AI Agent vs Chatbot: KAIST เผยช่องว่างพลังงาน 137 เท่า ต่อ 1 คำถาม

ทำไมถึงต่างกันมาก?

สาเหตุไม่ได้อยู่ที่ AI Agent "ฉลาดน้อยกว่า" แต่อยู่ที่วิธีการทำงานที่ต่างกัน:

• Chatbot: ตอบคำถามแบบตรงไปตรงมาในครั้งเดียว (Single-turn)
• AI Agent: ทำงานแบบอัตโนมัติ โดยต้องวางแผน ค้นหาข้อมูล คำนวณ เขียนโค้ด และวนซ้ำหลายขั้นตอนเพื่อทำงานที่ซับซ้อนให้สำเร็จ แต่ละขั้นตอนต้องเรียกใช้โมเดลภาษาใหญ่ (LLM) แยกกัน

งานวิจัยพบว่า AI Agent เรียกใช้ LLM มากกว่าเฉลี่ย 9.2 เท่า เมื่อเทียบกับ Chatbot ทั่วไป ^HC และระยะเวลารอคอย (Latency) ก็เพิ่มขึ้น สูงสุดถึง 153.7 เท่า ^MBP

ปัญหา GPU รอคอย: 54.5% ของเวลาเสียเปล่า

จุดที่น่าสนใจคือ การทำงานแบบหลายขั้นตอนของ AI Agent ทำให้ GPU ต้องหยุดรอคอยข้อมูลหรือผลลัพธ์จากขั้นตอนก่อนหน้าเป็นเวลานาน ทำให้ GPU มีช่วงเวลาว่างงาน (Idle Time) สูงถึง 54.5% ของเวลาทำงานทั้งหมด ^HM สะท้อนถึงความไม่มีประสิทธิภาพในการใช้ทรัพยากรฮาร์ดแวร์ขั้นสูง

ผลกระทบต่อดาต้าเซ็นเตอร์ในอนาคต

ทีมวิจัยได้จำลองสถานการณ์ หากมีการใช้งาน AI Agent อย่างแพร่หลายถึง 1.37 หมื่นล้านครั้งต่อวัน ความต้องการไฟฟ้าสำหรับดาต้าเซ็นเตอร์อาจพุ่งสูงถึง 198.9 กิกะวัตต์ (GW) ซึ่งเป็นตัวเลขที่สูงเกินกว่าโครงการดาต้าเซ็นเตอร์ AI ระดับหลาย GW ที่หลายประเทศกำลังผลักดัน และคิดเป็น ประมาณครึ่งหนึ่งของความต้องการใช้ไฟฟ้าเฉลี่ยทั้งหมดของสหรัฐอเมริกา ^N

นี่คือสัญญาณเตือน

งานวิจัยนี้ไม่ได้บอกว่า AI Agent ไม่ดี แต่เป็นสัญญาณเตือนว่า หากเทคโนโลยีนี้ถูกนำไปใช้ในวงกว้างโดยไม่มีการปรับปรุงประสิทธิภาพการใช้พลังงาน จะสร้างภาระมหาศาลต่อระบบโครงข่ายไฟฟ้าและสิ่งแวดล้อม ^BP