พรีวิวงาน Nvidia GTC Berlin: แพลตฟอร์ม Rubin, เอเจนต์ AI และระบบประมวลผลอธิปไตยของยุโรป กลายเป็นจุดสนใจหลัก

คาดว่ายุโรปจะเป็นจุดสนใจหลักที่โดดเด่นที่สุดในงาน GTC ครั้งนี้ ก่อนหน้านี้ เจนเซ่น หวง เคยระบุว่า อินวิเดียจะประกาศการลงทุนใหม่หรือโครงการพันธมิตรรวมมูลค่าประมาณ 2 พันล้านดอลลาร์ในยุโรป และเมื่อรวมกับการลงทุนประมาณ 8 พันล้านดอลลาร์ในช่วงปีที่ผ่านมา มูลค่าการลงทุนและความมุ่งมั่นรวมของบริษัทในยุโรปอาจสูงถึงเกือบ 1 หมื่นล้านดอลลาร์

อินวิเดียได้ลงทุนใน Doctolib บริษัทเทคโนโลยีเพื่อสุขภาพของฝรั่งเศส, Genesis AI บริษัทหุ่นยนต์, Pigment บริษัทซอฟต์แวร์ระดับองค์กร และ Entalpic แพลตฟอร์มการวิจัยและพัฒนาวัสดุไปเรียบร้อยแล้ว ขณะเดียวกันก็ขยายการสนับสนุนสตาร์ทอัพด้าน AI เทคโนโลยีชีวภาพ และควอนตัมคอมพิวติ้งในสหราชอาณาจักร การลงทุนเหล่านี้ช่วยสร้างและพัฒนานักพัฒนาที่ใช้แพลตฟอร์มของอินวิเดีย พร้อมทั้งช่วยขยายอุปสงค์ในยุโรปสำหรับ GPU อุปกรณ์เครือข่าย และบริการคลาวด์ AI

เยอรมนีน่าจะเป็นจุดสนใจของการลงทุนในระยะถัดไป โดยรัฐบาลเยอรมนีคาดว่าจะเดินหน้าความร่วมมือด้าน AI ภาคอุตสาหกรรมร่วมกับอินวิเดีย มุ่งเน้นในด้านต่าง ๆ รวมถึงเครื่องมือ Physical AI ที่จำเป็นสำหรับการฝึกหัดหุ่นยนต์และการขับขี่อัตโนมัติ ตลอดจนโมเดล AI ขนาดใหญ่สำหรับภาคการผลิต ทั้งนี้ นายกรัฐมนตรีเมิร์ซของเยอรมนีมีกำหนดการเข้าพบเจนเซ่น หวง ในช่วงเย็นวันจันทร์ และความร่วมมือดังกล่าวอาจครอบคลุมถึงบริษัท สถาบันวิจัย และพันธมิตรเทคโนโลยีอื่น ๆ ของเยอรมนี

ปัจจัยขับเคลื่อนทางพื้นฐานที่แข็งแกร่งที่สุดของอินวิเดียในปัจจุบันยังคงเป็นธุรกิจดาต้าเซนเตอร์ โดยในไตรมาสที่ 2 ของปีงบการเงิน 2027 รายได้รวมของบริษัทแตะที่ระดับ 96.2 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 106% เมื่อเทียบรายปี โดยในจำนวนนี้เป็นรายได้จากดาต้าเซนเตอร์ 89.0 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 117% เมื่อเทียบรายปี และคิดเป็นสัดส่วนมากกว่า 92% ของรายได้รวม

แบล็กเวลล์ยังคงอยู่ในช่วงการรับรู้รายได้ขนาดใหญ่ ในขณะที่เวรา รูบิน รับภารกิจในการขับเคลื่อนการอัปเกรดแพลตฟอร์มรุ่นถัดไป ซึ่งแตกต่างจากในอดีตที่เน้นประสิทธิภาพของ GPU เดี่ยวเป็นหลัก โดยอินวิเดียกำลังรวม CPU, GPU, ระบบเครือข่าย, ระบบจัดเก็บข้อมูล, ซอฟต์แวร์ และการออกแบบดาต้าเซนเตอร์ เข้าด้วยกันเป็น 'โรงงาน AI' ที่สมบูรณ์แบบ

การปรับเปลี่ยนนี้เกี่ยวข้องกับการย้ายภาระงาน AI จากการฝึกฝนไปสู่การประมวลผล แม้ว่าการฝึกฝนโมเดลจะเน้นไปที่ขนาดของคลัสเตอร์และประสิทธิภาพสูงสุด แต่การประมวลผลขนาดใหญ่ต้องอาศัยการรักษาสมดุลระหว่างความหน่วง ปริมาณการประมวลผล ประสิทธิภาพการใช้พลังงาน และต้นทุนต่อโทเคน ในท้ายที่สุด ลูกค้าไม่ได้ซื้อเพียงแค่ GPU อีกต่อไป แต่ซื้อระบบประมวลผลที่สามารถลดต้นทุนการดำเนินงานในระยะยาวได้

ดังนั้น ประเด็นที่น่าจับตามองที่สุดเกี่ยวกับรูบินในงาน GTC ครั้งนี้ จึงไม่ใช่การอัปเกรดพารามิเตอร์ แต่เป็นความเร็วในการเปิดใช้จริง ตลาดจำเป็นต้องเข้าใจว่าผู้ให้บริการคลาวด์รายใหญ่และลูกค้าองค์กรจะเพิ่มปริมาณการสั่งซื้อเมื่อใด แพลตฟอร์มใหม่นี้จะช่วยลดต้นทุนการประมวลผลได้มากเพียงใด และคลัสเตอร์แบล็กเวลล์ที่มีอยู่เดิมจะส่งผลกระทบต่อความเต็มใจในการอัปเกรดของลูกค้าหรือไม่

เอเจนต์ AI เป็นอีกหนึ่งหัวข้อหลักในงาน GTC ครั้งนี้ โดยแชตบอตแบบดั้งเดิมเน้นจัดการการถามตอบเป็นรายครั้งเป็นหลัก ในขณะที่เอเจนต์ AI จำเป็นต้องเรียกใช้โมเดล ดึงข้อมูล ใช้เครื่องมือ รันโค้ด และปฏิบัติงานหลายขั้นตอนอย่างต่อเนื่อง แม้ว่าต้นทุนต่อการประมวลผล (inference) เพียงครั้งเดียวจะลดลง แต่การรันเอเจนต์ AI อย่างต่อเนื่องยังคงสามารถเพิ่มปริมาณการคำนวณโดยรวมได้อย่างมีนัยสำคัญ

นี่คือเหตุผลที่อินวิเดียเชื่อมโยง Rubin เข้ากับ AI เชิงเอเจนต์อย่างใกล้ชิด บริษัทหวังที่จะลดอุปสรรคทางเทคนิคสำหรับองค์กรในการปรับใช้เอเจนต์ AI โดยการส่งมอบชิป อุปกรณ์เชื่อมต่อ ซอฟต์แวร์ประมวลผล และเครื่องมือพัฒนา พร้อมทั้งขยายความต้องการด้านพลังการคำนวณจากห้องปฏิบัติการ AI จำนวนน้อยไปสู่สถานการณ์จริง เช่น การบริการลูกค้า การพัฒนาซอฟต์แวร์ การเงิน การแพทย์ และการดำเนินงานขององค์กร

อย่างไรก็ตาม การเติบโตของการใช้พลังการคำนวณไม่ได้หมายความว่าจะเพิ่มมูลค่าทางพาณิชย์เสมอไป หากเอเจนต์ AI ยังคงติดอยู่ในช่วงโครงการนำร่องเป็นเวลานาน องค์กรต่าง ๆ อาจพบว่าเป็นเรื่องยากที่จะพิสูจน์ความคุ้มค่าของผลตอบแทนจากการลงทุน และจะไม่ขยายงบประมาณศูนย์ข้อมูลอย่างไม่มีที่สิ้นสุด ดังนั้น ตลาดจึงจำเป็นต้องเห็นขนาดการใช้งานจริง ปริมาณการเรียกใช้งานที่ต่อเนื่อง และการเพิ่มประสิทธิภาพที่ลูกค้าได้รับจากการใช้เอเจนต์ AI มากกว่าจะเป็นเพียงการสาธิตตัวอย่างใหม่และรายชื่อพันธมิตรเท่านั้น

Physical AI และเทคโนโลยีหุ่นยนต์ถือเป็นโอกาสการเติบโตในระยะยาวกว่า โดยอินวิเดียหวังที่จะนำโมเดล แพลตฟอร์มจำลองสถานการณ์ และเทคโนโลยีการคำนวณที่ขอบเครือข่าย (edge computing) มาประยุกต์ใช้กับหุ่นยนต์ ระบบขับขี่อัตโนมัติ และการผลิตอัจฉริยะ ทั้งนี้ เยอรมนีมีระบบนิเวศทางอุตสาหกรรมขนาดใหญ่ ทำให้เบอร์ลินเป็นสถานที่ที่เหมาะสมในการผลักดันยุทธศาสตร์นี้

อย่างไรก็ตาม ระยะเวลาในการพัฒนาสู่เชิงพาณิชย์ของเทคโนโลยีหุ่นยนต์และระบบขับขี่อัตโนมัตินั้นยาวนานกว่าชิปสำหรับศูนย์ข้อมูลอย่างมีนัยสำคัญ ความน่าเชื่อถือของผลิตภัณฑ์ การอนุมัติจากหน่วยงานกำกับดูแล และการตรวจสอบยืนยันจากลูกค้าล้วนส่งผลกระทบต่อจังหวะเวลาในการรับรู้รายได้ ทำให้เป็นเรื่องยากที่กลุ่มธุรกิจเหล่านี้จะเข้ามาแทนที่ศูนย์ข้อมูลในฐานะตัวขับเคลื่อนการเติบโตหลักของอินวิเดียในระยะสั้น

เนื้อหานี้ได้รับการแปลโดยปัญญาประดิษฐ์ (AI) และผ่านตรวจสอบโดยมนุษย์ มีไว้เพื่อการอ้างอิงและข้อมูลทั่วไปเท่านั้น ไม่ใช่การแนะนำการลงทุนแต่อย่างใด