“ผู้ควบคุม GPU คือผู้ควบคุมจักรวาล” เป็นคำพูดสุดคลาสสิกจากนวนิยาย Sci-Fi ชื่อดังอย่าง “Dune” ซึ่งตอนนี้เหมือนมันกำลังจะกลายเป็นเรื่องจริงเข้าไปทุกที

ปัจจุบันต้องบอกว่าการเข้าถึง GPU โดยเฉพาะจากบริษัทอย่าง Nvidia ซึ่งเป็นผู้ผลิตรายใหญ่ของโลก เป็นสิ่งชี้เป็นชี้ตายสำหรับบริษัทที่ต้องการประสบความสำเร็จในด้าน AI

ความแตกต่างของบริษัทที่จะรุ่งในเทคโนโลยีนี้หรือไม่นั้นขึ้นอยู่กับจำนวนชิปที่พวกเขามี การครองตลาดของ Nvidia ทำให้มูลค่าตลาดของบริษัทพุ่งสูงขึ้นถึง 2 ล้านล้านดอลลาร์สหรัฐฯ

และสิ่งที่น่าสนใจก็คือมูลค่าของ Nvidia ในทุกวันนี้มากกว่าดัชนี DAX ของเยอรมันที่มีมูลค่ารวมกันประมาณ 2 ล้านล้านดอลลาร์เสียอีก นอกจากนี้ยังใหญ่กว่าบริษัทเยอรมันที่มีการซื้อขายหุ้นกันในตลาดหลักทรัพย์ทั้งหมด รวมถึงบริษัทยักษ์ใหญ่ทั้งหลายไม่ว่าจะเป็น SAP , Siemens และ Deutsche Telekom

การพุ่งขึ้นแบบบ้าคลั่งเกิดขึ้น หลังจากบริษัทได้รายงานยอดขายในไตรมาสล่าสุดเพิ่มขึ้น 262% เมื่อเทียบกับปีที่ผ่านมา โดยมีรายรับสูงถึง 24 พันล้านดอลลาร์ ซึ่งเหล่านักวิเคราะห์คาดว่ารายรับของบริษัทจะพุ่งขึ้นไปแตะระดับ 119 พันล้านดอลลาร์และ 155 พันล้านดอลลาร์ในปี 2024 และ 2025 ตามลำดับ

ต้องบอกว่า GPU แทบจะเป็นเหมือนเวทย์มนต์หลักสำหรับอุตสาหกรรมดาวรุ่งอย่าง AI ทำหน้าที่ในการคำนวณ ฝึกฝนและใช้งานโมเดล AI ขนาดใหญ่

แต่สิ่งที่น่าแปลกใจหากเราย้อนกลับไปในจุดกำเนิดของมัน GPU ไม่ได้ออกแบบมาเพื่อจุดประสงค์ดังกล่าวนี้แต่อย่างใด

Jensen Huang ได้ก่อตั้ง Nvidia ในปี 1993 โดยในยุคนั้น Huang ได้เห็นโอกาสใหญ่จากอุตสาหกรรมเกมที่เพิ่งเกิดใหม่ และเขาก็มองว่ามันจะกลายเป็นอุตสาหกรรมที่เกี่ยวข้องกับคอมพิวเตอร์ที่ใหญ่ที่สุดเท่าที่โลกเคยมีมา

การประมวลผลและการจำลองวีดีโอที่ต้องใช้ข้อมูลจำนวนมากซึ่งจำเป็นในการสร้างโลกแห่งเกมในจินตนาการ ซึ่งแน่นอนว่ามันต้องใช้ทรัพยากรในการประมวลผลอย่างหนักเช่นเดียวกัน

GPU ย่อมาจาก “Graphic Processing Unit” เนื่องจากชิปเหล่านี้ถูกออกแบบมาเพื่อประมวลผลกราฟิกเกม แต่โชคดีสำหรับบริษัทอย่าง Nvidia ที่สามารถนำไปใช้ในการประมวลผล AI ได้

คำถามก็คือแล้วทำไมไม่มีบริษัทที่ออกแบบชิป AI ที่เฉพาะเจาะจงตั้งแต่แรก มันน่าจะดีกว่าหรือไม่?

คำตอบก็คือบริษัทจำนวนมากทั้งสตาร์ทอัพขนาดเล็กไปจนถึงบริษัท Big Tech ที่ครอง Silicon Valley กำลังแอบซุ่มดำเนินการอยู่เพื่อหวังที่จะโค่นล้มบัลลังก์ของ Nvidia

ชิป AI ที่ออกแบบเฉพาะทางจะทำให้การสร้างและใช้งานโมเดล AI รวดเร็วและราคาถูกลงกว่าเดิม บริษัทใดก็ตามที่ทำสำเร็จ จะมีลูกค้าอยู่ใน waiting list มากมายมหาศาล ซึ่งกำลังไม่พอใจกับราคาที่สูงและจำนวนชิปที่มีอยู่อย่างจำกัดของ Nvidia ในขณะนี้

ชิปประมวลผล CPU แบบทั่วไปที่ใช้ในคอมพิวเตอร์และโน็ตบุ๊ค ถูกออกแบบมาเพื่อทำสิ่งหนึ่งสิ่งใดตามลำดับ ในขณะที่ GPU ประกอบด้วยหน่วยประมวลผลหรือจำนวนคอร์หลายพันตัวช่วยให้สามารถประมวลผลสิ่งเดียวกันพร้อมกันได้หลายพันครั้ง เช่น การวาดส่วนหนึ่งของฉากในเกม

แน่นอนว่าการรันโมเดล AI ก็มีลักษณะที่คล้ายคลึงกันคือการทำงานใดงานหนึ่งแบบคู่ขนานไปพร้อม ๆ กัน การหาวิธีเขียนโค้ด AI ใหม่เพื่อรันบน GPU เป็นหนึ่งในปัจจัยที่นำไปสู่จุดเริ่มต้นของการบูมด้าน AI ในปัจจุบัน

อย่างไรก็ตาม GPU ก็มีข้อจำกัด โดยเฉพาะเรื่องความเร็วในการส่งผ่านข้อมูล โมเดล AI รุ่นใหม่ ๆ จะรันบน GPU และชิปหน่วยความจำเป็นจำนวนมากที่มีการเชื่อมต่อถึงกัน

การเคลื่อนย้ายข้อมูลอย่างรวดเร็วระหว่างชิปเหล่านี้เป็นสิ่งสำคัญที่ส่งผลต่อประสิทธิภาพ เมื่อทำการฝึกฝนโมเดลขนาดใหญ่มาก ๆ บางคอร์ของ GPU อาจว่างงานถึงครึ่งหนึ่งของเวลาทำงานจริง

Andrew Feldman ซีอีโอของ Cerebras สตาร์ทอัพจากซันนีเวล แคลิฟอร์เนีย เปรียบเทียบว่า “มันเหมือนการจราจรติดขัดในซูเปอร์มาร์เก็ตในช่วงก่อนวันขอบคุณพระเจ้า ทุกคนต้องต่อแถวเพื่อรอคอย จึงมีการติดขัดในที่จอดรถ ติดขัดในการแย่งชิงสินค้า และติดขัดที่จุดชำระเงิน นั่นคือสิ่งที่เกิดขึ้นกับ GPU”

วิธีแก้ปัญหาของ Cerebras คือการรวมเอาคอร์ 900,000 ตัว พร้อมหน่วยความจำจำนวนมากยัดส่งลงบนชิปขนาดยักษ์เพียงชิปเดียว เพื่อลดความซับซ้อนในการเชื่อมต่อของชิปหลายตัวและการส่งผ่านข้อมูลระหว่างกัน ซึ่งชิปรุ่น CS-3 ของบริษัทมีขนาดใหญ่กว่าชิปอื่นๆ ถึง 50 เท่า

“ชิปของเรามีขนาดเท่าจานอาหาร แต่ GPU มีขนาดเล็กเท่าสแตมป์” Feldman กล่าว Cerebras อ้างว่าการเชื่อมต่อระหว่างคอร์บนชิปมีความเร็วสูงกว่าการเชื่อมต่อระหว่าง GPU ถึงร้อยเท่า ขณะที่วิธีการของพวกเขาช่วยลดการใช้พลังงานกว่าครึ่งเมื่อเทียบกับ GPU ที่ทรงพลังที่สุดของ Nvidia

Groq สตาร์ทอัพอีกรายหนึ่ง กำลังใช้วิธีที่แตกต่าง ชิป AI ของบริษัทเรียกว่า Language Processing Units (LPUs) ได้รับการปรับให้เหมาะสมกับการรันโมเดลภาษาขนาดใหญ่ (LLMs) อย่างรวดเร็วเป็นพิเศษ

นอกจากจะมีหน่วยความจำภายในตัวแล้ว ชิปเหล่านี้ยังทำหน้าที่เปรียบเสมือนเราเตอร์ส่งผ่านข้อมูลระหว่าง LPU ที่เชื่อมต่อกัน ซอฟต์แวร์การเราท์ที่ชาญฉลาดจะช่วยลดระยะเวลาที่ใช้รอข้อมูล ทำให้ระบบทั้งหมดสามารถทำงานไปพร้อม ๆ กันได้ซึ่งเพิ่มประสิทธิภาพและความเร็วเป็นอย่างมาก

Groq ระบุว่า LPU ของพวกเขาสามารถรันโมเดล LLM ขนาดใหญ่ได้เร็วกว่าระบบปัจจุบันถึง 10 เท่า

อีกวิธีหนึ่งคือวิธีของ MatX ซึ่งเป็นสตาร์ทอัพที่ตั้งอยู่ในแคลิฟอร์เนียเช่นเดียวกัน ตามที่ Reiner Pope ผู้ร่วมก่อตั้งบริษัทได้กล่าวถึง GPU มีคุณสมบัติที่ให้ความยืดหยุ่นสำหรับงานกราฟฟิก แต่ไม่จำเป็นสำหรับ LLM ชิปคล้าย GPU ที่บริษัทกำลังพัฒนาอยู่จึงตัดส่วนที่ไม่จำเป็นเหล่านี้ทิ้งไป เพื่อเพิ่มประสิทธิภาพด้วยการทำสิ่งที่จำเป็นให้ดียิ่งขึ้น

สตาร์ทอัพด้านชิป AI รายอื่น ๆ ได้แก่ Hailo จากอิสราเอล Taalas จากโตรอนโต Tenstorrent บริษัทจากสหรัฐฯ ที่ใช้สถาปัตยกรรมโอเพนซอร์ส RISC V ในการสร้างชิป AI และ Graphcore จากสหราชอาณาจักร ซึ่งคาดว่าจะถูกซอฟต์แบงก์เข้าซื้อกิจการ

บริษัทเทคโนโลยีรายใหญ่อื่น ๆ ก็กำลังพัฒนาชิป AI เช่นเดียวกัน Google ได้ทำการสร้าง “tensor processing units” (TPUs) ของตัวเองและเปิดให้บริการบนคลาวด์ Amazon , Meta และ Microsoft ก็มีชิปที่ออกแบบเฉพาะสำหรับบริการ AI บนคลาวด์ ในขณะที่ OpenAI ก็มีแผนที่ะจะพัฒนาด้วยเช่นกัน ส่วน AMD และ Intel ผู้ผลิตชิปรายใหญ่เองก็มีการผลิตชิปในลักษณะเดียวกับ GPU อยู่แล้ว

หนึ่งในความเสี่ยงสำหรับผู้เล่นรายใหม่คือความพยายามออกแบบชิปเฉพาะทางของพวกเขาเองอาจใช้เวลานานเกินไป Christos Kozyrakis นักวิทยาศาสตร์คอมพิวเตอร์จากมหาวิทยาลัยสแตนฟอร์ดกล่าวว่า การออกแบบชิปโดยปรกติใช้เวลา 2-3 ปี ซึ่งถือเป็นช่วงเวลาที่ยาวนานเกินไปเมื่อเทียบกับอัตราเร็วในการพัฒนาของโมเดล AI

โอกาสของสตาร์ทอัพหน้าใหม่เหล่านี้คือพวกเขาอาจจะสร้างชิปที่เหมาะสมกับการรันโมเดลในอนาคตมากกว่า GPU ของ Nvidia ที่มีความเฉพาะทางในด้านการรันโมเดลเหล่านี้น้อยกว่า

Nvidia จะถูกล้มบัลลังก์?

ต้องบอกว่าหนึ่งในความท้าทายของอุตสาหกรรมนี้คือเรื่องของซอฟต์แวร์สำหรับการเขียนโปรแกรม เพราะ CUDA ของ Nvidia ได้กลายเป็นมาตรฐานของอุตสาหกรรมไปเป็นที่เรียบร้อยแล้ว

Kozyrakis จากสแตนฟอร์ดกล่าวว่า Nvidia มีข้อได้เปรียบอย่างมากเนื่องจากได้สร้าง ecosystem ของซอฟต์แวร์มาเป็นเวลานาน

สตาร์ทอัพด้านชิป AI ที่คิดจะสู้ก็ต้องมีการสร้างแรงจูงใจเหล่านักพัฒนาปรับโค้ดเพื่อรันบนชิปใหม่ของพวกเขา ซึ่งมันเป็นงานที่มีความยากและซับซ้อนสูง นั่นเป็นเหตุผลอีกประการที่ยากจะล้มบัลลังก์ของ Nvidia ได้ง่าย ๆ

เหล่าลูกค้ารายใหญ่ที่สุดสำหรับชิป AI ไม่ว่าจะเป็นกลุ่มที่สร้างโมเดล เช่น OpenAI , Anthropic และ Mistral หรือกลุ่มบริษัทเทคโนโลยีขนาดยักษ์ เช่น Amazon , Meta , Microsoft และ Google

บริษัทเหล่านี้อาจตัดสินใจซื้อกิจการสตาร์ทอัพด้านชิป AI และเก็บเทคโนโลยีนั้นไว้เพื่อตนเอง และแทนที่จะแข่งกับ Nvidia สตาร์ทอัพด้านชิป AI อาจวางตำแหน่งของตัวเองให้เป็นเป้าหมายในการถูกเข้าซื้อกิจการแทน

บริษัทอย่าง MatX มุ่งเป้าไปที่กลุ่มลูกค้าระดับบนสุดของตลาด โดยหวังที่จะขายชิปในลักษณะเดียวกับที่ Nvidia ทำ

Pope หนึ่งในผู้ก่อตั้งของ MatX กล่าวว่า “เราคิดว่าพวกเรามีธุรกิจที่มีความยั่งยืนในฐานะบริษัทที่มีความเป็นเอกเทศ” ซึ่งต้องรอดูกันต่อไป ส่วน Cerebras นั้นก็มีรายงานว่ากำลังเตรียมเสนอขายหุ้นสู่สาธารณะเป็นครั้งแรกอยู่

ก็ต้องบอกว่าจนถึงขณะนี้ยังไม่มีสตาร์ทอัพรายใดที่มีแววว่าจะลุกขึ้นมาท้าทายตำแหน่งผู้นำของ Nvidia ได้ แต่ก็ยังมีคนจำนวนมากที่หวังว่าสักวันหนึ่งจะมีสตาร์ทอัพเจ๋ง ๆ สักรายสามารถทำได้สำเร็จ

การแข่งขันในอุตสาหกรรมชิป AI กำลังทวีความรุนแรงมากยิ่งขึ้นเรื่อย ๆ เนื่องจากผู้เล่นรายใหม่ต่างมุ่งมั่นที่จะสร้างนวัตกรรมใหม่ ๆ เพื่อเอาชนะผู้นำตลาดเดิมอย่าง Nvidia ด้วยความต้องการชิปที่มีประสิทธิภาพสูงสำหรับโมเดล AI ที่ซับซ้อนและขนาดใหญ่ที่กำลังเพิ่มมากขึ้นเรื่อย ๆ จึงเปิดโอกาสให้สตาร์ทอัพเหล่านี้ได้แสดงศักยภาพและคิดค้นเทคโนโลยีใหม่ ๆ เพื่อตอบโจทย์ความต้องการดังกล่าว

ดังนั้นแม้ปัจจะบัน Nvidia จะยังครองความเป็นผู้นำในตลาดชิป AI แต่ก็ไม่ควรมองข้ามศักยภาพของคู่แข่งรายใหม่ เพราะพวกเขากำลังผลักดันนวัตกรรมอย่างต่อเนื่อง และหากสามารถพัฒนาเทคโนโลยีชิปที่ดีกว่า และตรงกับการใช้งานมากกว่าได้สำเร็จ ก็มีโอกาสสูงที่จะแย่งชิงส่วนแบ่งทางการตลาดหรือแม้กระทั่งการโค่นล้มล้มบัลลังก์ของยักษ์ที่น่าเกรมขามอย่าง Nvidia ได้ในอนาคตนั่นเองครับผม

References :
https://www.economist.com/business/2024/05/19/can-nvidia-be-dethroned-meet-the-startups-vying-for-its-crown
https://www.businessinsider.com/nvidia-jensen-huang-chipmaker-cofounder-ceo-wealth-net-worth-ai-2023-5#huang-founded-nvidia-on-over-a-meal-at-dennys-4
https://www.tradingview.com/news/invezz:8cb750033094b:0-microsoft-apple-nvidia-google-are-now-bigger-than-the-dax-index