Anthropic และ OpenAI มองหาศูนย์ข้อมูล AI ขนาดเล็กเพื่อเร่งการเปิดใช้งานกำลังการประมวลผลขนาด 20 ถึง 30 เมกะวัตต์

TradingKey - Anthropic และ OpenAI กำลังมองหาศูนย์ข้อมูลขนาดเล็กที่มีกำลังการผลิตประมาณ 20 ถึง 30 เมกะวัตต์ นอกเหนือจากโครงการโครงสร้างพื้นฐาน AI ขนาดใหญ่ เพื่อให้สามารถเข้าถึงกำลังการประมวลผลได้รวดเร็วยิ่งขึ้น และรองรับความต้องการในการประมวลผลผลลัพธ์ของโมเดล (Inference) ที่กำลังเติบโต

สำนักข่าว CNBC รายงานโดยอ้างแหล่งข่าวที่คุ้นเคยกับเรื่องนี้ว่า Anthropic ได้ติดต่อไปยังโครงการที่เกี่ยวข้องในสหราชอาณาจักรและภูมิภาคนอร์ดิก ขณะที่ OpenAI เคยสำรวจโอกาสในลักษณะเดียวกันในภูมิภาคนอร์ดิกมาก่อน โดยทั้งสองบริษัทยังได้หารือเกี่ยวกับกำลังการผลิตในระดับที่เท่ากันภายในสหรัฐฯ อีกด้วย เมื่อเปรียบเทียบกับข้อตกลงระดับหลายร้อยเมกะวัตต์หรือระดับกิ๊กกะวัตต์ที่ทั้งสองฝ่ายลงนามในช่วงปีที่ผ่านมา โครงการเหล่านี้ถือว่ามีขนาดเล็กกว่าอย่างมาก แต่โดยทั่วไปแล้วสามารถก่อสร้างและส่งมอบได้รวดเร็วยิ่งกว่า

OpenAI ระบุว่า บริษัทกำลังสร้างพอร์ตโฟลิโอกำลังการประมวลผลที่มีความหลากหลายมากขึ้นเพื่อรองรับความต้องการด้าน AI ทั่วโลก เนื่องจากเวิร์กโหลดที่แตกต่างกันมีข้อกำหนดเกี่ยวกับประสิทธิภาพ ความน่าเชื่อถือ ต้นทุน และกรอบเวลาในการส่งมอบที่แตกต่างกัน บริษัทจึงเข้าหารือกับพันธมิตรหลากหลายรูปแบบ แต่ไม่ได้แสดงความคิดเห็นเกี่ยวกับการเจรจาทางธุรกิจที่เฉพาะเจาะจง

ด้าน Anthropic ยังไม่ได้ตอบกลับคำขอความคิดเห็นดังกล่าว

เรื่องนี้ไม่ได้หมายความว่าทั้งสองบริษัทกำลังทอดทิ้งศูนย์ข้อมูลขนาดใหญ่ระดับ Hyperscale แต่เป็นการเพิ่มแหล่งกำลังการประมวลผลที่มีความยืดหยุ่นมากขึ้นควบคู่ไปกับโครงการขนาดใหญ่ระยะยาว ก่อนหน้านี้ Anthropic ได้บรรลุข้อตกลงความเป็นพันธมิตรมูลค่าราว 4.5 หมื่นล้านดอลลาร์กับ Nscale ผู้ให้บริการคลาวด์ของสหราชอาณาจักร เพื่อเช่ากำลังการผลิตประมาณ 460 เมกะวัตต์ในโครงการที่รัฐเวสต์เวอร์จิเนีย ขณะที่ OpenAI ก็กำลังเดินหน้าโครงการโครงสร้างพื้นฐานระดับกิ๊กกะวัตต์อีกหลายโครงการผ่าน Stargate และพันธมิตรรายอื่น ๆ

แม้ว่าโครงการระดับเมกะโปรเจกต์จะเหมาะสมอย่างยิ่งสำหรับการฝึกฝนโมเดลระดับสูงแบบรวมศูนย์ แต่โดยทั่วไปแล้วมักต้องเผชิญกับวงจรการเชื่อมต่อระบบสายส่งไฟฟ้า การขอใบอนุญาต และการก่อสร้างที่ใช้เวลานาน ศูนย์ข้อมูลบางแห่งในสหรัฐฯ เผชิญกับการคัดค้านจากชุมชนท้องถิ่น ขณะที่ตลาดดั้งเดิมในยุโรปต้องประสบปัญหาข้อจำกัดด้านที่ดิน พลังงานไฟฟ้า และความจุของระบบส่งจ่าย ดังนั้น การจัดหากำลังการผลิตระดับหลายสิบเมกะวัตต์ในพื้นที่ที่มีระบบไฟฟ้าอยู่แล้วจึงมีประสิทธิภาพในทางปฏิบัติมากกว่าการรอให้ศูนย์ข้อมูลขนาดใหญ่เพียงแห่งเดียวเปิดดำเนินการได้อย่างเต็มรูปแบบ

สำหรับเวิร์กโหลดที่สามารถรันข้ามภูมิภาคได้ การสะสมกลุ่มประมวลผล (Cluster) ขนาดเล็กหลายแห่งเข้าด้วยกัน ยังสามารถสร้างขนาดยอดรวมกำลังการประมวลผลที่สูงมากได้เช่นกัน แนวทางนี้ยังช่วยลดผลกระทบจากการล่าช้าของแต่ละโครงการ ทำให้บริษัท AI สามารถเปิดใช้งานบางบริการได้ก่อนที่ศูนย์ข้อมูลขนาดใหญ่จะก่อสร้างแล้วเสร็จ

การปรับเปลี่ยนการประมวลผล AI จากการฝึกฝนโมเดล (Training) ไปสู่การประมวลผลผลลัพธ์ (Inference) เป็นอีกหนึ่งเหตุผลที่ศูนย์ข้อมูลขนาดเล็กได้รับความสนใจ การฝึกฝนโมเดลขนาดใหญ่โดยทั่วไปต้องใช้ GPU จำนวนมหาศาลทำงานร่วมกันด้วยความเร็วสูงภายในคลัสเตอร์เดียว ซึ่งส่งผลให้มีความต้องการสูงมากในด้านการเชื่อมต่อระหว่างกัน (Interconnect) และความหนาแน่นของชิป ในทางกลับกัน การประมวลผลผลลัพธ์ (Inference) ทำหน้าที่จัดการคำขอของผู้ใช้เป็นหลัก งานจำนวนมากจึงสามารถแยกย่อยไปยังคลัสเตอร์ขนาดเล็กในสถานที่ต่าง ๆ ได้ โดยไม่จำเป็นต้องรวมชิปทั้งหมดไว้ในศูนย์ข้อมูลระดับ Hyperscale เพียงแห่งเดียว

เมื่อแชตบอต, เอเจนต์ AI และแอปพลิเคชันสำหรับองค์กรเข้าสู่สภาพแวดล้อมการใช้งานจริง (Production) ความต้องการในการประมวลผลผลลัพธ์ (Inference) จึงกลายเป็นปัจจัยขับเคลื่อนหลักของการขยายตัวของศูนย์ข้อมูล ทั้งนี้ JLL คาดการณ์ว่า กำลังการผลิตของศูนย์ข้อมูลทั่วโลกที่จัดสรรไว้สำหรับการประมวลผลผลลัพธ์ AI จะแซงหน้าการฝึกฝนโมเดลภายในปี 2027 โดยภายในปี 2030 สัดส่วนของเวิร์กโหลดการประมวลผลผลลัพธ์อาจเพิ่มขึ้นเป็น 37% จาก 9% ในปี 2025 ขณะที่สัดส่วนของเวิร์กโหลดการฝึกฝนโมเดลจะลดลงเหลือ 13% จาก 14% ในช่วงเวลาเดียวกัน

นอกจากนี้ โครงการขนาดเล็กกว่ายังสามารถตั้งอยู่ใกล้กับผู้ใช้งานและลูกค้าระดับองค์กรได้มากกว่า ซึ่งช่วยลดความล่าช้าในการส่งข้อมูล (Latency) และสอดรับกับข้อกำหนดด้านการกำกับดูแลข้อมูลในแต่ละภูมิภาค ทั้งนี้ สหราชอาณาจักรและภูมิภาคนอร์ดิกไม่เพียงแต่มีทรัพยากรศูนย์ข้อมูลเดิมที่อุดมสมบูรณ์เท่านั้น แต่ยังมีพลังงานสะอาดที่ค่อนข้างเพียงพอและมีต้นทุนการระบายความร้อนที่ต่ำกว่า ซึ่งสร้างเงื่อนไขที่เอื้อต่อการปรับใช้ AI แบบกระจายตัว

ดังนั้น การแสวงหาโครงการขนาด 20 ถึง 30 เมกะวัตต์ของ Anthropic และ OpenAI จึงถือเป็นการเติมเต็มกลยุทธ์ด้านกำลังการประมวลผลที่มีอยู่เดิม มากกว่าจะเป็นการลดการลงทุนในโครงสร้างพื้นฐาน ทั้งสองบริษัทยังคงต้องการคลัสเตอร์ขนาดใหญ่เพื่อฝึกฝนโมเดลระดับสูง (Frontier models) แต่เมื่อปริมาณการประมวลผลผลลัพธ์เติบโตขึ้น โครงสร้างพื้นฐาน AI ในอนาคตอาจไม่ต้องพึ่งพาศูนย์ข้อมูลระดับกิ๊กกะวัตต์เพียงไม่กี่แห่งทั้งหมดอีกต่อไป