Relativity Networks เดิมพันกับใยแก้วนำแสงกลวง เพื่อขยายพื้นที่สร้างศูนย์ข้อมูล AI

การสร้างศูนย์ข้อมูลสำหรับปัญญาประดิษฐ์กำลังกลายเป็นโจทย์ด้านภูมิศาสตร์พอ ๆ กับโจทย์ด้านประมวลผล หากข้อจำกัดเรื่องไฟฟ้า ที่ดิน การเชื่อมต่อกับโครงข่ายไฟฟ้า ใบอนุญาตก่อสร้าง หรือแรงต้านทางการเมืองในพื้นที่ ทำให้ไม่สามารถสร้างศูนย์ข้อมูลขนาดมหึมาไว้ในที่เดียว ผู้ให้บริการอาจต้องกระจายกำลังประมวลผล GPU ไปยังหลายแห่ง

Relativity Networks กำลังเดิมพันว่าโครงข่ายใยแก้วนำแสงรูปแบบใหม่จะช่วยให้ศูนย์ข้อมูลเหล่านั้นทำงานประสานกันได้ใกล้เคียงกับระบบเดียวกันมากขึ้น

เปลี่ยนตัวกลางจากแก้วเป็นอากาศ

แพลตฟอร์ม ChronoCore ของบริษัทใช้ใยแก้วนำแสงแบบแกนกลางกลวง ซึ่งนำแสงผ่านช่องว่างที่มีอากาศอยู่ภายใน แทนการเดินทางผ่านแก้วแข็งแบบใยแก้วนำแสงทั่วไป Relativity ระบุว่าเทคโนโลยีนี้ลดเวลาที่สัญญาณใช้เดินทางเหลือประมาณ 3.4–3.5 ไมโครวินาทีต่อกิโลเมตร จากราว 5 ไมโครวินาทีต่อกิโลเมตรในใยแก้วแบบเดิม 1618

ใยแก้วไม่ได้ทำให้ระยะห่างระหว่างศูนย์ข้อมูลหายไป แต่ช่วยลดเวลาที่สัญญาณแสงใช้เดินทางได้ ความแตกต่างเพียงระดับไมโครวินาทีอาจไม่สำคัญมากสำหรับการเชื่อมต่อทั่วไป ทว่าเมื่อภาระงาน AI ต้องแลกเปลี่ยนข้อมูลระหว่างกลุ่ม GPU ที่อยู่คนละสถานที่อยู่ตลอดเวลา เวลาหน่วงสะสมอาจกระทบการประสานงานของระบบได้

Relativity ระบุว่าสายเคเบิลของบริษัทออกแบบมาเพื่อให้เส้นทางเชื่อมต่อความหน่วงต่ำ 24 ช่องระหว่างศูนย์ข้อมูล AI และอ้างว่าใยแก้วแบบแกนกลางกลวงสามารถส่งข้อมูลได้ไกลขึ้นราว 1.5 เท่า โดยยังคงระดับความหน่วงใกล้เคียงเดิม 1424

เมื่อ “ภูมิศาสตร์” กลายเป็นส่วนหนึ่งของคอมพิวเตอร์

แนวคิดของ Relativity คือ แทนที่จะมองว่าศูนย์ข้อมูลแต่ละแห่งเป็นระบบแยกจากกัน ผู้วางโครงสร้างพื้นฐานอาจรวมกำลังประมวลผลจากหลายพื้นที่เข้าด้วยกันได้ หากเครือข่ายเร็วพอและมีเวลาหน่วงต่ำพอ

นี่มีความสำคัญมากขึ้นเมื่อระบบ AI ขนาดใหญ่กระจายออกจากพื้นที่เดียว เพราะต้องไปหาแหล่งไฟฟ้าที่พร้อมใช้งาน อาคารหรือที่ดินที่เหมาะสม และพื้นที่ที่สามารถผ่านกระบวนการอนุญาตได้ บริษัทจึงอธิบายแนวคิดนี้ว่า “ภูมิศาสตร์กลายเป็นส่วนหนึ่งของคอมพิวเตอร์” โดยเครือข่ายไม่ได้มีหน้าที่แค่เชื่อมศูนย์ข้อมูล แต่ยังช่วยกำหนดว่าศูนย์ข้อมูลเหล่านั้นจะอยู่ห่างกันได้แค่ไหนโดยที่ยังทำงานเสมือนเครื่องจักรเดียวกัน 1718

อย่างไรก็ตาม ใยแก้วที่เร็วขึ้นเพียงอย่างเดียวไม่ได้เปลี่ยนศูนย์ข้อมูลหลายแห่งให้กลายเป็นคลัสเตอร์เดียวโดยอัตโนมัติ ประสิทธิภาพปลายทางยังขึ้นอยู่กับสวิตช์ อุปกรณ์รับส่งสัญญาณ โทโพโลยีเครือข่าย ซอฟต์แวร์ รูปแบบการสื่อสารของงาน และแหล่งความหน่วงอื่น ๆ ตลอดเส้นทาง เทคโนโลยีแกนกลางกลวงแก้ปัญหาเพียงชั้นหนึ่ง นั่นคือเวลาที่สัญญาณแสงใช้เดินทางผ่านลิงก์

ตัวเลข “เร็วขึ้น 50%” ต้องอ่านอย่างไร

การรายงานข่าวบางส่วนอธิบายว่าใยแก้วแบบแกนกลางกลวงเร็วกว่าใยแก้วทั่วไปประมาณ 50% 2 ขณะที่เอกสารของ Relativity ระบุใกล้เคียง 47% โดย ChronoCore มีค่าการเดินทางของสัญญาณประมาณ 3.4 ไมโครวินาทีต่อกิโลเมตร และมีเวลาหน่วงต่ำกว่าราว 32% เมื่อวัดในระยะทางเดียวกัน 18

ตัวเลขเหล่านี้ไม่ควรถูกนำมาใช้แทนกันโดยไม่ระบุวิธีคำนวณ หากเปรียบเทียบจาก 5 เหลือ 3.5 ไมโครวินาทีต่อกิโลเมตร จะเท่ากับลดเวลาหน่วงในการเดินทางเที่ยวเดียว 30% และคิดเป็นความเร็วการเดินทางที่เพิ่มขึ้นประมาณ 43% ภายใต้การเปรียบเทียบแบบง่าย ๆ ดังกล่าว ดังนั้นเปอร์เซ็นต์ที่ได้จึงขึ้นอยู่กับฐานและวิธีวัด

ประเด็นที่สำคัญกว่าตัวเลขพาดหัวคือ การเปลี่ยนตัวกลางนำแสงจากแก้วเป็นโครงสร้างที่มีแกนกลางเป็นอากาศอาจช่วย “ทวงคืน” เวลาได้มากพอที่จะขยายระยะห่างที่ใช้งานได้จริงระหว่างศูนย์ข้อมูล

เงินทุน 22 ล้านดอลลาร์ และคำสั่งซื้อ 40 ล้านดอลลาร์บอกอะไร

เมื่อวันที่ 19 สิงหาคม 2026 Relativity ประกาศระดมทุน 22 ล้านดอลลาร์ผ่าน SAFE note พร้อมคำสั่งซื้อเพิ่มเติมมูลค่า 40 ล้านดอลลาร์จาก hyperscaler หรือผู้ให้บริการคลาวด์รายใหญ่ที่ไม่เปิดเผยชื่อ 23

SAFE หรือ Simple Agreement for Future Equity คือข้อตกลงที่โดยทั่วไปจะแปลงเงินลงทุนเป็นหุ้นในรอบระดมทุนที่มีการกำหนดราคาในอนาคต ดังนั้นเงิน 22 ล้านดอลลาร์นี้ควรถูกมองเป็นเงินทุนระยะเริ่มต้นสำหรับการขยายธุรกิจ มากกว่าจะเป็นรอบขายหุ้นแบบกำหนดมูลค่าบริษัทอย่างเป็นทางการ 2

ส่วนคำสั่งซื้อให้สัญญาณอีกแบบหนึ่ง รายงานระบุว่า hyperscaler รายดังกล่าวทดสอบ ChronoCore สำหรับการเชื่อมต่อระหว่างศูนย์ข้อมูลก่อนสั่งซื้อเพิ่มเติม จึงสะท้อนว่าอย่างน้อยมีผู้ให้บริการคลาวด์รายใหญ่รายหนึ่งที่ขยับเกินขั้นตอนการประเมินเบื้องต้น 113

แต่เรื่องนี้ยังไม่ใช่หลักฐานว่าใยแก้วแบบแกนกลางกลวงกำลังจะถูกใช้อย่างแพร่หลาย ลูกค้ายังไม่เปิดเผยชื่อ และข้อมูลสาธารณะยังไม่มีรายละเอียดกำหนดการติดตั้ง ผลการทดสอบทางเทคนิค หรือขนาดโครงสร้างพื้นฐานที่คำสั่งซื้อดังกล่าวจะรองรับในท้ายที่สุด เงิน 40 ล้านดอลลาร์จึงเป็นหลักฐานของความสนใจเชิงพาณิชย์ ไม่ใช่คำยืนยันว่าเทคโนโลยีนี้จะเข้ามาแทนที่ใยแก้วแบบเดิมทั้งหมด

เครือข่ายกำลังกลายเป็นตัวกำหนดทำเลสร้าง AI

สิ่งที่ Relativity กำลังเจาะคือข้อจำกัดที่อยู่นอกตัว GPU นั่นคือสถานที่ซึ่งมีไฟฟ้าเพียงพอและสามารถพัฒนาได้จริง บริษัทและรายงานข่าวหลายแห่งระบุว่า ผู้ให้บริการกำลังพิจารณากระจายโครงสร้างพื้นฐาน AI ไปตามแคมปัสหลายแห่ง เนื่องจากต้องแข่งขันเพื่อเข้าถึงไฟฟ้าและพื้นที่ที่เหมาะสม 1627

ในศูนย์ข้อมูลแบบเดิม เครือข่ายมักทำหน้าที่เชื่อมเครื่องต่าง ๆ ภายในพื้นที่ที่กำหนดไว้ แต่ในโครงสร้างพื้นฐาน AI แบบกระจายตัว ลิงก์ระหว่างศูนย์ข้อมูลอาจเป็นปัจจัยที่กำหนดว่าแต่ละแห่งจะอยู่ห่างกันได้มากแค่ไหน และยังมีส่วนร่วมในระบบเดียวกันได้หรือไม่

ด้วยเหตุนี้ ใยแก้วแบบแกนกลางกลวงจึงถูกวางตำแหน่งให้เป็นชั้นโครงสร้างพื้นฐานที่ช่วยขยายทางเลือกด้านภูมิศาสตร์ ผู้ประกอบการอาจรวมกำลังประมวลผลจากหลายพื้นที่ที่มีไฟฟ้าพร้อมใช้ แทนการรอพื้นที่เดียวที่มีทั้งไฟฟ้า ที่ดิน การเชื่อมต่อโครงข่าย และการสนับสนุนทางการเมืองครบถ้วน

Optics.org รายงานการเปรียบเทียบของ Relativity ว่า ข้อจำกัดทั่วไปอาจทำให้ศูนย์ข้อมูลที่ต้องทำงานร่วมกันอยู่ห่างกันราว 60 กิโลเมตร ขณะที่ใยแก้วของบริษัทอาจขยายระยะดังกล่าวเป็นประมาณ 90 กิโลเมตร อย่างไรก็ตาม ระยะที่ใช้งานได้จริงสำหรับงาน AI แต่ละประเภทจะขึ้นอยู่กับการออกแบบระบบทั้งหมด 24

สิ่งที่ประกาศครั้งนี้บอกเรา และสิ่งที่ยังตอบไม่ได้

ประกาศของ Relativity สะท้อนทิศทางที่กว้างขึ้นของอุตสาหกรรม AI เมื่อระบบมีขนาดใหญ่ขึ้น บริษัทต่าง ๆ ไม่ได้มุ่งเพิ่มเพียงความหนาแน่นของชิปและความเร็วเครือข่ายภายในแร็กหรืออาคาร แต่กำลังพิจารณาภูมิศาสตร์ของระบบทั้งหมดด้วย

เงินทุน 22 ล้านดอลลาร์ช่วยให้ Relativity มีทรัพยากรสำหรับขยายการผลิต ขณะที่คำสั่งซื้อเพิ่มเติม 40 ล้านดอลลาร์บ่งชี้ว่าแนวคิดใยแก้วแบบแกนกลางกลวงได้รับความสนใจจาก hyperscaler อย่างน้อยหนึ่งราย 34 ข้อเสนอทางเทคนิคของบริษัทนั้นตรงไปตรงมา: หากลดเวลาที่สัญญาณใช้เดินทางได้ กำลังประมวลผล GPU ที่กระจายอยู่คนละพื้นที่ก็อาจทำงานร่วมกันได้มีประสิทธิภาพมากขึ้น

แต่ยังต้องมีข้อมูลสาธารณะเพิ่มเติมเกี่ยวกับกำลังการผลิต ต้นทุน ความเสถียร ความซับซ้อนในการติดตั้ง และประสิทธิภาพแบบครบวงจรเมื่อใช้กับงานฝึกและประมวลผล AI แบบกระจายจริง จนกว่าจะมีหลักฐานเหล่านั้น ChronoCore จึงควรถูกมองว่าเป็นเดิมพันสำคัญต่อข้อจำกัดใหม่ของโครงสร้างพื้นฐาน AI มากกว่าจะเป็นคำตอบที่พิสูจน์แล้วว่าแก้ปัญหาด้านภูมิศาสตร์ของศูนย์ข้อมูล AI ได้ทั้งหมด