ออกแบบชิป AI ใน 2 สัปดาห์ อาร์คิเทคต์แล็บส์เปิดตัว 'เรดวูด'

อาร์คิเทคต์แล็บส์ (Architect Labs) สตาร์ทอัพสัญชาติอเมริกัน เปิดเผยว่าออกแบบและตรวจสอบชิปเซมิคอนดักเตอร์ของตัวเองในชื่อ 'เรดวูด' (Redwood) เสร็จสิ้นภายในเวลาเพียง 2 สัปดาห์ โดยใช้ปัญญาประดิษฐ์ (AI) เข้ามาช่วยในกระบวนการออกแบบ กลายเป็นประเด็นที่ถูกจับตาว่า AI จะช่วยย่นระยะเวลาการออกแบบเซมิคอนดักเตอร์ที่ปกติต้องใช้เวลานานกว่า 1 ปีได้มากแค่ไหน

บิสิเนสอินไซเดอร์ (Business Insider) รายงานเมื่อวันที่ 28 (เวลาท้องถิ่น) ว่าอาร์คิเทคต์แล็บส์พัฒนาเรดวูดด้วยวิธีให้สถาปนิกชิป (chip architect) สองคนกำหนดโครงสร้างและทิศทางโดยรวม ส่วน AI เป็นผู้ลงมือออกแบบรายละเอียดทั้งหมด บริษัทระบุว่าการพัฒนาชิปแบบเดิมต้องใช้เวลามากกว่า 1 ปี งบประมาณหลายร้อยล้านดอลลาร์ และบุคลากรผู้เชี่ยวชาญราว 100 คน

อาร์คิเทคต์แล็บส์ก่อตั้งขึ้นในปี 2025 เอบราฮิม ฮุสเซน (Ebrahim Hussain) ผู้ร่วมก่อตั้งและซีอีโอของอาร์คิเทคต์แล็บส์ กล่าวว่า "โมเดล AI พัฒนาไปอย่างรวดเร็ว แต่ความเร็วในการพัฒนาเซมิคอนดักเตอร์ที่จะมาขับเคลื่อนโมเดลเหล่านั้นกลับตามไม่ทัน" คำพูดนี้สะท้อนช่องว่างระหว่างวงจรการพัฒนาโมเดล AI กับวงจรการพัฒนาฮาร์ดแวร์ที่ยังห่างกันอยู่มาก

บริษัทเปิดเผยว่าเมื่อวันที่ 18 มิถุนายนที่ผ่านมา ระดมทุนรอบซีด (seed) ได้ 24 ล้านดอลลาร์ นำโดยคินเดรดเวนเจอร์ส (Kindred Ventures) และมีนักลงทุนร่วม ได้แก่ △ทีคิวเวนเจอร์ส (TQ Ventures) △เรซแคปิตอล (Race Capital) △ทูเก็ตเธอร์ฟันด์ (Together Fund) โดยบริษัทระบุว่าจะนำเงินทุนไปใช้ขยายโครงสร้างพื้นฐานด้านคอมพิวต์ เสริมการวิจัย AI และร่วมออกแบบชิปสำหรับการผลิตจริงกับพาร์ทเนอร์ในระยะแรก

เรดวูดถูกออกแบบมาเพื่อขับเคลื่อนโมเดล AI ขนาดใหญ่ อย่างลามา (Llama) ของเมตา (Meta) และคิวเวน (Qwen) ของอาลีบาบา (Alibaba) แต่จนถึงตอนนี้ยังไม่ได้ถูกผลิตเป็นชิปซิลิคอนจริงที่โรงงานของทีเอสเอ็มซี (TSMC) โดยปัจจุบันอยู่ในขั้นตอนนำการออกแบบไปทดสอบบน FPGA เท่านั้น

FPGA คือเซมิคอนดักเตอร์ชนิดที่สามารถปรับเปลี่ยนวงจรภายในได้ ใช้สำหรับตรวจสอบความถูกต้องของการออกแบบก่อนผลิตเป็นชิปจริงในระดับอุตสาหกรรม การทดสอบบน FPGA มีความหมายในแง่การตรวจสอบการออกแบบ แต่ไม่ได้ทดแทนสภาพแวดล้อมการผลิตจริงของชิปรุ่นสุดท้ายได้ทั้งหมด

อาร์คิเทคต์แล็บส์อ้างอิงผลทดสอบดังกล่าวว่าผลิตภัณฑ์สุดท้ายอาจให้ประสิทธิภาพการใช้พลังงานสูงกว่าเอ็นวิเดีย เจ็ตสัน โอริน นาโน (Nvidia Jetson Orin Nano) ที่ใช้ในงาน edge AI อย่างหุ่นยนต์ อย่างไรก็ตาม ข้อกล่าวอ้างนี้ยังต้องผ่านการพิสูจน์ความเร็ว ประสิทธิภาพการใช้พลังงาน และความน่าเชื่อถือ หลังผลิตเป็นชิปจริงอีกครั้ง

ระบบอัตโนมัติในการออกแบบเซมิคอนดักเตอร์ไม่ใช่กระแสใหม่ ที่ผ่านมาการออกแบบมักทำโดยวิศวกรที่ควบคุมเครื่องมือ EDA (Electronic Design Automation) ทีละขั้นตอนแล้วตรวจสอบผลลัพธ์เอง แต่ระยะหลังขอบเขตการทดลองขยายไปสู่รูปแบบที่ AI ทำหน้าที่ต่อเนื่องตั้งแต่การออกแบบ การตรวจสอบ การวิเคราะห์ข้อผิดพลาด ไปจนถึงการปรับคุณภาพ

โทเคนโพสต์เคยรายงานว่าซินอปซิส (Synopsys) เปิดตัวเวิร์กโฟลว์การออกแบบเซมิคอนดักเตอร์ที่ทำการตรวจสอบและดำเนินงานได้เองโดยอัตโนมัติ ซึ่งซินอปซิสระบุว่าในการประเมินเบื้องต้นสามารถลดรอบเวลาการดีบัก (debug cycle) ลงได้ 25-40% ทั้งนี้ตัวเลขดังกล่าวใช้กับรอบการดีบักเท่านั้น ไม่ใช่ระยะเวลาการออกแบบชิปทั้งหมด

ก่อนหน้านี้ซีเมนส์ (Siemens) ก็เคยเปิดเผยกลยุทธ์เร่งการตรวจสอบชิป AI ให้เร็วขึ้นสูงสุดถึง 10,000 เท่า โดยซีเมนส์เน้นย้ำกระบวนการนำผลการออกแบบที่ AI สร้างขึ้นไปตรวจสอบซ้ำด้วยเครื่องมือที่อิงหลักฟิสิกส์ ซึ่งสะท้อนว่ายิ่งระบบอัตโนมัติในการออกแบบเร็วขึ้นเท่าไหร่ ความน่าเชื่อถือของการตรวจสอบก็ยิ่งสำคัญมากขึ้นเท่านั้น

ผู้เชี่ยวชาญภายนอกให้ความเห็นในเชิงบวกต่อความเร็วในการพัฒนา แต่ก็ชี้ให้เห็นข้อจำกัดของการตรวจสอบก่อนการผลิตจริงเช่นกัน ห่าว เจิ้ง (Hao Zheng) ศาสตราจารย์จากมหาวิทยาลัยเซ็นทรัลฟลอริดา (University of Central Florida) ประเมินว่าระยะเวลา 2 สัปดาห์เป็นตัวเลขที่น่าประทับใจ พร้อมอธิบายว่าทั้งบริษัทเทคโนโลยีรายใหญ่อย่างซินอปซิสและสตาร์ทอัพต่างก็นำ AI มาใช้ในการออกแบบเซมิคอนดักเตอร์เช่นกัน

แมทธิว กัทเฮาส์ (Matthew Guthaus) ศาสตราจารย์จากมหาวิทยาลัยแคลิฟอร์เนีย ซานตาครูซ (UC Santa Cruz) กล่าวว่า "AI แสดงจุดแข็งในหลายด้านของการออกแบบชิปอยู่แล้ว แต่ก็อาจเกิดข้อผิดพลาดที่ไม่คาดคิดได้ จึงจำเป็นต้องมีการกำกับดูแลอย่างใกล้ชิดและตรวจสอบซ้ำ" ข้อผิดพลาดในการออกแบบเซมิคอนดักเตอร์หากถูกพบหลังการผลิตไปแล้ว อาจนำไปสู่ความเสียหายทางต้นทุนมหาศาล

ซีอีโอฮุสเซนอธิบายว่าระบบ AI ของบริษัทถูกออกแบบมาให้ตรวจสอบข้อผิดพลาดในการออกแบบด้วยตัวเอง ไม่ได้ปล่อยให้การตรวจสอบเป็นหน้าที่ของมนุษย์ทั้งหมด เขายังกล่าวถึงความเป็นไปได้ที่ AI กับการออกแบบชิปจะพัฒนาไปด้วยกันเป็นวงจร โดยยกตัวอย่างกรณีที่ AI สามารถหาจุดที่ต้องปรับปรุงในเรดวูดได้ด้วยตัวเอง

กรณีนี้ไม่ใช่การประกาศที่มุ่งเป้าไปที่ตลาดคริปโตโดยตรง แต่เนื่องจากการขุด โครงสร้างพื้นฐานด้านการตรวจสอบธุรกรรม และอุปกรณ์ศูนย์ข้อมูล AI ล้วนได้รับผลกระทบจากประสิทธิภาพและการใช้พลังงานของเซมิคอนดักเตอร์ ผลลัพธ์หลังการผลิตจริงจึงยังคงมีความสำคัญ ทั้งนี้อาร์คิเทคต์แล็บส์ยังไม่ได้กำหนดเวลาผลิตเรดวูดกับทีเอสเอ็มซี