แย่งกันใช้ GPU ภายใน NVIDIA ระดับทีมงานต้องขอ “เจรจา” ผู้บริหารชี้ AI Compute ขาดแคลนทั่วโลก
ความต้องการ AI ระเบิดตัว แม้แต่ผู้ผลิต GPU อย่าง NVIDIA ก็ต้องแบ่งปันทรัพยากรกันเอง
ในวงการเทคโนโลยีปัญญาประดิษฐ์ (AI) ที่เติบโตอย่างรวดเร็ว การเข้าถึงพลังประมวลผล (compute power) ถือเป็นปัจจัยสำคัญที่สุดในการขับเคลื่อนนวัตกรรม แต่ล่าสุดข้อมูลจากภายในบริษัท NVIDIA ได้เปิดโปงภาพสะท้อนความต้องการที่แท้จริงของอุตสาหกรรม — แม้แต่ผู้ผลิต GPU ชั้นนำอย่าง NVIDIA ก็ยังประสบปัญหาการขาดแคลนทรัพยากรประมวลผล AI จนต้องมีการเจรจาเพื่อแบ่งกันใช้
Wu Xinzhu หัวหน้าฝ่ายยานยนต์ (Automotive) ของ NVIDIA เปิดเผยในงานประชุมผู้บริหารระดับสูงว่า ภายในบริษัทเอง ทีมต่าง ๆ ทั้งด้านรถยนต์อัตโนมัติ ระบบ AI สำหรับธุรกิจ และการพัฒนาโมเดลขนาดใหญ่ (large language models) ต่างก็ต้อง “แย่งชิง” GPU computing resources กันอย่างหนัก จนบางครั้งต้องมีการประสานงานระดับผู้บริหารเพื่อจัดสรรทรัพยากรอย่างเป็นธรรม
“เราไม่ได้แค่ขาย GPU ให้ลูกค้า เราใช้มันเองทุกวัน” Wu กล่าว พร้อมเสริมว่า ทีมงานบางส่วนต้องรอคิวหลายสัปดาห์เพื่อใช้ GPU สำหรับการเทรนโมเดล ซึ่งถือเป็นสัญญาณชัดเจนว่า ความต้องการพลังประมวลผล AI ไม่ได้จำกัดอยู่แค่ภาคเอกชน แต่ยังแผ่ขยายไปถึงผู้ผลิตเทคโนโลยีระดับแนวหน้า
เหตุการณ์ที่น่าสนใจคือ โรเบิร์ต ฮัง (Robert Huang) ผู้บริหารระดับสูงของ NVIDIA ต้องเข้ามามีบทบาทในการไกล่เกลี่ยการจัดสรรทรัพยากรระหว่างทีมต่าง ๆ ซึ่งถือเป็นปรากฏการณ์ที่น่าตกใจ เพราะแสดงให้เห็นว่า แม้จะเป็นผู้ผลิต GPU ที่มีกำลังการผลิตมหาศาล ก็ยังไม่สามารถตอบสนองความต้องการภายในองค์กรได้อย่างเพียงพอ
ปัจจุบัน NVIDIA กำลังผลิต GPU รุ่นใหม่ ๆ เช่น Hopper และ Blackwell เพื่อรองรับงาน AI ที่ซับซ้อนขึ้น แต่ความต้องการจากลูกค้าทั่วโลกยังคงล้นหลาม โดยเฉพาะในตลาดรถยนต์อัตโนมัติ ซึ่งต้องการการประมวลผลแบบเรียลไทม์สูงมาก ทำให้ทีมพัฒนาต้องใช้ GPU จำนวนมากเพื่อจำลองสถานการณ์การขับขี่ในสภาพแวดล้อมเสมือนจริง (simulation)
นักวิเคราะห์มองว่า ปัญหานี้สะท้อนถึงความท้าทายที่แท้จริงของอุตสาหกรรม AI ในปัจจุบัน — ไม่ใช่แค่การขาดแคลนฮาร์ดแวร์ แต่ยังรวมถึงการบริหารจัดการทรัพยากรอย่างมีประสิทธิภาพ ทั้งในระดับองค์กรและระดับโลก
“เมื่อแม้แต่ NVIDIA ยังต้องเจรจาเพื่อแบ่ง GPU กันใช้ แสดงว่าความต้องการ AI compute ไม่ใช่แค่แนวโน้ม แต่กลายเป็นปัญหาโครงสร้างพื้นฐานที่ต้องแก้ไขอย่างเร่งด่วน” นักวิเคราะห์รายหนึ่งระบุ
ในระยะยาว ความต้องการนี้อาจผลักดันให้เกิดนวัตกรรมใหม่ ๆ ทั้งในด้านสถาปัตยกรรมชิป การใช้พลังงานอย่างมีประสิทธิภาพ และการพัฒนาซอฟต์แวร์ที่สามารถทำงานได้ดีแม้ในระบบที่มีทรัพยากรจำกัด
บทความที่เกี่ยวข้อง:
