Nvidia Blackwell Ultra เปิดศักราชใหม่ของ AI Agent ด้วยผลทดสอบ Benchmark ตัวแรกของโลกจาก Artificial Analysis

🏆 ผลงานของ Nvidia บน AgentPerf

ในการทดสอบรอบแรกนี้ DeepSeek V4 Pro โมเดลตระกูล Mixture-of-Experts (MoE) ขนาดใหญ่ ซึ่งเป็นตัวแทนของโมเดล Frontier ที่ใช้ขับเคลื่อน Agent อันทรงพลังที่สุดในปัจจุบัน ถูกนำมาใช้เป็นโจทย์ในการทดสอบ

Nvidia GB300 NVL72 สร้างผลลัพธ์ที่โดดเด่นดังนี้:

• ประสิทธิภาพสูงสุด: ครองอันดับหนึ่งเหนือทุกแพลตฟอร์มที่ถูกทดสอบ
• เหนือกว่ารุ่นก่อนอย่างก้าวกระโดด: รองรับ AI Agent ได้มากกว่า Nvidia HGX H200 (Hopper) รุ่นก่อนหน้าถึง 20 เท่า เมื่อเทียบต่อเมกะวัตต์ ณ ระดับ SLO ทั้งที่ 20 tokens/s และ 60 tokens/s
• ตัวเลขความจุที่มหาศาล: ในระดับ SLO ที่ง่ายที่สุด (20 tokens/s, TTFT 10 วินาที) ระบบ GB300 แบบ Disaggregated Configuration สามารถรองรับ AI Agent พร้อมกันได้สูงถึง 61,340 ตัว

เพื่อให้เห็นภาพที่ชัดเจนขึ้น นี่คือการเปรียบเทียบจำนวน Agent ต่อเมกะวัตต์จากผลทดสอบ:

• Nvidia GB300 (Rack-scale, disaggregated): 61,354 Agents/MW
• Nvidia B300 (Single node, disaggregated): 21,053 Agents/MW
• AMD MI355X: 3,551 Agents/MW
• Nvidia H200 (Hopper): 2,594 Agents/MW

🔧 อะไรคือเบื้องหลังความสำเร็จนี้?

Nvidia ไม่ได้มองว่านี่เป็นแค่การชนะการแข่งขัน Benchmark ทั่วไป แต่เป็นส่วนหนึ่งของกลยุทธ์ที่ถูกวางมาอย่างดีเพื่อขึ้นแท่นเป็นผู้นำแพลตฟอร์มสำหรับ Agentic AI อย่างเต็มรูปแบบ โดยมีองค์ประกอบสำคัญดังนี้:

1. การออกแบบร่วมกันทั้งระบบ (Full-Stack Optimization): Nvidia ให้เหตุผลว่าประสิทธิภาพที่เพิ่มขึ้น 20 เท่าไม่ได้มาจากแค่ฮาร์ดแวร์ที่เร็วขึ้นเท่านั้น แต่มาจากการออกแบบที่เชื่อมประสานกันอย่างลงตัวระหว่าง:

   • NVLink: เทคโนโลยีเชื่อมต่อ GPU 72 ตัวเข้าด้วยกันเป็นผืนผ้าเดียว (Fabric) เพื่อการสื่อสารที่มีความหน่วงต่ำเป็นพิเศษ
   • CUDA Kernels: ชุดคำสั่งที่ถูกปรับแต่งให้สามารถซ้อนทับ (Overlap) การสื่อสารและการคำนวณสำหรับโมเดล MoE ได้
   • TensorRT LLM Optimizations: เทคนิคขั้นสูงอย่าง WideEP/DeepEP, DeepGEMM และ Fused MoE ที่ช่วยคงประสิทธิภาพไว้ได้แม้จำนวน Agent ที่ทำงานพร้อมกันจะเพิ่มสูงขึ้น

2. การขยายความเป็นผู้นำในวงการ Benchmark: ผลงานบน AgentPerf เป็นเพียงจิ๊กซอว์ล่าสุดที่ต่อเติมจากชัยชนะของ Blackwell Ultra บนมาตรฐานดั้งเดิมอย่าง MLPerf ซึ่ง Nvidia กวาดเรียบทั้งในด้าน Inference v5.1 (ทำลายสถิติ DeepSeek-R1 ด้วย throughput ที่มากกว่า Blackwell 1.4 เท่า) และ Training v5.1 (กวาดชัยทั้ง 7 การทดสอบ)

3. บทพิสูจน์จากผู้ใช้งานจริง (Ecosystem Proof Points): บริษัทไม่ได้พึ่งพาแต่ตัวเลขในห้องแล็บ แต่ชี้ให้เห็นว่าพันธมิตรทางธุรกิจอย่าง Together AI (ผู้ขับเคลื่อน Agentic Coding ให้กับ Cursor) และ DeepInfra (ผู้ขับเคลื่อน AI Workforce ให้กับ Pam.ai) ต่างใช้งาน Blackwell ในระบบจริงแล้ว ซึ่งตอกย้ำว่าฮาร์ดแวร์นี้พร้อมสำหรับการใช้งานจริง ไม่ใช่แค่เก่งในสนามทดสอบ

4. การวางหมากสู่อนาคต (Forward-Looking Roadmap): ในบทความของ Nvidia ยังบอกใบ้ถึงสถาปัตยกรรมรุ่นต่อไปอย่าง Vera Rubin ซึ่งขณะนี้อยู่ในขั้นตอนการผลิต โดยชี้ว่าจะเป็นอีกก้าวสำคัญในการเพิ่มขีดความสามารถด้าน Agentic AI ให้มากยิ่งขึ้น

📈 บทสรุป: นี่คือจุดเปลี่ยนสู่ยุคทองของ Agentic AI

ผลทดสอบ AgentPerf ของ Nvidia Blackwell Ultra ไม่ใช่แค่ตัวเลขที่น่าประทับใจ แต่มันคือการตอกย้ำถึงทิศทางของตลาดและเทคโนโลยีที่กำลังมาบรรจบกัน โลกกำลังเปลี่ยนจากเอไอที่ "ตอบสนอง (Reactive)" ไปสู่เอไอที่ "ลงมือทำ (Agentic)" ซึ่งต้องการโครงสร้างพื้นฐานที่คิดต่างออกไป

การที่ Nvidia สามารถส่งมอบประสิทธิภาพที่เพิ่มขึ้นแบบก้าวกระโดด (20x) ขณะที่ใช้พลังงานเท่าเดิม คือคำตอบที่ชัดเจนว่าอะไรคือ "AI Factory" ที่แท้จริง สำหรับองค์กรที่ต้องการสร้างและขยายการใช้งาน AI Agent ในวงกว้าง สิ่งที่เราเห็นในวันนี้จึงไม่ใช่แค่ชัยชนะของ Nvidia แต่คือการเปิดประตูสู่ความเป็นไปได้ใหม่ๆ ของวงการปัญญาประดิษฐ์โดยรวม