Suxian Micro เปิดตัว TUCA และ TH1100: ทางเลือก “เริ่มจากการเรนเดอร์ แล้วต่อยอดสู่ AI” สำหรับ Physical AI

Suxian Micro กำลังขยับเชิงกลยุทธ์จากผู้พัฒนาชิปกราฟิกและชิปแสดงผลสำหรับ IoT กับยานยนต์ ไปสู่ฮาร์ดแวร์สำหรับ embodied intelligence หรือ AI ที่ทำงานร่วมกับโลกกายภาพ งานเปิดตัวสำนักงานใหญ่ที่นครเทียนจินมีแกนหลักอยู่ 2 ส่วน ได้แก่ TUCA สถาปัตยกรรมการประมวลผลแบบ heterogeneous ที่รวมหลายชนิดของหน่วยประมวลผลเข้าด้วยกัน และ Tianheng TH1100 ชิป GPGPU SoC ซึ่งบริษัทวางตำแหน่งเป็นชิปอนุมาน AI สำหรับเอดจ์ตัวแรกของตน

ความสำคัญของข่าวนี้จึงอยู่ที่การประกาศทิศทางผลิตภัณฑ์และแพลตฟอร์มมากกว่าการยืนยันความเป็นผู้นำด้านประสิทธิภาพ เพราะข้อมูลผลทดสอบอิสระยังมีจำกัด 4

จากชิปแสดงผลปลายทาง สู่การประมวลผล AI

ผลิตภัณฑ์เดิมของ Suxian Micro ช่วยอธิบายจุดตั้งต้นของการเปลี่ยนผ่านครั้งนี้ บริษัทระบุว่า GC9002 และ GC9005 ผ่านการตรวจสอบการทำงานในปี 2023 โดยรุ่นแรกมุ่งสู่การใช้งาน IoT ที่เน้นพลังงานต่ำ ส่วนรุ่นหลังรองรับงานประสิทธิภาพสูงขึ้น GC9005 ใช้คอร์ RISC-V แบบ 32 บิต 2 คอร์ มีคอร์กราฟิก NPU และรองรับเอาต์พุตจอภาพสูงสุด 3,840 × 2,160 พิกเซล ตามเอกสารผลิตภัณฑ์ของบริษัท 7

ประกาศจากพันธมิตรอีกรายอธิบายว่า GC9005 เป็น MPU ที่ออกแบบสำหรับงานกราฟิก มีหน่วยความจำในแพ็กเกจ ตัวเร่งกราฟิก 2.5D ฟังก์ชันมัลติมีเดีย และตัวเร่งดีปเลิร์นนิงสำหรับงานเอดจ์ เช่น การรู้จำเสียงภายในอุปกรณ์และการตรวจจับใบหน้า 16

ประสบการณ์ดังกล่าวคือรากของแนวคิดปัจจุบัน: บริษัทไม่ได้มองตัวเร่ง AI เป็นธุรกิจที่แยกขาดจากเดิม แต่ต้องการต่อยอดจากกราฟิก การโต้ตอบผ่านภาพ และการผสานระบบเอดจ์

“Render-first-then-AI” หมายความว่าอย่างไร

Suxian Micro เรียกแนวทางนี้ว่า “render-first-then-AI” หรือให้การเรนเดอร์มาก่อน แล้วจึงเติม AI เข้าไป เหตุผลของบริษัทคือผลิตภัณฑ์ Physical AI เช่น หุ่นยนต์ รถอัจฉริยะ และอุปกรณ์อุตสาหกรรมที่ทำงานหน้างาน ไม่ได้ต้องการเพียงการรันโมเดลอนุมานเท่านั้น แต่ยังต้องมีการประมวลผลภาพแบบเรียลไทม์ การตอบสนองรวดเร็ว และระบบ heterogeneous ที่ทำงานประสานกัน

ในกรอบคิดนี้ กราฟิกเป็นฐานของการประมวลผลแบบขนานที่ตั้งโปรแกรมได้ รวมถึงชุดเครื่องมือสำหรับนักพัฒนา ก่อนจะต่อยอดเวิร์กโหลด AI บริษัทเปรียบเทียบเส้นทางดังกล่าวกับการเติบโตของ NVIDIA จากกราฟิกไปสู่ GPGPU และ AI 4

นี่ไม่ใช่ข้ออ้างว่าการเรนเดอร์เพียงอย่างเดียวจะแก้โจทย์ embodied AI ได้ทั้งหมด แต่เป็นการวางตำแหน่งผลิตภัณฑ์ว่า ผู้ใช้ระบบจริงต้องการสแตกที่ใช้งานได้ตั้งแต่การรับรู้ภาพ การแสดงผล การควบคุม การติดตั้งโมเดล ไปจนถึงการเชื่อมต่อกับอุปกรณ์ มากกว่าตัวเลขประสิทธิภาพสูงสุดเพียงค่าเดียว

3 เทคโนโลยีหลักที่บริษัทชูขึ้นมา

ประโยชน์ของเทคโนโลยีทั้งสามต่อไปนี้ยังควรถือเป็นคำกล่าวอ้างของผู้ผลิต จนกว่าจะมีเอกสารเชิงลึกและการทดสอบที่ทำซ้ำได้เผยแพร่ออกมา

GPU IP แบบครบสแตก

Suxian Micro ระบุว่าพัฒนาสต্যাকในแนวตั้ง ครอบคลุม GPU IP ซอฟต์แวร์ระบบ และเครื่องมือ เว็บไซต์ของบริษัทยังมีข้อมูลคัดเลือกรุ่นผลิตภัณฑ์ SDK ชุดสนับสนุนชิป เอกสารข้อมูล และเครื่องมือพัฒนาสำหรับซีรีส์ GC9000 ซึ่งสะท้อนว่าการสนับสนุนซอฟต์แวร์เป็นส่วนหนึ่งของแนวทางผลิตภัณฑ์เดิมอยู่แล้ว 3

สำหรับแพลตฟอร์ม AI ใหม่ เป้าหมายที่ประกาศคือการประสานฮาร์ดแวร์ คอมไพเลอร์ รันไทม์ ไดรเวอร์ การรองรับระบบปฏิบัติการ อัลกอริทึม และโซลูชันเฉพาะสถานการณ์ หากทำได้ตามเป้า ก็อาจลดภาระการผสานระบบและการพอร์ตซอฟต์แวร์ให้ลูกค้าที่พัฒนาระบบกราฟิก วิชัน และ AI inference ได้ 4

การหลอมรวมการประมวลผลกับการจัดเก็บข้อมูลภายในชิป

บริษัทยังผลักดันแนวคิด in-chip compute-storage fusion ซึ่งมีเป้าหมายลดการเคลื่อนย้ายข้อมูลระหว่างหน่วยประมวลผลกับหน่วยความจำภายนอก ปริมาณการรับส่งข้อมูลกับหน่วยความจำเป็นข้อจำกัดสำคัญของการอนุมาน AI ที่เอดจ์ เพราะกระทบทั้งเวลาแฝง การใช้พลังงาน และการออกแบบระบบ Suxian Micro ระบุว่าวิธีนี้ช่วยเพิ่มความใกล้ชิดระหว่างข้อมูลกับการประมวลผล 4

AI ROM

AI ROM ถูกนำเสนอเป็นวิธีวางพารามิเตอร์หรือน้ำหนักโมเดลบางส่วนไว้ในหน่วยเก็บข้อมูลถาวรบนชิป บริษัทอ้างว่าวิธีนี้ช่วยลดต้นทุนพื้นที่จัดเก็บและการใช้พลังงาน พร้อมยกระดับอัตราการสร้างโทเคน 4

อย่างไรก็ดี การเก็บน้ำหนักโมเดลไว้ในหน่วยเก็บข้อมูลถาวรที่ตายตัวอาจเหมาะกับการใช้งานที่กำหนดชัดเจน แต่ยืดหยุ่นน้อยกว่าการเก็บโมเดลไว้ในหน่วยความจำภายนอกที่เปลี่ยนได้ง่าย ปัจจุบันบริษัทยังไม่ได้เปิดเผยรายละเอียดเพียงพอสำหรับประเมินความจุ วิธีอัปเดต รูปแบบโมเดลที่รองรับ หรือผลด้านประสิทธิภาพอย่างอิสระ

TUCA: ชั้นซอฟต์แวร์ที่เชื่อมฮาร์ดแวร์เข้าด้วยกัน

TUCA ย่อมาจาก Thorsianway Unified Computing Architecture เป็นชั้นกลางร่วมที่ Suxian Micro เสนอมาสำหรับฮาร์ดแวร์ GPGPU ตัวเร่ง AI และการประมวลผล heterogeneous บริษัทระบุว่าสถาปัตยกรรมนี้ครอบคลุมตั้งแต่การพัฒนาแอปพลิเคชัน การคอมไพล์โอเปอเรเตอร์ ไปจนถึงการจัดตารางงานของรันไทม์และการทำงานบนฮาร์ดแวร์ 4

เป้าหมายเชิงปฏิบัติคือให้นักพัฒนามีเส้นทางที่รวมศูนย์มากขึ้นสำหรับติดตั้งโมเดลและเวิร์กโหลดประมวลผล แทนการต้องประกอบ toolchain ระดับล่างที่แยกกันสำหรับตัวเร่งแต่ละชนิด ประเด็นนี้สำคัญกับผู้ใช้ภาคอุตสาหกรรมซึ่งอาจเชี่ยวชาญโดเมนของตนเอง แต่ไม่มีทีมภายในที่ชำนาญคอมไพเลอร์ รันไทม์ การปรับโมเดล หรือการผสานระบบ heterogeneous

บริษัทยังกล่าวถึง TUCA Playground ในฐานะสภาพแวดล้อมสำหรับนักพัฒนา โดยมีบทบาทรองรับการนำแอปพลิเคชันและโมเดลเข้าสู่ระบบ การคอมไพล์และติดตั้ง การสังเกตการทำงาน และการจัดการทรัพยากร 4

TH1100: เปิดเผยอะไรแล้ว และอะไรที่ยังไม่เปิดเผย

Tianheng TH1100 เป็นชิปตัวแรกของสายผลิตภัณฑ์ใหม่ วางตำแหน่งสำหรับ AI inference ที่เอดจ์ในงาน embodied intelligence สเปกเด่นที่เปิดเผยผ่านรายงานเปิดตัวคือพลังประมวลผล AI 100 TOPS นอกจากนี้ Suxian Micro ยังเชื่อมโยงชิปกับการรองรับ FP16 แนวทาง compute-storage fusion และการติดตั้งโมเดลภาษาขนาดใหญ่แบบ sparse mixture-of-experts ระดับ 35B-A3B 4

โดยทั่วไป ชื่อเรียก 35B-A3B หมายถึงโมเดลที่มีพารามิเตอร์รวมราว 35,000 ล้านพารามิเตอร์ แต่เปิดใช้จริงราว 3,000 ล้านพารามิเตอร์ต่อหนึ่งโทเคน จึงอาจใช้การคำนวณที่ทำงานจริงน้อยกว่าโมเดล dense ที่มีขนาดรวมเท่ากัน อย่างไรก็ตาม คุณสมบัตินี้เพียงอย่างเดียวไม่ได้ยืนยันความเร็ว เวลาแฝง ความต้องการหน่วยความจำ หรือการใช้พลังงานของอุปกรณ์ใดอุปกรณ์หนึ่ง 4

สิ่งที่ยังขาดหายมีความสำคัญไม่แพ้ตัวเลขพาดหัว รายงานเปิดตัวยังไม่มีตารางสเปกที่ครบถ้วนและน่าเชื่อถือสำหรับจำนวนคอร์ อัตราประสิทธิภาพ FP16 ความจุและแบนด์วิดท์หน่วยความจำ กำลังไฟ วิธีควอนไทซ์ ความยาวคอนเท็กซ์ ขนาดแบตช์ หรือจำนวนโทเคนต่อวินาทีที่วัดได้ ดังนั้น ตัวเลข 100 TOPS ยังไม่ควรนำไปเทียบตรง ๆ กับตัวเร่งรายอื่นในงานจริง จนกว่าบริษัทจะเผยแพร่ datasheet รายละเอียดและชุดการทดสอบที่ทำซ้ำได้ 4

โรดแมป TH1800 และ TH24K0

Suxian Micro วางแผนเปิดตัว TH1800 ภายในสิ้นปี 2027 และ TH24K0 ในปี 2028 โดยทั้งสองรุ่นมุ่งสู่ระดับการประมวลผลสำหรับ embodied AI และโมเดลภาษาที่ใหญ่ขึ้น บริษัทนำเสนอผลิตภัณฑ์เหล่านี้เป็นก้าวไปสู่การแข่งขันในตลาด GPU ระดับสูงและระบบ Physical AI ขนาดใหญ่ 4

แต่แผนดังกล่าวสะท้อนความทะเยอทะยาน ไม่ใช่ประสิทธิภาพที่ส่งมอบแล้ว ผู้ประเมินโรดแมปจึงควรแยกเป้าหมายการแข่งขันในอนาคตออกจากฮาร์ดแวร์ที่วางขายและมีผลทดสอบอิสระ

เหตุใดจึงเลือกเทียนจิน และเหตุใดแนวคิดครบสแตกจึงสำคัญ

การเปิดสำนักงานใหญ่ที่เทียนจินถูกวางบทบาทไว้มากกว่าการเปลี่ยนที่อยู่บริษัท วิทยานิพนธ์ของ Suxian Micro คือการทำตลาดให้สำเร็จต้องอยู่ใกล้เครือข่ายการผลิต ยานยนต์ หุ่นยนต์ สถาบันวิจัย และพันธมิตรด้านการติดตั้งใช้งานในเขตปักกิ่ง–เทียนจิน–เหอเป่ย์ 4

ข้อเสนอเชิงพาณิชย์ของบริษัทจึงไม่ได้จำกัดอยู่ที่การขายชิป แต่เน้นฮาร์ดแวร์ อัลกอริทึม เครื่องมือ แบบอ้างอิง และการส่งมอบโซลูชันเฉพาะสถานการณ์ สำหรับลูกค้าที่อยากนำ AI ไปใช้แต่ไม่มีความเชี่ยวชาญด้านระบบ AI เชิงลึก ขณะเดียวกัน บริษัทก็วางเทคโนโลยีและห่วงโซ่อุปทานที่ควบคุมได้ภายในประเทศเป็นคำตอบต่อความไม่แน่นอนของการจัดหาชิปนำเข้า 4

บทสรุป

จุดต่างที่เด่นที่สุดของ Suxian Micro ในตอนนี้ยังไม่ใช่ความได้เปรียบด้านประสิทธิภาพที่มีเอกสารยืนยันครบถ้วน แต่คือความพยายามรวมประสบการณ์กราฟิกเอดจ์ ซอฟต์แวร์ heterogeneous การออกแบบที่คำนึงถึงหน่วยความจำ และบริการติดตั้งใช้งาน เข้าเป็นแพลตฟอร์มสำหรับ Physical AI

การเปิดตัว TUCA และคำกล่าวอ้าง 100 TOPS ของ TH1100 ทำให้กลยุทธ์นี้มีรูปธรรมขึ้น ส่วนโรดแมป Tianheng สื่อถึงจุดหมายที่บริษัทต้องการไปให้ถึง แต่คำถามสำคัญที่สุด—ความเร็ว inference จริง โครงแบบหน่วยความจำ ประสิทธิภาพต่อพลังงาน ความเข้ากันได้ของโมเดล ความพร้อมของเครื่องมือนักพัฒนา และกำหนดการผลิตจริง—ยังต้องรอเอกสารผลิตภัณฑ์และการทดสอบจากภายนอกเป็นผู้ตอบ 4