กูเกิลต้องการฝัง Gemini ลงในชิป ความกดดันด้านค่าใช้จ่าย AI จะมีทางออกหรือยัง?

TL;DR

· The Information ระบุว่า Google กำลังสำรวจชิปประมวลผลเฉพาะสำหรับ Gemini ที่ใช้รหัสภายในว่า Frozen v2 ซึ่งอาจเริ่มใช้งานได้เร็วที่สุดในปี 2028

· ประเด็นที่ถกเถียงกันคือ การฝังโครงสร้างโมเดลไว้ในฮาร์ดแวร์จะสามารถชดเชยความยืดหยุ่นที่ลดลงและความเสี่ยงด้านเวลาได้หรือไม่

· สินทรัพย์ที่เกี่ยวข้อง: Alphabet, NVIDIA, ห่วงโซ่ชิปที่พัฒนาเองของผู้ให้บริการคลาวด์, โครงสร้างพื้นฐานด้านประสิทธิภาพการใช้พลังงานของ AI

Google กำลังสำรวจชิป AI สำหรับเซิร์ฟเวอร์ ซึ่งมีชื่อรหัสภายในว่า Frozen v2 โดยมีเป้าหมายเพื่อรวมองค์ประกอบบางส่วนของโมเดล Gemini เข้ากับฮาร์ดแวร์โดยตรง เพื่อเพิ่มประสิทธิภาพในการประมวลผล หลังจากมีข่าวนี้ หุ้น Alphabet ปรับตัวขึ้นกว่า 3% ระหว่างการซื้อขายวันที่ 20 กรกฎาคม แต่ปิดตลาดโดยเพิ่มขึ้นน้อยลง

ประเด็นสำคัญของข่าวนี้ไม่ใช่แค่ Google จะทำชิปที่พัฒนาขึ้นเองอีกตัว นักลงทุนกังวลมากขึ้นว่า หลังจากที่บริการ AI มีราคาแพงขึ้น Alphabet จะสามารถลดแรงกดดันด้านไฟฟ้า พลังประมวลผล และพื้นที่เซิร์ฟเวอร์ต่อการตอบคำถามแต่ละครั้งได้หรือไม่ โดยไม่ต้องพึ่งพาการเพิ่มรายจ่ายด้านทุนเพียงอย่างเดียว แต่ใช้การผูกโมเดลกับฮาร์ดแวร์

เป้าหมายที่รายงานไว้มีความท้าทาย Frozen v2 หวังว่าจะเพิ่มจำนวน token ที่ให้บริการต่อหน่วยพลังงานได้ 6 ถึง 10 เท่า เมื่อเทียบกับ TPU ที่มีอยู่หรือรุ่นล่าสุดตามรายงาน token สามารถเข้าใจคร่าวๆ ได้ว่าเป็นหน่วยพื้นฐานที่ AI ใช้ประมวลผลข้อความ ตัวเลขนี้ยังคงเป็นเป้าหมายของโครงการที่ยังไม่เปิดเผย ไม่ใช่ผลลัพธ์การผลิตที่ได้รับการยืนยันจาก Google

ราคาหุ้นซื้อขายจากจินตนาการของเส้นต้นทุน

ตลาดปรับตัวขึ้นก่อน ไม่ใช่การซื้อขายจากผลประกอบการระยะสั้น แต่เป็นทางเลือกด้านต้นทุนในระยะยาว นักลงทุน AI ในตอนนี้มีความอ่อนไหวมากที่สุดต่อคำถามว่ารายจ่ายด้านทุนของบริษัทโมเดลใหญ่จะยังคงเพิ่มขึ้นหรือไม่ และอัตรากำไรของธุรกิจคลาวด์จะถูกกัดกร่อนจากต้นทุนการประมวลผลอย่างต่อเนื่องหรือไม่

แรงกดดันที่ Google เผชิญนั้นไม่ใช่เรื่องนามธรรม รายงานเดียวกันระบุว่า โครงการนี้มีเป้าหมายเพื่อบรรเทาการขาดแคลนกำลังการประมวลผล AI และ Google Cloud เคยปฏิเสธสัญญาภายนอกบางส่วนเนื่องจากปัญหากำลังการผลิต ไม่ว่าการขาดแคลนกำลังการผลิตนี้จะผลักดันให้เกิด Frozen v2 โดยตรงหรือไม่ มันก็แสดงให้เห็นถึงการเปลี่ยนแปลง: พลังประมวลผลไม่ได้เป็นเพียงการลงทุนเพื่อการเติบโตอีกต่อไป แต่ยังกลายเป็นข้อจำกัดในการสร้างรายได้

เมื่อผู้ใช้ทั่วไปถามคำถามกับ Gemini เบื้องหลังคือการใช้พลังประมวลผลในการอนุมาน ยิ่งโมเดลใหญ่ ผู้ใช้มาก และคำตอบยาว ศูนย์ข้อมูลก็ต้องการชิป ไฟฟ้า และระบบทำความเย็นมากขึ้น สำหรับนักลงทุน สิ่งนี้จะส่งผลต่อรายจ่ายด้านทุน อัตรากำไรของบริการคลาวด์ และการกำหนดราคาบริการโมเดลในที่สุด

ความหมายของ Frozen v2 ในตลาด ไม่ใช่แค่ "Google จะแก้ปัญหาขาดแคลนพลังประมวลผลได้ทันที" แต่มันเหมือนกับเส้นทางเทคโนโลยีระยะยาวที่ Alphabet วางไว้: ถ้าทุกวัตต์ของพลังงานสามารถรองรับโทเค็นได้มากขึ้น Google ก็จะมีโอกาสรองรับคำขอ AI ได้มากขึ้นภายใต้ข้อจำกัดด้านพลังงานและพื้นที่เซิร์ฟเวอร์เท่าเดิม

การเขียนโมเดลลงในวงจร ช่วยประหยัดการย้ายข้อมูลและการจัดสรร

หัวใจของ Frozen v2 คือการเขียนโค้ดแบบตายตัว (Hard-coded) ลองนึกภาพว่าชิปทั่วไปเหมือนห้องครัวอเนกประสงค์ที่ทำอาหารได้ทุกอย่าง แต่ Frozen v2 เหมือนกับการเขียนสูตรอาหารบางส่วนของ Gemini ลงในเตาโดยตรง ลดขั้นตอนการค้นหาสูตร การย้ายอุปกรณ์ และการปรับเปลี่ยนกระบวนการชั่วคราว

การอนุมาน AI ไม่ใช่แค่การคำนวณ แต่ยังรวมถึงการย้ายข้อมูลและการจัดสรรจำนวนมาก เมื่อโมเดลทำงาน ชิปต้องอ่านพารามิเตอร์อย่างต่อเนื่อง จัดเส้นทางการคำนวณ และย้ายข้อมูลระหว่างชั้นหน่วยความจำต่างๆ การกระทำเหล่านี้ใช้พลังงานและเวลา รวมถึงกินทรัพยากรของชิป

ถ้าโครงสร้างของโมเดลบางตัวมีความเสถียรมากพอ ก็อาจถูกทำให้เป็นวงจรตายตัวได้ ข้อดีคือเส้นทางสั้นลง การจัดสรรน้อยลง และการใช้พลังงานลดลง ข้อเสียก็ตรงไปตรงมา เมื่อชิปถูกออกแบบตามโครงสร้างโมเดลหนึ่งแล้ว ก็จะไม่สามารถปรับให้เข้ากับโมเดลใหม่ๆ ได้ง่ายเหมือน GPU หรือ TPU

ดังนั้นเป้าหมายประสิทธิภาพที่เพิ่มขึ้น 6 ถึง 10 เท่าต้องแยกพิจารณา มันหมายถึงจำนวนโทเค็นที่บริการได้ต่อหน่วยพลังงาน ไม่ได้หมายความว่าต้นทุนรวมของศูนย์ข้อมูล Google ในอนาคตจะลดลง 6 ถึง 10 เท่า ชิปจริง โหลดจริง และขนาดการปรับใช้จริง จะเปลี่ยนความหมายทางการเงินของตัวเลขนี้

ตารางเวลาก็ต้องลดความคาดหวังลงเช่นกัน รายงานระบุว่า Frozen v2 อาจถูกปรับใช้เร็วที่สุดในปี 2028 และรายละเอียดโครงการยังอยู่ระหว่างการกำหนด ก่อนหน้านั้น ผลกระทบต่อมูลค่า Alphabet ใกล้เคียงกับออปชั่นระยะยาว มากกว่าการปรับปรุงต้นทุนที่สามารถบันทึกในงบกำไรขาดทุนได้

ชิปเฉพาะทางท้าทายแนวคิดทั่วไป แต่ไม่ได้หมายถึงการแทนที่

สิ่งที่ Frozen v2 น่าสนใจคือมันนำความขัดแย้งของเส้นทางชิป AI มาสู่แถวหน้า: ความเป็นทั่วไปและประสิทธิภาพสูงสุดนั้นยากที่จะเพิ่มสูงสุดพร้อมกัน ในช่วงไม่กี่ปีที่ผ่านมา ข้อดีของ GPU และ TPU คือการปรับให้เข้ากับโมเดลและโหลดงานต่างๆ โดยเฉพาะในช่วงที่โมเดลพัฒนาอย่างรวดเร็ว

Google กำลังสำรวจเส้นทางที่รุนแรงกว่านี้ เนื่องจาก Gemini เป็นโมเดลเรือธงของตัวเอง ทำไมไม่ออกแบบชิปอนุมานที่เฉพาะเจาะจงมากขึ้นสำหรับมัน? เมื่อการอนุมาน AI เปลี่ยนจากการสาธิตเป็นการบริการประจำวัน การปรับปรุงประสิทธิภาพจึงไม่ใช่แค่ตัวชี้วัดทางวิศวกรรม แต่เป็นส่วนหนึ่งของโมเดลธุรกิจ

สิ่งนี้จะสร้างความท้าทายเล็กน้อยต่อเรื่องราวของ NVIDIA แต่ยังไม่ถึงขั้น "วิกฤต NVIDIA" คูเมืองของ NVIDIA ยังคงอยู่ในระบบนิเวศทั่วไป ชุดเครื่องมือซอฟต์แวร์ และคลัสเตอร์ฝึกอบรม ถ้า Frozen v2 มีคุณค่า ก็คงเป็นการลดการพึ่งพาพลังประมวลผลทั่วไปในสถานการณ์การอนุมาน Gemini เฉพาะของ Google มากกว่า

นอกจากนี้ยังไม่ได้หมายความว่า TPU จะถูกทำให้มีความสำคัญน้อยลง ตามรายงาน Frozen v2 เป็นสาขาใหม่ที่แยกออกจาก TPU ซึ่ง更像是เครื่องมือที่ปรับแต่งให้เหมาะสมสำหรับตระกูล Gemini โดยเฉพาะ TPU ยังคงรับหน้าที่ฝึกอบรมและอนุมานที่กว้างขวางกว่า ให้บริการโมเดลและลูกค้าคลาวด์ที่หลากหลาย

การประเมินที่แม่นยำกว่าคือ เมื่อโมเดลใดมีความสำคัญมากพอ ปริมาณการเรียกใช้มากพอ และสถาปัตยกรรมมีความเสถียรมากพอ ชิปเฉพาะทางจะเริ่มมีความน่าสนใจในเชิงเศรษฐศาสตร์ นี่ไม่ใช่สัญญาณว่าอุตสาหกรรมจะเปลี่ยนไปใช้ชิปเฉพาะทางทั้งหมด แต่เป็นจุดเริ่มต้นที่บริษัทโมเดลชั้นนำเริ่มคำนวณต้นทุนสำหรับสถานการณ์การอนุมานที่มีความถี่สูงแยกต่างหาก

ความเสถียรของ Gemini กำหนดมูลค่าของออปชันนี้

ความเสี่ยงที่ใหญ่ที่สุดของ Frozen v2 ไม่ได้อยู่ที่ว่าทีมฮาร์ดแวร์จะสามารถสร้างวงจรที่มีประสิทธิภาพมากขึ้นได้หรือไม่ แต่อยู่ที่ว่าสถาปัตยกรรมพื้นฐานของ Gemini จะเสถียรพอที่จะถูกบันทึกลงในชิปหรือไม่ โมเดล AI ยังคงพัฒนาอย่างรวดเร็ว โครงสร้างที่ดีที่สุดในวันนี้อาจไม่ใช่ทางออกที่ดีที่สุดในอีกสองปีข้างหน้า

หาก Gemini มีการเปลี่ยนแปลงสถาปัตยกรรมครั้งใหญ่ในอนาคต Frozen v2 อาจต้องออกแบบใหม่ ซึ่งจะยืดระยะเวลาและลดข้อได้เปรียบด้านต้นทุนจากการเขียนโค้ดแบบตายตัว ยิ่งมีความเฉพาะทางมากเท่าไร ศักยภาพด้านประสิทธิภาพก็ยิ่งมากขึ้นเท่านั้น แต่ต้นทุนจากการถูกล็อกเส้นทางเทคโนโลยีก็สูงขึ้นตามไปด้วย

สิ่งที่ตลาดต้องพิสูจน์คือ เส้นทางนี้จะสามารถเปลี่ยนจากแนวคิดโครงการในระยะแรกไปสู่จุดสำคัญทางวิศวกรรมที่แข็งแกร่งขึ้นได้หรือไม่ เส้นทางอย่างเป็นทางการ ความคืบหน้าในการผลิตชิป เวลาในการผลิตจำนวนมาก ประสิทธิภาพการใช้พลังงานที่รายงาน และขนาดการปรับใช้ จะเป็นตัวกำหนดว่ามันจะเป็นจุดยึดใหม่ของเส้นต้นทุนของ Alphabet หรือเป็นการทดลองระยะไกลที่ถูกประเมินมูลค่าล่วงหน้าไปแล้ว

สำหรับ Alphabet ความหมายของ Frozen v2 ในปัจจุบันคือการทำให้ตลาดเห็นว่าแรงกดดันด้านการใช้จ่าย AI ไม่จำเป็นต้องตอบสนองด้วยการเพิ่มรายจ่ายด้านทุนเท่านั้น แต่ก่อนปี 2028 มันยังคงเป็นเหมือนออปชัน สิ่งที่สามารถเปลี่ยนมูลค่าได้จริงไม่ใช่ชื่อรหัส แต่คือว่าชิปนี้จะสามารถเปลี่ยนการเรียกใช้ Gemini ที่มีความถี่สูงให้เป็นการลดต้นทุนที่วัดผลได้หรือไม่

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

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

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

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