การแข่งขันเพื่อสร้างโครงสร้างพื้นฐานด้าน AI กำลังเผชิญกับทางตัน ไม่ใช่แค่เรื่องของการหาชิปให้เพียงพออีกต่อไป แต่เป็นเรื่องของการหาชิปที่ ใช่ และหาที่ที่จะเสียบปลั๊กมันได้ต่างหาก สตาร์ทอัพน้องใหม่ชื่อ General Compute คิดว่ามีกลยุทธ์ที่จะก้าวข้ามอุปสรรคทั้งสองข้อนี้ และเพิ่งระดมทุนไป 15 ล้านดอลลาร์เพื่อพิสูจน์
General Compute คือผู้ให้บริการ Neocloud สำหรับการอนุมาน (Inference) ซึ่งเป็นบริษัทที่ให้เช่าพลังประมวลผลสำหรับขั้นตอนการอนุมานของ AI โดยเฉพาะ ซึ่งก็คือช่วงเวลาที่โมเดลที่ผ่านการฝึกฝนมาแล้วสร้างการตอบสนองต่อผู้ใช้ ในอุตสาหกรรมที่ถูกครอบงำโดย GPU อเนกประสงค์ของ Nvidia General Compute กำลังเดิมพันในทิศทางตรงกันข้าม: ชิปที่ดีที่สุดสำหรับการอนุมานคือ ASIC หรือชิปที่ถูกสร้างขึ้นมาเพื่อภารกิจนั้นๆ โดยเฉพาะ
สตาร์ทอัพรายนี้เลือกชิป SN50 ตัวใหม่ล่าสุดของ SambaNova มาเป็นอาวุธหลัก SambaNova อ้างว่า SN50 เร็วกว่าชิปคู่แข่งถึง 5 เท่า และสามารถลดต้นทุนรวมในการเป็นเจ้าของ (Total Cost of Ownership) ได้มากกว่าถึง 3 เท่า เมื่อเทียบกับระบบที่ใช้ GPU สำหรับ General Compute แล้ว เสน่ห์ของมันอยู่ที่ความเร็วและประสิทธิภาพที่ดิบๆ สำหรับกรณีการใช้งานที่กำลังเติบโตอย่างรวดเร็ว นั่นคือ Agentic AI หรือ AI ที่ทำงานแบบตัวแทนอัตโนมัติ
Finn Puklowski ซีอีโอของบริษัท เผยว่าชิป SN50 จะสามารถประมวลผลได้ 600 ถึง 700 โทเค็นต่อวินาที เทียบกับ GPU ทั่วไปที่ทำได้ราว 250 โทเค็นต่อวินาที ความเร็วที่เพิ่มขึ้นเกือบ 3 เท่านี้ไม่ใช่แค่ตัวเลขไว้โชว์ แต่มันคือสิ่งจำเป็นสำหรับ AI Agent อัตโนมัติที่ต้องสื่อสารกันเองแบบเรียลไทม์ในวงจรหลายขั้นตอน ซึ่งทุกมิลลิวินาทีของความหน่วงมีความหมาย
General Compute ได้สั่งซื้อชิป SN50 ไปแล้วเป็นมูลค่า 300 ล้านดอลลาร์ และอ้างว่าเป็น Neocloud รายแรกที่นำชิปเหล่านี้มาติดตั้งใช้งาน การเคลื่อนไหวครั้งนี้สะท้อนให้เห็นถึงการเปลี่ยนแปลงของตลาดในวงกว้าง ที่กำลังมุ่งสู่ซิลิคอนที่ถูกปรับให้เหมาะสมกับการอนุมาน ซึ่งเห็นได้จากการที่ Nvidia เข้าซื้อ Groq ด้วยมูลค่า 20,000 ล้านดอลลาร์ และการ IPO มูลค่า 57,000 ล้านดอลลาร์ของ Cerebras
แม้จะมีชิปที่ดีที่สุด มันก็ไร้ค่าถ้าไม่มีที่ให้เสียบปลั๊ก กระแสความนิยม AI ได้สร้างคอขวดขนาดใหญ่ในการก่อสร้างศูนย์ข้อมูล โดยศูนย์ข้อมูลแห่งใหม่ต้องใช้เวลาในการสร้างหลายปีและต้องใช้เงินลงทุนมหาศาล คำตอบของ General Compute คือการข้ามขั้นตอนการก่อสร้างไปเลย
หัวใจสำคัญอยู่ที่ดีไซน์ของฮาร์ดแวร์ ต่างจากคลัสเตอร์ GPU ที่กินไฟมหาศาลและต้องใช้ระบบระบายความร้อนด้วยน้ำ ซึ่งครองตลาดการฝึกฝน AI อยู่ ชิป SN50 ของ SambaNova ใช้ระบบระบายความร้อนด้วยอากาศ และใช้พลังงานน้อยกว่าอย่างมีนัยสำคัญ นั่นหมายความว่ามันไม่ต้องใช้การดัดแปลงสถานที่แบบพิเศษที่มีราคาแพง และสามารถติดตั้งได้ในศูนย์ข้อมูลที่มีอยู่เดิมหลากหลายรูปแบบกว่ามาก
นี่เป็นการเปิดประตูสู่กลยุทธ์โครงสร้างพื้นฐานที่สร้างสรรค์ที่สุดของสตาร์ทอัพรายนี้ นั่นคือ การทำข้อตกลง Co-location กับผู้ขุดคริปโต (Crypto Miners) เมื่อความสามารถในการทำกำไรของการขุดคริปโตเคอร์เรนซีลดลง นักขุดจำนวนมากจึงเหลือแต่โครงสร้างพื้นฐานที่สำคัญ ไม่ว่าจะเป็นอาคารที่มีระบบจ่ายไฟขนาดใหญ่ ระบบหล่อเย็นระดับอุตสาหกรรม และเครือข่ายความเร็วสูง ที่กำลังมองหาจุดประสงค์ใหม่ แผนของ General Compute คือการนำแร็ค SN50 ระบายความร้อนด้วยอากาศไปติดตั้งในศูนย์ข้อมูลสำเร็จรูปเหล่านี้ ทำให้เข้าถึงส่วนที่ยากที่สุดของการสร้างโครงสร้างพื้นฐาน AI ได้ทันที โดยไม่ต้องเสียเงินหรือเสียเวลาสักวันกับการก่อสร้างใหม่
กลยุทธ์ของ General Compute คือการเดิมพันสองด้านต่ออนาคตของ AI ในด้านฮาร์ดแวร์ บริษัทกำลังเดิมพันว่าการอนุมานสำหรับ AI Agent แบบอัตโนมัติจะเป็นตลาดขนาดใหญ่ที่ชัดเจน ซึ่งต้องใช้ ASIC เฉพาะทาง ไม่ใช่ GPU สำหรับการฝึกฝนที่ถูกนำมาใช้ใหม่ ในด้านโลจิสติกส์ บริษัทกำลังเดิมพันว่าการนำชิปไปติดตั้งใช้งานออนไลน์ได้อย่างรวดเร็ว โดยการนำโครงสร้างพื้นฐานที่มีอยู่แล้วมาใช้ใหม่ มีความสำคัญมากกว่าการไล่ล่าความได้เปรียบเล็กน้อยจากสเปกบนกระดาษ หากสิ่งที่พวกเขาคิดถูกต้อง General Compute จะไม่ใช่แค่ผู้ให้บริการคลาวด์รายใหม่ แต่มันจะเป็นพิมพ์เขียวว่า AI ระลอกต่อไปจะแก้ปัญหาคอขวดทางกายภาพและการเงินที่เร่งด่วนที่สุดของอุตสาหกรรมได้อย่างไร
Studio Global AI
Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.
General Compute สตาร์ทอัพ Neocloud น้องใหม่ ระดมทุน Seed Round 15 ล้านดอลลาร์ เพื่อติดตั้งชิป SN50 เฉพาะทางของ SambaNova ที่ระบายความร้อนด้วยอากาศ ตั้งเป้าประมวลผล 600 700 โทเค็นต่อวินาที สำหรับงาน AI แบบ Agent to Age...
General Compute สตาร์ทอัพ Neocloud น้องใหม่ ระดมทุน Seed Round 15 ล้านดอลลาร์ เพื่อติดตั้งชิป SN50 เฉพาะทางของ SambaNova ที่ระบายความร้อนด้วยอากาศ ตั้งเป้าประมวลผล 600 700 โทเค็นต่อวินาที สำหรับงาน AI แบบ Agent to Age... กลยุทธ์ของบริษัทมุ่งแก้ปัญหาคอขวดสำคัญสองประการของ AI: การจัดหา ASIC ที่ออกแบบมาเพื่อการอนุมานโดยเฉพาะแทน GPU อเนกประสงค์ และการติดตั้งใช้งานอย่างรวดเร็วในศูนย์ข้อมูลที่มีอยู่เดิม โดยไม่ต้องรอการก่อสร้างใหม่นานหลายปี
บริษัทมียอดสั่งซื้อชิปจาก SambaNova มูลค่า 300 ล้านดอลลาร์ โดยเดิมพันว่าอนาคตของโครงสร้างพื้นฐาน AI คือการอนุมานที่รวดเร็วและมีประสิทธิภาพสำหรับ AI Agent ไม่ใช่แค่การฝึกโมเดลที่ใหญ่ขึ้นเรื่อยๆ