คำตอบการวิจัย
ประเด็นสำคัญ Huawei พยายามเปลี่ยนโจทย์การพัฒนาชิปจาก “ทำทรานซิสเตอร์ให้เล็กลง” เป็น “ทำให้สัญญาณและข้อมูลเดินทางเร็วขึ้น” ผ่านแนวคิด Tau Scaling Law LogicFolding จะถูกนำมาใช้กับชิป Kirin สำหรับสมาร์ตโฟนที่คาดว่าจะเปิดตัวในเดือนกันยายน โดยนักวิเคราะห์ต้องตรวจสอบทั้งประสิทธิภาพจริง การใช้พลังงาน ความร้อน กระบวนการผลิต และอัตราผลิตได้สำเร็จ โมเดล “เจดีย์ 18 ชั้น” ของ Liao Heng แยกห่วงโซ่ AI ตั้งแต่วัตถุดิบและการผลิต ไปจนถึงสถาปัตยกรรม ซอฟต์แวร์ โมเดล และแอปพลิเคชัน ต่างจาก “เค้ก 5 ชั้น” ของ Jensen Huang ที่เป็นภาพรวมเชิงอุตสาหกรรม ยุทธศาสตร์ของ Huawei คือการประสานงานข้ามชั้นและรวมชิปจำนวนมากที่อาจมีความสามารถรายตัวด้อยกว่า เพื่อชดเชยข้อจำกัดด้านฮาร์ดแวร์ แม้ต้องแลกกับต้นทุนพลังงาน เครือข่าย และซอฟต์แวร์ที่สูงขึ้น How is Huawei Technologies attempting to overcome the physical and geopolitical limits facing conventional processor development—where trans AI-generated editorial hero image for How is Huawei Technologies attempting to overcome the physical and geopolitical limits facing conventional processor development—where trans. AI พรอมต์ Create a landscape editorial hero image for this Studio Global article: How is Huawei Technologies attempting to overcome the physical and geopolitical limits facing conventional processor development—where trans. Article summary: Huawei’s proposed alternative is to treat performance as a system time problem rather than solely a transistor size problem.. Topic tags: general web, ai, workflow, code, regulation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an
openai.com Huawei กำลังเปลี่ยนคำถามของวงการชิป
เป็นเวลาหลายทศวรรษที่การแข่งขันในอุตสาหกรรมเซมิคอนดักเตอร์ผูกอยู่กับการย่อขนาดทรานซิสเตอร์ เพื่อบรรจุทรานซิสเตอร์ให้ได้มากขึ้นบนพื้นที่ซิลิคอนเท่าเดิม แต่แนวทางดังกล่าวกำลังเผชิญข้อจำกัดทางกายภาพ ขณะที่มาตรการควบคุมการส่งออกของสหรัฐฯ จำกัดการเข้าถึงเครื่องจักรลิโทกราฟีขั้นสูงของ ASML ซึ่งมีบทบาทสำคัญต่อการผลิตชิปแนวหน้าของโลก
คำตอบของ Huawei คือการพยายามเปลี่ยนเป้าหมายจากการเพิ่มประสิทธิภาพด้วย “ขนาด” ไปสู่การเพิ่มประสิทธิภาพด้วย “เวลา” บริษัทเรียกแนวคิดนี้ว่า Tau Scaling Law โดยมุ่งลดเวลาที่สัญญาณ ข้อมูล และงานคำนวณใช้ในการเดินทางผ่านตัวชิปและระบบคอมพิวเตอร์โดยรวม
แนวคิดนี้ไม่ได้หมายความว่า Huawei หลุดพ้นจากข้อจำกัดของฟิสิกส์เซมิคอนดักเตอร์ หรือไม่จำเป็นต้องพึ่งพากระบวนการผลิตขั้นสูงอีกต่อไป แต่เป็นความพยายามย้ายสนามแข่งขันไปยังการออกแบบวงจร การจัดวางส่วนประกอบ การเชื่อมต่อหน่วยความจำ บรรจุภัณฑ์ ซอฟต์แวร์ และการประสานงานระดับระบบ
Tau Scaling และ LogicFolding ทำงานอย่างไร
ในทางปฏิบัติ Tau Scaling ให้ความสำคัญกับการลดความหน่วงของการส่งสัญญาณ การเคลื่อนย้ายข้อมูล การเข้าถึงหน่วยความจำ และการสื่อสารระหว่างส่วนต่าง ๆ ของระบบ แทนที่จะมุ่งลดขนาดทางเรขาคณิตของทรานซิสเตอร์เพียงอย่างเดียว
เทคโนโลยีสำคัญที่ Huawei เชื่อมโยงกับแนวคิดนี้คือ LogicFolding ซึ่งมีเป้าหมายจัดวางวงจรตรรกะ วงจรแอนะล็อก และหน่วยความจำให้ซ้อนกันในแนวตั้งและเชื่อมต่อกันอย่างกระชับขึ้น วิธีดังกล่าวอาจช่วยลดระยะทางของสายสัญญาณและเวลาที่ข้อมูลต้องเดินทางภายในชิป
Huawei ระบุว่าชิป Kirin สำหรับสมาร์ตโฟนรุ่นใหม่ซึ่งมีกำหนดเปิดตัวในช่วงฤดูใบไม้ร่วง จะเป็นผลิตภัณฑ์แรกที่ใช้สถาปัตยกรรม LogicFolding ขณะที่เทคโนโลยีเดียวกันมีแผนประยุกต์ใช้กับชิป Ascend และคลัสเตอร์ AI ขนาดใหญ่ในอนาคต
ชิปสมาร์ตโฟนเดือนกันยายนจะพิสูจน์อะไรได้บ้าง
การเปิดตัวในเดือนกันยายนจะเป็นบททดสอบเชิงพาณิชย์ที่สำคัญ แต่ไม่ใช่หลักฐานยืนยันโดยอัตโนมัติว่า Huawei ได้ปฏิวัติวงการชิปหรือทดแทนเครื่องจักร EUV ของ ASML ได้แล้ว
นักวิเคราะห์อุตสาหกรรมจะต้องตรวจสอบอย่างน้อย 5 ประเด็น ได้แก่
กระบวนการผลิตจริงและอัตราผลิตชิปที่ใช้งานได้
ประสิทธิภาพของ CPU, GPU และ NPU ในงานจริง
การใช้พลังงาน อุณหภูมิ และประสิทธิภาพเมื่อใช้งานต่อเนื่อง
การออกแบบแพ็กเกจและระบบหน่วยความจำ
ประสิทธิภาพระยะยาวเมื่อเทียบกับชิปคู่แข่ง ไม่ใช่เพียงคะแนนทดสอบสูงสุดช่วงสั้น ๆ
หากผลทดสอบออกมาดี นั่นจะสะท้อนว่าสถาปัตยกรรมและการบูรณาการทั้งระบบสามารถช่วยลดช่องว่างด้านประสิทธิภาพได้ แม้ Huawei จะเผชิญข้อจำกัดด้านการผลิตชิปขั้นแนวหน้า แต่ยังไม่ใช่ข้อพิสูจน์ว่าบริษัทเอาชนะเศรษฐศาสตร์ของการย่อทรานซิสเตอร์ หรือไม่ต้องใช้เทคโนโลยีลิโทกราฟีขั้นสูงอีกต่อไป
จาก “เค้ก 5 ชั้น” สู่ “เจดีย์ 18 ชั้น”
Jensen Huang ซีอีโอของ Nvidia อธิบายอุตสาหกรรม AI ด้วยภาพเปรียบเทียบ “เค้ก 5 ชั้น” ซึ่งประกอบด้วย
คนยังถาม คำตอบสั้น ๆ สำหรับ "Huawei เดิมพัน “เวลา” แทนการย่อทรานซิสเตอร์ ฝ่าข้อจำกัดชิปและมาตรการคว่ำบาตรสหรัฐฯ" คืออะไร Huawei พยายามเปลี่ยนโจทย์การพัฒนาชิปจาก “ทำทรานซิสเตอร์ให้เล็กลง” เป็น “ทำให้สัญญาณและข้อมูลเดินทางเร็วขึ้น” ผ่านแนวคิด Tau Scaling Law
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร? Huawei พยายามเปลี่ยนโจทย์การพัฒนาชิปจาก “ทำทรานซิสเตอร์ให้เล็กลง” เป็น “ทำให้สัญญาณและข้อมูลเดินทางเร็วขึ้น” ผ่านแนวคิด Tau Scaling Law LogicFolding จะถูกนำมาใช้กับชิป Kirin สำหรับสมาร์ตโฟนที่คาดว่าจะเปิดตัวในเดือนกันยายน โดยนักวิเคราะห์ต้องตรวจสอบทั้งประสิทธิภาพจริง การใช้พลังงาน ความร้อน กระบวนการผลิต และอัตราผลิตได้สำเร็จ
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ? โมเดล “เจดีย์ 18 ชั้น” ของ Liao Heng แยกห่วงโซ่ AI ตั้งแต่วัตถุดิบและการผลิต ไปจนถึงสถาปัตยกรรม ซอฟต์แวร์ โมเดล และแอปพลิเคชัน ต่างจาก “เค้ก 5 ชั้น” ของ Jensen Huang ที่เป็นภาพรวมเชิงอุตสาหกรรม
คำตอบการวิจัย
ประเด็นสำคัญ Huawei พยายามเปลี่ยนโจทย์การพัฒนาชิปจาก “ทำทรานซิสเตอร์ให้เล็กลง” เป็น “ทำให้สัญญาณและข้อมูลเดินทางเร็วขึ้น” ผ่านแนวคิด Tau Scaling Law LogicFolding จะถูกนำมาใช้กับชิป Kirin สำหรับสมาร์ตโฟนที่คาดว่าจะเปิดตัวในเดือนกันยายน โดยนักวิเคราะห์ต้องตรวจสอบทั้งประสิทธิภาพจริง การใช้พลังงาน ความร้อน กระบวนการผลิต และอัตราผลิตได้สำเร็จ โมเดล “เจดีย์ 18 ชั้น” ของ Liao Heng แยกห่วงโซ่ AI ตั้งแต่วัตถุดิบและการผลิต ไปจนถึงสถาปัตยกรรม ซอฟต์แวร์ โมเดล และแอปพลิเคชัน ต่างจาก “เค้ก 5 ชั้น” ของ Jensen Huang ที่เป็นภาพรวมเชิงอุตสาหกรรม ยุทธศาสตร์ของ Huawei คือการประสานงานข้ามชั้นและรวมชิปจำนวนมากที่อาจมีความสามารถรายตัวด้อยกว่า เพื่อชดเชยข้อจำกัดด้านฮาร์ดแวร์ แม้ต้องแลกกับต้นทุนพลังงาน เครือข่าย และซอฟต์แวร์ที่สูงขึ้น How is Huawei Technologies attempting to overcome the physical and geopolitical limits facing conventional processor development—where trans AI-generated editorial hero image for How is Huawei Technologies attempting to overcome the physical and geopolitical limits facing conventional processor development—where trans. AI พรอมต์ Create a landscape editorial hero image for this Studio Global article: How is Huawei Technologies attempting to overcome the physical and geopolitical limits facing conventional processor development—where trans. Article summary: Huawei’s proposed alternative is to treat performance as a system time problem rather than solely a transistor size problem.. Topic tags: general web, ai, workflow, code, regulation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an
openai.com Huawei กำลังเปลี่ยนคำถามของวงการชิป
เป็นเวลาหลายทศวรรษที่การแข่งขันในอุตสาหกรรมเซมิคอนดักเตอร์ผูกอยู่กับการย่อขนาดทรานซิสเตอร์ เพื่อบรรจุทรานซิสเตอร์ให้ได้มากขึ้นบนพื้นที่ซิลิคอนเท่าเดิม แต่แนวทางดังกล่าวกำลังเผชิญข้อจำกัดทางกายภาพ ขณะที่มาตรการควบคุมการส่งออกของสหรัฐฯ จำกัดการเข้าถึงเครื่องจักรลิโทกราฟีขั้นสูงของ ASML ซึ่งมีบทบาทสำคัญต่อการผลิตชิปแนวหน้าของโลก
คำตอบของ Huawei คือการพยายามเปลี่ยนเป้าหมายจากการเพิ่มประสิทธิภาพด้วย “ขนาด” ไปสู่การเพิ่มประสิทธิภาพด้วย “เวลา” บริษัทเรียกแนวคิดนี้ว่า Tau Scaling Law โดยมุ่งลดเวลาที่สัญญาณ ข้อมูล และงานคำนวณใช้ในการเดินทางผ่านตัวชิปและระบบคอมพิวเตอร์โดยรวม
แนวคิดนี้ไม่ได้หมายความว่า Huawei หลุดพ้นจากข้อจำกัดของฟิสิกส์เซมิคอนดักเตอร์ หรือไม่จำเป็นต้องพึ่งพากระบวนการผลิตขั้นสูงอีกต่อไป แต่เป็นความพยายามย้ายสนามแข่งขันไปยังการออกแบบวงจร การจัดวางส่วนประกอบ การเชื่อมต่อหน่วยความจำ บรรจุภัณฑ์ ซอฟต์แวร์ และการประสานงานระดับระบบ
Tau Scaling และ LogicFolding ทำงานอย่างไร
ในทางปฏิบัติ Tau Scaling ให้ความสำคัญกับการลดความหน่วงของการส่งสัญญาณ การเคลื่อนย้ายข้อมูล การเข้าถึงหน่วยความจำ และการสื่อสารระหว่างส่วนต่าง ๆ ของระบบ แทนที่จะมุ่งลดขนาดทางเรขาคณิตของทรานซิสเตอร์เพียงอย่างเดียว
เทคโนโลยีสำคัญที่ Huawei เชื่อมโยงกับแนวคิดนี้คือ LogicFolding ซึ่งมีเป้าหมายจัดวางวงจรตรรกะ วงจรแอนะล็อก และหน่วยความจำให้ซ้อนกันในแนวตั้งและเชื่อมต่อกันอย่างกระชับขึ้น วิธีดังกล่าวอาจช่วยลดระยะทางของสายสัญญาณและเวลาที่ข้อมูลต้องเดินทางภายในชิป
Huawei ระบุว่าชิป Kirin สำหรับสมาร์ตโฟนรุ่นใหม่ซึ่งมีกำหนดเปิดตัวในช่วงฤดูใบไม้ร่วง จะเป็นผลิตภัณฑ์แรกที่ใช้สถาปัตยกรรม LogicFolding ขณะที่เทคโนโลยีเดียวกันมีแผนประยุกต์ใช้กับชิป Ascend และคลัสเตอร์ AI ขนาดใหญ่ในอนาคต
ชิปสมาร์ตโฟนเดือนกันยายนจะพิสูจน์อะไรได้บ้าง
การเปิดตัวในเดือนกันยายนจะเป็นบททดสอบเชิงพาณิชย์ที่สำคัญ แต่ไม่ใช่หลักฐานยืนยันโดยอัตโนมัติว่า Huawei ได้ปฏิวัติวงการชิปหรือทดแทนเครื่องจักร EUV ของ ASML ได้แล้ว
นักวิเคราะห์อุตสาหกรรมจะต้องตรวจสอบอย่างน้อย 5 ประเด็น ได้แก่
กระบวนการผลิตจริงและอัตราผลิตชิปที่ใช้งานได้
ประสิทธิภาพของ CPU, GPU และ NPU ในงานจริง
การใช้พลังงาน อุณหภูมิ และประสิทธิภาพเมื่อใช้งานต่อเนื่อง
การออกแบบแพ็กเกจและระบบหน่วยความจำ
ประสิทธิภาพระยะยาวเมื่อเทียบกับชิปคู่แข่ง ไม่ใช่เพียงคะแนนทดสอบสูงสุดช่วงสั้น ๆ
หากผลทดสอบออกมาดี นั่นจะสะท้อนว่าสถาปัตยกรรมและการบูรณาการทั้งระบบสามารถช่วยลดช่องว่างด้านประสิทธิภาพได้ แม้ Huawei จะเผชิญข้อจำกัดด้านการผลิตชิปขั้นแนวหน้า แต่ยังไม่ใช่ข้อพิสูจน์ว่าบริษัทเอาชนะเศรษฐศาสตร์ของการย่อทรานซิสเตอร์ หรือไม่ต้องใช้เทคโนโลยีลิโทกราฟีขั้นสูงอีกต่อไป
จาก “เค้ก 5 ชั้น” สู่ “เจดีย์ 18 ชั้น”
Jensen Huang ซีอีโอของ Nvidia อธิบายอุตสาหกรรม AI ด้วยภาพเปรียบเทียบ “เค้ก 5 ชั้น” ซึ่งประกอบด้วย
คนยังถาม คำตอบสั้น ๆ สำหรับ "Huawei เดิมพัน “เวลา” แทนการย่อทรานซิสเตอร์ ฝ่าข้อจำกัดชิปและมาตรการคว่ำบาตรสหรัฐฯ" คืออะไร Huawei พยายามเปลี่ยนโจทย์การพัฒนาชิปจาก “ทำทรานซิสเตอร์ให้เล็กลง” เป็น “ทำให้สัญญาณและข้อมูลเดินทางเร็วขึ้น” ผ่านแนวคิด Tau Scaling Law
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร? Huawei พยายามเปลี่ยนโจทย์การพัฒนาชิปจาก “ทำทรานซิสเตอร์ให้เล็กลง” เป็น “ทำให้สัญญาณและข้อมูลเดินทางเร็วขึ้น” ผ่านแนวคิด Tau Scaling Law LogicFolding จะถูกนำมาใช้กับชิป Kirin สำหรับสมาร์ตโฟนที่คาดว่าจะเปิดตัวในเดือนกันยายน โดยนักวิเคราะห์ต้องตรวจสอบทั้งประสิทธิภาพจริง การใช้พลังงาน ความร้อน กระบวนการผลิต และอัตราผลิตได้สำเร็จ
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ? โมเดล “เจดีย์ 18 ชั้น” ของ Liao Heng แยกห่วงโซ่ AI ตั้งแต่วัตถุดิบและการผลิต ไปจนถึงสถาปัตยกรรม ซอฟต์แวร์ โมเดล และแอปพลิเคชัน ต่างจาก “เค้ก 5 ชั้น” ของ Jensen Huang ที่เป็นภาพรวมเชิงอุตสาหกรรม
พลังงาน ชิป โครงสร้างพื้นฐาน คลาวด์และโมเดล AI และแอปพลิเคชัน
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
US Closes Access to Lithography, Huawei Finds New Ways to Develop AI Chips
พลังงาน ชิป โครงสร้างพื้นฐาน คลาวด์และโมเดล AI และแอปพลิเคชัน
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
US Closes Access to Lithography, Huawei Finds New Ways to Develop AI Chips
