นวัตกรรมและเทคโนโลยี AI ของ Jensen Huang ผู้ก่อตั้งและประธานเจ้าหน้าที่บริหาร NVIDIA ได้เผยแพร่บทความในบล็อกทางการของบริษัท โดยใช้เปรียบเทียบโครงสร้าง AI เป็น “เค้ก 5 ชั้น” ซึ่งประกอบด้วย พลังงาน → ชิป → โครงสร้างพื้นฐาน → โมเดล → การใช้งาน และชี้ให้เห็นว่าในปัจจุบันยังอยู่ในช่วงเริ่มต้นมากที่สุด
(ข้อมูลเบื้องต้น: พลังการคำนวณคือกษัตริย์! Huang พูดถึงวิธีที่ AI จะสร้างการเปลี่ยนแปลงในห่วงโซ่คุณค่าทั่วโลก และเมื่อไรหุ่นยนต์จะเป็นที่แพร่หลาย)
(ข้อมูลเสริม: Huang กล่าวว่า พลังงานนิวเคลียร์เป็น “ตัวเลือกที่ดีในการจ่ายไฟศูนย์กลางสำหรับพลังการคำนวณ AI” และสหรัฐฯ คาดว่าจะขยายโรงไฟฟ้านิวเคลียร์เป็น 3 เท่า)
สารบัญบทความ
Toggle
Huang ไม่ค่อยเขียนด้วยตัวเอง แต่คราวนี้เขาได้เขียนบทความลงในบล็อก NVIDIA อย่างเป็นทางการ เพื่อพยายามตอบคำถามที่คนถามมากขึ้นเรื่อย ๆ: AI คืออะไร? ทำไมมันถึงสำคัญ? โครงสร้างภาพรวมของมันเป็นอย่างไร?
คำตอบของ Huang เป็นการเปรียบเทียบ: เค้ก 5 ชั้น
ในกรอบความคิดของเขา AI ไม่ใช่แค่แอปพลิเคชันฉลาด ๆ แต่เป็นโครงสร้างพื้นฐานเช่นเดียวกับไฟฟ้าหรืออินเทอร์เน็ต ซึ่งเปลี่ยนวัตถุดิบให้กลายเป็นความสามารถอัจฉริยะในระดับใหญ่ “ทุกบริษัทจะใช้ AI ทุกประเทศจะสร้าง AI”
Huang เริ่มอธิบายความแตกต่างพื้นฐานระหว่าง AI กับการคำนวณแบบเดิม ซอฟต์แวร์แบบเดิมเป็น “ล่วงหน้า” โดยมนุษย์เขียนอัลกอริทึมและคอมพิวเตอร์ทำตามคำสั่ง กฎเกณฑ์ทั้งหมดถูกกำหนดไว้ในช่วงการเขียนโปรแกรม
แต่ AI ทำลายรูปแบบนี้ มันเป็นครั้งแรกที่คอมพิวเตอร์สามารถจัดการข้อมูลที่ไม่มีโครงสร้าง เช่น การรู้จำภาพ การอ่านข้อความ การเข้าใจเสียง และการวิเคราะห์บริบท สิ่งสำคัญคือ AI สามารถ “สร้างปัญญาทันที” คำตอบแต่ละครั้งเป็นผลลัพธ์ใหม่ที่สร้างขึ้นในแต่ละครั้ง ขึ้นอยู่กับบริบทที่ให้ในขณะนั้น ไม่ใช่ตรรกะที่เขียนไว้ล่วงหน้า
การเปลี่ยนแปลงนี้มีขนาดเทียบเท่ากับการปฏิวัติอุตสาหกรรมในความสำคัญ
ชั้นที่ 1 — พลังงาน (Energy)
เป็นชั้นล่างสุดของเค้ก ซึ่งมักถูกมองข้าม Huang ชี้ให้เห็นว่าพลังงานเป็นข้อจำกัดพื้นฐานที่กำหนดว่าระบบ AI จะสามารถสร้างปัญญาได้มากน้อยเพียงใด ทุกคำที่สร้างขึ้น (token) เกี่ยวข้องกับการไหลของอิเล็กตรอน การจัดการความร้อน และการแปลงพลังงาน หากพลังงานไม่เพียงพอ ทุกชั้นบนก็จะถูกจำกัด นี่คือเหตุผลที่เขาเคยออกมาแสดงความเห็นว่าพลังงานนิวเคลียร์เป็นตัวเลือกที่ดีสำหรับศูนย์กลางพลังการคำนวณ AI
ชั้นที่ 2 — ชิป (Chips)
หน้าที่ของชิปคือแปลงพลังงานให้เป็นความสามารถในการคำนวณอย่างมีประสิทธิภาพ ลักษณะงานของ AI ต้องการการคำนวณแบบขนานจำนวนมาก หน่วยความจำความเร็วสูง การเชื่อมต่อแบบความเร็วสูง ซึ่งแตกต่างจากสถาปัตยกรรม CPU แบบเดิม
ความก้าวหน้าของเทคโนโลยีชิปโดยตรงส่งผลต่อความเร็วในการขยาย AI และต้นทุนของความฉลาดในแต่ละหน่วย
ชั้นที่ 3 — โครงสร้างพื้นฐาน (Infrastructure)
ชั้นนี้เรียกง่าย ๆ ว่า “โรงงาน AI” ซึ่งประกอบด้วยที่ดิน การส่งไฟฟ้า ระบบระบายความร้อน งานก่อสร้าง เครือข่าย และระบบบริหารจัดการที่ควบคุมให้เครื่องประมวลผลหลายหมื่นตัวทำงานพร้อมกัน Huang เน้นว่าการออกแบบโรงงาน AI มีเป้าหมายเพื่อ “ผลิตปัญญา” ไม่ใช่แค่ “เก็บข้อมูล” เหมือนศูนย์ข้อมูลแบบเดิม ซึ่งเป็นความแตกต่างเชิงคุณภาพอย่างชัดเจน
ชั้นที่ 4 — โมเดล (Models)
โมเดลเป็นตัวแทนความสามารถของ AI ครอบคลุมด้านภาษา ชีววิทยา เคมี ฟิสิกส์ การเงิน การแพทย์ และโลกแห่งความเป็นจริง Huang ชี้ให้เห็นทิศทางที่เปลี่ยนแปลงอย่างมาก เช่น AI สำหรับโปรตีน เคมี การจำลองฟิสิกส์ หุ่นยนต์ และระบบอัตโนมัติ
นอกจากนี้ เขายังเน้นความสำคัญของโมเดลโอเพ่นซอร์ส เช่น DeepSeek-R1 ซึ่งการแพร่หลายของโมเดลเปิดช่วยเร่งการนำไปใช้จริง และเพิ่มความต้องการพลังการคำนวณ โครงสร้างพื้นฐาน ชิป และพลังงานโดยรวม
ชั้นที่ 5 — การใช้งาน (Applications)
เป็นชั้นบนสุด ซึ่งเป็นจุดที่สร้างมูลค่าทางเศรษฐกิจอย่างแท้จริง เช่น แพลตฟอร์มพัฒนายา หุ่นยนต์อุตสาหกรรม ผู้ช่วยด้านกฎหมาย ระบบขับเคลื่อนอัตโนมัติ แอปพลิเคชันเหล่านี้ทำให้ความสามารถของ AI กลายเป็นรูปธรรมในเครื่องจักรหรือภารกิจเฉพาะ
Huang ยอมรับว่าปีที่ผ่านมา ความสามารถของโมเดลได้บรรลุระดับที่สามารถนำไปใช้ในวงกว้างได้แล้ว เช่น ความสามารถในการวิเคราะห์ การลดอาการ hallucination และความสามารถในการนำไปใช้จริงในด้านต่าง ๆ เช่น การพัฒนายา โลจิสติกส์ บริการลูกค้า การพัฒนาซอฟต์แวร์ และการผลิต
อย่างไรก็ตาม เขามองว่ายังมีโอกาสอีกมาก “โครงสร้างพื้นฐานจำนวนมากยังไม่ถูกสร้างขึ้น แรงงานจำนวนมากยังไม่ได้รับการฝึกฝน โอกาสยังรออยู่” ซึ่งหมายความว่าการลงทุนในตอนนี้ไม่ใช่เพื่อไล่ตาม แต่เป็นการวางรากฐาน แต่ละชั้นในเค้ก 5 ชั้น ยังมีช่องว่างอีกมากที่รอการเติมเต็ม