'ไมโครชิป' มองเทรนด์ AI สร้างจุดเปลี่ยน 'ชิป-คลาวด์-ดาต้าเซนเตอร์'

การพัฒนาเทคโนโลยีปัญญาประดิษฐ์ (AI) ที่ขยายตัวอย่างรวดเร็ว กำลังเปลี่ยนโครงสร้างอุตสาหกรรมเซมิคอนดักเตอร์และระบบประมวลผลทั่วโลก

จากเดิมที่การประมวลผล AI พึ่งพาศูนย์ข้อมูลและคลาวด์เป็นหลัก ไปสู่การทำงานบนอุปกรณ์ปลายทางหรือ Edge Computing มากขึ้น เพื่อรองรับความต้องการด้านความเร็ว ความเป็นส่วนตัวของข้อมูล และต้นทุนการใช้งาน

ดีน ลีโอ ผู้จัดการฝ่ายการตลาดอาวุโส หน่วยธุรกิจ Edge AI บริษัท ไมโครชิป เทคโนโลยี จำกัด (Microchip) กล่าวว่า การพัฒนา AI ในปัจจุบันไม่ได้จำกัดอยู่เพียง Cloud AI หรือ Edge AI ฝั่งใดฝั่งหนึ่ง

แต่ทั้งสองเทคโนโลยีจะทำงานร่วมกันในลักษณะสถาปัตยกรรมแบบไฮบริด เพื่อให้เหมาะสมกับลักษณะงานและข้อจำกัดของแต่ละระบบ

เขาระบุว่า Cloud AI ยังคงเป็นโครงสร้างพื้นฐานสำคัญสำหรับการฝึกฝนโมเดล การอัปเดตโมเดล และการประมวลผลที่ต้องใช้ทรัพยากรจำนวนมาก โดยเฉพาะงานที่ต้องการสมรรถนะระดับสูง อย่างไรก็ตาม การใช้งานคลาวด์อาจไม่สามารถตอบโจทย์ได้ในทุกกรณี ทั้งในด้านการเชื่อมต่อ พลังงาน และต้นทุน

ขณะที่ Edge AI จะเน้นการประมวลผลในระดับอุปกรณ์ปลายทาง ซึ่งช่วยให้ระบบตอบสนองได้ทันที ลดความหน่วงในการทำงาน และสามารถออกแบบให้เหมาะสมกับข้อจำกัดด้านพลังงาน หน่วยความจำ การเชื่อมต่อ และขนาดอุปกรณ์ได้มากกว่า

ประสิทธิภาพของ AI จะค่อย ๆ กระจายจากศูนย์กลางเครือข่ายไปสู่อุปกรณ์ปลายทางมากขึ้นในอนาคต

พร้อมระบุว่า แนวโน้มสำคัญของอุตสาหกรรมในระยะต่อไป คือการผสาน Edge AI และ Cloud AI เพื่อให้เหมาะกับการใช้งานเฉพาะด้านของแต่ละองค์กร

ปรับกลยุทธ์ชิป รับดีมานด์ AI

สำหรับกลยุทธ์ด้านชิป ลีโอวิเคราะห์ว่า อุปกรณ์ประมวลผลแต่ละประเภทมีจุดเด่นและตลาดที่แตกต่างกัน การกำหนดทิศทางผลิตภัณฑ์ต้องอาศัยการวิเคราะห์ความต้องการของตลาด การหารือกับลูกค้า และการประเมินศักยภาพการแข่งขันในแต่ละอุตสาหกรรม

การเติบโตของ AI ทำให้ความต้องการชิปมีความหลากหลายมากขึ้น ตั้งแต่อุปกรณ์ราคาประหยัดสำหรับงาน Edge AI ไปจนถึงระบบประมวลผลสมรรถนะสูงสำหรับดาต้าเซ็นเตอร์

นอกจากฮาร์ดแวร์ ซอฟต์แวร์และเครื่องมือสำหรับนักพัฒนามีบทบาทสำคัญต่อการขยายระบบนิเวศ AI โดยเฉพาะในตลาด Edge AI

ผู้พัฒนาซอฟต์แวร์มีบทบาทต่อการเลือกแพลตฟอร์มฮาร์ดแวร์มากขึ้น โดยเฉพาะในยุค Edge AI ที่การออกแบบระบบต้องอาศัยการทำงานร่วมกันระหว่างฮาร์ดแวร์และซอฟต์แวร์อย่างใกล้ชิด

เผชิญแรงกดดันด้านพลังงาน

ในมุมมองต่อทิศทางศูนย์ข้อมูล AI ปี 2569 ลีโอระบุว่า อุตสาหกรรมกำลังเผชิญแรงกดดันสำคัญจากความต้องการประสิทธิภาพการประมวลผลที่เพิ่มขึ้นควบคู่กับข้อจำกัดด้านพลังงาน

การลงทุนของผู้ให้บริการคลาวด์รายใหญ่ หรือ Hyperscalers กำลังเร่งการก่อสร้างศูนย์ข้อมูลแห่งใหม่จำนวนมาก ซึ่งแต่ละแห่งอาจต้องใช้กำลังไฟฟ้าระดับหลายกิกะวัตต์ รวมถึงระบบระบายความร้อนด้วยของเหลวที่มีความหนาแน่นสูงมากขึ้น

แนวโน้มดังกล่าวทำให้ผู้ผลิตชิปและอุปกรณ์โครงสร้างพื้นฐานมีบทบาทเพิ่มขึ้น ทั้งในด้านการจัดการพลังงาน ระบบวัดการไหลของของเหลว การตรวจจับการรั่วไหล และระบบความปลอดภัยสำหรับแบตเตอรี่ รวมถึงการป้องกันภาวะความร้อนสูงเกินควบคุม

ขณะเดียวกัน ความต้องการด้านเครือข่ายและการเชื่อมต่อภายในศูนย์ข้อมูล AI ก็เพิ่มขึ้นตามปริมาณข้อมูลและภาระการประมวลผล

ทิศทางดังกล่าวสะท้อนว่า การแข่งขันในอุตสาหกรรม AI ไม่ได้จำกัดอยู่เพียงโมเดลหรือซอฟต์แวร์ แต่ครอบคลุมถึงโครงสร้างพื้นฐานด้านพลังงาน เครือข่าย และโครงสร้างพื้นฐานฮาร์ดแวร์ที่รองรับการขยายตัวของระบบ AI ขนาดใหญ่

มอง ‘Physical AI’ เป็นโอกาสระยะยาว

อีกแนวโน้มที่เริ่มชัดขึ้นคือ Generative AI กำลังผลักดันให้การประมวลผล AI เคลื่อนออกจากศูนย์ข้อมูลไปยังอุปกรณ์ปลายทางมากขึ้น ทั้งอุปกรณ์ IoT สมาร์ตโฟน และรถยนต์

ปัจจัยสำคัญมาจากความต้องการลดความหน่วงในการทำงาน ความจำเป็นด้านเสถียรภาพการเชื่อมต่อ การรักษาความเป็นส่วนตัวของข้อมูล และการลดต้นทุนแบนด์วิดท์ของระบบคลาวด์

อีกหนึ่งแนวโน้มที่บริษัทให้ความสำคัญ คือ Physical AI หรือ AI ที่ทำงานร่วมกับอุปกรณ์ทางกายภาพ เช่น หุ่นยนต์ โดรน และยานยนต์อัตโนมัติ

ลีโอระบุว่า เทคโนโลยีกลุ่มนี้จะขยายตัวต่อเนื่องในช่วงสองทศวรรษข้างหน้า และเข้าไปอยู่ในกิจกรรมประจำวันของผู้คนมากขึ้น ทั้งในบ้าน ระบบขนส่ง การศึกษา และภาคอุตสาหกรรม

การเติบโตของ Physical AI จะทำให้ความต้องการเทคโนโลยีด้านการประมวลผล การเชื่อมต่อ ความปลอดภัย และการจัดการพลังงานเพิ่มขึ้นพร้อมกัน ซึ่งเป็นปัจจัยที่กำลังเปลี่ยนทิศทางของอุตสาหกรรมเซมิคอนดักเตอร์ทั่วโลกในระยะยาว