Trainium vs Nvidia: ทำไมนักพัฒนา AI เริ่มเดิมพันกับชิปของ AWS

กระแส Generative AI ทำให้ “พลังประมวลผล” กลายเป็นทรัพยากรที่มีค่าที่สุดอย่างหนึ่งในอุตสาหกรรมเทคโนโลยี

หลายปีที่ผ่านมา GPU ของ Nvidia ครองตลาดโครงสร้างพื้นฐาน AI แทบทั้งหมด แต่ในช่วงหลัง ผู้ให้บริการคลาวด์ขนาดใหญ่เริ่มสร้างชิปของตัวเองเพื่อลดต้นทุนและควบคุมการขยายระบบได้ดีขึ้น

หนึ่งในความพยายามที่จริงจังที่สุดคือของ Amazon Web Services (AWS) ผ่านชิป AI ที่ชื่อว่า Trainium ซึ่งออกแบบมาโดยเฉพาะสำหรับการฝึกและรันโมเดลแมชชีนเลิร์นนิงขนาดใหญ่

สิ่งที่เริ่มจากโครงการเพิ่มประสิทธิภาพภายในบริษัท ตอนนี้กำลังกลายเป็นธุรกิจขนาดใหญ่ โดย Amazon ระบุว่าปัจจุบันมี คำมั่นรายได้จากโครงสร้างพื้นฐาน Trainium มากกว่า 225 พันล้านดอลลาร์ จากลูกค้าและพันธมิตรต่าง ๆ

Trainium คืออะไร และทำไม AWS ถึงสร้างมันขึ้นมา

Trainium เป็นชิปเร่งประมวลผล AI ที่ AWS ออกแบบเองสำหรับงานแมชชีนเลิร์นนิง โดยมีหลายรุ่น ได้แก่ Trainium1, Trainium2 และ Trainium3 ซึ่งใช้ในอินสแตนซ์ EC2 บนคลาวด์ของ Amazon

ต่างจาก GPU ทั่วไปที่ออกแบบมาให้ใช้งานได้หลากหลาย ชิป Trainium ถูกสร้างขึ้นมาเพื่อจัดการกับ คณิตศาสตร์ที่อยู่เบื้องหลังโมเดล AI สมัยใหม่โดยเฉพาะ เช่น neural networks และ transformer

ด้วยการออกแบบฮาร์ดแวร์เฉพาะทาง และเชื่อมต่อกับแพลตฟอร์มคลาวด์ของ AWS อย่างแนบแน่น Amazon หวังว่าจะสามารถ

• เพิ่มประสิทธิภาพการประมวลผล
• ลดต้นทุนในการฝึกโมเดล
• และควบคุมโครงสร้างพื้นฐานในศูนย์ข้อมูลของตัวเองได้มากขึ้น

แนวทางนี้กำลังกลายเป็นเทรนด์ของบริษัทคลาวด์ระดับโลกที่เริ่ม ออกแบบชิป AI เองแทนการพึ่งผู้ผลิตภายนอกทั้งหมด

ดีลระดับยักษ์ที่ผลักดัน Trainium

สัญญาณที่ชัดที่สุดว่า Trainium เริ่มได้รับความนิยมคือ ขนาดของข้อตกลงระยะยาวกับลูกค้า

AWS เปิดเผยว่ามีข้อตกลงด้านคอมพิวต์แบบ multi‑year และ multi‑gigawatt สำหรับการใช้ Trainium กับบริษัท AI ชั้นนำของโลก

ตัวอย่างสำคัญ ได้แก่

• Anthropic: บริษัทผู้สร้างโมเดล Claude ให้คำมั่นว่าจะใช้เทคโนโลยี AWS มากกว่า 100 พันล้านดอลลาร์ภายใน 10 ปี รวมถึงการใช้พลังประมวลผลจาก Trainium เพื่อฝึกและรันโมเดล
• OpenAI: AWS ได้รับคำมั่นการใช้ ความจุ Trainium ประมาณ 2 กิกะวัตต์ เป็นส่วนหนึ่งของความร่วมมือด้านโครงสร้างพื้นฐานกับบริษัท
• Uber: บริษัทเรียกรถรายใหญ่ได้ขยายสัญญา AWS และเริ่ม ทดลองฝึกโมเดล AI บน Trainium3 ควบคู่กับการใช้ชิป Graviton ของ Amazon ในระบบโปรดักชัน

ดีลเหล่านี้สำคัญ เพราะแสดงให้เห็นว่าการใช้งานไม่ได้จำกัดแค่ภายใน Amazon แต่เริ่มถูกนำไปใช้โดย ทั้งห้องวิจัย AI ระดับโลกและแพลตฟอร์มธุรกิจขนาดใหญ่

ทำไมบางเวิร์กโหลด AI เริ่มกระจายออกจาก Nvidia

ถึงแม้ Nvidia จะยังคงเป็นผู้นำตลาดอย่างชัดเจน โดยถือครองประมาณ 81% ของตลาดชิป AI ในดาต้าเซ็นเตอร์

แต่ก็มีแรงกดดันเชิงโครงสร้างหลายอย่างที่ทำให้บริษัทต่าง ๆ เริ่มกระจายการใช้งาน

1. ปัญหาซัพพลายและความต้องการสูงมาก
การฝึกโมเดล AI สมัยใหม่ต้องใช้คลัสเตอร์ชิปจำนวนมหาศาล การพึ่งผู้ผลิตรายเดียวอาจทำให้เกิดคอขวดด้านซัพพลาย

2. ต้นทุนการคำนวณที่สูงมาก
ค่า compute กลายเป็นหนึ่งในต้นทุนที่ใหญ่ที่สุดของบริษัท AI การใช้ชิปที่ออกแบบเฉพาะงานอาจลดค่าใช้จ่ายได้

3. การรวมระบบแนวตั้งของผู้ให้บริการคลาวด์
เมื่อบริษัทอย่าง Amazon สร้างชิปเอง พวกเขาสามารถควบคุมทั้งฮาร์ดแวร์ ซอฟต์แวร์ และราคาในระบบคลาวด์ได้

อย่างไรก็ตาม บริษัทส่วนใหญ่ ไม่ได้เลิกใช้ Nvidia แต่กำลังใช้กลยุทธ์แบบ multi‑vendor เช่น ใช้ GPU ควบคู่กับ Trainium หรือ TPU ของ Google

Trainium3 ดีขึ้นอย่างไร

AWS เปิดตัว Trainium3 เพื่อเพิ่มประสิทธิภาพสำหรับเวิร์กโหลด AI ขนาดใหญ่

ตามข้อมูลจาก AWS ระบบที่ใช้ Trainium3 มีการปรับปรุงหลัก ๆ เมื่อเทียบกับ Trainium2 ได้แก่

• ประสิทธิภาพการประมวลผลสูงขึ้นสูงสุด 4.4 เท่า
• ประหยัดพลังงานมากขึ้นประมาณ 4 เท่า
• แบนด์วิดท์หน่วยความจำเพิ่มขึ้นเกือบ 4 เท่า
• คลัสเตอร์ขนาดใหญ่รองรับ 144 ชิป พร้อมพลังประมวลผลสูงสุด 362 FP8 petaflops

AWS ระบุว่าลูกค้าบางรายสามารถลดค่าใช้จ่ายในการเทรนและ inference ได้ สูงสุดประมาณ 50% เมื่อใช้ระบบที่ใช้ Trainium แม้ว่าผลลัพธ์จริงจะขึ้นอยู่กับโครงสร้างโมเดลและการปรับซอฟต์แวร์

นอกจากนี้ Amazon ยังกล่าวว่า

• Trainium2 ให้ price‑performance ดีกว่า GPU ที่เทียบเคียงประมาณ 30%
• และ Trainium3 ดีกว่า Trainium2 อีกประมาณ 30–40%

อย่างไรก็ตาม Nvidia ยังมีข้อได้เปรียบสำคัญด้าน ระบบซอฟต์แวร์และ ecosystem นักพัฒนา โดยเฉพาะแพลตฟอร์ม CUDA

ศึกชิป AI: Amazon vs Nvidia vs Google

ตลาดชิป AI ตอนนี้กำลังถูกกำหนดโดยสามแนวทางหลัก

Nvidia
ผู้นำตลาดชิป AI ที่ครองการฝึกโมเดลระดับ frontier และมี ecosystem ซอฟต์แวร์ที่แข็งแกร่ง

Google
ผู้บุกเบิกชิป AI เฉพาะทางผ่าน TPU (Tensor Processing Unit) ซึ่งใช้ภายใน Google มานานและเริ่มเปิดให้ลูกค้า cloud ใช้งานมากขึ้น

Amazon
AWS กำลังสร้างสแต็กฮาร์ดแวร์ของตัวเอง ตั้งแต่

• CPU: Graviton
• AI accelerator: Trainium
• ระบบเครือข่ายและโครงสร้างพื้นฐานคลาวด์

แทนที่จะแข่งกันเฉพาะความแรงของชิป Amazon กำลังใช้กลยุทธ์ ผสานฮาร์ดแวร์ คลาวด์ และสัญญาระยะยาวกับลูกค้า เข้าด้วยกัน

สรุป

ชิป Trainium ของ Amazon เริ่มมีบทบาทจริงในตลาด AI เพราะ AWS กำลังเปลี่ยนชิปที่ออกแบบเองให้กลายเป็นแพลตฟอร์มโครงสร้างพื้นฐานขนาดใหญ่

ข้อตกลงมูลค่ามหาศาลกับบริษัทอย่าง Anthropic, OpenAI และ Uber รวมถึงการปรับปรุงด้านประสิทธิภาพของ Trainium3 ทำให้ Trainium กลายเป็นทางเลือกที่น่าสนใจสำหรับเวิร์กโหลด AI ขนาดใหญ่

แม้ว่า Nvidia จะยังเป็นผู้นำตลาดอย่างชัดเจน แต่การเกิดขึ้นของชิปจากผู้ให้บริการคลาวด์รายใหญ่บ่งชี้ว่าอนาคตของโครงสร้างพื้นฐาน AI อาจไม่ใช่ระบบที่พึ่งผู้ผลิตรายเดียวอีกต่อไป