เหวินเจิ้ง หวัง ยืนยันว่า ยุโรปต้องกลายเป็นผู้ผลิต AI เพื่อส่งเสริมการพัฒนาโครงสร้างพื้นฐานและเพิ่มขีดความสามารถในการแข่งขัน

·โดย Henderson·AI
เหวินเจิ้ง หวัง ยืนยันว่า ยุโรปต้องกลายเป็นผู้ผลิต AI เพื่อส่งเสริมการพัฒนาโครงสร้างพื้นฐานและเพิ่มขีดความสามารถในการแข่งขัน

ในการประชุม GTC (GPU Technology Conference) ที่ผ่านมา เหวินเจิ้ง หวัง ได้สำรวจความหมายของปัญญาประดิษฐ์อีกครั้ง เขาได้สร้างแนวคิด "เค้กห้าชั้น" ขึ้น โดยชี้ให้เห็นว่าพลังงานเป็นสิ่งที่จ่ายไฟให้กับคอมพิวเตอร์ขั้นสูง ซึ่งคอมพิวเตอร์เหล่านี้จะสร้างโรงงาน AI; โมเดลที่ทำงานในโรงงานจะสร้างโทเค็น ซึ่งก็คือปัญญาดิจิทัล จากนั้นจะนำไปใช้ในแอปพลิเคชันต่างๆ เขายังกล่าวว่า "การเข้าร่วมในเศรษฐกิจ AI ต้องกลายเป็นผู้ผลิต AI การบริโภค AI เป็นเพียงส่วนหนึ่งเท่านั้น"

เหวินเจิ้ง หวัง ชี้ให้เห็นว่าโครงสร้างอุตสาหกรรม AI ในยุโรปมีความแตกต่างอย่างมีนัยสำคัญจากสหรัฐอเมริกาและจีน AI ในยุโรปถูกนำไปใช้ในแอปพลิเคชันทางอุตสาหกรรมมากกว่า เช่น การออกแบบรถยนต์ การผลิต และการวิจัยพัฒนายา ซึ่งเป็นสถานการณ์การพัฒนา AI ที่สำคัญ เนื่องจากยุโรปมีพื้นฐานอุตสาหกรรมที่มั่นคง ทำให้มีลักษณะเฉพาะในการใช้ AI อย่างไรก็ตาม ในด้านโมเดลขนาดใหญ่และแพลตฟอร์มคลาวด์ ยุโรปกลับพึ่งพาบริษัทในสหรัฐอเมริกา โดยการเรียกใช้โมเดลภายนอกเพื่อตอบสนองความต้องการในการใช้ AI อย่างรวดเร็ว แม้ว่านี่จะช่วยแก้ปัญหาระยะสั้นได้ แต่การใช้โมเดลภายนอกมีค่าใช้จ่ายสูง และบริษัทในสหรัฐอเมริกายังมีสิทธิ์ในการเข้าถึงข้อมูลของบริษัทในท้องถิ่น ซึ่งสร้างความขัดแย้งกับการใช้ AI ในการจัดการข้อมูลอุตสาหกรรม ทำให้ความปลอดภัยยากที่จะรับประกัน

แนวคิดผู้ผลิต AI ของเหวินเจิ้ง หวัง มีผลกระทบต่อยุโรป

แนวคิดการเป็นผู้ผลิต AI ที่เหวินเจิ้ง หวัง กล่าวถึงนั้น ตรงกับความต้องการในการเปลี่ยนแปลงสถานการณ์ AI ที่ยุโรปกำลังเผชิญอยู่ เขาได้เสนอแนวทางแก้ไขในแต่ละชั้นของ "เค้กห้าชั้น" โดยเฉพาะในด้านการสร้างโรงงาน AI เขาย้ำว่าหน้าที่สำคัญที่สุดในการเป็นผู้ผลิตคือการสร้างระบบในระดับต้นน้ำ ซึ่งรวมถึงโครงสร้างพื้นฐาน ในอุตสาหกรรม AI นี้จะรวมถึงชิป กำลังประมวลผล และบริการคลาวด์ เมื่อมีโครงสร้างพื้นฐานเหล่านี้แล้ว บริษัทสามารถใช้กำลังประมวลผลในท้องถิ่นและใช้ข้อมูลของตนเองในการฝึกโมเดล สำหรับข้อมูลที่ต้องการความลับ บริษัทก็สามารถอัปโหลดไปยังแพลตฟอร์มคลาวด์ในท้องถิ่นได้อย่างมั่นใจ

ด้วยวิธีนี้ บริษัทสามารถเพิ่มการควบคุมข้อมูลและกำลังประมวลผล ลดการพึ่งพาบริการภายนอก และลดค่าใช้จ่ายในการใช้โมเดลในอนาคต อย่างไรก็ตาม การสร้างโครงสร้างพื้นฐานเหล่านี้ไม่ใช่เรื่องง่าย ต้องพิจารณาหลายด้าน เช่น พลังงาน การระบายความร้อน การเชื่อมต่อ การติดตั้ง และการปรับแต่งในท้องถิ่น ซึ่งต้องใช้เวลา หากเริ่มจากศูนย์ ตั้งแต่การซื้ออุปกรณ์ การติดตั้งและปรับแต่ง จนถึงการใช้งาน อาจใช้เวลาหลายเดือน เหวินเจิ้ง หวัง กล่าวไว้ว่า "คุณคาดหวังรายได้ประจำปีอยู่ที่หลายร้อยล้านดอลลาร์? หากคำนวณตามรายได้ 40,000 ล้านดอลลาร์ต่อปี — โครงสร้างพื้นฐานนี้จะผลิตได้ 40,000 ล้านดอลลาร์ในหนึ่งปี — หากมีการล่าช้าเพียง 3 เดือน นั่นคือการสูญเสีย 10,000 ล้านดอลลาร์"

บริษัท NVIDIA ได้เสนอ DSX POD ซึ่งมีเป้าหมายเพื่อให้ผู้ใช้สามารถสร้างรายได้ได้เร็วขึ้น DSX POD จะย้ายการทำงานบางส่วนไปยังโรงงาน โดยรวม 7 แร็คคอมพิวเตอร์ที่มีการระบายความร้อนด้วยของเหลวและระบบที่เกี่ยวข้องไว้ในตู้คอนเทนเนอร์ที่สามารถขนส่งได้ และรับประกันว่าทุกสิ่งทำงานได้อย่างถูกต้องก่อนที่จะส่งมอบในสถานที่ ตามการคาดการณ์ของเขา เวลาจากการจัดส่งอุปกรณ์ไปจนถึงการ "ผลิตโทเค็น" สามารถลดลงจาก "4 ถึง 5 เดือน" เหลือ "ประมาณ 1 เดือน" ซึ่งไม่เพียงช่วยประหยัดค่าใช้จ่ายในการหยุดทำงานของอุปกรณ์ แต่ยังลดการสูญเสียจากการเลื่อนเวลาในการรับรายได้ นอกจากนี้ ทางการยังระบุว่าการจัดการพลังงานของ DSX จะช่วยลดความต้องการพลังงานได้สูงสุดถึง 30% เมื่อใช้ AI เดียวกัน

值得注意的是 การจัดการพลังงานยังเป็นอีกหนึ่งชั้นใน "เค้กห้าชั้น" ด้วย เมื่อความสามารถในการคำนวณของชิปยังคงเพิ่มขึ้น ความต้องการพลังงาน การระบายความร้อน และความเร็วในการติดตั้งอาจกลายเป็นอุปสรรคใหม่ ซึ่งเป็นเหตุผลที่ NVIDIA พิจารณาการสร้างโรงงาน เหวินเจิ้ง หวัง ย้ำว่า การช่วยยุโรปเปลี่ยนจากผู้บริโภค AI เป็นผู้ผลิต AI ต้องเริ่มจากศูนย์ และค่อยๆ แก้ไขปัญหาทุกด้านที่เกี่ยวข้องกับการใช้กำลังประมวลผลอย่างแท้จริง

ในด้านพลังงาน ยุโรปมีบริษัทพลังงานที่มีความเชี่ยวชาญ เช่น Schneider และ Siemens โดย Schneider Electric รับผิดชอบด้านการกระจายพลังงานและการระบายความร้อนด้วยของเหลว ส่วน Siemens จะประเมินผลกระทบจากความร้อน เสียง และโครงข่ายไฟฟ้า ขณะที่ Dassault Systemes จะเชื่อมโยงการออกแบบแร็คกับโรงงาน NVIDIA จะรับผิดชอบในการเสนอแนวทางการจัดการพลังงาน ความร่วมมือเช่นนี้ไม่เพียงช่วยให้ NVIDIA เข้าใจผลิตภัณฑ์ของตนได้ดีขึ้น แต่ยังนำมาซึ่งโอกาสทางธุรกิจใหม่ๆ ในขณะเดียวกัน บริษัทในยุโรปยังสามารถนำผลิตภัณฑ์และความสามารถในการวิศวกรรมที่มีอยู่ไปใช้ในการสร้างโครงสร้างพื้นฐานใหม่ ซึ่งไม่ใช่การ "บุกรุก" ของบริษัทอเมริกัน แต่เป็นการปฏิวัติด้านประสิทธิภาพที่เป็นประโยชน์ต่อทุกฝ่าย

นอกจากนี้ เหวินเจิ้ง หวัง ยังเสนอแนวคิดการทำงานร่วมกันในระบบนิเวศอุตสาหกรรม เช่น โมเดล การจำลอง และเครื่องมือพัฒนาอัจฉริยะ หากมีบริษัทใดต้องการจุดเริ่มต้นในการพัฒนาที่สูงขึ้น NVIDIA ก็พร้อมพิจารณาและเสนอผลิตภัณฑ์สำเร็จรูป แน่นอนว่า บริษัทในยุโรปไม่ได้เริ่มจากศูนย์ โดยมีซอฟต์แวร์อุตสาหกรรมที่มีอยู่ โมเดลที่พัฒนาขึ้นเอง และผลิตภัณฑ์ที่เหมาะสมจากผู้จำหน่ายอื่นๆ ที่สามารถยังคงอยู่ในระบบได้ บริษัทจะต้องเปรียบเทียบประสิทธิภาพ ค่าใช้จ่าย และความเข้ากันได้กับธุรกิจที่มีอยู่

ด้วยเหตุนี้ ฐานนิเวศของ NVIDIA ในยุโรปจึงมีรากฐานที่มั่นคง การสร้างโครงสร้างพื้นฐานรอบๆ NVIDIA จะสร้างนิเวศที่กว้างขวางในยุโรป เมื่อระบบนิเวศและความไว้วางใจเริ่มถูกสร้างขึ้น ผลิตภัณฑ์และประสบการณ์ที่ได้รับการตรวจสอบแล้วจะกลายเป็นเหตุผลในการใช้แนวทางนี้อย่างต่อเนื่อง สำหรับผู้ใช้ การปรับใช้ AI ในท้องถิ่นไม่เพียงลดค่าใช้จ่ายในการใช้งาน แต่ยังนำมาซึ่งโอกาสทางธุรกิจใหม่ๆ และสามารถรับผิดชอบด้านการกำกับดูแลได้ด้วยตนเอง

ความร่วมมือในท้องถิ่น ความไว้วางใจจากลูกค้า และการลงทุนในแบรนด์จะค่อยๆ สะสมขึ้น ในอนาคตที่กฎของมอร์จะชะลอตัวลง เทคโนโลยีอาจถูกตามทัน แต่หากมีพื้นฐานการทำงานร่วมกันที่แน่นแฟ้นเช่นนี้ จะกลายเป็นป้อมปราการทางธุรกิจที่ยากจะถูกทำลาย

เหวินเจิ้ง หวัง กล่าวในระหว่างการบรรยายว่า "หลังจากการพัฒนาในอุตสาหกรรมคอมพิวเตอร์มาหลายสิบปี เรากำลังอยู่ในจุดเริ่มต้นของการปฏิวัติอุตสาหกรรมครั้งใหม่" เขาย้อนกลับไปที่การปฏิวัติอุตสาหกรรมครั้งแรก โดยกล่าวถึงเครื่องปั่นด้ายเจนี ซึ่งเป็นการประดิษฐ์ที่โดดเด่นในช่วงต้น ที่ทำให้คนงานสามารถทำงานกับหลายๆ สปินเดิลได้พร้อมกัน เมื่อประสิทธิภาพการปั่นด้ายเพิ่มขึ้น ขนาดการผลิตขยายตัว และความต้องการวัตถุดิบเพิ่มขึ้น ก็เกิดการเปลี่ยนแปลงหลายอย่างขึ้น ซึ่งเริ่มจากอุตสาหกรรมสิ่งทอ และขยายไปยังวิธีการผลิตในสังคมทั้งหมด การเปลี่ยนแปลงในผลิตภาพมักจะเป็นเช่นนี้ ที่ดึงดูดการเปลี่ยนแปลงในทุกด้าน

ในปัจจุบัน โมเดลขนาดใหญ่เปรียบเสมือนเครื่องปั่นด้ายเจนี ซึ่งช่วยเพิ่มประสิทธิภาพการทำงานของคนธรรมดาในระดับต่างๆ เมื่อการมีส่วนร่วมของ AI ในการผลิตจริงเพิ่มขึ้น ขนาดการใช้งานก็จะขยายตามไปด้วย ความต้องการวัตถุดิบ — พลังงานและกำลังประมวลผล จะกระตุ้นให้เกิดห่วงโซ่อุตสาหกรรมต้นน้ำ; เทคโนโลยีที่พัฒนาขึ้นจะนำไปสู่แอปพลิเคชันและผลิตภัณฑ์ที่สะดวกและมีประสิทธิภาพมากขึ้น ความสัมพันธ์ระหว่างอุตสาหกรรมจะยิ่งเข้มแข็งขึ้น ความร่วมมือในระบบนิเวศอุตสาหกรรมจะกลายเป็นความต้องการที่หลีกเลี่ยงไม่ได้

อย่างไรก็ตาม ความก้าวหน้าในแต่ละด้านจะมีผลต่อผลผลิตสุดท้าย วาณิชธนกิจ Goldman Sachs ได้ชี้ให้เห็นในระหว่างการอภิปรายเกี่ยวกับห่วงโซ่อุปทาน AI ของจีนว่า "เทคโนโลยี AI โดยพื้นฐานแล้วมีผลกระทบแบบทวีคูณ — หากส่วนประกอบหลายอย่างในห่วงโซ่อุปทานล้าหลังไปหนึ่งรุ่น อาจทำให้กำลังประมวลผลรวม/ประสิทธิภาพล้าหลังไปมากกว่าหนึ่งรุ่น" ดังนั้น ระดับการพัฒนาของแต่ละด้านจึงมีความสำคัญอย่างยิ่ง ความสำคัญของการทำงานร่วมกันในอุตสาหกรรมจึงเห็นได้ชัด แม้ว่ากำลังประมวลผลของชิปจะรวดเร็วเพียงใด หากการส่งข้อมูล การจ่ายไฟ หรือการระบายความร้อนตามไม่ทัน ประสิทธิภาพก็จะไม่สามารถทำงานได้อย่างเต็มที่; กำลังประมวลผลพร้อมแล้ว แต่ยังต้องการซอฟต์แวร์และกระบวนการทางธุรกิจที่สอดคล้องกัน เพื่อแปลงเป็นการเพิ่มประสิทธิภาพที่แท้จริงของบริษัท

ความก้าวหน้าทางเทคโนโลยีในแต่ละด้านจะต้องได้รับการสนับสนุนจากการทำงานร่วมกันในด้านอื่นๆ เพื่อแปลงเป็นผลิตภาพที่แท้จริง; ความร่วมมือในอุตสาหกรรมจะมีผลต่อผลตอบแทนที่ AI จะสร้างขึ้นในที่สุด

เอกสาร "กลยุทธ์การพัฒนา AI ในยุโรป" ที่ NVIDIA เสนอ เป็นภาพสะท้อนของการปฏิวัติอุตสาหกรรมครั้งนี้ วิธีการของ NVIDIA คือการใช้ชุดเทคโนโลยีที่ครบถ้วนและการทำงานร่วมกันในท้องถิ่น เพื่อเชื่อมโยงอุตสาหกรรมที่แยกกันอยู่ในแต่ละด้าน ซึ่งทำให้ NVIDIA เปลี่ยนจากผู้จัดหาชิปไปเป็นกาวที่เชื่อมโยงการทำงานร่วมกันในอุตสาหกรรมยุโรป คุณค่าของชุดโซลูชันนี้อยู่ที่การเปลี่ยนแปลงกระบวนการปรับตัวระหว่างอุตสาหกรรมให้เป็นความร่วมมือที่สามารถวางแผนและดำเนินการได้ล่วงหน้า

H
เกี่ยวกับผู้เขียน
Henderson