เปิดยุทธศาสตร์ชิป AI หลายด้านของ ByteDance เพื่อหลุดพ้นจาก Nvidia

การเดิมพันครั้งใหญ่กับซีพียูสองสถาปัตยกรรม: Arm และ RISC-V

นอกเหนือจากตัวเร่ง AI แล้ว ByteDance ยังเดินหน้าเพื่อรักษาความปลอดภัยให้กับรากฐานการประมวลผลทั่วไป รอยเตอร์สรายงานเมื่อวันที่ 28 พฤษภาคม 2569 ว่าบริษัทกำลังพัฒนาซีพียูเซิร์ฟเวอร์ของตนเองโดยใช้สองแนวทางสถาปัตยกรรมคู่ขนาน: แนวทางหนึ่งใช้ Arm และอีกแนวทางใช้ชุดคำสั่ง RISC-V แบบโอเพนซอร์ส

แรงจูงใจคือการคำนวณแบบคลาสสิกระหว่าง 'ซื้อหรือสร้าง' (Build-vs-Buy) ที่ถูกทำให้เร่งด่วนขึ้นจากความเจ็บปวดในห่วงโซ่อุปทาน มีรายงานว่า Intel และ AMD ขึ้นราคาซีพียูเซิร์ฟเวอร์ 10% ถึง 35% ในช่วงหลายเดือนที่ผ่านมา โดย Intel ได้เตือนลูกค้าจีนถึงกำหนดการส่งมอบที่ล่าช้าถึงหกเดือน สำหรับบริษัทที่วางแผนเปิดตัวบริการ Agent ขนาดใหญ่ สิ่งเหล่านี้คือข้อจำกัดที่ยอมรับไม่ได้ ซีพียูเฉพาะทางของ ByteDance มีไว้สำหรับศูนย์ข้อมูลของตนเองเพื่อสนับสนุนการดำเนินงานภายในและแพลตฟอร์มอย่าง Coze ซึ่งเป็นสภาพแวดล้อมการพัฒนา AI Agent ของบริษัท แนวทางสองสถาปัตยกรรมนี้ทำหน้าที่เหมือนการประกันความเสี่ยง ช่วยให้ ByteDance ประเมินได้ว่าสถาปัตยกรรมใดเหมาะสมกับความต้องการระยะยาวในด้านประสิทธิภาพ ต้นทุน และความยืดหยุ่นทางภูมิรัฐศาสตร์มากที่สุด

ดีล ASIC กับ Qualcomm: จากแบบแปลนสู่ซิลิคอนจริง

เมื่อวันที่ 26 พฤษภาคม 2569 บลูมเบิร์กรายงานว่า Qualcomm ได้บรรลุข้อตกลงเพื่อจัดหาชิปวงจรรวมเฉพาะทาง (ASIC) แบบเฉพาะทางหลายล้านตัวสำหรับศูนย์ข้อมูล AI ของ ByteDance นี่ไม่ใช่การซื้อชิปธรรมดา รายงานหลายฉบับชี้แจงว่าข้อตกลงนี้เป็นการจัดหาและการผลิตแบบรวม โดย Qualcomm จะช่วยเปลี่ยนแบบชิปที่ ByteDance ออกแบบเองให้กลายเป็นซิลิคอนที่ผลิตได้จำนวนมาก โดยใช้โรงหล่อเช่น TSMC

กรณีการใช้งานหลักสำหรับ ASIC เหล่านี้คือการขับเคลื่อนซอฟต์แวร์ AI Agent ของ ByteDance โดยเฉพาะอย่างยิ่ง ‘Doubao’ AI Agent ความร่วมมือครั้งนี้เป็นชัยชนะครั้งสำคัญสำหรับ Qualcomm ในการขยายจากโปรเซสเซอร์สมาร์ทโฟนเข้าสู่ตลาดศูนย์ข้อมูล AI และทำให้ ByteDance มีซิลิคอนที่ผลิตเฉพาะทางและปรับให้เหมาะกับปริมาณงาน (Workload) โดยดำเนินการภายใต้ขอบเขตการปฏิบัติตามมาตรการส่งออกของสหรัฐฯ ซึ่งบางรายงานเรียกกลยุทธ์นี้ว่า 'การออกแบบที่ปฏิบัติตามกฎได้อย่างแนบเนียน'

ความร่วมมือกับ Broadcom และ TSMC: การเดิมพัน AI GPU ระยะยาว

สิ่งที่หนุนหลังการเคลื่อนไหวล่าสุดเหล่านี้คือความร่วมมือพื้นฐานที่เก่าแก่กว่า ByteDance ทำงานร่วมกับ Broadcom และ TSMC เพื่อร่วมพัฒนา AI GPU แบบเฉพาะทาง ซึ่งมักอ้างถึงภายใต้ชื่อรหัส "SeedChip" รายงานจากปี 2567 ระบุว่า ByteDance กำลังทำงานร่วมกับ TSMC เพื่อผลิตชิป AI สองตัวด้วยกระบวนการผลิต 5nm – หนึ่งตัวสำหรับการฝึกฝน (Training) และอีกตัวสำหรับการอนุมาน (Inference) – โดยคาดหมายการผลิตจำนวนมากในปี 2569 แม้ว่าในเวลานั้นจะมีรายงานที่ขัดแย้งกัน โดย ByteDance ปฏิเสธแผนที่จะแทนที่ Nvidia ในระยะสั้น แต่กิจกรรมมากมายที่ตามมาในด้านซีพียูและ LPU แสดงให้เห็นว่ากลยุทธ์ซิลิคอนเฉพาะทางนั้นมีแต่จะลึกซึ้งและขยายวงกว้างยิ่งขึ้น

ขณะนี้ ByteDance ได้รับการยืนยันว่าเป็นลูกค้าสำหรับแพลตฟอร์ม AI ซิลิคอนเฉพาะทางของ Broadcom ซึ่งใช้เทคนิคการบรรจุภัณฑ์ 3.5D ขั้นสูง ทำให้เจ้าของ TikTok อยู่ในรายชื่อลูกค้าชิปเฉพาะทางร่วมกับ Google และ Meta

ภาพรวมที่ใหญ่กว่า: การเดิมพัน 1.6 แสนล้านหยวนเพื่อการอนุมาน

กลยุทธ์ชิปเหล่านี้ไม่ใช่แบบฝึกหัดเชิงวิชาการ แต่เป็นรากฐานโครงสร้างพื้นฐานสำหรับแผนงานผลิตภัณฑ์ AI ที่ทะเยอทะยานอย่างยิ่ง งบประมาณ AI ปี 2569 ของ ByteDance มีรายงานว่าอยู่ที่ประมาณ 1.6 แสนล้านหยวน เพิ่มขึ้นจาก 1.5 แสนล้านหยวนในปี 2568 โดยกันไว้ 8.5 หมื่นล้านหยวนสำหรับตัวประมวลผล AI โดยเฉพาะ

การใช้จ่ายนี้ขับเคลื่อนด้วยเศรษฐศาสตร์ของการอนุมาน เมื่อผลิตภัณฑ์ AI Agent อย่าง Coze และ Doubao ขยายขนาดสู่ผู้ใช้หลายร้อยล้านคน ต้นทุนต่อ Token สำหรับการสร้างการตอบสนองจะกลายเป็นตัวชี้วัดทางธุรกิจหลัก การซื้อ GPU ราคาแพงและมีข้อจำกัดด้านอุปทานจำนวนหลายล้านตัวจาก Nvidia ถือเป็นความเสี่ยงทางการเงินและเชิงกลยุทธ์ การพัฒนาชิป LPU สไตล์เฉพาะสำหรับการอนุมานต้นทุนต่ำ ซีพียูเฉพาะทางเพื่อหลีกเลี่ยงราคา x86 ที่พุ่งสูง และ ASIC แบบเฉพาะทางสำหรับปริมาณงาน Agent คือการโจมตีโดยตรงต่อความเสี่ยงดังกล่าว

กลยุทธ์ของ ByteDance นั้นเข้าใจได้ดีที่สุด ไม่ใช่ในฐานะความพยายามที่จะ "แทนที่ Nvidia" แต่เป็นการลดการพึ่งพาอย่างมีระบบ ใช้ฮาร์ดแวร์ Nvidia ในจุดที่ยังหาได้และไม่มีใครเทียบได้ เช่น สำหรับการฝึกฝนโมเดลที่ทันสมัย ในขณะที่สร้างสแต็กขนานของซิลิคอนเฉพาะทางสำหรับปริมาณงานอนุมานปริมาณสูงที่ธุรกิจจะต้องพึ่งพามากขึ้นเรื่อยๆ นี่คือพิมพ์เขียวหลายด้านเพื่ออำนาจอธิปไตยในการประมวลผล AI ในยุคแห่งการกระจายตัวทางเทคโนโลยี