OpenAI กับ ‘Jalapeño’: เมื่อ AI ต้องการชิปของตัวเองใน 9 เดือน
ทำไมยักษ์ใหญ่ AI ต้องสร้างชิปเอง? วิกฤตชิปและการพึ่งพา GPU
โลกของปัญญาประดิษฐ์ (AI) กำลังขยายตัวอย่างรวดเร็ว และเบื้องหลังความมหัศจรรย์นี้คือการประมวลผลมหาศาลที่ต้องพึ่งพา ชิปคอมพิวเตอร์ โดยเฉพาะอย่างยิ่ง หน่วยประมวลผลกราฟิก (GPU) ซึ่งเป็นหัวใจสำคัญของการฝึกฝนและรันโมเดล AI แต่ความต้องการ GPU ที่เพิ่มขึ้นอย่างก้าวกระโดดได้นำไปสู่วิกฤต
ปัญหาคือ GPU นั้นแพง หายาก และบางครั้งก็ไม่ได้ถูกออกแบบมาเพื่อภารกิจเฉพาะทางของ AI อย่างสมบูรณ์แบบ โดยเฉพาะอย่างยิ่งในส่วนของการ “อนุมาน” หรือ Inference ซึ่งเป็นการนำโมเดล AI ที่ฝึกเสร็จแล้วไปใช้งานจริงเพื่อตอบคำถาม หรือสร้างเนื้อหา เหมือนที่เห็นใน ChatGPT การรันโมเดลเหล่านี้ตลอดเวลาให้กับผู้ใช้นับล้านคนนั้นใช้พลังงานและทรัพยากรจำนวนมหาศาล จนกลายเป็น ต้นทุนหลัก ของการดำเนินงาน
สถานการณ์นี้ผลักดันให้บริษัท AI อย่าง OpenAI ต้องมองหาทางออกใหม่ที่ยั่งยืนกว่า และนั่นคือการออกแบบ ชิปของตัวเอง
เจาะลึก ‘Jalapeño’ ชิปพิเศษเพื่อ AI โดยเฉพาะ
เพื่อแก้ปัญหานี้ OpenAI ได้สร้างโปรเจกต์ลับสุดยอดร่วมกับ Broadcom ยักษ์ใหญ่ด้านเซมิคอนดักเตอร์ โดยมีเป้าหมายคือการสร้าง ชิปอนุมาน (Inference Processor) แบบกำหนดเองตัวแรกของพวกเขา และที่น่าทึ่งคือโปรเจกต์นี้ใช้เวลาเพียง 9 เดือนเท่านั้น นับตั้งแต่เริ่มวางแนวคิดไปจนถึงการผลิตชิปจริงที่ทำงานได้ ซึ่งได้ชื่อเล่นว่า ‘Jalapeño’
ชิป Jalapeño ถูกออกแบบมาเพื่อภารกิจเดียวโดยเฉพาะ นั่นคือการรันโมเดล AI ขนาดใหญ่ให้มีประสิทธิภาพสูงสุด โดยเฉพาะอย่างยิ่งสำหรับ โครงสร้าง Transformer ที่เป็นหัวใจของโมเดลภาษาขนาดใหญ่ (LLMs) การออกแบบชิปเฉพาะทางแบบนี้ หรือที่เรียกว่า ASIC (Application-Specific Integrated Circuit) มีข้อดีมหาศาล
มันสามารถประมวลผลข้อมูลได้รวดเร็วขึ้น ใช้พลังงานน้อยลง และมีต้นทุนต่อหน่วยที่ถูกกว่ามากเมื่อเทียบกับการใช้ GPU ทั่วไป Broadcom นำความเชี่ยวชาญด้านการออกแบบชิป การผลิต และห่วงโซ่อุปทานมารวมกับความเข้าใจใน AI ของ OpenAI ทำให้เกิดนวัตกรรมที่รวดเร็วและตอบโจทย์ได้ตรงจุด
อนาคตของ AI: เมื่อซอฟต์แวร์กำหนดฮาร์ดแวร์
การก้าวครั้งสำคัญของ OpenAI ด้วยชิป Jalapeño เป็นสัญญาณบ่งชี้ถึง ทิศทางใหม่ของอุตสาหกรรม AI ยักษ์ใหญ่ด้านเทคโนโลยีและ AI หลายแห่งกำลังเดินหน้าพัฒนาฮาร์ดแวร์ของตัวเอง ไม่ว่าจะเป็น Google ที่มี TPU, Amazon ที่มี Inferentia หรือ Microsoft ที่มี Maia ซึ่งทั้งหมดนี้สะท้อนแนวคิดเดียวกันคือ การออกแบบ ชิปเฉพาะทาง ที่ปรับแต่งมาเพื่อประสิทธิภาพสูงสุดในการรันงาน AI โดยเฉพาะ
การมีฮาร์ดแวร์เป็นของตัวเองช่วยให้บริษัทเหล่านี้สามารถควบคุม ประสิทธิภาพ ต้นทุน และความยืดหยุ่น ในการพัฒนา AI ได้ดียิ่งขึ้น ลดการพึ่งพาผู้ผลิตชิปรายเดียว และที่สำคัญที่สุดคือเป็นการเปิดประตูสู่ นวัตกรรม ที่ไม่เคยมีมาก่อน ทำให้ AI สามารถขยายขีดความสามารถและเข้าถึงผู้คนได้มากขึ้นในอนาคต
การลงทุนในชิปที่ออกแบบเองไม่เพียงแต่ช่วยให้ AI มีต้นทุนการดำเนินการที่ถูกลง แต่ยังเป็นการวางรากฐานสำคัญสำหรับการพัฒนาโมเดล AI ที่ซับซ้อนและทรงพลังยิ่งขึ้นต่อไป นี่คือการแสดงให้เห็นว่า ในโลกของ AI ยิ่งซอฟต์แวร์ก้าวหน้าเท่าไหร่ ฮาร์ดแวร์ก็ต้องก้าวตามให้ทันและปรับเปลี่ยนเพื่อรองรับ เพื่อผลักดันขีดจำกัดของสิ่งที่เป็นไปได้ให้กว้างออกไปอีก