Back to top
  • 공유 แชร์
  • 인쇄 พิมพ์
  • 글자크기 ขนาดตัวอักษร
ลิงก์ถูกคัดลอกแล้ว

ขาดแคลนพลังประมวลผล AI อาจยืดถึงปี 2028 ผู้บริหารเวทีฮ่องกงชี้

การขาดแคลน 'พลังประมวลผล' (Computing Power) สำหรับปัญญาประดิษฐ์ (AI) อาจไม่จบง่าย ๆ และมีแนวโน้มยืดเยื้อไปอีก 3-5 ปีข้างหน้า โดยจุดที่น่าสนใจคือการแข่งขันด้านโครงสร้างพื้นฐาน AI กำลังเปลี่ยนโฟกัสจากการเร่งประสิทธิภาพชิปตัวเดียว ไปสู่ประสิทธิภาพของระบบที่รวบรวมและจัดสรรทรัพยากรประมวลผลแทน

อู๋ ซื่อชุน (Wu Shichun) หุ้นส่วนผู้ก่อตั้งบริษัทร่วมทุนเหมยฮวาชวงโถว (Meihua Chuangtou) กล่าวในงานเสวนาคู่ขนานหัวข้อ 'ทุนการเงินและยูนิคอร์นเทคโนโลยี' ภายในงาน 2026 Global Unicorn Summit ที่ฮ่องกง เมื่อวันที่ 24 (เวลาท้องถิ่น) ว่า “การขาดแคลนพลังประมวลผลจะดำเนินต่อไปอีก 3-5 ปี” ตามรายงานของสำนักข่าว TechFlow (Deep Tide) โดยเขาระบุว่ากุญแจสำคัญในการคลี่คลายปัญหาคอขวดนี้ คือ 'ซูเปอร์โหนด' (Superzode) การจัดสรรพลังประมวลผล และเทคโนโลยีบรรจุภัณฑ์ขั้นสูง

พลังประมวลผล หมายถึงทรัพยากรการคำนวณที่จำเป็นต่อการฝึกฝนโมเดล AI และการนำไปใช้งานจริงในรูปแบบบริการ เมื่อการแข่งขันด้าน AI ขยายขอบเขตจากการฝึกโมเดลขนาดใหญ่ไปสู่การประมวลผลแบบเรียลไทม์และการใช้งานในภาคอุตสาหกรรม หน่วยประมวลผลกราฟิก (GPU) หน่วยความจำ ระบบเครือข่าย พลังงาน และระบบระบายความร้อน จึงถูกพูดถึงในฐานะปัจจัยคอขวดร่วมกัน

ซูเปอร์โหนดคือโครงสร้างที่เชื่อมต่อชิป AI หลายตัวด้วยความเร็วสูง ให้ทำงานราวกับเป็น 'สระพลังประมวลผล' ก้อนใหญ่ก้อนเดียว แนวทางนี้ไม่ได้มุ่งเพิ่มความเร็วของชิปตัวใดตัวหนึ่งเท่านั้น แต่เป็นการผนวกชิป หน่วยความจำ เครือข่าย และซอฟต์แวร์เข้าด้วยกัน เพื่อยกระดับประสิทธิภาพการประมวลผลโดยรวม

การจัดสรรพลังประมวลผล เป็นเทคโนโลยีที่กำหนดว่าทรัพยากรประมวลผลที่มีจำกัดควรถูกจัดสรรให้โมเดลหรือบริการใด และในช่วงเวลาใด แม้จะมีชิปจำนวนเท่ากัน แต่หากการจัดสรรงานไม่มีประสิทธิภาพ ก็อาจทำให้เวลารอคอยในการฝึกโมเดลยืดยาวขึ้น และต้นทุนการประมวลผลแบบอนุมาน (Inference) สูงขึ้นตามไปด้วย

ส่วนเทคโนโลยีบรรจุภัณฑ์ขั้นสูง โดยทั่วไปหมายถึงการนำเซมิคอนดักเตอร์และหน่วยความจำหลายตัวมาวางใกล้กันมากขึ้น เพื่อลดระยะทางในการเคลื่อนย้ายข้อมูล ในงานประมวลผล AI ประสิทธิภาพไม่ได้ขึ้นอยู่กับสมรรถนะการคำนวณของชิปเพียงอย่างเดียว แต่ขึ้นอยู่กับความเร็วในการเคลื่อนย้ายข้อมูลด้วยเช่นกัน

อู๋ ซื่อชุน ยังมองว่าทิศทางการใช้งาน AI กำลังเคลื่อนจากบริการฝั่งผู้บริโภคไปสู่การประยุกต์ใช้ในภาคอุตสาหกรรม โดยระบุว่าภาคการผลิตอุตสาหกรรมและ 'Physical AI' จะเป็นพื้นที่ที่สร้างมูลค่าได้มากที่สุด

Physical AI หมายถึงการประยุกต์ใช้ปัญญาประดิษฐ์ที่ทำงานในสภาพแวดล้อมทางกายภาพจริง เช่น หุ่นยนต์ อุปกรณ์การผลิต และเครื่องมือด้านโลจิสติกส์ ซึ่งมีลักษณะผูกโยงกับอุปกรณ์หน้างาน เซนเซอร์ และระบบควบคุมมากกว่าบริการสร้างสรรค์ข้อความหรือภาพ

เขายังกล่าวถึงกระแสเทคโนโลยีทางเลือกในจีนว่าได้ก้าวเข้าสู่ 'ระยะ 2.0' แล้ว โดยมีนัยว่าบริษัทเทคโนโลยีเชิงลึก (Hard Tech) ที่มีความคิดริเริ่มเฉพาะตัวจะเป็นผู้นำในการแข่งขันรอบนี้

งาน 2026 Global Unicorn Summit จัดขึ้นระหว่างวันที่ 24-25 ที่ศูนย์ประชุมและนิทรรศการฮ่องกง โดย TechFlow รายงานว่างานนี้จัดโดยกลุ่มสื่อฮ่องกงต้ากงเหวินฮุ่ย (Hong Kong Ta Kung Wen Wei Media Group) มีผู้บริหารระดับสูง ผู้ก่อตั้งบริษัทยูนิคอร์น และตัวแทนจากสถาบันการลงทุนทั้งตลาดรอบแรกและรอบสองเข้าร่วม

สำหรับผู้อ่านในแวดวงคริปโตและเทคโนโลยี ประเด็นนี้เชื่อมโยงกับทั้งเซมิคอนดักเตอร์ ศูนย์ข้อมูล และโครงสร้างพื้นฐานสินทรัพย์ดิจิทัลไปพร้อมกัน หากความต้องการประมวลผลแบบอนุมานของ AI เพิ่มขึ้นต่อเนื่อง ผลกระทบอาจลามไปถึงหน่วยความจำแบนด์วิดท์สูง อุปกรณ์จัดเก็บข้อมูล ระบบระบายความร้อน พลังงาน และการดำเนินงานศูนย์ข้อมูลเป็นทอด ๆ

ก่อนหน้านี้ TokenPost เคยรายงานเรื่องการทำสัญญาด้านอุปกรณ์ AI ของบริษัทโครงสร้างพื้นฐานขุดเหรียญคริปโต ซึ่งสะท้อนแนวโน้มที่ความต้องการอุปกรณ์ขุดเหรียญกับศูนย์ข้อมูล AI เริ่มทับซ้อนกันมากขึ้น เนื่องจากพลังงาน ที่ดิน และศักยภาพการบริหารจัดการที่บริษัทโครงสร้างพื้นฐานขุดเหรียญมีอยู่ อาจเชื่อมโยงกับความต้องการพลังประมวลผล AI ได้โดยตรง

อย่างไรก็ตาม คำกล่าวของอู๋ ซื่อชุน ไม่ได้พุ่งเป้าไปที่ผลประกอบการของบริษัทใดบริษัทหนึ่งหรือราคาสินทรัพย์ดิจิทัลใด ๆ เป็นการเฉพาะ สิ่งที่ยืนยันได้ชัดเจนจากคำกล่าวครั้งนี้คือ ซูเปอร์โหนด การจัดสรรพลังประมวลผล และบรรจุภัณฑ์ขั้นสูง ถูกหยิบยกขึ้นมาในฐานะแกนเทคโนโลยีหลักของการแข่งขันด้านโครงสร้างพื้นฐาน AI

งาน Global Unicorn Summit จะดำเนินต่อไปจนถึงวันที่ 25 ที่ศูนย์ประชุมและนิทรรศการฮ่องกง

<ลิขสิทธิ์ ⓒ TokenPost ห้ามเผยแพร่หรือแจกจ่ายซ้ำโดยไม่ได้รับอนุญาต>

บทความที่มีคนดูมากที่สุด

บทความที่เกี่ยวข้อง

ความคิดเห็น 0

ข้อแนะนำสำหรับความคิดเห็น

ขอบคุณสำหรับบทความดี ๆ ต้องการบทความติดตามเพิ่มเติม เป็นการวิเคราะห์ที่ยอดเยี่ยม

0/1000

ข้อแนะนำสำหรับความคิดเห็น

ขอบคุณสำหรับบทความดี ๆ ต้องการบทความติดตามเพิ่มเติม เป็นการวิเคราะห์ที่ยอดเยี่ยม
1