หาก Anthropic ใช้ชิป Maia 200 ของ Microsoft นี่อาจเป็นจุดเปลี่ยนสำคัญของสงครามชิป AI

Maia 200 แตกต่างจากชิป AI ทั่วไปอย่างไร

Microsoft เปิดตัว Maia 200 ในฐานะ AI accelerator รุ่นที่สองที่ออกแบบมาเพื่อ “inference” โดยเฉพาะ

Inference คือขั้นตอนที่โมเดล AI ที่ฝึกแล้วถูกนำไปใช้ตอบคำถามผู้ใช้ ซึ่งเป็นต้นทุนที่เกิดขึ้นทุกครั้งที่มีการใช้งาน AI

สเปกสำคัญของ Maia 200 ได้แก่

• ผลิตด้วยเทคโนโลยี TSMC ระดับ 3 นาโนเมตร
• มี FP4 และ FP8 tensor cores สำหรับงานโมเดลภาษาขนาดใหญ่
• หน่วยความจำ HBM3e 216GB แบนด์วิดท์ประมาณ 7 TB/s
• หน่วยความจำบนชิป SRAM 272MB เพื่อป้อนข้อมูลให้โมเดลได้ต่อเนื่อง
• พลังประมวลผลมากกว่า 10 petaFLOPS (FP4) และกว่า 5 petaFLOPS (FP8)

Microsoft ระบุว่าการออกแบบนี้ช่วยให้ระบบมี ประสิทธิภาพต่อราคาดีขึ้นประมาณ 30% เมื่อเทียบกับฮาร์ดแวร์รุ่นก่อนในโครงสร้างพื้นฐาน Azure

เหตุผลที่ชิปแบบนี้สำคัญคือ งาน inference ต้องการความเร็วในการประมวลผลจำนวนมากพร้อมต้นทุนต่อคำตอบที่ต่ำ ซึ่งเป็นจุดที่ชิปเฉพาะทางมักทำได้ดีกว่า GPU แบบทั่วไป

ความเชื่อมโยงกับความร่วมมือ Microsoft–Anthropic

ดีลที่กำลังพูดถึงนี้ไม่ได้เกิดขึ้นอย่างโดดเดี่ยว เพราะทั้งสองบริษัทมีความสัมพันธ์ทางธุรกิจขนาดใหญ่อยู่แล้ว

ในปี 2025 Microsoft, Nvidia และ Anthropic ประกาศความร่วมมือเชิงกลยุทธ์ โดย

• Anthropic ตกลงซื้อกำลังประมวลผลจาก Azure มูลค่าประมาณ 30,000 ล้านดอลลาร์
• Microsoft วางแผนลงทุนใน Anthropic สูงสุด 5,000 ล้านดอลลาร์
• Nvidia ให้คำมั่นลงทุนสูงสุด 10,000 ล้านดอลลาร์

Claude ซึ่งเป็นโมเดลหลักของ Anthropic ถูกวางแผนให้ขยายการใช้งานบน Azure เป็นหลัก

หากมีการใช้เซิร์ฟเวอร์ที่ใช้ Maia 200 จริง ก็มีแนวโน้มว่าจะเป็น ส่วนเสริมของโครงสร้างพื้นฐานเดิม มากกว่าการแทนที่ GPU ของ Nvidia เพราะ GPU ยังคงเป็นตัวหลักสำหรับการฝึกโมเดลขนาดใหญ่

ในทางปฏิบัติ Maia อาจถูกใช้กับงานบางประเภท เช่น inference ขนาดใหญ่ ที่ชิปเฉพาะทางให้ต้นทุนต่อการประมวลผลที่ดีกว่า

แนวโน้มใหญ่: AI กำลังเข้าสู่ยุค Multi‑Cloud และ Multi‑Chip

การเจรจาครั้งนี้ยังสะท้อนแนวโน้มสำคัญของอุตสาหกรรม AI

ผู้พัฒนาโมเดลชั้นนำเริ่มกระจายงานไปยัง หลายคลาวด์และหลายสถาปัตยกรรมชิป แทนที่จะพึ่งผู้ให้บริการรายเดียว

ข้อดีของกลยุทธ์นี้ ได้แก่

• ลดการพึ่งพาซัพพลาย GPU ที่มีจำกัด
• เพิ่มอำนาจต่อรองกับผู้ให้บริการโครงสร้างพื้นฐาน
• เลือกฮาร์ดแวร์ที่เหมาะกับงานแต่ละประเภทมากที่สุด

ผู้ให้บริการคลาวด์รายใหญ่จึงเริ่มพัฒนาชิปของตัวเองมากขึ้น เช่น

• Google กับ TPU
• Amazon กับ Trainium และ Inferentia
• Microsoft กับ Maia

เป้าหมายคือควบคุมสแต็กเทคโนโลยีตั้งแต่ชิปไปจนถึงแพลตฟอร์มคลาวด์ และลดการพึ่งพาผู้ผลิตชิปภายนอกอย่าง Nvidia

สัญญาณของการแข่งขันโครงสร้างพื้นฐาน AI ระลอกใหม่

หาก Anthropic ใช้ Maia 200 ในระดับขนาดใหญ่จริง มันจะส่งสัญญาณชัดเจนว่า ชิปที่ออกแบบโดยผู้ให้บริการคลาวด์เองกำลังกลายเป็นทางเลือกที่น่าเชื่อถือสำหรับงาน AI ระดับโลก

แม้ Nvidia จะยังเป็นผู้ครองตลาด AI compute อยู่ แต่ผู้ให้บริการคลาวด์ขนาดใหญ่กำลังเร่งสร้างระบบแบบ “vertical integration” ตั้งแต่ศูนย์ข้อมูล ชิป ไปจนถึงแพลตฟอร์ม AI

ดังนั้น การใช้งาน Maia บน Azure สำหรับ Claude ไม่ใช่แค่ดีลโครงสร้างพื้นฐานอีกสัญญาหนึ่ง แต่เป็นสัญญาณว่า

การแข่งขันในยุค AI ต่อจากนี้จะเกิดขึ้นในระดับซิลิคอนเอง — ไม่ใช่แค่ซอฟต์แวร์หรือบริการคลาวด์เท่านั้น