Connect with us

Hi, what are you looking for?

Notebookspec

IT NEWS

Huawei เปิดตัว CloudMatrix AI Cluster เทียบชั้น NVIDIA GB200 เป็นครั้งแรก โชว์พลังประมวลผลระดับ 2x พร้อมชิป Ascend 910C จำนวน 384 ตัว

Huawei CloudMatrix

Huawei CloudMatrix เปิดตัวสาธารณะครั้งแรก โชว์ศักยภาพ AI Hardware ของจีนที่สามารถเทียบชั้น NVIDIA GB200 ได้อย่างสมศักดิ์ศรี

Advertisement

ในงาน WAIC (World Artificial Intelligence Conference) ที่จัดขึ้น ณ Shanghai World Expo Center ประเทศจีน Huawei ได้เปิดตัวระบบประมวลผล AI ขนาดใหญ่ภายใต้ชื่อ CloudMatrix 384 หรือ Atlas 900 A3 Superpod อย่างเป็นทางการเป็นครั้งแรก จุดเด่นของระบบนี้คือการรวมเอาชิป Ascend 910C จำนวนมากถึง 384 ตัว มาเชื่อมต่อในรูปแบบ All-to-All Topology เพื่อเร่งพลังการประมวลผล AI ให้ทะลุขีดจำกัดเดิม

Huawei CloudMatrix AI Cluster

ประสิทธิภาพเหนือ GB200 ถึง 2 เท่า (แต่ก็ใช้ไฟเยอะกว่าเกือบ 4 เท่า)

แม้จะยังเป็นโซลูชันที่ต้องใช้พลังงานสูงมาก แต่ก็มีจุดขายสำคัญที่ ประสิทธิภาพด้าน BF16 (BFloat16) ซึ่งเป็นมาตรฐานสำคัญในงานด้าน AI และ Machine Learning โดย Huawei เคลมว่าสามารถทำได้สูงถึง 300 PetaFLOPS ซึ่งมากกว่า NVIDIA GB200 NVL72 เกือบ 2 เท่าเต็ม ๆ

แน่นอนว่าเบื้องหลังความแรงนี้ก็คือปริมาณชิปที่ใช้ ซึ่ง Huawei เลือกใช้ ชิป Ascend มากกว่าที่ NVIDIA ใช้ถึง 5 เท่า ทำให้ถึงแม้จะมี “ข้อด้อย” ด้าน ประสิทธิภาพต่อวัตต์ (Perf/Watt) ที่ยังตามหลัง แต่ก็เป็นการแสดงออกถึงความสามารถของจีนในการพัฒนาโซลูชัน AI แบบ In-house เต็มรูปแบบ ได้อย่างน่าทึ่ง

Huawei CloudMatrix AI Cluster Performance

ราคาสูงกว่า 3 เท่า แต่เน้นโชว์เทคโนโลยี “ทำเองได้”

อีกหนึ่งประเด็นสำคัญคือเรื่องของราคา โดยมีการรายงานว่าระบบ CloudMatrix 384 มีราคาสูงถึง 8 ล้านดอลลาร์สหรัฐฯ หรือประมาณ 290 ล้านบาท ซึ่งสูงกว่า NVIDIA GB200 NVL72 ถึง 3 เท่า

อย่างไรก็ตาม จุดมุ่งหมายของ Huawei ไม่ใช่การขายให้ถูกหรือคุ้มค่า แต่เป็นการยืนยันว่าจีนสามารถพัฒนาเทคโนโลยี AI ระดับสูงได้ โดยไม่พึ่งพาเทคโนโลยีตะวันตก และพร้อมแข่งขันได้แม้ในเวทีระดับโลก

ที่น่าสนใจคือแม้แต่ Jensen Huang ซีอีโอของ NVIDIA เองก็ยังยอมรับ ว่านี้คือ หนึ่งในระบบที่สามารถท้าชนกับ Grace Blackwell Systems ได้อย่างสมศักดิ์ศรี


รากฐานคือ Ascend 910C

หัวใจของ CloudMatrix คือชิป Ascend 910C ซึ่งเป็นชิป AI รุ่นเรือธงจาก Huawei ที่ใช้สถาปัตยกรรมแบบเฉพาะของบริษัท และพัฒนาให้รองรับการประมวลผลระดับสูง โดยในระบบนี้ถูกจัดเรียงในโทโพโลยีแบบ All-to-All ที่เปิดให้ทุกชิปเชื่อมต่อกันได้อย่างอิสระเพื่อความรวดเร็วสูงสุดในการแลกเปลี่ยนข้อมูล


สรุป: นี้คือก้าวกระโดดของ AI จีน ที่ไม่ได้มาแค่ “แรง” แต่ยังเป็น “ของเราเอง”

การเปิดตัว CloudMatrix 384 หรือ Atlas 900 A3 Superpod ของ Huawei ถือเป็นสัญญาณสำคัญว่า จีนกำลังก้าวเข้าสู่ยุคที่สามารถพัฒนาเทคโนโลยี AI ระดับสูงได้ด้วยตัวเอง แม้จะยังมีจุดต้องพัฒนา เช่น การใช้พลังงานที่สูงมาก และราคาที่ไม่เหมาะกับตลาดเชิงพาณิชย์ทั่วไป แต่ก็แสดงถึงศักยภาพที่ “ไม่เป็นรอง” คู่แข่งจากฝั่งตะวันตกอีกต่อไป

สำหรับอนาคต อุตสาหกรรม AI คงต้องจับตา ว่าเทคโนโลยีแบบ In-house ที่ไม่พึ่งพาอเมริกา จะไปได้ไกลแค่ไหน และจะส่งผลอย่างไรต่อภาพรวมของการแข่งขันในตลาด AI ทั่วโลก


ข้อมูลเพิ่มเติม:

  • ชิป AI: Ascend 910C (384 ตัว)
  • ประสิทธิภาพ BF16: 300 PetaFLOPS (มากกว่า GB200 NVL72 ประมาณ 2 เท่า)
  • ราคาคลัสเตอร์: 8 ล้านดอลลาร์ หรือประมาณ 290 ล้านบาท
  • ใช้พลังงานมากกว่า GB200 NVL72 ประมาณ 3.9 เท่า

ที่มา: wccftech

Click to comment
Advertisement

บทความน่าสนใจ

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...

PR-News

กรุงเทพฯ, 28 กันยายน 2569 – ไมโครซอฟท์ ยกระดับ Microsoft Copilot รองรับโลกการทำงานที่มีการเปลี่ยนแปลงอย่างต่อเนื่อง เพื่อช่วยเพิ่มศักยภาพให้ทุกคนและทุกองค์กรบรรลุเป้าหมายได้มากยิ่งขึ้น โดย Copilot โฉมใหม่เชื่อมโยงเครื่องมือที่ผู้คนคุ้นเคย เข้ากับขีดความสามารถ AI ยุคใหม่สำหรับการสร้าง ปรับแต่ง และขยายการใช้งาน AI ในทุกมิติของการทำงาน ปัจจุบันแอป Copilot มาพร้อม...

PR-News

โครงสร้างต้นทุน AI สำหรับองค์กรกำลังเปลี่ยนแปลงไป เมื่อโมเดล AI ระดับแนวหน้ารุ่นใหม่และ Agentic AI ช่วยขยายขีดความสามารถของปัญญาประดิษฐ์ในภาคธุรกิจให้กว้างขึ้น อย่างไรก็ตาม องค์กรที่ยังไม่เริ่มวางกลยุทธ์การปรับใช้ระบบแบบไฮบริดตั้งแต่วันนี้ อาจต้องแบกรับค่าใช้จ่ายด้าน AI ที่สูงขึ้นอย่างมากในอีกไม่กี่ปีข้างหน้า  หากองค์กรของคุณขยายการใช้งาน AI ในช่วง 18 เดือนที่ผ่านมา คุณอาจสังเกตเห็นแนวโน้มบางอย่าง การเปิดให้เข้าถึง AI ในวงกว้างขึ้น ใช้งานมากขึ้น...

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

บันทึก