เบื้องหลัง 4 รางวัล COMPUTEX 2026 ของ NVIDIA: จากหุ่นยนต์อัจฉริยะสู่ซูเปอร์คอมพิวเตอร์ AI ระดับแร็ก

ภาพรวมทั้งหมดสะท้อนกลยุทธ์ของ NVIDIA ที่กำลังสร้างโครงสร้างพื้นฐาน AI ครบทุกระดับ ตั้งแต่ edge device → AI factory → autonomous vehicles.

Jetson Thor: พลัง AI สำหรับหุ่นยนต์และ Edge Computing

Jetson Thor คือโมดูลประมวลผล AI สำหรับอุปกรณ์ปลายทาง เช่น หุ่นยนต์ ระบบอุตสาหกรรม และอุปกรณ์อัตโนมัติ โดยใช้สถาปัตยกรรม NVIDIA Blackwell GPU เพื่อให้สามารถประมวลผล AI แบบเรียลไทม์ได้ใกล้กับแหล่งข้อมูลมากที่สุด

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 .