เบื้องหลัง 4 รางวัล COMPUTEX 2026 ของ NVIDIA: จากหุ่นยนต์อัจฉริยะสู่ซูเปอร์คอมพิวเตอร์ AI ระดับแร็ก

ชุดพัฒนา Jetson AGX Thor Developer Kit มีสมรรถนะสูงถึง 2,070 FP4 TFLOPS พร้อมหน่วยความจำ 128 GB ในการใช้พลังงานประมาณ 130 วัตต์
เมื่อเทียบกับรุ่นก่อนหน้าอย่าง Jetson AGX Orin จะให้

• พลังประมวลผล AI มากขึ้นถึง 7.5 เท่า
• ประสิทธิภาพพลังงานดีขึ้น 3.5 เท่า

สิ่งนี้ทำให้หุ่นยนต์สามารถรันโมเดล AI ขนาดใหญ่ เช่น LLM, VLM หรือ Vision‑Language‑Action models ได้โดยตรงบนอุปกรณ์ โดยไม่ต้องพึ่งคลาวด์มากเหมือนเดิม

ทำไม Jetson Thor ถึงสำคัญกับหุ่นยนต์

ความก้าวหน้าที่แท้จริงไม่ใช่แค่ความเร็ว แต่คือการผสมกันของ

• พลังประมวลผลสูง
• การใช้พลังงานต่ำ
• ความสามารถในการตัดสินใจแบบเรียลไทม์จากหลายเซนเซอร์

สิ่งนี้ช่วยให้หุ่นยนต์ในโรงงาน โลจิสติกส์ หรือแม้แต่หุ่นยนต์ humanoid สามารถวิเคราะห์ภาพ เสียง และสภาพแวดล้อม แล้วตัดสินใจได้ทันทีในสถานการณ์จริง

Vera Rubin NVL72: ซูเปอร์คอมพิวเตอร์ AI ระดับแร็ก

เทคโนโลยีที่โดดเด่นที่สุดในงานคือ Vera Rubin NVL72 ซึ่งไม่ใช่แค่ชิปเดี่ยว แต่เป็น AI supercomputer ระดับ rack-scale

ระบบหนึ่งแร็กประกอบด้วย

• 36 NVIDIA Vera CPUs
• 72 NVIDIA Rubin GPUs
• เชื่อมต่อผ่าน NVLink รุ่นที่ 6

ทำให้ GPU ทั้งหมดทำงานเสมือนเป็นตัวเร่งประมวลผล AI ขนาดยักษ์เพียงระบบเดียว

แพลตฟอร์มนี้ออกแบบมาสำหรับงาน AI รุ่นใหม่ เช่น

• การฝึกโมเดลระดับ trillion‑parameter
• การทำ post‑training และ inference
• งานที่ต้องใช้ context ยาวมาก (long‑context workloads)

NVIDIA ระบุว่าระบบนี้สามารถ

• ใช้ GPU เพียงหนึ่งในสี่ เพื่อฝึกโมเดลขนาดเดียวกับระบบ Blackwell
• ลดต้นทุน ต่อหนึ่งล้าน token ลงเหลือหนึ่งในสิบ
• ให้ ประสิทธิภาพ inference ต่อวัตต์สูงขึ้นถึง 10 เท่า

การเปลี่ยนจากการแข่งขันชิป → การแข่งขันระบบทั้งแร็ก

แนวโน้มสำคัญของอุตสาหกรรม AI ตอนนี้คือ การแข่งขันไม่ได้อยู่ที่ “ชิปตัวเดียว” อีกต่อไป

แต่เป็นการแข่งขันด้าน

• ระบบคอมพิวต์ระดับแร็ก
• โครงสร้างเครือข่าย
• การระบายความร้อน
• สถาปัตยกรรมศูนย์ข้อมูล

ทั้งหมดต้องถูกออกแบบร่วมกันเป็น AI factory ที่สามารถผลิตและรันโมเดล AI ขนาดมหึมาได้อย่างต่อเนื่อง

Alpamayo: AI ที่ช่วยรถยนต์คิดและตัดสินใจ

อีกหนึ่งเทคโนโลยีที่ได้รับรางวัลคือ Alpamayo ซึ่งเป็นแพลตฟอร์มเปิดสำหรับการพัฒนารถยนต์ไร้คนขับ

รายงานระบุว่า Alpamayo ใช้โมเดลประเภท Vision‑Language‑Action (VLA) ที่มีความสามารถด้าน reasoning หรือการให้เหตุผลในการตัดสินใจ

โมเดลสามารถ

• วิเคราะห์ข้อมูลจากกล้องและเซนเซอร์
• สร้างเส้นทางการขับรถ
• แสดง "เหตุผล" ว่าทำไมจึงเลือกการตัดสินใจนั้น

แนวทางนี้ต่างจากระบบขับขี่อัตโนมัติแบบดั้งเดิมที่มักเน้นเพียงการตรวจจับวัตถุบนถนน

ทำไม reasoning สำคัญกับรถยนต์อัตโนมัติ

การขับรถจริงเต็มไปด้วยสถานการณ์ที่คาดไม่ถึง เช่น

• คนเดินถนนที่เคลื่อนที่ผิดปกติ
• ถนนที่ไม่มีเครื่องหมายชัดเจน
• สภาพอากาศหรือการจราจรที่ซับซ้อน

โมเดลที่สามารถ อธิบายเหตุผลในการตัดสินใจ จะช่วยให้นักพัฒนาตรวจสอบพฤติกรรมของระบบได้ง่ายขึ้น และช่วยเพิ่มความปลอดภัยของรถยนต์ไร้คนขับในระยะยาว

นอกจากนี้การฝึก Alpamayo ยังใช้ทั้ง

• ข้อมูลการขับรถจริง
• ข้อมูลจำลองจากระบบ simulation

เพื่อให้โมเดลได้เรียนรู้สถานการณ์ที่หลากหลายกว่าการทดสอบบนถนนเพียงอย่างเดียว

ภาพรวม: กลยุทธ์ AI ครบทุกระดับของ NVIDIA

เมื่อดูทั้งสามเทคโนโลยีร่วมกัน จะเห็นโครงสร้าง AI แบบครบวงจรของ NVIDIA

• Jetson Thor → พลัง AI สำหรับอุปกรณ์ปลายทางและหุ่นยนต์
• Vera Rubin NVL72 → โครงสร้างพื้นฐานศูนย์ข้อมูลสำหรับโมเดล AI ขนาดมหึมา
• Alpamayo → ซอฟต์แวร์และโมเดล AI สำหรับรถยนต์ไร้คนขับ

ผลลัพธ์คือระบบนิเวศ AI ที่ครอบคลุมตั้งแต่ เครื่องจักรในโลกจริง (physical AI) ไปจนถึง โรงงาน AI ขนาดใหญ่ในศูนย์ข้อมูล — แนวทางที่ทำให้ NVIDIA กลายเป็นหนึ่งในบริษัทเทคโนโลยีที่มีอิทธิพลมากที่สุดในยุค AI ปัจจุบัน.

หมายเหตุ: รายละเอียดเชิงเทคนิคของ Jetson Thor และ Vera Rubin NVL72 ได้รับการยืนยันจากเอกสารและประกาศของ NVIDIA และรายงานจากงาน COMPUTEX ส่วนข้อมูลเชิงลึกเกี่ยวกับ Alpamayo บางส่วนมาจากการรายงานของสื่อเทคโนโลยี เนื่องจากเอกสารทางเทคนิคอย่างเป็นทางการมีเผยแพร่จำกัด .