TL;DR
· OpenAI และ Broadcom เปิดตัวชิป AI สำหรับการอนุมานรุ่นแรกที่พัฒนาขึ้นเองชื่อ Jalapeño โดยมีเป้าหมายในการปรับใช้เบื้องต้นภายในสิ้นปี 2026
· ชิปนี้มุ่งเน้นการอนุมานสำหรับ LLM ไม่ใช่ GPU สำหรับการฝึกฝน และข้อมูลประสิทธิภาพเบื้องต้นยังคงมาจากการทดสอบของบริษัท
· OpenAI ก้าวแรกในการลดการพึ่งพา Nvidia แต่ยังไม่มีการเปิดเผยขอบเขตการลดต้นทุน ปริมาณการผลิต และประสิทธิภาพในโหลดจริง

OpenAI และ Broadcom ประกาศเมื่อวันที่ 24 มิถุนายนว่า Jalapeño เป็นตัวเร่ง AI ที่พัฒนาขึ้นเองสำหรับการอนุมานของโมเดลภาษาขนาดใหญ่ และเป็นชิปตัวแรกของ OpenAI ที่เรียกว่า "Intelligence Processor" ตามประกาศของทั้งสองบริษัท Jalapeño ยังอยู่ในขั้นตอนการทดสอบและตัวอย่าง โดยมีเป้าหมายในการปรับใช้เบื้องต้นภายในสิ้นปี 2026 และจะขยายต่อไปในอีกหลายปีข้างหน้า สำหรับ OpenAI จุดสำคัญไม่ใช่การแทนที่ GPU ของ Nvidia ทั้งหมดในทันที แต่เป็นการค่อยๆ เปลี่ยนเส้นทางการร้องขอการอนุมานที่เพิ่มขึ้นจาก ChatGPT, Codex, API และผลิตภัณฑ์เอเจนต์ในอนาคต ไปสู่การผสมผสานซอฟต์แวร์และฮาร์ดแวร์ที่เหมาะสมกับโมเดลของตัวเองมากขึ้น

เริ่มจากการอนุมาน มุ่งเน้นต้นทุนการสอบถามที่เกิดขึ้นทุกวัน

ความต้องการชิป AI แบ่งคร่าวๆ เป็นการฝึกฝนและการอนุมาน การฝึกฝนกำหนดขีดความสามารถสูงสุดของโมเดล ส่วนการอนุมานกำหนดว่าเมื่อโมเดลได้รับการฝึกฝนเสร็จแล้ว จะสามารถตอบคำถามผู้ใช้จำนวนมากด้วยต้นทุนที่ยอมรับได้หรือไม่

Jalapeño มุ่งเป้าไปที่อย่างหลัง OpenAI ระบุว่าชิปนี้จะใช้สำหรับงานอนุมานของโมเดลภาษาขนาดใหญ่ เพื่อให้บริการ ChatGPT, Codex, API และผลิตภัณฑ์เอเจนต์ในอนาคต สำหรับผู้ใช้ทั่วไป มันจะไม่เปลี่ยนอินเทอร์เฟซการแชทโดยตรง แต่อาจส่งผลต่อต้นทุน ความเร็ว และความสามารถในการขยายของการประมวลผลคำขอในเบื้องหลัง

นี่เป็นทิศทางร่วมของกระแสการพัฒนาชิปเองของบริษัท AI Google มี TPU, Amazon และ Meta ก็กำลังผลักดันตัวเร่งที่ปรับแต่งเอง พวกเขาไม่จำเป็นต้องแทนที่ Nvidia อย่างสมบูรณ์ แต่ย้ายงานภายในที่เสถียรและมีขนาดใหญ่ที่สุดไปยังชิปที่เหมาะสมกับโมเดลและซอฟต์แวร์สแต็กของตัวเองมากขึ้น

ก่อนหน้านี้ OpenAI พึ่งพาการจัดหา GPU จากภายนอกเป็นเวลานาน โดยเฉพาะการ์ดเร่งความเร็วระดับสูงของ Nvidia เมื่อปริมาณการเรียกใช้โมเดลเพิ่มขึ้น การพึ่งพา GPU ทั่วไปเพียงอย่างเดียวทำให้เกิดแรงกดดันสองประการ: ต้นทุนและการจัดหาที่ถูกจำกัดโดยห่วงโซ่อุปทานภายนอก และชิปทั่วไปอาจไม่สามารถมีประสิทธิภาพสูงสุดในโมเดลและรูปแบบการบริการเฉพาะ การเปลี่ยนแปลงโดยตรงของ Jalapeño คือการทำให้ OpenAI จากการซื้อพลังการคำนวณเพียงอย่างเดียว เริ่มมีส่วนร่วมในการกำหนดพลังการคำนวณ

Broadcom รับผิดชอบการออกแบบซิลิคอนและเทคโนโลยีการเชื่อมต่อ ยังไม่เปิดเผยผู้ผลิตเวเฟอร์

Jalapeño ถูกออกแบบตั้งแต่เริ่มต้นโดย OpenAI โดย Broadcom เป็นผู้ให้บริการด้านซิลิคอน เครือข่าย และเทคโนโลยีการเชื่อมต่อ ขณะที่ Celestica มีส่วนร่วมในการดำเนินการในระดับบอร์ด แร็ค และระบบ ประกาศอย่างเป็นทางการไม่ได้เปิดเผยผู้ผลิตเวเฟอร์ ดังนั้นจึงไม่สามารถระบุได้ง่ายๆ ว่า Broadcom เป็นผู้รับผิดชอบการผลิต

Broadcom มีประสบการณ์อย่างลึกซึ้งในด้าน ASIC แบบกำหนดเองและเครือข่ายศูนย์ข้อมูล และในช่วงไม่กี่ปีที่ผ่านมาได้กลายเป็นหนึ่งในซัพพลายเออร์เบื้องหลังชิปที่พัฒนาเองของยักษ์ใหญ่ด้าน AI หลายราย สำหรับ OpenAI การเลือกทำงานร่วมกับ Broadcom เปรียบเสมือนการนำความต้องการด้านสถาปัตยกรรมภายในของบริษัทโมเดล มาส่งต่อให้กับห่วงโซ่อุปทานเซมิคอนดักเตอร์และระบบที่成熟 เพื่อเปลี่ยนเป็นผลิตภัณฑ์ที่สามารถนำไปใช้งานได้

ในส่วนของประสิทธิภาพ ยังคงต้องกำหนดขอบเขตไว้ ทั้งสองบริษัทระบุว่า Jalapeño มีเป้าหมายที่จะผสานความสามารถในการประมวลผลของตัวเร่ง AI ชั้นนำในปัจจุบัน และปรับปรุงประสิทธิภาพต่อวัตต์ให้ดีขึ้นอย่างมีนัยสำคัญเมื่อเทียบกับโซลูชันที่ทันสมัยในปัจจุบัน ทางการยังเน้นย้ำว่าตัวอย่างวิศวกรรมได้ทำงานโหลดงาน Machine Learning ที่ความถี่เป้าหมายและการใช้พลังงานในห้องปฏิบัติการแล้ว โดยประสิทธิภาพสุดท้ายยังอยู่ระหว่างการวัดผล และจะมีการเผยแพร่รายงานทางเทคนิคที่มีรายละเอียดมากขึ้นในอีกไม่กี่เดือนข้างหน้า

ขณะนี้ยังไม่มีการเปิดเผยเกณฑ์มาตรฐานจากบุคคลที่สาม หรือตัวชี้วัดสำคัญ เช่น ปริมาณงานที่แม่นยำ ความหน่วง การใช้พลังงาน หรือต้นทุนต่อการสอบถามที่ลดลง การตีความของตลาดบางส่วนอาจนำไปเปรียบเทียบกับ NVIDIA Blackwell หรือ Google TPU โดยตรง แต่ก่อนที่ข้อมูลการปรับใช้จริงจะออกมา การลดต้นทุนและความเป็นผู้นำด้านประสิทธิภาพยังคงเป็นเพียงข้อมูลจากการทดสอบเบื้องต้นของบริษัทเท่านั้น

9 เดือนถึงการเทปเอาท์ การสร้างชิปด้วยความช่วยเหลือของ AI กลายเป็นอีกหนึ่งเส้นทาง

Jalapeño ยังมีรายละเอียดที่ถูกเน้นย้ำอย่างเป็นทางการอีกประการหนึ่ง: ตั้งแต่การออกแบบเริ่มต้นจนถึงการเทปเอาท์เพื่อการผลิตใช้เวลาเพียง 9 เดือน เวลานี้ไม่เท่ากับวงจรการผลิตเต็มรูปแบบ แต่หมายถึงความเร็วที่การออกแบบชิปเข้าสู่ขั้นตอนการเตรียมการผลิต

ในการพัฒนาชิปแบบดั้งเดิม ตั้งแต่การออกแบบสถาปัตยกรรม การตรวจสอบ กระบวนการ EDA ไปจนถึงการเทปเอาท์ มักต้องใช้ระยะเวลาที่ยาวนาน OpenAI ระบุว่ากระบวนการนี้ได้รับการเร่งความเร็วโดยโมเดลของบริษัท บริษัทพยายามพิสูจน์ว่า AI ไม่เพียงแต่เขียนโค้ดหรือสร้างเนื้อหาได้ แต่ยังสามารถเข้าสู่กระบวนการทางวิศวกรรมฮาร์ดแวร์ เพื่อช่วยลดเวลาในการออกแบบและตรวจสอบชิป

หากวิธีการนี้สามารถนำกลับมาใช้ใหม่ในผลิตภัณฑ์รุ่นต่อๆ ไป Jalapeño จะไม่ใช่แค่ชิปรุ่นเดียว แต่จะเป็นจุดเริ่มต้นของแพลตฟอร์มการคำนวณแบบกำหนดเองหลายรุ่นของ OpenAI ก่อนหน้านี้ OpenAI และ Broadcom ได้ประกาศความร่วมมือด้านตัวเร่ง AI แบบกำหนดเองระดับ 10GW ในเดือนตุลาคม 2025 โดยวางแผนที่จะเริ่มปรับใช้ตั้งแต่ครึ่งหลังของปี 2026 และทำให้เสร็จสิ้นภายในสิ้นปี 2029 Jalapeño เป็นตัวอย่างแรกของความร่วมมือนี้ที่เข้าสู่ขั้นตอนผลิตภัณฑ์สาธารณะ

อย่างไรก็ตาม ความเร็วในการออกแบบไม่ได้หมายถึงความเร็วในการปรับใช้ Jalapeño จะสามารถเข้าสู่โครงสร้างพื้นฐานหลักของ OpenAI ได้หรือไม่นั้น ยังต้องขึ้นอยู่กับการผลิตจำนวนมาก การบรรจุ การจัดหาหน่วยความจำแบนด์วิดท์สูง การรวมระบบเซิร์ฟเวอร์ และการจัดตารางเวลาของศูนย์ข้อมูลในขั้นตอนถัดไป หากเกิดคอขวดในขั้นตอนใด อาจส่งผลกระทบต่อจังหวะการปรับใช้เบื้องต้นก่อนสิ้นปี

การลดการพึ่งพา NVIDIA คือทิศทาง แต่ยังไม่ใช่การทดแทนที่สมบูรณ์

Jalapeño มักถูกตลาดตีความว่าเป็น "OpenAI ท้าทาย NVIDIA" แต่ที่ถูกต้องกว่าคือ OpenAI เริ่มมองหาเส้นทางที่กำหนดเองนอกเหนือจาก NVIDIA สำหรับภาระงานด้านการอนุมานบางส่วน

ข้อได้เปรียบของ NVIDIA ไม่ได้อยู่แค่ประสิทธิภาพของ GPU แต่ละตัวเท่านั้น แต่ยังรวมถึงระบบนิเวศ CUDA, ชุดเครื่องมือสำหรับการฝึกและอนุมาน, การเชื่อมต่อระหว่างระบบในระดับสถาปัตยกรรม, ฐานนักพัฒนา และขนาดการจัดส่ง แม้ว่า OpenAI จะปรับใช้ Jalapeño ได้สำเร็จ ก็จะไม่สามารถหลุดพ้นจากการพึ่งพา NVIDIA ได้ในทันที โดยเฉพาะอย่างยิ่งในการฝึกโมเดลขนาดใหญ่ระดับ前沿, การวิจัยและพัฒนาทั่วไป และภาระงานที่หลากหลาย GPU ระดับสูงยังคงเป็นโครงสร้างพื้นฐานที่สำคัญ

ส่วนการอนุมานเหมาะสำหรับการ切入ด้วยชิปที่กำหนดเองมากกว่า เนื่องจากรูปแบบคำขอค่อนข้างคงที่ โครงสร้างโมเดลควบคุมได้ง่ายกว่า และเป้าหมายการให้บริการชัดเจนกว่า หาก OpenAI สามารถย้ายภาระงานการอนุมานที่เกิดขึ้นบ่อยและเป็นมาตรฐานจาก ChatGPT, Codex หรือ API ไปยัง Jalapeño ก็อาจได้รับประโยชน์จริงในด้านต้นทุนและความยืดหยุ่นในการจัดหา

สำหรับ Broadcom การที่ยักษ์ใหญ่ด้าน AI พัฒนาชิปเองไม่ได้หมายความว่าบริษัทชิปจะถูก bypass กลับกันจะนำมาซึ่งโครงการที่กำหนดเองมากขึ้น อย่างไรก็ตาม ศักยภาพในการทำกำไรของโครงการประเภทนี้ยังคงขึ้นอยู่กับต้นทุนส่วนประกอบ ขนาดการจัดส่ง และความซับซ้อนของระบบ โดยเฉพาะราคาและความพร้อมของส่วนประกอบสำคัญ เช่น หน่วยความจำแบนด์วิดท์สูง

สิ่งที่ Jalapeño ต้องตอบจริงๆ ต่อไป ไม่ใช่การเทียบชั้นกับ Blackwell หรือ TPU ในตอนเปิดตัว แต่คือขนาดการใช้งานจริงภายในสิ้นปี ภาระงานจริงที่สามารถรองรับได้ และระดับที่สามารถลดต้นทุนการอนุมานลงได้ สำหรับ OpenAI "พริกขี้หนูเม็กซิกัน" นี้เป็นเพียงการลองชิมครั้งแรกเพื่อหลุดพ้นจากคอขวดของ GPU ว่าจะกลายเป็นเมนูหลักได้หรือไม่ ต้องรอข้อมูลการปรับใช้มาเป็นเครื่องพิสูจน์

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia