Connect with us

Hi, what are you looking for?

Notebookspec

IT NEWS

Microsoft เลื่อนเปิดตัวชิป AI ของตัวเองเป็นปี 2027 หลังกังวลแข่ง NVIDIA ไม่ไหว

Microsoft AI chip

Microsoft ต้องเลื่อนแผนการเปิดตัวชิป AI ที่พัฒนาขึ้นภายในบริษัทไปจนถึงปี 2027 จากเดิมที่วางแผนไว้ว่าจะเปิดตัวในปี 2025–2026 ตามรายงานจาก The Information โดยปัจจัยสำคัญมาจากความล่าช้าในการออกแบบ และความกังวลว่าชิปของ Microsoft อาจยังไม่สามารถแข่งขันกับ NVIDIA ได้ในด้านประสิทธิภาพและพลังงาน

Advertisement

ความพยายามพัฒนาชิป AI ภายในแบบเดียวกับ Amazon และ Google

ในช่วงไม่กี่ปีที่ผ่านมา บริษัทเทคโนโลยีรายใหญ่อย่าง Amazon และ Google ได้เริ่มพัฒนาชิป AI ของตนเอง เพื่อหลีกเลี่ยงการพึ่งพาชิปจาก NVIDIA ซึ่งมีราคาสูงและมีข้อจำกัดด้านซัพพลาย Microsoft เองก็มีความพยายามในทิศทางเดียวกัน โดยเริ่มจากชิป Microsoft Maia ที่เปิดตัวในเดือนเมษายน 2024 ซึ่งผลิตโดย TSMC ด้วยกระบวนการผลิตระดับ 5 นาโนเมตร

อย่างไรก็ตาม โครงการสืบต่อจาก Maia อย่าง Braga ซึ่งเดิมตั้งเป้าไว้สำหรับการผลิตในปี 2025 ก็ถูกเลื่อนออกไปเป็นปี 2026 ตามรายงานก่อนหน้านี้ และล่าสุด The Information รายงานว่า Microsoft ต้องเลื่อนทั้ง Braga-R และ Clea ซึ่งเป็นรุ่นถัดไปออกไปอีกด้วย


Microsoft วางแผนชิปกลางทาง “Maia 280” เปิดตัวปี 2027

เพื่อรับมือกับความล่าช้าและช่องว่างในการแข่งขันกับ NVIDIA ทาง Microsoft จึงได้วางแผนเปิดตัวชิป AI รุ่นใหม่ในปี 2027 ที่จะมีชื่อว่า Maia 280 ซึ่งจะเป็นชิปที่อยู่ “ระหว่าง” Braga และ Braga-R ในเชิงสถาปัตยกรรม โดยจะนำ Braga จำนวน 2 ชิ้นมาทำงานร่วมกัน เพื่อเพิ่มประสิทธิภาพในระดับที่ใกล้เคียงกับคู่แข่ง

รายงานระบุว่า Maia 280 จะเน้นไปที่ ประสิทธิภาพต่อวัตต์ (performance-per-watt) ซึ่งเป็นจุดแข็งของ NVIDIA ในปัจจุบัน โดย Microsoft คาดว่า ชิปนี้จะมีประสิทธิภาพเหนือกว่าชิปของ NVIDIA ที่วางแผนจะเปิดตัวในปีเดียวกัน (2027) ถึง 30%


NVIDIA ยังครองความเป็นผู้นำ ขณะที่คู่แข่งต้องดิ้นรน

แม้บริษัทยักษ์ใหญ่อย่าง Amazon และ Google จะสามารถพัฒนาชิป AI ใช้งานเองได้แล้ว แต่ในภาพรวม NVIDIA ก็ยังเป็นผู้นำแบบไร้ข้อกังขา โดยเฉพาะชิปตระกูล Blackwell ที่เริ่มส่งมอบในปี 2025 และมีแผนเปิดตัวรุ่นถัดไปในชื่อ Rubin

Jensen Huang ซีอีโอของ NVIDIA มองว่า การที่บริษัทต่าง ๆ พยายามพัฒนาชิปของตัวเองนั้น ยังไม่อาจท้าทายอำนาจนำของ NVIDIA ได้ เพราะต้องใช้ทรัพยากรจำนวนมหาศาล และยังขาดความได้เปรียบในด้านซอฟต์แวร์และระบบนิเวศโดยรวม


อุตสาหกรรมชิป AI กำลังเฟื่องฟู แต่ไม่ใช่ทุกคนที่จะได้ประโยชน์

ความต้องการชิป AI ที่เพิ่มสูงขึ้น ทำให้บริษัทอย่าง Broadcom และ Marvell ได้รับคำสั่งซื้อมากขึ้นตามไปด้วย อย่างไรก็ตาม ไม่ใช่ทุกบริษัทที่สามารถคว้าโอกาสนี้ได้สำเร็จ Marvell แม้จะปิดปี 2024 ด้วยหุ้นที่พุ่งขึ้นกว่า 88% แต่ก็ลดลงถึง 33% ตั้งแต่ต้นปี 2025 เพราะไม่สามารถทำตามความคาดหวังของนักวิเคราะห์ได้


Microsoft ตั้งเป้าผลิตชิป AI หลายแสนชิ้นต่อปี

ในระยะยาว Microsoft วางแผนที่จะผลิตชิป AI ที่พัฒนาเองให้ได้ระดับหลายแสนชิ้นต่อปี เพื่อใช้ในระบบคลาวด์ Azure และลดการพึ่งพา NVIDIA ขณะที่บริษัทอื่น ๆ อย่าง Google เองก็เริ่มเปิดให้บริษัทภายนอกเข้าถึงชิป AI ของตนแล้ว

การแข่งขันในตลาด AI จึงไม่ได้อยู่แค่ที่ใครมีชิปแรงที่สุด แต่ยังรวมถึงความสามารถในการผลิต การควบคุมต้นทุน และการพัฒนาโซลูชันที่เชื่อมโยงกับระบบของตนเองได้อย่างลื่นไหล ซึ่งเป็นสิ่งที่ NVIDIA ทำได้ดีมานานหลายปี และยังไม่มีใครล้มแชมป์ได้


สรุป: ความล่าช้าในการพัฒนาชิป AI ของ Microsoft ไม่เพียงแต่สะท้อนถึงความท้าทายในการออกแบบฮาร์ดแวร์สำหรับบริษัทที่ถนัดซอฟต์แวร์ แต่ยังแสดงให้เห็นถึงแรงกดดันจากตลาดที่ NVIDIA ยังคงครองความได้เปรียบอยู่ แม้จะมีคู่แข่งพยายามท้าชิงอย่างต่อเนื่องก็ตาม

ที่มา: wccftech

Click to comment
Advertisement

บทความน่าสนใจ

Buyer's Guide

เกมเมอร์ที่เล่นเกม FPS เป็นชีวิตจิตใจหลายคนหันมาใช้เกมมิ่งคีย์บอร์ด Magnetic switch มากขึ้นเรื่อยๆ เพราะทั้งใช้งานได้ทนทานกว่า Mechanical keyboard ทั่วไปแล้ว ยังตอบสนองเร็วกว่าและได้ฟีเจอร์ที่คีย์บอร์ดทั่วไปทำไม่ได้หลายอย่าง ตั้งแต่ Dynamic Keystroke, Rapid trigger, Mod-Tap ฯลฯ ประกอบกับค่า Polling Rate 8,000 Hz ก็ช่วยให้ผู้เล่นได้เปรียบยิ่งขึ้น...

รีวิว Dell

DELL XPS 13 DX13260 บางเบาถูกใจสายเดินทาง สเปคพรีเมียมเพื่อสายธุรกิจตัวจริง! จุดเด่นของพรีเมียมโน้ตบุ๊ก Dell ตระกูล XPS “eXtreme Performance System” รุ่น DELL XPS 13 DX13260 จะเน้นเรื่องความแข็งแรงทนทานและสวยเรียบหรูเป็นประเด็นแรก จึงได้เห็นโน้ตบุ๊กทำงานเครื่องบางเฉียบเกือบเสมอกับแท็บเล็ตและเบาเพียง 1 กก. กับดีไซน์สวยเรียบง่ายดูมีระดับเพื่อเสริมบุคลิควัยทำงานที่ต้องพกโน้ตบุ๊กไปพบลูกค้าและเข้าประชุมเป็นประจำ ถ้าเกิดปัญหาก็มีบริการหลังการขายมาคอยดูแลถึงที่ให้งานยังเดินหน้าต่อไปได้อย่างราบลื่น...

PR-News

กรุงเทพฯ, ประเทศไทย — ASUS (เอซุส) ผู้นำด้านเทคโนโลยีระดับโลก นำเสนอ ASUS Agent Computer ภายใต้แนวคิด “Powering Every AI Choice” ระบบนิเวศด้านฮาร์ดแวร์ที่ออกแบบมาเพื่อรองรับการทำงานของ AI Agent ครอบคลุมตั้งแต่โน้ตบุ๊ก NUC และมินิพีซี เดสก์ท็อปพีซีที่ปรับแต่งได้ ไปจนถึงเวิร์กสเตชันระดับมืออาชีพและ AI...

PR-News

บทความโดย Steven Fong, Corporate Vice President, APJ Embedded Business ปัญญาประดิษฐ์ (AI) กำลังก้าวเข้าสู่เฟสใหม่ ซึ่งขยายขอบเขตจากการเพิ่มประสิทธิภาพการทำงานบนโลกดิจิทัล ไปสู่การใช้งานจริงในโลกทางกายภาพ  ช่วงหลายปีที่ผ่านมา AI มักถูกตีกรอบอยู่แค่ระบบที่ทำความเข้าใจ สร้าง และแนะนำข้อมูลได้ โมเดลภาษาขนาดใหญ่ (LLMs), AI Assistant และ Copilot ได้เข้ามาพลิกโฉมรูปแบบการทำงานที่ใช้ความรู้ไปอย่างสิ้นเชิง โดยช่วยให้เราค้นหา สรุปผล สร้างคอนเทนต์ และตัดสินใจได้ดียิ่งขึ้น คลื่นลูกแรกของ AI นี้ถือเป็นการปฏิวัติประสิทธิภาพการทำงานบนโลกดิจิทัลอย่างแท้จริง Advertisement แต่ทว่า คลื่นลูกถัดไปของ AI จะแตกต่างออกไปอย่างสิ้นเชิง จากเดิมที่ทำหน้าที่เพียงทำความเข้าใจข้อมูล ปัจจุบัน AI ถูกคาดหวังให้สามารถโต้ตอบกับโลกทางกายภาพได้มากขึ้น เราจะได้เห็นหุ่นยนต์ทำงานร่วมกับมนุษย์ในโรงงาน ยานยนต์อัตโนมัติที่สามารถรับรู้และตอบสนองต่อสภาพแวดล้อมได้ตลอดเวลา ระบบทางการแพทย์ที่ช่วยแพทย์วินิจฉัยและตัดสินใจได้แบบเรียลไทม์ ตลอดจนโครงสร้างพื้นฐานอัจฉริยะที่สามารถตรวจสอบ ปรับแต่ง และตอบสนองได้เองโดยไม่ต้องอาศัยมนุษย์คอยสั่งการตลอดเวลา การเปลี่ยนผ่านนี้ไม่ใช่แค่การเพิ่มแอปพลิเคชัน AI รูปแบบใหม่ แต่คือการพลิกโฉมความคาดหวังพื้นฐานที่เรามีต่อขีดความสามารถของ AI  เมื่อ AI ขยายตัวจากคลาวด์และสภาพแวดล้อมดิจิทัลเข้าสู่ระบบทางกายภาพ ความอัจฉริยะจึงไม่สามารถหยุดอยู่แค่คำว่า “รู้” ได้อีกต่อไป ระบบ Physical AI (AI ทางกายภาพ) เช่น หุ่นยนต์อัตโนมัติ จะต้องรับรู้ข้อมูล ตัดสินใจ และลงมือทำได้แบบเรียลไทม์ โดยต้องมีความปลอดภัยในการใช้งาน (Functional safety) และสามารถทำงานภายใต้ข้อจำกัดที่เข้มงวด ทั้งเรื่องพลังงาน ความร้อน และพื้นที่ ความจำเป็นในการเปลี่ยนผ่านครั้งนี้ไม่ได้เกิดจากแค่ความก้าวหน้าทางเทคโนโลยี AI เท่านั้น แต่ยังถูกขับเคลื่อนจากการเปลี่ยนแปลงเชิงโครงสร้างของเศรษฐกิจโลกด้วย  และนี่คือจุดเริ่มต้นของยุค Physical AI อย่างแท้จริง ซึ่งปัจจุบันกำลังเข้ามาพลิกโฉมหลากหลายอุตสาหกรรม และ AMD เชื่อมั่นว่าสิ่งนี้จะเป็นตัวกำหนดทิศทางของ AI ในทศวรรษหน้า นั่นคือการเปลี่ยนผ่านจากระบบที่แค่ “รู้” ไปสู่ระบบที่ “ลงมือทำ”  “การลงมือทำ” พลิกโฉมโจทย์ด้านการประมวลผลขั้นพื้นฐาน เมื่อ AI เริ่มโต้ตอบกับโลกทางกายภาพ โจทย์ของการประมวลผลย่อมเปลี่ยนไปอย่างสิ้นเชิง แตกต่างจาก Cloud AI ที่มักถูกออกแบบมาเพื่อเน้นการขยายสเกล การรับส่งข้อมูลปริมาณมาก และการประมวลผลแบบรวมศูนย์ เพราะ Physical AI มาพร้อมกับข้อกำหนดใหม่ที่แตกต่างออกไปอย่างสิ้นเชิง  แชตบอตอาจมีอาการหน่วงบ้างในบางครั้ง ซึ่งเป็นเรื่องที่ยอมรับได้ แต่สำหรับหุ่นยนต์ในโรงงานอุตสาหกรรมนั้นไม่สามารถเกิดความล่าช้าได้เลย ยานยนต์อัตโนมัติก็ไม่สามารถปล่อยให้ระบบทำงานไม่เสถียรได้ และอุปกรณ์ทางการแพทย์ก็ไม่สามารถใช้วิธี “ลองตัดสินใจใหม่” ได้เมื่อทุกวินาทีมีผลต่อชีวิต  ระบบเหล่านี้จำเป็นต้องมีคุณสมบัติ:  ในโลกทางกายภาพ ความอัจฉริยะจะมีความหมายก็ต่อเมื่อระบบสามารถตอบสนองและลงมือทำได้ภายในกรอบเวลาที่จำกัด ดังนั้น ความสำเร็จจึงไม่ได้วัดกันที่ประสิทธิภาพของโมเดล AI เพียงอย่างเดียวอีกต่อไป  ขอบเขตของ Physical AI ก้าวไปไกลกว่าแค่การรันโมเดล AI เพราะความอัจฉริยะจะต้องทำงานสอดประสานกันอย่างราบรื่นไร้รอยต่อ ตั้งแต่การรับรู้ข้อมูลผ่านเซ็นเซอร์ ไปจนถึงการประมวลผล (Inference) การวางแผน การควบคุม และนำไปสู่การลงมือทำในโลกจริง ท้ายที่สุดแล้ว ประเด็นสำคัญจึงไม่ใช่แค่การสร้างโมเดล AI ให้ฉลาดขึ้น แต่คือการสร้างระบบอัจฉริยะที่สามารถโต้ตอบกับโลกความเป็นจริงได้อย่างปลอดภัยและเชื่อถือได้ต่างหาก  และนี่คือเหตุผลที่ AMD เชื่อมั่นว่า แท้จริงแล้ว Physical AI คือความท้าทายด้าน “วิศวกรรมระบบ” ไม่ใช่แค่ความท้าทายด้านการสร้าง “โมเดล AI”  ไม่มีโปรเซสเซอร์ใดเพียงชนิดเดียวที่ขับเคลื่อน Physical AI ได้ทั้งหมด เราจะเข้าใจแนวคิดของ Physical AI ได้ง่ายขึ้น หากลองเปรียบเทียบกับร่างกายมนุษย์  สมองของเราทำหน้าที่คิด วิเคราะห์หาเหตุผล และตัดสินใจ ระบบประสาทช่วยให้เรารับรู้และตอบสนองได้อย่างรวดเร็ว ในขณะที่กล้ามเนื้อและข้อต่อทำหน้าที่ควบคุมการเคลื่อนไหวทางกายภาพอย่างแม่นยำ  ระบบ Physical AI ก็ทำงานในลักษณะที่คล้ายคลึงกัน การคิดวิเคราะห์และการรับรู้ที่ซับซ้อนต้องอาศัยหน่วยประมวลผลประสิทธิภาพสูง การตอบสนองแบบเรียลไทม์ต้องใช้การประมวลผลที่มีความหน่วงต่ำ (Low-latency) ณ จุดที่ต้องทำการตัดสินใจ และการเคลื่อนไหวที่แม่นยำก็ต้องการระบบควบคุมที่ถูกต้องและคาดการณ์ผลลัพธ์ได้อย่างแม่นยำ...

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

บันทึก