สถาปัตยกรรม Gemini ที่ถูกเขียนลงบนซิลิคอนโดยตรง: เปิดเผยรายละเอียดทางเทคนิคของชิป AI Inference รุ่นใหม่ของ Google "Frozen v2" ประสิทธิภาพการประมวลผลต่อหน่วยการใช้พลังงานเพิ่มขึ้นสูงสุด 10 เท่า
พอดแคสต์ AI
กูเกิลกำลังพัฒนา "Frozen v2" ชิปประมวลผล AI เฉพาะทางที่ฝังโครงสร้างสถาปัตยกรรมของโมเดล Gemini ลงในฮาร์ดแวร์โดยตรง เพื่อแก้ปัญหาคอขวดด้านพลังประมวลผลและประสิทธิภาพการใช้พลังงาน ซึ่งคาดว่าจะช่วยเพิ่มขีดความสามารถในการประมวลผลสูงขึ้น 6-10 เท่า กลยุทธ์การบูรณาการซอฟต์แวร์และฮาร์ดแวร์นี้สะท้อนความพยายามลดต้นทุนอนุมาน AI ในระยะยาว อย่างไรก็ตาม โครงการนี้มีความเสี่ยงเชิงโครงสร้างหากสถาปัตยกรรม Gemini มีการเปลี่ยนแปลงครั้งใหญ่ รวมถึงความท้าทายในการพัฒนาไปสู่การผลิตเชิงพาณิชย์ที่คาดว่าจะเกิดขึ้นในปี 2028 ซึ่งส่งผลเชิงบวกต่อราคาหุ้นกูเกิลในระยะสั้นจากความเชื่อมั่นในศักยภาพนวัตกรรมดังกล่าว
TradingKey - สำนักข่าวเดอะ อินฟอร์เมชัน (The Information) รายงานโดยอ้างอิงแหล่งข่าวผู้สันทัดกรณีสองรายว่า กูเกิล ( GOOGL) กำลังพัฒนาชิปเซิร์ฟเวอร์รุ่นใหม่ล่าสุดที่สามารถฝังโครงสร้างสถาปัตยกรรมพื้นฐานของเจมินาย (Gemini) ซึ่งเป็นโมเดลขนาดใหญ่ลงในฮาร์ดแวร์ของชิปได้โดยตรง ซึ่งจะช่วยเพิ่มประสิทธิภาพการดำเนินงานในการส่งมอบบริการ AI แก่ผู้ใช้งานได้อย่างมีนัยสำคัญ
ชิปประมวลผล AI (AI inference chip) นี้ ซึ่งมีรหัสเรียกขานภายในว่า "Frozen v2" สามารถแก้ปัญหาหลักในปัจจุบันของกูเกิลเกี่ยวกับการขาดแคลนพลังประมวลผล AI อย่างรุนแรงได้อย่างตรงจุด แหล่งข่าวเปิดเผยว่าช่องว่างของพลังประมวลผลดังกล่าวได้จุดชนวนให้เกิดความขัดแย้งในการจัดสรรทรัพยากรภายใน จนถึงขั้นบีบให้กูเกิล คลาวด์ (Google Cloud) ต้องปฏิเสธคำสั่งซื้อของลูกค้าภายนอกจำนวนมาก ขณะเดียวกัน ทีมวิจัยและพัฒนา (R&D) ประเมินว่าเมื่อชิปดังกล่าวถูกนำไปใช้งานอย่างเป็นทางการ จำนวนโทเค็น (Token) ที่ประมวลผลได้ต่อหน่วยพลังงานที่ใช้จะสูงถึง 6 ถึง 10 เท่าเมื่อเทียบกับชิป AI รุ่นล่าสุดที่กูเกิลพัฒนาขึ้นเองในปัจจุบัน
[แหล่งที่มา: TradingView]
ได้รับแรงหนุนจากข่าวดังกล่าว ส่งผลให้ราคาหุ้นของกูเกิลปรับตัวขึ้นอย่างแข็งแกร่งในวันนี้ โดยแตะระดับสูงสุดในระหว่างวันที่ 359.67 ดอลลาร์ และ ณ เวลาที่รายงานข่าวนี้ ราคาหุ้นยังคงปรับตัวขึ้น 3.28% อยู่ที่ 358.14 ดอลลาร์ ส่งผลให้ราคาหุ้นกลับขึ้นมาเคลื่อนไหวเหนือเส้นค่าเฉลี่ยเคลื่อนที่แบบ 5 วัน, 10 วัน และ 20 วันอีกครั้ง
เหตุใดจึงเรียกว่า Frozen?
ที่มาของรหัสพัฒนา "Frozen" นั้นมาจากแนวคิดการออกแบบหลัก ซึ่งก็คือการฝังส่วนหนึ่งของตรรกะการประมวลผลของโมเดลขนาดใหญ่ Gemini ลงบนฮาร์ดแวร์ซิลิกอนอย่างถาวร ซึ่งเปรียบเสมือนการ "แช่แข็ง" ซอฟต์แวร์ไว้ในชิป ขณะนี้วิศวกรยังคงอยู่ระหว่างการสรุปรายละเอียดโมดูลฟังก์ชันหลักของชิปและโซลูชันการทำงานร่วมกันสำหรับส่วนประกอบต่าง ๆ และกูเกิลวางแผนที่จะเริ่มใช้งานชิป AI นี้อย่างเร็วที่สุดในปี 2028
โครงการ Frozen มีเป้าหมายเพื่อสร้างสายผลิตภัณฑ์ชิป AI ใหม่ล่าสุด เพื่อเข้ามาเสริมการทำงานของ Tensor Processing Units (TPU) ที่มีอยู่เดิมของกูเกิล แทนที่จะเป็นการเข้ามาแทนที่
ในปัจจุบัน ชิป AI ที่มีการใช้งานแพร่หลายที่สุด ได้แก่ เอ็นวิเดีย ( NVDA) GPU และ TPU ของกูเกิล ล้วนเป็นชิปอเนกประสงค์ที่สามารถปรับให้เข้ากับโมเดลขนาดใหญ่ที่แตกต่างกันได้หลากหลายโมเดล อย่างไรก็ตาม เมื่อชิปอเนกประสงค์ประมวลผลโมเดลใด ๆ ชิปเหล่านี้จำเป็นต้องดำเนินการตัดสินใจทางตรรกะที่ต้องใช้เวลามากจำนวนมากแบบเรียลไทม์ ในทางตรงกันข้าม ชิปอนุมาน AI รุ่น Frozen v2 ได้ผสานตรรกะการประมวลผลพื้นฐานที่ปรับให้เข้ากับโมเดลตระกูล Gemini ไว้ในตัวโดยตรง ซึ่งช่วยลดขั้นตอนการประมวลผลของชิปและการเคลื่อนย้ายข้อมูลได้อย่างมาก ส่งผลให้ประสิทธิภาพในการอนุมานได้รับการยกระดับอย่างก้าวกระโดดในเชิงคุณภาพ
แหล่งข่าวผู้ใกล้ชิดกับเรื่องนี้เปิดเผยว่า ชิป AI เฉพาะทางนี้สามารถตอบสนองต่อข้อคำถามของผู้ใช้ได้รวดเร็วยิ่งขึ้น ซึ่งคาดว่าจะช่วยสนับสนุนกูเกิลในการเปิดตัวสถานการณ์การใช้งานแอปพลิเคชัน AI ในรูปแบบใหม่โดยสิ้นเชิง
การเดิมพันเชิงกลยุทธ์ของกูเกิลในชิป Frozen v2: การบูรณาการฮาร์ดแวร์และซอฟต์แวร์อย่างล้ำลึก
แผนงานทางเทคโนโลยีของ Frozen v2 หมายความว่า กูเกิล กำลังเดิมพันเชิงกลยุทธ์ โดยคาดการณ์ว่าจะยังคงใช้สถาปัตยกรรมพื้นฐานของโมเดลขนาดใหญ่ Gemini ในปัจจุบันต่อไป ซึ่งโมเดล Gemini รุ่นต่อ ๆ ไป จะสามารถทำงานบนชิปดังกล่าวได้อย่างถูกต้อง ก็ต่อเมื่อโมเดลเหล่านั้นใช้สถาปัตยกรรมพื้นฐานที่สอดคล้องกับสถาปัตยกรรมที่ใช้ในการออกแบบชิป AI เท่านั้น
แหล่งข่าวผู้คุ้นเคยกับเรื่องนี้กล่าวเสริมว่า กูเกิลยังคงสามารถปรับปรุงประสิทธิภาพของชิปดังกล่าวแบบต่อเนื่องได้ ซึ่งรวมถึงการอัปเดตค่าน้ำหนักของโมเดลในตัว (weights) โดยค่าน้ำหนักนี้คือการตั้งค่าพารามิเตอร์หลักที่กำหนดวิธีการที่โมเดล AI ตอบคำถาม
โฆษกของกูเกิลชี้แจงว่า ทีมงานของบริษัท "ทำการวิจัย พัฒนา และทดสอบเทคโนโลยีนวัตกรรมต่าง ๆ อย่างต่อเนื่อง โดยมุ่งมั่นที่จะบรรลุประสิทธิภาพการทำงานและการประหยัดพลังงานขั้นสูงสุดสำหรับผู้ใช้งานและลูกค้าองค์กร" พร้อมกล่าวเสริมว่า "โครงการวิจัยและพัฒนา (R&D) ไม่ใช่ทุกโครงการที่จะเข้าสู่กระบวนการผลิตจำนวนมากในท้ายที่สุด แต่การสำรวจทางเทคโนโลยีอย่างครอบคลุมนี้ถือเป็นส่วนสำคัญของแผนงานเทคโนโลยีที่เป็นกรรมสิทธิ์แบบฟูลสแต็กของเรา"
ความทะเยอทะยานของกูเกิลในการบูรณาการซอฟต์แวร์และฮาร์ดแวร์สำหรับชิป Frozen v2
การเปิดเผยข้อมูลเกี่ยวกับชิป AI Frozen v2 สะท้อนให้เห็นถึงแนวคิดเชิงกลยุทธ์ที่ลึกซึ้งของกูเกิลในภาคส่วนโครงสร้างพื้นฐาน AI โดยมีความวิตกกังวลด้านการประมวลผล AI เป็นแรงผลักดันหลัก ในขณะที่ขนาดของโมเดล Gemini ยังคงขยายตัวอย่างต่อเนื่อง ขีดจำกัดด้านประสิทธิภาพการใช้พลังงานของชิปอเนกประสงค์ก็ขยับเข้าใกล้เข้ามาทุกขณะ การฝังตรรกะของโมเดลขนาดใหญ่ลงในฮาร์ดแวร์โดยตรงจึงเป็นแนวทางแก้ไขปัญหาขั้นเด็ดขาดเพื่อทลายคอขวดด้านประสิทธิภาพการใช้พลังงานของการประมวลผล AI
สิ่งนี้ยังส่งสัญญาณว่ากูเกิลกำลังเลียนแบบเส้นทางการบูรณาการในแนวตั้งในแบบฉบับของแอปเปิลที่ผสานรวมซอฟต์แวร์และฮาร์ดแวร์เข้าด้วยกัน นับตั้งแต่ชิป TPU ที่พัฒนาขึ้นเองไปจนถึงชิป AI เฉพาะทางตระกูล Frozen กูเกิลกำลังพยายามสร้างลูปปิดแบบครบวงจรตั้งแต่สถาปัตยกรรมโมเดลไปจนถึงการออกแบบชิปในยุค AI ซึ่งหากเส้นทางนี้ประสบความสำเร็จ จะช่วยลดต้นทุนการอนุมาน AI ลงได้อย่างมหาศาล และเป็นการปูทางไปสู่การให้บริการในเชิงพาณิชย์ของ Gemini
อย่างไรก็ตาม ความเสี่ยงก็เป็นสิ่งที่ไม่สามารถมองข้ามได้เช่นเดียวกัน การเชื่อมโยงอย่างแนบแน่นระหว่างชิปและโมเดลหมายความว่า ทันทีที่สถาปัตยกรรมพื้นฐานของ Gemini มีการปรับเปลี่ยนครั้งใหญ่ ชิป AI Frozen ก็อาจตกรุ่นได้อย่างรวดเร็ว การที่กูเกิลวางตำแหน่งของ Frozen v2 เป็นเพียง "แพลตฟอร์มทดสอบทางเทคนิค" มากกว่าที่จะเป็นผลิตภัณฑ์เพื่อการผลิตในปริมาณมาก แสดงให้เห็นอย่างชัดเจนว่าเส้นทางนี้ยังคงต้องใช้เวลาในการพิสูจน์ความสำเร็จ
เนื้อหานี้ได้รับการแปลโดยปัญญาประดิษฐ์ (AI) และผ่านตรวจสอบโดยมนุษย์ มีไว้เพื่อการอ้างอิงและข้อมูลทั่วไปเท่านั้น ไม่ใช่การแนะนำการลงทุนแต่อย่างใด
บทความแนะนำ
ความคิดเห็น (0)
คลิกปุ่ม $ ป้อนสัญลักษณ์ และเลือกเพื่อเชื่อมโยงหุ้น, กองทุน ETF หรือสัญลักษณ์หลักทรัพย์อื่น ๆ