นักวิจัยเสนอหยุดผลิตชิปฝึก AI อย่างน้อย 10 ปี

งานวิจัยฉบับใหม่เสนอให้หยุดผลิตชิปสำหรับฝึกโมเดล AI แนวหน้ารุ่นใหม่เป็นเวลาอย่างน้อย 10 ปี และเปลี่ยนชิปที่มีอยู่ให้ใช้เฉพาะการอนุมาน โดยคณะผู้วิจัยมองว่าแนวทางนี้ทำได้ในทางเทคนิคหากนานาชาติตกลงร่วมกัน แต่การบรรลุข้อตกลงและการนำไปปฏิบัติจริงยังเป็นอีกประเด็นหนึ่ง

คณะทำงานที่มีนักวิจัย 26 คนจากหลายมหาวิทยาลัย รวมถึงมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ เผยแพร่รายงานความยาวราว 200 หน้าเมื่อวันที่ 9 ตุลาคม รายงานไม่ได้ประเมินว่าการหยุดดังกล่าวเป็นสิ่งพึงประสงค์หรือผู้นำแต่ละประเทศต้องการให้เกิดขึ้นหรือไม่ แต่พิจารณาวิธีดำเนินการภายใต้สมมติฐานว่ามีข้อตกลงร่วมกัน แนวทางที่เสนอคือหยุดหรือลดการผลิตชิปที่ใช้ฝึกโมเดลลงอย่างมาก และทยอยเปลี่ยนชิปเดิมให้เป็นชิปสำหรับการอนุมานโดยเฉพาะ

การอนุมานคือการป้อนคำถามให้โมเดลที่ผ่านการฝึกแล้วเพื่อรับคำตอบ รายงานเสนอให้จัดทำบัญชีรายชื่อโมเดลเดิมที่ผ่านการประเมินความปลอดภัยและอนุญาตให้ให้บริการได้ ขณะเดียวกันก็จำกัดการฝึกเพื่อสร้างโมเดลใหม่ที่มีความสามารถสูงขึ้น วิธีนี้จะทำให้บริการ AI ที่มีอยู่ดำเนินต่อไปได้ พร้อมกับควบคุมฮาร์ดแวร์สำหรับการฝึก

ข้อเสนอในรายงานประกอบด้วยการห้ามฝึกโมเดลแนวหน้ารุ่นใหม่ การจัดทำบัญชีรายชื่อโมเดลเดิมที่ได้รับอนุญาต การหยุดหรือลดการผลิตชิปฝึกลงอย่างมาก การเปลี่ยนไปผลิตชิปสำหรับการอนุมานโดยเฉพาะ และการสำรวจพร้อมติดตามชิปฝึกที่มีอยู่ทั้งหมด กำหนดระยะเวลาหยุดไว้อย่างน้อย 10 ปี และเปิดทางให้แต่ละประเทศขยายเวลาได้

ใช้ห่วงโซ่อุปทานชิปเป็นเครื่องมือตรวจสอบ

คณะผู้วิจัยระบุว่า ฮาร์ดแวร์ที่จำเป็นต่อการฝึก AI ขั้นสูงมีจุดคอขวดสำคัญในห่วงโซ่อุปทาน ซึ่งรัฐบาลสามารถใช้กำกับการผลิตและการจัดจำหน่ายได้ วิล ฟิเธียน(Will Fithian) รองศาสตราจารย์ด้านสถิติแห่งมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ ระบุในรายงานว่า “การหลีกเลี่ยงห่วงโซ่อุปทานที่มีอยู่เป็นเรื่องยากอย่างยิ่ง” และการห้ามฝึกในระดับนานาชาติสามารถอาศัยลักษณะดังกล่าวได้ รายงานเสนอให้สำรวจชิปที่มีอยู่ทั้งหมด เฝ้าติดตามการใช้ชิปฝึกที่เหลือ และตรวจสอบการละเมิด

คณะผู้วิจัยกล่าวว่า จำเป็นต้องได้รับความร่วมมือจากเขตอำนาจศาลที่เกี่ยวข้องกับการผลิตเซมิคอนดักเตอร์และการฝึกโมเดล AI

ข้อเสนอยังให้มีมาตรการเฝ้าระวังในช่วงเปลี่ยนผ่าน เพื่อจัดการชิปฝึกที่ถูกกระจายออกไปก่อนเริ่มการหยุดผลิต โดยเบื้องต้นให้นำชิปเหล่านั้นไปใช้กับงานอนุมาน จากนั้นจึงเปลี่ยนเป็นชิปสำหรับการอนุมานโดยเฉพาะหลังผ่านการตรวจสอบ หรือให้รัฐบาลเรียกคืน รายงานระบุว่าหากไม่มีการควบคุมชิปเดิม ก็อาจถูกนำกลับมาใช้เมื่อการแข่งขันด้านการฝึกเริ่มขึ้นอีกครั้ง

รายงานประเมินว่า ณ สิ้นปี 2026 กำลังประมวลผลระดับฝึกโมเดลทั่วโลกจะอยู่ที่ประมาณ 47 ล้านชิป เมื่อเทียบกับ Nvidia H100 โดยมีชิปใหม่ส่งมอบราว 2.9 ล้านชิปต่อเดือน การเปลี่ยนชิปทั้งหมดจะใช้เวลาประมาณ 16 เดือน และการเปลี่ยนผ่านอาจเสร็จภายใน 5 ปี

ความเป็นไปได้ในการดำเนินการและอุปสรรคทางการเมือง

รายงานแยกพิจารณาการละเมิดข้อตกลงอย่างลับ ๆ กับการถอนตัวจากข้อตกลงอย่างเปิดเผย โดยประเมินว่าการฝึกโมเดลที่มีความสำคัญเชิงยุทธศาสตร์อย่างลับ ๆ ภายใน 5 ปีต้องใช้ชิปราว 6.4 ล้านชิป ซึ่งใกล้เคียงกับจำนวนชิปทั้งหมดที่ OpenAI คาดว่าจะมีในช่วงสิ้นปี ส่วนจีนมีชิปทั้งหมดประมาณ 3.1 ล้านชิป

รายงานยังประเมินว่า หากประเทศหนึ่งละเมิดข้อตกลงอย่างเปิดเผยและต้องการพัฒนาโมเดลชี้ขาดภายใน 2 ปี จะต้องใช้ชิปราว 180 ล้านชิป หรือประมาณ 4 เท่าของจำนวนชิปที่มีอยู่ทั่วโลก รายงานชี้ว่า สหรัฐฯ อาจใช้ชิปฝึกที่เหลือไว้สำหรับงานอนุมานในช่วงเปลี่ยนผ่านเป็นฐานในการถอนตัวจากข้อตกลงอย่างเปิดเผย ขณะที่กำลังประมวลผลที่จีนไม่ได้รายงานอาจเป็นอุปสรรคต่อการตรวจจับการละเมิดอย่างลับ ๆ

รายงานระบุว่า ASML จากเนเธอร์แลนด์จัดหาเครื่อง EUV lithography ที่จำเป็นต่อการผลิตชิปขั้นสูง TSMC รับหน้าที่ผลิตชิปขั้นสูงและบรรจุภัณฑ์ ส่วนชิป Nvidia คิดเป็นมากกว่า 60% ของกำลังประมวลผล AI ทั่วโลก คณะผู้วิจัยเสนอให้ใช้การกระจุกตัวของห่วงโซ่อุปทานนี้เป็นเครื่องมือควบคุมระหว่างประเทศ อย่างไรก็ตาม การดำเนินการตามแนวทางดังกล่าวต้องอาศัยความร่วมมือจากพื้นที่ผลิตสำคัญและรัฐบาลของแต่ละประเทศ

สภาพแวดล้อมทางการเมืองยังห่างไกลจากสถานการณ์หยุดฝึกที่รายงานตั้งสมมติฐานไว้ รายงานอ้างคำกล่าวของประธานาธิบดีสหรัฐฯ โดนัลด์ ทรัมป์ ที่ว่า “ฝ่ายที่ชนะใน AI คือฝ่ายที่จะเป็นผู้ชนะ” และระบุว่า ผู้นำกว่า 20 ประเทศตอบรับข้อเรียกร้องที่ประกาศเมื่อวันที่ 21 กันยายน ให้ควบคุมโมเดล AI แนวหน้า แต่สหรัฐฯ และจีนไม่ได้เข้าร่วม ดาริโอ อาโมเดอีจาก Anthropic, แซม อัลต์แมน และอีลอน มัสก์ เคยแสดงจุดยืนสนับสนุนการชะลอการพัฒนา แต่ 아모เดอีชี้ชัดว่าการชะลอไม่ได้หมายถึงการหยุดฝึกโมเดล

รายงานมองว่าผลกระทบทางเศรษฐกิจอาจมีจำกัด แต่เตือนว่า Nvidia อาจเผชิญภาระหนัก การปรับธุรกิจที่เน้นชิปฝึกไปสู่ชิปสำหรับการอนุมานโดยเฉพาะ “ไม่ใช่เรื่องง่ายหรือราคาถูก” รายงานยังระบุถึงความเสี่ยงที่สถานะของบริษัทขนาดใหญ่อาจแข็งแกร่งขึ้น และข้อมูลที่โมเดลเรียนรู้อาจล้าสมัยลงเรื่อย ๆ

รายงานพิจารณาว่า หากแต่ละประเทศต้องการหยุดการฝึก จะสามารถใช้มาตรการทางเทคนิคและนโยบายเพื่อดำเนินการได้หรือไม่ การหยุดผลิตชิปฝึกและเปลี่ยนไปผลิตชิปสำหรับการอนุมานเป็นข้อเสนอของคณะผู้วิจัย ขณะนี้ยังไม่มีการยืนยันข้อตกลงระหว่างประเทศหรือกำหนดการดำเนินการ