การแบนชิป Nvidia H20: ประเมินผลกระทบต่อ AI และการพัฒนาซอฟต์แวร์ของจีน

Investing.com — การตัดสินใจของสหรัฐฯ ในการเข้มงวดการควบคุมการส่งออกชิป H20 ของ Nvidia ได้สร้างความซับซ้อนใหม่ให้กับภาคอุตสาหกรรม AI ของจีน แต่การหยุดชะงักในระยะสั้นดูเหมือนจะมีจํากัด เนื่องจากบริษัทในประเทศได้หันไปใช้ทางเลือกอื่นและเพิ่มการลงทุนในระบบนิเวศท้องถิ่น

นักวิเคราะห์จาก Bernstein กล่าวว่าการแบนอาจเร่งให้จีนเปลี่ยนจากการพึ่งพาเซมิคอนดักเตอร์ของอเมริกา ซึ่งเป็นการเปลี่ยนผ่านที่กําลังดําเนินการอยู่แล้วทั้งในด้านฮาร์ดแวร์และซอฟต์แวร์

ชิป Nvidia (แนสแด็ก:NVDA) H20 ซึ่งถือเป็นหนึ่งในตัวเร่งความเร็วระดับล่างที่ออกแบบมาสําหรับตลาดจีน มีประสิทธิภาพการคํานวณที่ต่ํากว่าเมื่อเทียบกับผลิตภัณฑ์ระดับไฮเอนด์อื่นๆ ของ Nvidia อย่างมีนัยสําคัญ

นักวิเคราะห์โต้แย้งว่าการแบนนี้เป็นเพียงสัญลักษณ์ เนื่องจากการเปรียบเทียบประสิทธิภาพแสดงให้เห็นว่ามันล้าหลังกว่าทางเลือกของจีนอย่าง Huawei Ascend 910C อยู่แล้ว

แพลตฟอร์ม AI CloudMatrix 384 ที่ Huawei เปิดตัวเมื่อเร็วๆ นี้ ให้พลังการคํานวณมากกว่าโหนด NVL72 ของ Nvidia 1.7 เท่า แม้จะใช้พลังงานมากกว่าเกือบสี่เท่าก็ตาม

นักวิเคราะห์ของ Bernstein เชื่อว่าผลกระทบที่ใหญ่กว่าอยู่ที่สัญญาณที่การแบนส่งออกมาและพลวัตด้านอุปทานที่เข้มข้นขึ้น

บริษัทที่มีโมเดล AI พื้นฐานเป็นหลัก โดยเฉพาะในภาคเทคโนโลยีที่เน้นสื่อ จะรู้สึกถึงข้อจํากัดอย่างรุนแรงที่สุด

อย่างไรก็ตาม ส่วนใหญ่ของอุตสาหกรรม AI ของจีนได้กระจายกลยุทธ์การคํานวณอย่างรุกเพื่อลดการพึ่งพา Nvidia โดยใช้ทางเลือกทดแทนสําหรับการอนุมาน โมเดลขอบที่เล็กลง และแพลตฟอร์มไฮบริดที่เชื่อมโยงชิปในประเทศกับฮาร์ดแวร์ของ Nvidia

การดําเนินงานในระยะสั้นคาดว่าจะไม่ได้รับผลกระทบมากนัก บริษัท AI ส่วนใหญ่ที่ Bernstein สํารวจรายงานว่าพวกเขาสามารถใช้ชิปรุ่นก่อนหน้าอย่าง Nvidia 3090 หรือ V30 ต่อไปได้ หรือเปลี่ยนไปใช้ Huawei และทางเลือกในท้องถิ่นอื่นๆ

อย่างไรก็ตาม ภาคคลาวด์อาจเผชิญกับแรงกดดันที่เพิ่มขึ้น เมื่อพลังการคํานวณหายากขึ้นและความต้องการยังคงมีอยู่ ราคาสําหรับการเร่งความเร็ว GPU บนคลาวด์ก็เพิ่มสูงขึ้น

Bernstein ระบุว่าราคาเช่า GPU จากผู้ให้บริการต่างๆ เพิ่มขึ้นอย่างต่อเนื่องตั้งแต่ต้นปี 2023

ในแง่ของแนวโน้มระยะยาว การแบน H20 มีแนวโน้มที่จะเร่งให้เกิดการผลักดันภายในประเทศที่ลึกซึ้งยิ่งขึ้นเพื่อความเป็นอิสระด้าน AI

Huawei คาดว่าจะลดช่องว่างด้านประสิทธิภาพให้มากขึ้น โดยได้รับความช่วยเหลือจากนวัตกรรมในซอฟต์แวร์ที่ปรับปรุงแบนด์วิดท์คลัสเตอร์และเทคนิคการกลั่นโมเดล

โครงการโอเพนซอร์สในประเทศอย่าง Deepseek ได้แสดงผลลัพธ์ที่น่าสนใจในการพัฒนาโมเดลขนาดเล็กที่มีประสิทธิภาพซึ่งได้รับการปรับให้เหมาะสมกับประสิทธิภาพโดยไม่ต้องใช้พลังการคํานวณมหาศาล

Bernstein ระบุแนวทางทางเทคนิคหลักสามประการที่จีนกําลังใช้เพื่อลดการพึ่งพา Nvidia

ประการแรกคือการปรับโครงสร้างโมเดลที่ฝึกด้วย CUDA ด้วยตนเองให้ทํางานบนชิปของ Huawei ซึ่งเป็นความพยายามที่ต้องใช้ทรัพยากรมาก แต่ได้ผลลัพธ์ถึง 90% ในบางกรณี เช่น การปรับโมเดล iSpark ของ iFlytek

ประการที่สอง การพอร์ตโมเดลที่ผ่านการฝึกฝนมาแล้วโดยใช้คอมไพเลอร์เสนอเส้นทางอัตโนมัติแต่ยังไม่สมบูรณ์แบบ

ประการที่สาม กําลังมีการพัฒนาแนวทางการประสานการคํานวณในชั้นกลางเพื่อให้สามารถฝึกและอนุมานข้ามสภาพแวดล้อมชิปที่หลากหลาย

บริษัท TMT และซอฟต์แวร์คาดว่าจะเปลี่ยนจากโครงสร้างพื้นฐานคลาวด์ส่วนตัวไปเป็นคลาวด์สาธารณะ ตามรายงานของโบรกเกอร์

รัฐวิสาหกิจได้รับความนิยมในภาคคลาวด์เนื่องจากมีความสัมพันธ์ใกล้ชิดกับซัพพลายเออร์ชิปในประเทศอย่าง Huawei

บทความนี้ถูกแปลโดยใช้ความช่วยเหลือจากปัญญาประดิษฐ์(AI) สำหรับข้อมูลเพิ่มเติม โปรดอ่านข้อกำหนดการใช้งาน