NVIDIA เผย 3 ปัจจัยหลักช่วย AI Factory สร้างผลตอบแทนสูงสุด

การสร้าง AI factory ในปัจจุบันขยับไปสู่ระดับเมกะวัตต์จนถึงกิกะวัตต์ โดยโรงงานขนาด 1 เมกะวัตต์มีค่าใช้จ่ายสูงถึง 60 ล้านดอลลาร์ ผู้ดำเนินการจะตัดสินใจลงทุนมหาศาลเช่นนี้ก็ต่อเมื่อเห็นผลตอบแทน (ROI) ที่ชัดเจนเท่านั้น ซึ่งปัจจัยสำคัญที่กำหนดความคุ้มค่ามีอยู่ 3 ประการหลัก ได้แก่

1. ความสามารถในการทำกำไร (Earning capacity): รายได้ที่โรงงานสามารถผลิตได้ต่อปีเมื่อขายทุก token ได้ทั้งหมด
2. อายุการใช้งานที่มีประโยชน์ (Useful life): ระยะเวลาที่ฮาร์ดแวร์ยังคงทำเงินได้อย่างต่อเนื่อง
3. อุปสงค์ (Demand): ปริมาณความต้องการใช้ token เหล่านั้น

ความแข็งแกร่งในด้านใดด้านหนึ่งไม่สามารถชดเชยจุดด้อยด้านอื่นได้ทั้งหมด เช่น ความสามารถในการทำกำไรสูงจะไร้ความหมายหากไม่มีผู้ซื้อ หรือความต้องการสูงก็ไม่มีประโยชน์หากโรงงานหยุดผลิตเร็วกว่ากำหนด ดังนั้นโรงงานที่รองรับ workload หลากหลายย่อมเข้าถึงอุปสงค์ได้มากกว่าและสร้างรายได้ต่อเนื่องยาวนาน

NVIDIA AI factory จึงถูกออกแบบมาเพื่อเพิ่มประสิทธิภาพสูงสุดในทั้ง 3 ด้าน ดังนี้:

• มีประสิทธิภาพ (Productive): ให้ throughput ต่อเมกะวัตต์สูงสุดและต้นทุนต่อ token ต่ำที่สุด เพื่อเพิ่มกำไร
• ทนทาน (Durable): GPU และระบบของ NVIDIA สามารถสร้างรายได้ต่อเนื่องหลายปี ช่วยยืดอายุการใช้งานจริง
• ยืดหยุ่น (Fungible): รองรับ AI ทุกรูปแบบและ workload ทั่วไป ช่วยขยายฐานอุปสงค์ให้กว้างและลึกขึ้น

แพลตฟอร์ม NVIDIA ผสานความสามารถทั้ง 3 ด้านเพื่อยกระดับผลตอบแทนให้ถึงขีดสุด การทำ Engineering codesign ตลอดทั้ง full stack ช่วยเพิ่ม throughput และการอัปเดตซอฟต์แวร์อย่างต่อเนื่องทำให้ฮาร์ดแวร์เดิมยังคงประสิทธิภาพสูงนานหลายปี ไลบรารี NVIDIA CUDA-X ช่วยให้รัน accelerated workload ได้ทุกประเภทบนสถาปัตยกรรมมาตรฐานที่ปรับใช้ได้ง่าย

Productive: ให้ Token สูงสุดในต้นทุนที่ต่ำลง

พลังงานคือข้อจำกัดหลักของ AI factory ทำให้ตัวเลข token ต่อวินาทีต่อเมกะวัตต์เป็นตัวกำหนดกำไร ยิ่งผลิต token ได้มากภายใต้กรอบพลังงานเดิม รายได้ย่อมสูงขึ้นและต้นทุนต่อหน่วยลดลง

ข้อมูลจาก SemiAnalysis AgentX ระบุว่าระบบ NVIDIA Vera Rubin NVL72 ให้ throughput สูงกว่ารุ่น GB300 NVL72 ถึง 30 เท่า และลดต้นทุนต่อล้าน token ลงถึง 45 เท่าสำหรับโมเดล DeepSeek V4 Pro ความสำเร็จนี้เกิดจาก extreme codesign ที่ปรับแต่งทั้งซอฟต์แวร์และฮาร์ดแวร์ร่วมกันอย่างละเอียด

แม้เทคโนโลยีใหม่จะทำให้ token ราคาถูกลง แต่ความต้องการประมวลผลกลับเพิ่มขึ้นอย่างมหาศาล เพราะราคาที่เข้าถึงง่ายช่วยสร้าง use case ใหม่ๆ ที่ใช้ token มากกว่าเดิม

Durable: ฮาร์ดแวร์ที่ยังทำเงินได้แม้มียุคใหม่มาแทน

ไม่ใช่ทุกงานที่ต้องการระบบล่าสุด ความหลากหลายของ workload ทำให้ฮาร์ดแวร์รุ่นเก่ายังมีที่ยืน เช่น NVIDIA A100 ที่เริ่มส่งมอบปี 2020 แต่ปัจจุบัน CoreWeave ยังขยายการจองใช้งานไปจนถึงปี 2029 บทวิเคราะห์จาก Sprout เรื่อง "The Productive Life of a Data Center GPU" ชี้ให้เห็นว่าผู้ดำเนินการรายใหญ่ต่างขยายอายุการใช้งานเซิร์ฟเวอร์ออกไปนานกว่าเดิม

ข้อมูลจาก Barkr คาดการณ์อายุการใช้งาน H100 ไว้ที่ 5-6 ปี และ GB300 NVL72 นานถึง 9-10 ปี ขณะที่ Silicon Data เผยว่า A100 ที่มีอายุ 6 ปียังมีมูลค่าขายต่อถึง 1 ใน 4 ของราคาทุน

จุดแข็งสำคัญคือ CUDA แพลตฟอร์มซอฟต์แวร์ที่ทำงานข้ามเจเนอเรชันได้ ทำให้ฮาร์ดแวร์เดิมได้รับประโยชน์จากการอัปเดตซอฟต์แวร์เพื่อรองรับงานประเภทใหม่ๆ เช่น agentic AI หรือ physical AI ได้ตลอดเวลา

Fungible: รองรับงานทุกประเภท ในทุกระดับ

ความยืดหยุ่นคือหัวใจสำคัญ NVIDIA AI factory สามารถรันโมเดลได้ทุกประเภท ทั้งภาษา ชีววิทยา และหุ่นยนต์ ตั้งแต่การประมวลผลข้อมูลไปจนถึงช่วงการอนุมาน (inference) ในทุกสถานที่ตั้งแต่คลาวด์ขนาดใหญ่ไปจนถึงอุปกรณ์ปลายทาง

นอกจากงาน AI แล้ว สถาปัตยกรรมนี้ยังรันงานประมวลผลข้อมูล การจำลองสภาพแวดล้อม และกราฟิกได้ดีเยี่ยม ด้วยไลบรารี CUDA-X กว่า 1,000 รายการ ทำให้นักพัฒนากว่า 10 ล้านคนสามารถสร้างสรรค์งานที่หลากหลายบนชิปตัวเดียว ช่วยให้การใช้งานทรัพยากร (utilization) อยู่ในระดับสูงเสมอ

ตัวอย่างความสำเร็จจากการใช้งานจริง:

• Lilly: ใช้รันโมเดลโปรตีนและจีโนมิกส์พร้อมระบบ agentic workflow ในองค์กร
• Pinterest: ติดตั้งโมเดลภาษาภาพบน GPU กว่า 14,000 ตัว ครอบคลุมหลายสถาปัตยกรรม
• Revolut: ประมวลผลข้อมูลธุรกรรมมหาศาลและฝึกฝนโมเดลพื้นฐานบน AI cloud
• Texas A&M University: รันการจำลองโมเลกุลด้วย utilization สูงถึง 95-98%

เทคโนโลยีนี้ยังขยายไปสู่ภาคอุตสาหกรรม เช่น Dassault Systèmes ในการออกแบบยานยนต์ และ Unilever ที่ใช้ digital twin ลดต้นทุนการผลิตภาพโฆษณาได้ถึงครึ่งหนึ่ง โดยสรุป NVIDIA AI factory ถูกออกแบบให้สร้าง token ที่ทำกำไรได้มากกว่า มีอายุการใช้งานยาวนาน และรองรับความต้องการที่หลากหลาย เพื่อส่งมอบผลตอบแทนที่คุ้มค่าที่สุดในระยะยาว

ติดตามรายละเอียดเพิ่มเติมจาก Jensen Huang ได้ที่งาน GTC Berlin keynote ในวันพุธที่ 21 ต.ค. นี้