Huawei เดิมพัน “เวลา” แทนการย่อทรานซิสเตอร์ ฝ่าข้อจำกัดชิปและมาตรการคว่ำบาตรสหรัฐฯ

Liao Heng นักวิทยาศาสตร์อาวุโสของ Huawei เลือกใช้ภาพ “เจดีย์ 18 ชั้น” เพื่ออธิบายรายละเอียดของห่วงโซ่ดังกล่าวในมุมวิศวกรรมและการผลิตมากขึ้น

เจดีย์นี้ครอบคลุมตั้งแต่ทฤษฎี พลังงาน การทำเหมืองและวัตถุดิบ ซิลิคอน การออกแบบทรานซิสเตอร์ กระบวนการผลิตเวเฟอร์ ลิโทกราฟีและอุปกรณ์ ไปจนถึงแพ็กเกจขั้นสูง สถาปัตยกรรมชิป คอมไพเลอร์ รันไทม์ การแบ่งงานคำนวณ การควอนไทซ์ การฝึก AI โมเดลพื้นฐาน เอเจนต์ ผลิตภัณฑ์ และแอปพลิเคชัน

ความแตกต่างสำคัญจึงไม่ได้อยู่ที่จำนวนชั้นเพียงอย่างเดียว แต่คือมุมมองของโมเดล ทั้งสองแบบอธิบายระบบเดียวกัน แต่ “เค้ก 5 ชั้น” เน้นโครงสร้างตลาดและการไหลของมูลค่า ขณะที่ “เจดีย์ 18 ชั้น” พยายามเปิดให้เห็นองค์ประกอบทางเทคนิคที่ถูกซ่อนอยู่ภายใต้คำกว้าง ๆ อย่าง “ชิป” “โครงสร้างพื้นฐาน” และ “โมเดล”

ทำไมชั้นที่อ่อนแอที่สุดจึงเป็นตัวกำหนดเพดาน

ข้อโต้แย้งเรื่อง “ชั้นที่สั้นที่สุด” ของ Liao สอดคล้องกับหลักคิดด้านวิศวกรรมระบบแบบครบวงจร ระบบ AI ที่มีโมเดลเก่งที่สุดก็ไม่อาจทำงานได้เต็มศักยภาพ หากขาดไฟฟ้า แบนด์วิดท์หน่วยความจำ แพ็กเกจที่เหมาะสม อัตราผลิตชิปที่ดี เครื่องมือซอฟต์แวร์ การเชื่อมต่อระหว่างชิป หรือความสามารถในการนำระบบไปใช้งานจริง

กล่าวอีกแบบคือ ประสิทธิภาพโดยรวมไม่ได้ถูกกำหนดจากส่วนที่เร็วที่สุดเพียงส่วนเดียว แต่ถูกจำกัดโดยคอขวดที่อ่อนแอที่สุด คอขวดนั้นอาจทำให้ระบบประมวลผลได้ช้าลง มีต้นทุนสูงขึ้น ใช้พลังงานมากขึ้น หรือมีความเสถียรต่ำลง

ดังนั้น “เจดีย์ 18 ชั้น” จึงเป็นข้อเสนอให้พัฒนาจุดเชื่อมต่อและการประสานงานระหว่างทุกชั้น มากกว่าการมองว่าการมีตัวเร่ง AI ที่ทรงพลังเพียงตัวเดียวก็เพียงพอ

ใช้คลัสเตอร์ชิปเพื่อชดเชยฮาร์ดแวร์รายตัว

ยุทธศาสตร์ที่ตามมาคือการนำตัวเร่งประมวลผลจำนวนมากมาทำงานร่วมกัน แม้ชิปแต่ละตัวอาจมีความสามารถด้อยกว่าชิปแนวหน้าของ Nvidia การทำให้แนวทางนี้ใช้งานได้จริงต้องออกแบบร่วมกันทั้งชิป หน่วยความจำ เครือข่าย คอมไพเลอร์และรันไทม์ การลดความละเอียดของโมเดล และซอฟต์แวร์สำหรับการฝึกแบบกระจายศูนย์

เป้าหมายคือทำให้คลัสเตอร์เสียเวลาไปกับการสื่อสารระหว่างชิปน้อยลง และลดช่วงเวลาที่ชิปบางส่วนต้องว่างรอข้อมูล แนวทางนี้อาจได้ผลดีกับงานที่แบ่งขนานได้ แต่ก็มีต้นทุนเพิ่มขึ้น ทั้งด้านไฟฟ้า ระบบเครือข่าย ความซับซ้อนของซอฟต์แวร์ และการดูแลระบบ เมื่อเทียบกับการใช้ GPU ระดับแนวหน้าจำนวนน้อยกว่า

ข้อมูลที่มีอยู่สนับสนุนภาพว่า Huawei กำลังมุ่งสู่ยุทธศาสตร์ดังกล่าว แต่ยังไม่มีหลักฐานอิสระเพียงพอที่จะยืนยันว่าคลัสเตอร์ของ Huawei ให้ประสิทธิภาพเทียบเท่าระบบ Nvidia ชั้นนำในงานสำคัญทั้งหมด

บริบทตลาดจีน: สร้างระบบภายในให้ครบทุกชั้น

แนวทางของ Huawei สอดคล้องกับความพยายามของจีนในการสร้างระบบนิเวศภายในประเทศแบบครบวงจร ตั้งแต่การออกแบบและผลิตชิป หน่วยความจำ แพ็กเกจ เทคโนโลยี AI เฟรมเวิร์ก ไปจนถึงการรวมระบบ เหตุผลคือข้อจำกัดด้านการนำเข้าเพียงชั้นเดียวอาจกลายเป็นคอขวดของทั้งระบบได้

ข้อมูลจาก IDC ที่ Reuters รายงานระบุว่า ผู้ผลิต GPU และชิป AI ของจีนรวมกันครองตลาดเซิร์ฟเวอร์ตัวเร่ง AI ในจีนประมาณ 41% ในปี 2025 โดย Huawei เป็นผู้ผลิตภายในประเทศรายสำคัญ ขณะที่ Nvidia ยังครองส่วนแบ่งสูงสุดที่ 55% ตัวเลขดังกล่าวสะท้อนแรงผลักดันจากมาตรการควบคุมการส่งออกของสหรัฐฯ และนโยบายส่งเสริมการใช้เทคโนโลยีภายในประเทศ

บทสรุป: ไม่ได้หนีฟิสิกส์ แต่ย้ายสนามแข่งขัน

Huawei ไม่ได้กำลังหลบหนีข้อจำกัดของฟิสิกส์เซมิคอนดักเตอร์ แต่กำลังพยายามขยับการแข่งขันไปยังพื้นที่ที่การย่อทรานซิสเตอร์ไม่ใช่ปัจจัยเดียว ได้แก่ สถาปัตยกรรม การจัดวางวงจร แพ็กเกจ หน่วยความจำ ซอฟต์แวร์ และการประสานงานของคลัสเตอร์ขนาดใหญ่

หาก Tau Scaling และ LogicFolding ทำได้ตามที่ Huawei คาดหวัง แนวทางนี้อาจช่วยให้ระบบนิเวศภายในประเทศชดเชยข้อเสียเปรียบด้านเครื่องมือผลิตชิปขั้นแนวหน้าได้บางส่วน อย่างไรก็ตาม คำตอบที่แท้จริงจะอยู่ที่ชิปที่ผลิตได้ในจำนวนมาก ประสิทธิภาพต่อพลังงาน ความเสถียร และต้นทุนการใช้งาน—not เพียงชื่อเรียกของกฎใหม่หรือคำประกาศบนเวทีเท่านั้น