทธิภาพสูงกว่า El Capitan supercomputer ถึง 24 เท่า แต่ Timothy Prickett Morgan นักวิเคราะห์จาก TheNextPlatform ได้ตั้งข้อสงสัยเกี่ยวกับการเปรียบเทียบนี้ โดยระบุว่า "เป็นการเปรียบเทียบที่ไม่สมเหตุสมผล" Google ได้ทำการเปรียบเทียบ Ironwood TPU v7p pod ซึ่งมี 9,216 TPU compute engines กับ El Capitan ที่ใช้ 44,544 AMD Instinct MI300A hybrid CPU-GPU compute engines โดยใช้ High Performance LINPACK (HPL) benchmark อย่างไรก็ตาม Prickett Morgan ชี้ให้เห็นว่า El Capitan ถูกออกแบบมาสำหรับการจำลองที่มีความแม่นยำสูง ขณะที่ Ironwood TPU ถูกออกแบบมาสำหรับ AI inference และ training ที่ใช้ความแม่นยำต่ำกว่า ✅ Google อ้างว่า Ironwood TPU v7p pod มีประสิทธิภาพสูงกว่า El Capitan ถึง 24 เท่า - ใช้ 9,216 TPU compute engines - เปรียบเทียบกับ El Capitan ที่ใช้ 44,544 AMD Instinct MI300A hybrid CPU-GPU compute engines ✅ นักวิเคราะห์จาก TheNextPlatform ตั้งข้อสงสัยเกี่ยวกับการเปรียบเทียบนี้ - ระบุว่า El Capitan ถูกออกแบบมาสำหรับการจำลองที่มีความแม่นยำสูง - ขณะที่ Ironwood TPU ถูกออกแบบมาสำหรับ AI inference และ training ✅ การเปรียบเทียบด้านต้นทุน - Ironwood pod มีต้นทุนการสร้าง $445 ล้าน และค่าเช่า $1.1 พันล้านใน 3 ปี - El Capitan มีต้นทุนการสร้าง $600 ล้าน - Ironwood pod มีต้นทุนต่อ teraflops สูงกว่า El Capitan ✅ El Capitan มีประสิทธิภาพสูงกว่า Ironwood TPU ในการประมวลผล FP16 และ FP8 - El Capitan มี 2.05 เท่าของประสิทธิภาพ FP16 และ FP8 เมื่อเทียบกับ Ironwood pod https://www.techradar.com/pro/google-says-that-its-ai-behemoth-is-24x-faster-than-the-worlds-best-supercomputer-but-this-analyst-armed-with-a-spreadsheet-disagrees

Elon Musk ได้เปิดตัวซูเปอร์คอมพิวเตอร์ที่ชื่อว่า Colossus ซึ่งใช้ GPU Nvidia H100 จำนวน 100,000 ตัว ในการประมวลผล AI อย่างไรก็ตาม ซูเปอร์คอมพิวเตอร์นี้เผชิญกับข้อกล่าวหาเกี่ยวกับการปล่อยมลพิษจากเครื่องกำเนิดไฟฟ้าก๊าซมีเทนที่ใช้ในไซต์งาน Memphis รัฐเทนเนสซี ในช่วงแรก Colossus ใช้พลังงานเพียง 7 MW ซึ่งเพียงพอสำหรับการใช้งาน GPU เพียง 4% ของทั้งหมด เพื่อแก้ไขปัญหานี้ Musk ได้ติดตั้งเครื่องกำเนิดไฟฟ้าขนาดใหญ่หลายตัวเพื่อรองรับความต้องการพลังงานที่เพิ่มขึ้น โดยขณะนี้ไซต์งานยังคงใช้เครื่องกำเนิดไฟฟ้าก๊าซมีเทนกว่า 30 ตัว ซึ่งปล่อยสารมลพิษที่เชื่อมโยงกับโรคหอบหืด โรคทางเดินหายใจ และมะเร็งบางชนิด Southern Environmental Law Center (SELC) ได้ร่วมมือกับ South Wings ในการถ่ายภาพไซต์งานด้วยกล้องถ่ายภาพความร้อน และพบว่ามีจุดร้อนกว่า 30 จุด ซึ่งบ่งชี้ถึงจำนวนเครื่องกำเนิดไฟฟ้าที่ใช้งานอยู่ แม้ว่า Colossus จะได้รับการอนุมัติให้ใช้พลังงาน 150 MW แต่ผู้เชี่ยวชาญระบุว่าต้องการพลังงานอย่างน้อย 155 MW เพื่อใช้งาน GPU ทั้งหมด และหาก Musk ขยายการใช้งาน GPU เป็น 200,000 ตัว จะต้องการพลังงานถึง 310 MW ✅ การออกแบบและการใช้งาน - ใช้ GPU Nvidia H100 จำนวน 100,000 ตัว - ต้องการพลังงานอย่างน้อย 155 MW เพื่อใช้งาน GPU ทั้งหมด ✅ การแก้ไขปัญหาพลังงาน - ใช้เครื่องกำเนิดไฟฟ้าก๊าซมีเทนกว่า 30 ตัวเพื่อรองรับความต้องการพลังงาน - เครื่องกำเนิดไฟฟ้าปล่อยสารมลพิษที่เชื่อมโยงกับโรคหอบหืดและมะเร็ง ✅ การตรวจสอบจาก SELC - พบจุดร้อนกว่า 30 จุดในไซต์งานด้วยกล้องถ่ายภาพความร้อน - SELC กำลังยื่นคำร้องต่อ Shelby County Health Department เพื่อปฏิเสธการใช้งานเครื่องกำเนิดไฟฟ้า ✅ การขยายการใช้งาน GPU - หากขยายการใช้งาน GPU เป็น 200,000 ตัว จะต้องการพลังงานถึง 310 MW https://www.tomshardware.com/tech-industry/supercomputers/elon-musks-nvidia-powered-colossus-supercomputer-faces-pollution-allegations-from-under-reported-power-generators

Elon Musk กำลังวางแผนระดมทุนมูลค่าหลายหมื่นล้านดอลลาร์เพื่อสร้าง Colossus 2 ซึ่งเป็นซูเปอร์คอมพิวเตอร์ที่มี GPU จำนวน 1 ล้านตัว โดยมีเป้าหมายเพื่อพัฒนาโมเดล AI ที่ล้ำสมัยและสร้างรายได้จากการใช้งาน AI ในระดับสูง การระดมทุนครั้งนี้อาจมีมูลค่าถึง 25 พันล้านดอลลาร์ และทำให้มูลค่าของบริษัท xAI อยู่ระหว่าง 150 ถึง 200 พันล้านดอลลาร์ ✅ Elon Musk วางแผนสร้าง Colossus 2 ด้วย GPU จำนวน 1 ล้านตัว - ซูเปอร์คอมพิวเตอร์นี้จะใช้ GPU Nvidia Hopper H100 และ H100 - Colossus 2 จะมีประสิทธิภาพสูงกว่า Colossus รุ่นแรกที่มี GPU จำนวน 200,000 ตัว ✅ การระดมทุนครั้งนี้อาจมีมูลค่าถึง 25 พันล้านดอลลาร์ - Musk คาดว่าจะใช้เงินประมาณ 100 ถึง 125 พันล้านดอลลาร์ ในการสร้าง Colossus 2 - รวมถึงค่าใช้จ่ายด้านอาคาร เซิร์ฟเวอร์ อุปกรณ์เครือข่าย และระบบระบายความร้อน ✅ xAI มีเป้าหมายเพื่อพัฒนาโมเดล AI ที่ล้ำสมัย - โมเดล AI ที่พัฒนาจะถูกนำไปใช้สร้างรายได้ในระดับสูง ✅ การลงทุนใน AI Data Centers กำลังเพิ่มขึ้นทั่วโลก - Broadcom คาดว่า Data Centers รุ่นใหม่จะมี AI Processors จำนวน 1 ล้านตัวภายในปี 2027 https://www.tomshardware.com/tech-industry/artificial-intelligence/speculation-mounts-that-musk-will-raise-tens-of-billions-for-ai-supercomputer-with-1-million-gpus-report

NVIDIA และ AMD กำลังแข่งขันกันเพื่อสร้างอิทธิพลในตลาด AI ของญี่ปุ่น หลังจากที่ทั้งสองบริษัทส่งซีอีโอไปเยือนประเทศในช่วงเวลาที่ใกล้เคียงกัน โดยมีเป้าหมายเพื่อขยายการลงทุนและพัฒนาโครงสร้างพื้นฐานด้าน AI ในญี่ปุ่น ✅ ญี่ปุ่นต้องการเป็นศูนย์กลางการพัฒนา AI ระดับโลก - รัฐบาลญี่ปุ่นกำลังผลักดันให้ประเทศเป็น "ประเทศที่ง่ายที่สุดในการพัฒนาและใช้ AI" - มีการลงทุนอย่างหนักในโครงสร้างพื้นฐานด้าน AI เพื่อแข่งขันในตลาดโลก ✅ ซีอีโอของ NVIDIA และ AMD พบกับนายกรัฐมนตรีญี่ปุ่น - Jensen Huang ซีอีโอของ NVIDIA ได้หารือกับนายกรัฐมนตรี Shigeru Ishiba เกี่ยวกับการเพิ่มกำลังการผลิตไฟฟ้าเพื่อรองรับอุตสาหกรรม AI - Lisa Su ซีอีโอของ AMD ก็เดินทางไปพบกับนายกรัฐมนตรีและพันธมิตรทางธุรกิจในญี่ปุ่น ✅ NVIDIA มอบ DGX Spark AI Supercomputer ให้กับรัฐบาลญี่ปุ่น - เป็นสัญลักษณ์ของความร่วมมือระหว่าง NVIDIA และญี่ปุ่นในการพัฒนา AI ✅ AMD กำลังขยายความร่วมมือกับญี่ปุ่นในด้าน AI - รัฐบาลญี่ปุ่นให้ความสนใจในการพัฒนาเทคโนโลยีร่วมกับ AMD https://wccftech.com/nvidia-and-amd-ceos-pay-a-visit-to-japan-in-quick-succession/

Nvidia ได้ประกาศย้ายฐานการผลิตซูเปอร์คอมพิวเตอร์ AI ไปยังสหรัฐฯ เป็นครั้งแรก ซึ่งเป็นการตอบสนองต่อแนวโน้มอุตสาหกรรมที่มุ่งเน้นการผลิตภายในประเทศเพื่อรับมือกับนโยบายการค้าของสหรัฐฯ ✅ การย้ายฐานการผลิตไปยังสหรัฐฯ - Nvidia จะผลิตและทดสอบชิป Blackwell และซูเปอร์คอมพิวเตอร์ AI ในโรงงานที่รัฐแอริโซนาและเท็กซัส - โรงงานผลิตครอบคลุมพื้นที่กว่า 1 ล้านตารางฟุต และเริ่มดำเนินการแล้ว - คาดว่าจะเริ่มการผลิตจำนวนมากภายใน 12-15 เดือนข้างหน้า ✅ ความร่วมมือกับบริษัทผู้ผลิตรายใหญ่ - TSMC จะผลิตชิป Blackwell ในเมืองฟีนิกซ์ รัฐแอริโซนา - Foxconn และ Wistron จะดูแลการประกอบซูเปอร์คอมพิวเตอร์ในรัฐเท็กซัส - Amkor และ SPIL จะรับผิดชอบด้านบรรจุภัณฑ์และการทดสอบชิปในแอริโซนา ✅ เป้าหมายการลงทุนและผลกระทบต่ออุตสาหกรรม - Nvidia วางแผนลงทุนสูงถึง 500 พันล้านดอลลาร์ในโครงสร้างพื้นฐาน AI ภายใน 4 ปีข้างหน้า - การผลิตในสหรัฐฯ ช่วยเสริมความแข็งแกร่งของห่วงโซ่อุปทานและลดความเสี่ยงจากข้อจำกัดทางการค้า ⚠️ ข้อควรระวังและประเด็นที่ต้องติดตาม ℹ️ ผลกระทบต่ออุตสาหกรรมเซมิคอนดักเตอร์ - การย้ายฐานผลิตอาจส่งผลต่อซัพพลายเชนของบริษัทที่พึ่งพาการผลิตในเอเชีย - อาจเกิดความท้าทายด้านต้นทุนและการจัดหาวัตถุดิบสำหรับการผลิตในสหรัฐฯ ℹ️ ข้อกังวลด้านภูมิรัฐศาสตร์ - การตัดสินใจของ Nvidia อาจเป็นผลจากแรงกดดันทางการค้าระหว่างสหรัฐฯ และจีน - อดีตประธานาธิบดีทรัมป์เคยเตือน TSMC ว่าอาจเผชิญภาษีนำเข้าสูงถึง 100% หากไม่ตั้งโรงงานในสหรัฐฯ ℹ️ อนาคตของอุตสาหกรรม AI และซูเปอร์คอมพิวเตอร์ - Nvidia วางแผนสร้าง "AI factories" หรือศูนย์ข้อมูลเฉพาะสำหรับงาน AI ซึ่งจะเป็นโครงสร้างพื้นฐานสำคัญในอนาคต - บริษัทจะใช้แพลตฟอร์ม Omniverse เพื่อสร้างแบบจำลองดิจิทัลของโรงงาน และใช้หุ่นยนต์ Isaac GR00T ในกระบวนการผลิต https://www.techspot.com/news/107542-nvidia-shifts-ai-supercomputer-production-us-first-time.html

Elon Musk’s xAI กำลังเผชิญกับข้อวิจารณ์เกี่ยวกับการใช้เครื่องกำเนิดไฟฟ้าที่ไม่ได้รับอนุญาตเพื่อให้พลังงานแก่ Colossus Supercomputer ซึ่งตั้งอยู่ใกล้เมืองเมมฟิส รัฐเทนเนสซี โดยเหตุการณ์นี้สร้างความกังวลด้านสิ่งแวดล้อมและสุขภาพในพื้นที่ ✅ การใช้เครื่องกำเนิดไฟฟ้า: - xAI ใช้เครื่องกำเนิดไฟฟ้าก๊าซมีเทนจำนวน 35 เครื่องเพื่อให้พลังงานแก่ Colossus Supercomputer ซึ่งมี GPU Nvidia H100 มากกว่า 100,000 ตัว - เครื่องกำเนิดไฟฟ้าเหล่านี้สามารถผลิตพลังงานได้ถึง 420 MW ซึ่งเพียงพอสำหรับการจ่ายไฟให้กับเมือง ✅ ปัญหาด้านการอนุญาต: - xAI ได้รับอนุญาตให้ใช้เครื่องกำเนิดไฟฟ้าเพียง 15 เครื่อง แต่มีการใช้งานมากกว่านั้นโดยไม่มีการอนุมัติ - บริษัทใช้ช่องโหว่ทางกฎหมายที่อนุญาตให้เครื่องกำเนิดไฟฟ้าทำงานได้โดยไม่ต้องมีใบอนุญาต หากไม่ได้ติดตั้งในที่เดียวเกิน 364 วัน ✅ ผลกระทบต่อสิ่งแวดล้อม: - เครื่องกำเนิดไฟฟ้าก๊าซมีเทนเป็นแหล่งมลพิษที่สำคัญและละเมิดกฎคุณภาพอากาศของรัฐบาลกลาง - กลุ่ม Southern Environmental Law Center เรียกร้องให้หน่วยงานด้านสุขภาพในพื้นที่หยุดการดำเนินงานและปรับบริษัท $25,000 ต่อวัน ✅ การตอบสนองของชุมชน: - ชาวบ้านและกลุ่มสิ่งแวดล้อมในพื้นที่แสดงความกังวลเกี่ยวกับผลกระทบต่อสุขภาพและสิ่งแวดล้อม https://www.tomshardware.com/tech-industry/artificial-intelligence/elon-musks-xai-allegedly-powers-colossus-supercomputer-facility-using-illegal-generators

AMD ได้แสดงศักยภาพครั้งยิ่งใหญ่ในโลกซูเปอร์คอมพิวเตอร์ โดยความสำเร็จนี้เกิดขึ้นใน Frontier Supercomputer ซึ่งเป็นซูเปอร์คอมพิวเตอร์ที่ทรงพลังที่สุดในโลก ณ Oak Ridge National Laboratory (ORNL) ด้วยการใช้ ชิป AMD Instinct MI250X GPUs และโปรเซสเซอร์ AMD EPYC CPUs การจำลองการไหลของอากาศในเครื่องยนต์แก๊สเทอร์ไบน์ (CFD Simulation) ที่ก่อนหน้านี้ต้องใช้เวลาถึง 38.5 ชั่วโมง ได้ถูกลดลงเหลือเพียง 1.5 ชั่วโมง เท่านั้น ✅ การพัฒนาประสิทธิภาพระดับใหม่: - การใช้งาน 1,024 AMD Instinct MI250X accelerators และ EPYC CPUs ช่วยเร่งกระบวนการจำลอง 2.2 พันล้านเซลล์บนซูเปอร์คอมพิวเตอร์ Frontier ได้รวดเร็วกว่าเดิมถึง 25 เท่า - การลดเวลาในการจำลองช่วยให้บริษัทพลังงานอย่าง Baker Hughes สามารถปรับปรุงการออกแบบเครื่องยนต์ได้รวดเร็วขึ้น ✅ ศักยภาพอันมหาศาลของ Frontier: - Frontier เป็นซูเปอร์คอมพิวเตอร์ Exascale ตัวแรกของโลก ซึ่งหมายความว่ามีประสิทธิภาพที่สามารถประมวลผลได้ถึง 1 ExaFLOP (1 ล้านล้านล้านการคำนวณต่อวินาที) - Frontier มีฮาร์ดแวร์ระดับสูง เช่น 9,408 EPYC CPUs และ 37,632 MI250X GPUs ซึ่งยังคงมีศักยภาพให้ใช้งานมากกว่าที่ใช้ในงานวิจัยครั้งนี้ ✅ การแสดงความโดดเด่นของ AMD: - แม้ว่า Nvidia จะครองตลาด GPU ในงาน AI แต่ AMD ยังแสดงให้เห็นถึงความสามารถในการแข่งขันในตลาดซูเปอร์คอมพิวเตอร์ ด้วยราคาที่คุ้มค่าและพลังการประมวลผลที่โดดเด่น - Brad McCredie รองประธานของ AMD กล่าวถึงการเปลี่ยนแปลงครั้งนี้ว่าเป็นก้าวสำคัญที่ทำให้วิศวกรรมระดับโลกเกิดนวัตกรรมในด้าน ความยั่งยืนและประสิทธิภาพ ✅ ความท้าทายด้านซอฟต์แวร์: - อย่างไรก็ตาม AMD ยังต้องพัฒนาในเรื่องของซอฟต์แวร์เพื่อแข่งขันกับ Nvidia ซึ่งยังคงได้เปรียบในด้านการรองรับซอฟต์แวร์ที่มีประสิทธิภาพ https://www.tomshardware.com/tech-industry/supercomputers/amd-sets-new-supercomputer-record-runs-cfd-simulation-over-25x-faster-on-instinct-mi250x-gpus

นักวิจัยจาก MIT กำลังปฏิวัติวงการควอนตัมคอมพิวเตอร์ด้วยการพัฒนาอุปกรณ์ที่ช่วยให้ ชิปควอนตัมสามารถสื่อสารกันได้โดยไม่ต้องใช้การเชื่อมต่อทางกายภาพ เทคนิคใหม่นี้นับเป็นความก้าวหน้าสำคัญในโลกควอนตัม โดยมีเป้าหมายเพื่อแก้ไขปัญหาใหญ่ของการแบ่งปันข้อมูลระหว่างหน่วยประมวลผลในระบบควอนตัมคอมพิวเตอร์ == หัวใจของเทคโนโลยีนี้ == ✅ การใช้ Microwave Photons เป็นตัวกลาง - ระบบใหม่ใช้ คลื่นไมโครเวฟ (Microwave Photons) ในการส่งข้อมูลระหว่างชิปควอนตัมโดยตรง - ด้วยการสร้าง waveguide ซึ่งเป็นสายไฟแบบ superconducting ที่ทำหน้าที่เหมือนถนนควอนตัม ช่วยให้ชิปสื่อสารกันได้โดยไม่มี "ตัวกลาง" ✅ กระบวนการสร้าง Remote Entanglement - Remote Entanglement เป็นหลักการทางควอนตัมที่ช่วยให้สองชิปสามารถสร้างความสัมพันธ์เชิงควอนตัมแบบเรียลไทม์ โดยไม่ต้องเชื่อมต่อกัน - วิธีการใหม่ทำให้การส่งและรับโฟตอนเกิดขึ้นได้ในสถานะ “ครึ่งหนึ่ง” ซึ่งโฟตอนอยู่ในสถานะที่ปล่อยและเก็บไว้พร้อมกัน ✅ การปรับรูปทรงโฟตอนเพื่อประสิทธิภาพสูงสุด - การเดินทางของโฟตอนผ่าน waveguide อาจเกิดความผิดเพี้ยน นักวิจัยจึงใช้ อัลกอริทึมเพื่อปรับแต่งรูปร่างของโฟตอน ส่งผลให้อัตราความสำเร็จในการสร้าง Entanglement สูงถึง 60% == ผลกระทบต่อโลกควอนตัมและเทคโนโลยีในอนาคต == ✅ เปิดประตูสู่ Quantum Supercomputer ขนาดใหญ่ - ระบบใหม่รองรับ “All-to-All Connectivity” ซึ่งช่วยให้หน่วยประมวลผลทุกชิปสามารถสื่อสารกันได้โดยตรง - อนาคตอาจมีการพัฒนาเทคโนโลยีเพิ่มเติม เช่น 3D Integration หรือ โปรโตคอลที่เร็วขึ้น เพื่อเพิ่มประสิทธิภาพ ✅ การสนับสนุนจากหน่วยงานสำคัญ - โครงการนี้ได้รับการสนับสนุนโดยหน่วยงานเช่น US Army Research Office, AWS Center for Quantum Computing และ US Air Force Office of Scientific Research ✅ ความสำคัญต่อ Quantum Internet - นอกจากการพัฒนา Quantum Computer ระบบใหม่นี้ยังสามารถขยายไปยัง Quantum Internet ซึ่งเป็นเครือข่ายที่เชื่อมโยงควอนตัมคอมพิวเตอร์ทั่วโลก https://www.techspot.com/news/107436-mit-showcases-quantum-chip-communication-without-physical-contact.html

Google ร่วมมือกับ MediaTek เพื่อพัฒนา TPU รุ่นใหม่ที่มีต้นทุนต่ำลงและประสิทธิภาพสูงขึ้น โดย Google จะออกแบบตัวชิป ส่วน MediaTek จะดูแลระบบ I/O เพื่อเชื่อมต่อกับอุปกรณ์ ส่งผลให้ Google ลดการพึ่งพา Broadcom ในด้าน AI Hardware นักวิเคราะห์คาดว่า TPU รุ่นใหม่อาจช่วยเร่งการพัฒนาโมเดล AI ขนาดใหญ่ และทำให้ ต้นทุนการประมวลผล AI ถูกลงกว่าเดิม ✅ Google ลดการพึ่งพา Broadcom ในการพัฒนา AI Hardware - TPU รุ่นก่อนหน้าของ Google พึ่งพา Broadcom ในการพัฒนาแกนหลัก - แต่ครั้งนี้ Google เป็นผู้นำด้านการออกแบบ ขณะที่ MediaTek จะดูแลโมดูล I/O ✅ TPU รุ่นใหม่มุ่งเน้นประสิทธิภาพและความประหยัดพลังงาน - คาดว่า จะช่วยลดต้นทุนการประมวลผล AI สำหรับคลาวด์และบริการภายในของ Google - ออกแบบมาเพื่อ รองรับการฝึกโมเดลขนาดใหญ่ (LLMs) ได้ดีขึ้น ✅ MediaTek ขยายอิทธิพลในตลาด AI Hardware - MediaTek ได้ร่วมมือในโครงการ AI Supercomputer และกำลังขยายธุรกิจด้าน ชิป AI อย่างต่อเนื่อง - การร่วมมือกับ Google จะช่วยให้ MediaTek แข่งขันกับผู้ผลิตชิประดับโลก เช่น Nvidia และ Broadcom ✅ อนาคตของ TPU ใหม่—อาจส่งผลต่อการพัฒนา AI Model ระดับโลก - หากโครงการนี้สำเร็จ Google อาจสร้าง ระบบ AI ที่มีประสิทธิภาพสูงขึ้น โดยใช้ต้นทุนที่ต่ำลง - นักวิเคราะห์ชี้ว่า จะมีผลต่ออุตสาหกรรม AI ในวงกว้าง รวมถึงการพัฒนา Large Language Models (LLMs) https://www.techradar.com/pro/after-nvidia-mediatek-may-have-convinced-another-huge-tech-company-to-use-its-expertise-to-develop-ai-chips

มีการศึกษาล่าสุดของนักวิจัยที่ใช้ซูเปอร์คอมพิวเตอร์ของ NASA เพื่อสร้างแบบจำลองใหม่ของ Oort Cloud ซึ่งอยู่ไกลออกไปจากวงโคจรของดาวพลูโต Oort Cloud เป็นพื้นที่ที่เต็มไปด้วยวัตถุที่เป็นน้ำแข็งซึ่งโคจรรอบดวงอาทิตย์ และเป็นที่มาของดาวหางระยะยาวที่บางครั้งจะพุ่งเข้าสู่ระบบสุริยะของเรา Oort Cloud เริ่มต้นที่ระยะประมาณ 2,000 ถึง 5,000 หน่วยดาราศาสตร์ (AU) จากดวงอาทิตย์ โดย 1 AU คือระยะทางเฉลี่ยระหว่างโลกและดวงอาทิตย์ ขอบเขตด้านนอกของ Oort Cloud ยาวถึง 10,000 ถึง 100,000 AU ซึ่งอยู่ไกลเกินกว่าที่เราจะเห็นได้ แต่สามารถอนุมานได้จากดาวหางที่มาจากพื้นที่นี้ จนถึงขณะนี้ นักวิทยาศาสตร์รู้ว่า Oort Cloud มีอยู่จริงแต่ไม่เข้าใจรูปร่างของมันมากนัก อย่างไรก็ตาม นักวิจัยจาก Southwest Research Institute และ American Museum of Natural History ได้เสนอว่าโครงสร้างภายในของ Oort Cloud อาจเป็น เกลียว คล้ายกับกาแล็กซีขนาดจิ๋ว นักวิจัยได้ศึกษาปรากฏการณ์ที่เรียกว่า "galactic tide" ซึ่งเป็นผลรวมของแรงดึงดูดจากดาวฤกษ์ หลุมดำ และมวลรวมอื่น ๆ ภายในกาแล็กซี่ทางช้างเผือก สำหรับวัตถุที่อยู่ใกล้ดวงอาทิตย์ แรงเหล่านี้ไม่สำคัญเท่าแรงดึงดูดของดวงอาทิตย์ แต่ใน Oort Cloud แรงเหล่านี้กลายเป็นปัจจัยหลัก โดยใช้ซูเปอร์คอมพิวเตอร์ Pleiades ของ NASA ทีมวิจัยได้รันการจำลองที่รวม galactic tide และผลกระทบอื่น ๆ เป็นเวลาหลายพันล้านปี ผลลัพธ์แสดงให้เห็นว่า Oort Cloud มีโครงสร้างเป็นแผ่นเกลียวขนาดประมาณ 15,000 AU โดยมีเกลียวสองเส้น ซึ่งทำให้ Oort Cloud ดูเหมือนกับกาแล็กซีขนาดเล็กและแปลกจากรูปแบบที่เคยเห็นในโมเดลส่วนใหญ่ในปัจจุบัน สาเหตุของการเกิดเกลียวนี้มาจากปรากฏการณ์ที่เรียกว่า Kozai-Lidov effect ซึ่งเป็นปรากฏการณ์แรงดึงดูดที่ทำให้เกิดการสั่นไหวระยะยาวในวงโคจรของวัตถุใน Oort Cloud ในขณะที่แรงดึงดูดจากดาวเคราะห์ในระบบสุริยะของเรามีผลกระทบน้อยมาก การจับภาพเพื่อยืนยันโครงสร้างนี้เป็นความท้าทายใหญ่ วิธีหนึ่งที่อาจใช้ได้คือการติดตามวัตถุใน Oort Cloud จำนวนมากในระยะยาว อีกวิธีหนึ่งคือการตรวจจับแสงที่มองเห็นร่วมกันของพวกมันในขณะที่กรองแสงจากแหล่งอื่นออกไป แต่น่าเสียดายว่าทั้งสองวิธีนี้ยังไม่มีการลงทุนที่เพียงพอ https://www.techspot.com/news/106898-nasa-supercomputer-suggests-oort-cloud-may-spiral-like.html

บริษัท Dell กำลังจะทำสัญญากับบริษัท xAI ของ Elon Musk เพื่อส่งมอบเซิร์ฟเวอร์ที่มีมูลค่าถึง $5 พันล้านเหรียญสหรัฐ เซิร์ฟเวอร์เหล่านี้จะใช้ชิป Nvidia GB200 ที่ออกแบบมาเพื่อรองรับการประมวลผลทางด้านปัญญาประดิษฐ์ (AI) ข้อตกลงนี้คาดว่าจะเป็นส่วนหนึ่งของโครงการ Memphis supercomputer ของ xAI ซึ่งกำลังสร้างขึ้นในเมืองเมมฟิส โดยใช้เซิร์ฟเวอร์จาก Dell และ Supermicro บางส่วน รายงานบอกว่าข้อตกลงนี้ยังอยู่ในขั้นตอนการเจรจาบางส่วน แต่คาดว่าจะสามารถส่งมอบเซิร์ฟเวอร์ได้ในปลายปี 2025 Elon Musk เคยกล่าวไว้ว่า "การจะสามารถแข่งขันในด้าน AI ได้นั้นต้องใช้เงินหลายพันล้านเหรียญต่อปี" และครั้งนี้เขาได้แสดงให้เห็นถึงการทุ่มทุนในโครงการที่เกี่ยวข้องกับ AI อย่างจริงจัง นอกจากนี้ Dell ยังคาดการณ์ว่ารายได้จากเซิร์ฟเวอร์ AI ของบริษัทจะเพิ่มขึ้นเป็น $14 พันล้านเหรียญสหรัฐ ในปีงบประมาณ 2026 การชนะข้อตกลงนี้จะทำให้ Dell สามารถยกระดับสถานะของตนในตลาดเซิร์ฟเวอร์ที่รองรับ AI ได้อย่างชัดเจน ก่อนหน้านี้ HPE ได้รับสัญญามูลค่า $1 พันล้านเหรียญสหรัฐจาก xAI เพื่อส่งมอบเซิร์ฟเวอร์ที่ออกแบบมาเฉพาะสำหรับการทำงาน AI ซึ่งแสดงถึงการแข่งขันที่รุนแรงในตลาดนี้ การที่ Dell สามารถเข้ามาแย่งข้อตกลงจากคู่แข่งยิ่งทำให้เห็นว่า Dell มีความตั้งใจที่จะขยายตลาดนี้อย่างจริงจัง นักวิเคราะห์คาดว่า Dell จะส่งมอบเซิร์ฟเวอร์ AI มูลค่ามากกว่า $10 พันล้านเหรียญสหรัฐในปีงบประมาณที่ผ่านมา และมูลค่านี้จะเพิ่มขึ้นเป็น $14 พันล้านเหรียญสหรัฐในปี 2026 การทำสัญญากับ xAI ครั้งนี้จะช่วยยกระดับสถานะของ Dell ในตลาด AI และเพิ่มยอดขายให้กับบริษัทอย่างชัดเจน ซึ่งนักวิเคราะห์ Woo Jin Ho ของ Bloomberg Intelligence ระบุว่าจะ "ทำให้บริษัทกลายเป็นผู้นำด้านเซิร์ฟเวอร์ AI อย่างมั่นคง" https://www.techradar.com/pro/xai-could-sign-a-usd5-billion-deal-with-dell-for-thousands-of-servers-with-nvidias-gb200-blackwell-ai-gpu-accelerators

บริษัท Gigabyte ได้เปิดโอกาสให้บุคคลหรือองค์กรที่มีความคิดสร้างสรรค์และมีโครงการที่น่าสนใจ สามารถทดสอบซูเปอร์คอมพิวเตอร์รุ่น G383-R80 ที่ใช้โปรเซสเซอร์ AMD MI300A ได้ฟรีเป็นเวลา 7 วัน ซูเปอร์คอมพิวเตอร์นี้มีมูลค่าถึง $304,207 หรือประมาณ 10,000,000 บาท และถูกออกแบบมาเพื่อรองรับงานที่ต้องการประสิทธิภาพสูง เช่น การฝึก AI, การทำนายข้อมูลด้วย AI, และการประมวลผลความเร็วสูง เพื่อเข้าร่วมทดสอบ ผู้สมัครต้องกรอกแบบฟอร์มบนเว็บไซต์ Gigabyte Launchpad และโครงการที่เสนอต้องมีความเป็นไปได้เชิงพาณิชย์หรือมีความคิดสร้างสรรค์ที่น่าสนใจ ทางบริษัทจะพิจารณาใบสมัครและแจ้งผลให้ผู้สมัครทราบภายในสามวันทำการ โดยระยะเวลาการทดสอบสามารถขยายได้ถึงสองสัปดาห์ผ่านการติดต่อกับตัวแทนขาย ซูเปอร์คอมพิวเตอร์รุ่นนี้มีคุณสมบัติที่ยอดเยี่ยม เช่น การรองรับโปรเซสเซอร์ AMD MI300A APUs ซึ่งรวมทั้ง CPU และ GPU ไว้ด้วยกันเพื่อการประมวลผลที่รวดเร็ว นอกจากนี้ ยังมีหน่วยเก็บข้อมูลแบบ NVMe ที่รองรับความจุถึง 61.44TB และการเชื่อมต่ออินเทอร์เน็ตความเร็วสูง 10Gb/s Ethernet https://www.techradar.com/pro/want-to-rent-a-usd300-000-amd-mi300a-supercomputer-for-free-for-seven-days-gigabyte-wants-to-hear-from-you-asap

ซูเปอร์คอมพิวเตอร์ Aurora ของ Argonne National Laboratory ได้เปิดให้บริการอย่างเป็นทางการแล้ว ซูเปอร์คอมพิวเตอร์นี้ถูกประกาศครั้งแรกในปี 2015 และเผชิญกับความล่าช้ามากมาย แต่ตอนนี้สามารถให้บริการได้มากกว่า 1 ExaFLOPS สำหรับการจำลองและ 11.6 ExaFLOPS สำหรับการประมวลผลปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง Michael Papka ผู้อำนวยการ Argonne Leadership Computing Facility (ALCF) กล่าวว่า "เรารู้สึกตื่นเต้นที่ได้เปิดตัว Aurora สำหรับการวิจัยทางวิทยาศาสตร์" และเสริมว่า "ผู้ใช้เริ่มแรกได้แสดงให้เราเห็นถึงศักยภาพอันมหาศาลของ Aurora เรารอคอยที่จะเห็นว่าชุมชนวิทยาศาสตร์จะใช้ระบบนี้ในการเปลี่ยนแปลงการวิจัยของพวกเขาอย่างไร" การเปิดตัว Aurora สำหรับการวิจัยทางวิทยาศาสตร์ถือเป็นการยอมรับระบบอย่างเป็นทางการโดย ARNL ซึ่งเป็นก้าวสำคัญสำหรับเครื่องที่มีปัญหานี้ Aurora ถูกวางแผนไว้สำหรับปี 2018 แต่พลาดเป้าหมายเนื่องจากการตัดสินใจของ Intel ที่จะยกเลิกโปรเซสเซอร์ Xeon Phi หลังจากที่เครื่องถูกออกแบบใหม่ โครงการก็เผชิญกับความล่าช้าเพิ่มเติมเนื่องจากการล่าช้าของเทคโนโลยีการผลิต 7nm ของ Intel ทำให้วันที่เสร็จสมบูรณ์ถูกเลื่อนออกไปเป็นปี 2021 และอีกครั้งในปี 2023 แม้ว่าอุปกรณ์จะถูกติดตั้งในเดือนมิถุนายน 2023 แต่ต้องใช้เวลาหลายเดือนกว่าระบบจะสามารถทำงานได้เต็มที่และบรรลุประสิทธิภาพระดับ exascale ซึ่งในที่สุดก็สำเร็จในเดือนพฤษภาคม 2024 แต่ระบบนี้ยังคงเปิดให้บริการเฉพาะนักวิจัยบางกลุ่มเท่านั้นเป็นเวลานานกว่าครึ่งปี Aurora ไม่ใช่ซูเปอร์คอมพิวเตอร์ที่ทรงพลังที่สุดสำหรับการจำลอง เนื่องจากประสิทธิภาพ FP64 ของมันเพียงแค่เกิน 1 ExaFLOPS แต่เป็นระบบที่ทรงพลังที่สุดสำหรับ AI เนื่องจากสามารถบรรลุ 11.6 ExaFLOPS ตามการทดสอบ HPL-MxP Rick Stevens ผู้อำนวยการห้องปฏิบัติการ Argonne กล่าวว่า "เป้าหมายใหญ่ของ Aurora คือการฝึกอบรมโมเดลภาษาขนาดใหญ่สำหรับวิทยาศาสตร์" และเสริมว่า "ด้วยโครงการ AuroraGPT เรากำลังสร้างโมเดลพื้นฐานที่เน้นวิทยาศาสตร์ที่สามารถสกัดความรู้จากหลายโดเมน ตั้งแต่ชีววิทยาถึงเคมี หนึ่งในเป้าหมายของ Aurora คือการช่วยให้นักวิจัยสร้างเครื่องมือ AI ใหม่ที่ช่วยให้พวกเขาก้าวหน้าได้เร็วเท่าที่พวกเขาคิด ไม่ใช่แค่เร็วเท่าที่การคำนวณของพวกเขา" โครงการวิจัยแรกๆ ที่ใช้ Aurora รวมถึงการจำลองระบบที่ซับซ้อน เช่น ระบบหมุนเวียนเลือดของมนุษย์ เครื่องปฏิกรณ์นิวเคลียร์ และการระเบิดของซูเปอร์โนวา ประสิทธิภาพที่ล้นหลามของเครื่องนี้ยังมีบทบาทสำคัญในการประมวลผลข้อมูลจากศูนย์วิจัยใหญ่ๆ เช่น Argonne's Advanced Photon Source (APS) และ CERN's Large Hadron Collider Aurora ประกอบด้วย 166 แร็ค แต่ละแร็คมี 64 เบลด รวมทั้งหมด 10,624 เบลด แต่ละเบลดมีโปรเซสเซอร์ Xeon Max สองตัวพร้อมหน่วยความจำ HBM2E ขนาด 64 GB และ GPU Intel Data Center Max 'Ponte Vecchio' หกตัว ทั้งหมดนี้ถูกทำความเย็นด้วยระบบระบายความร้อนด้วยของเหลวเฉพาะ Aurora มี CPU 21,248 ตัวพร้อมคอร์ x86 ประสิทธิภาพสูงกว่า 1.1 ล้านคอร์ หน่วยความจำ DDR5 ขนาด 19.9 PB และหน่วยความจำ HBM2E ขนาด 1.36 PB ที่เชื่อมต่อกับ CPU นอกจากนี้ยังมี GPU 63,744 ตัวที่ปรับแต่งสำหรับ AI และ HPC พร้อมหน่วยความจำ HBM2E ขนาด 8.16 PB Aurora ใช้โหนด 1,024 โหนดที่มีไดรฟ์โซลิดสเตตสำหรับการจัดเก็บข้อมูล รวมความจุทั้งหมด 220 PB และแบนด์วิดท์ 31 TB/s ระบบนี้ใช้สถาปัตยกรรมซูเปอร์คอมพิวเตอร์ Shasta ของ HPE พร้อมการเชื่อมต่อ Slingshot https://www.tomshardware.com/tech-industry/supercomputers/aurora-supercomputer-is-now-fully-operational-available-to-researchers

Supercomputer ทำนายผลยูฟ่าแชมเปียนส์ลีก (24/01/68)#news1 #ข่าวกีฬา #supercomputer #ยูฟ่าแชมเปียนส์ลีก

เปิดตัวซูเปอร์คอมพิวเตอร์ที่เร็วที่สุดในโลกชื่อ "El Capitan" ที่ห้องปฏิบัติการแห่งชาติ Lawrence Livermore (LLNL) ในแคลิฟอร์เนีย ซูเปอร์คอมพิวเตอร์นี้ถูกพัฒนามานานกว่าแปดปีและมีความสามารถในการประมวลผลสูงสุดถึง 2.746 exaFLOPS El Capitan ถูกออกแบบมาเพื่อรักษาความปลอดภัยของคลังอาวุธนิวเคลียร์ของสหรัฐอเมริกาและใช้ในการวิจัยที่เป็นความลับ El Capitan ใช้พลังงานจากซีพียูและจีพียูมากกว่า 11 ล้านคอร์ที่รวมอยู่ในตัวเร่ง AMD Instinct MI300A กว่า 43,000 ตัว. ซูเปอร์คอมพิวเตอร์นี้สามารถทำการคำนวณได้ถึง 2.79 quintillion ครั้งต่อวินาที ซึ่งเป็นจำนวนที่มากจนถ้าคุณย้อนเวลากลับไป 2.79 quintillion วินาที คุณจะไปถึงกว่า 70 พันล้านปีก่อนการเกิดบิ๊กแบง นอกจากการรักษาความปลอดภัยของคลังอาวุธนิวเคลียร์แล้ว El Capitan ยังถูกใช้ในการวิจัยด้านวิทยาศาสตร์วัสดุและฟิสิกส์ รวมถึงงานที่เกี่ยวข้องกับ AI และการเรียนรู้ของเครื่อง ซูเปอร์คอมพิวเตอร์นี้ถูกสร้างขึ้นด้วยงบประมาณประมาณ 600 ล้านดอลลาร์สหรัฐ และถูกคาดหวังว่าจะมีประสิทธิภาพมากกว่าซูเปอร์คอมพิวเตอร์ Sierra ที่ถูกใช้งานมาตั้งแต่ปี 2018 ถึง 18 เท่า น่าสนใจที่เห็นว่าเทคโนโลยีซูเปอร์คอมพิวเตอร์กำลังพัฒนาอย่างรวดเร็วและมีบทบาทสำคัญในการรักษาความปลอดภัยและการวิจัยทางวิทยาศาสตร์ การที่ El Capitan สามารถทำการคำนวณได้ในระดับที่สูงมากนี้อาจนำไปสู่การค้นพบใหม่ๆ ที่สำคัญในอนาคต https://www.techspot.com/news/106467-world-fastest-supercomputer-amd-powered-el-capitan-goes.html

Nvidia ได้เปิดเผยว่า ซูเปอร์คอมพิวเตอร์ของบริษัทได้ทำการปรับปรุงเทคโนโลยี DLSS (Deep Learning Super Sampling) อย่างต่อเนื่องตลอด 6 ปีที่ผ่านมา DLSS เป็นเทคโนโลยีที่ช่วยเพิ่มคุณภาพของภาพและการอัพสเกลภาพในเกม โดยใช้การเรียนรู้เชิงลึก ตั้งแต่การเปิดตัวครั้งแรกในซีรีส์ GeForce 20, DLSS ได้รับการปรับปรุงอย่างต่อเนื่อง. ล่าสุด Nvidia ได้เปิดตัว DLSS 4 ที่งาน CES ซึ่งสัญญาว่าจะมีประสิทธิภาพที่ดีกว่ารุ่นก่อนหน้านี้อย่างมาก Bryan Catanzaro รองประธานฝ่ายวิจัยการเรียนรู้เชิงลึกประยุกต์ของ Nvidia กล่าวว่าซูเปอร์คอมพิวเตอร์ของบริษัทที่มี GPU หลายพันตัวทำงานตลอด 24 ชั่วโมงทุกวัน เพื่อปรับปรุง DLSS กระบวนการฝึกอบรมนี้เกี่ยวข้องกับการวิเคราะห์ความล้มเหลว เช่น การเกิดภาพเบลอหรือการกระพริบในเกม Nvidia อ้างว่า RTX 5070 ที่ใช้ DLSS 4 มีประสิทธิภาพเทียบเท่ากับ RTX 4090 นอกจากนี้ RTX 5090 ยังเร็วกว่า RTX 4090 ประมาณ 30% โดยไม่ใช้ DLSS และ RTX 5080 เร็วกว่า RTX 4080 ประมาณ 15% https://www.techspot.com/news/106368-supercomputer-nvidia-has-improving-dlss-non-stop-six.html

Frore Systems ได้เปิดตัวโซลูชันการระบายความร้อน "AirJet" สำหรับ Jetson Orin Nano Super AI "mini-supercomputer" ของ NVIDIA ซึ่งช่วยเพิ่มประสิทธิภาพการทำงานได้อย่างมาก AirJet PAK 5C-25 สามารถระบายความร้อนได้ถึง 25 วัตต์ ทำให้ Jetson Orin Nano Super สามารถทำงานได้เต็มประสิทธิภาพแม้ในสภาวะการทำงานที่ยากลำบาก AirJet PAK เป็นโซลูชันการระบายความร้อนแบบ solid-state ที่บาง เงียบ ป้องกันฝุ่นและน้ำ และสามารถติดตั้งได้ง่ายบน System on Module (SoM) AI Computers https://wccf.tech/1fpdg

Broadcom บริษัทเทคโนโลยีชั้นนำได้ประกาศแผนการสร้างซูเปอร์คอมพิวเตอร์ AI ที่มี GPU หนึ่งล้านตัวภายในปี 2027 คาดว่าจะมีลูกค้าระดับ hyperscaler สามรายที่ใช้ซูเปอร์คอมพิวเตอร์ AI ที่มี XPU หนึ่งล้านตัว นอกจากนี้ยังมีการสั่งซื้อจากลูกค้า hyperscaler สองรายเพิ่มเติมและกำลังพัฒนา AI XPU รุ่นใหม่สำหรับพวกเขา บริษัท Broadcom ได้พัฒนาชิปสำหรับ AI, การประมวลผลข้อมูลทั่วไป, หรือฮาร์ดแวร์ศูนย์ข้อมูลที่ customization สำหรับบริษัทใหญ่ๆ เช่น Google และ Meta Broadcom ได้คาดว่าตลาดเหล่านี้ จะมีมูลค่าระหว่าง 60 ถึง 90 พันล้านดอลลาร์ในปี 2027 https://www.tomshardware.com/tech-industry/artificial-intelligence/ai-gpu-clusters-with-one-million-gpus-are-planned-for-2027-broadcom-says-three-ai-supercomputers-are-in-the-works

Elon Musk กำลังวางแผนขยายซูเปอร์คอมพิวเตอร์ xAI Colossus ให้มี GPU มากกว่าหนึ่งล้านตัว โดยปัจจุบันมีมากกว่า 100,000 H100 GPU จาก Nvidia และกำลังจะเพิ่มจำนวน GPU เป็นสองเท่าในเร็วๆ นี้ การขยายนี้ต้องใช้เวลาและความพยายามมาก และยังไม่ชัดเจนว่า xAI จะใช้ GPU รุ่น Hopper หรือ Blackwell ในการขยาย การขยายนี้ต้องการการลงทุนมหาศาล โดย xAI ได้ระดมทุน 11 พันล้านดอลลาร์ในปีนี้และเพิ่งได้รับอีก 5 พันล้านดอลลาร์ ปัจจุบันบริษัทมีมูลค่า 45 พันล้านดอลลาร์ https://www.tomshardware.com/tech-industry/artificial-intelligence/elon-musk-plans-to-scale-the-xai-supercomputer-to-a-million-gpus-currently-at-over-100-000-h100-gpus-and-counting

El Capitan คือซุปเปอร์คอมพิวเตอร์ที่ทรงพลังที่สุดในโลกเครื่องใหม่ เจ้าของคือกระทรวงพลังงานสหรัฐฯ ตั้งอยู่ที่ Lawrence Livermore National Laboratory ในแคลิฟอร์เนีย กระทรวงพลังงานของสหรัฐฯ คงเป็นหน่วยงานเดียวที่จ่ายค่าไฟไหว เพราะเป็นเจ้าของ Supercomputer top 3 ของโลก อันประกอบด้วย El Capitan, Frontier และ Aurora https://overclock3d.net/news/misc/el-capitan-becomes-the-worlds-most-powerful-supercomputer/