เบื้องหลัง 4 รางวัลใหญ่ของ NVIDIA ใน COMPUTEX 2026

เมื่อเทียบกับรุ่นก่อนอย่าง Jetson AGX Orin ระบบใหม่นี้มี

• พลังประมวลผล AI มากขึ้นสูงสุด 7.5 เท่า
• ประสิทธิภาพพลังงานดีขึ้นประมาณ 3.5 เท่า

การเพิ่มประสิทธิภาพนี้เปิดทางให้เกิดสิ่งที่เรียกว่า "Physical AI" หรือ AI ที่ทำงานกับโลกจริง เช่น หุ่นยนต์ที่สามารถมองเห็น สื่อสาร และตัดสินใจได้ด้วยตัวเอง โดยไม่ต้องพึ่งพาการประมวลผลจากคลาวด์ตลอดเวลา

ตัวอย่างความสามารถสำคัญของ Jetson Thor ได้แก่

• รันโมเดล generative AI และ reasoning ได้บนอุปกรณ์โดยตรง
• ประมวลผลข้อมูลจากกล้องและเซ็นเซอร์หลายตัวแบบเรียลไทม์
• ใช้พลังงานต่ำ เหมาะกับหุ่นยนต์เคลื่อนที่หรือระบบอัตโนมัติ

สำหรับนักพัฒนาหุ่นยนต์ นั่นหมายถึงเครื่องจักรสามารถ รับรู้ วางแผน และโต้ตอบกับสภาพแวดล้อมได้เร็วขึ้น โดยลดความหน่วงจากการส่งข้อมูลไปประมวลผลบนคลาวด์

Vera Rubin NVL72: ซูเปอร์คอมพิวเตอร์ AI ระดับแร็ก

หาก Jetson Thor คือ AI สำหรับปลายทาง Vera Rubin NVL72 คือเทคโนโลยีที่อยู่ฝั่งตรงข้ามของสเปกตรัม — โครงสร้างพื้นฐาน AI ขนาดมหึมาสำหรับศูนย์ข้อมูล

ระบบนี้ถูกออกแบบเป็น ซูเปอร์คอมพิวเตอร์ AI ระดับแร็ก (rack‑scale) ที่รวม

• 36 NVIDIA Vera CPUs
• 72 Rubin GPUs

เชื่อมต่อกันผ่าน NVLink รุ่นที่ 6 ทำให้ GPU ทั้งหมดสามารถทำงานร่วมกันเหมือนเป็นตัวเร่งประมวลผลขนาดใหญ่เพียงตัวเดียว

โครงสร้างนี้ถูกออกแบบมาสำหรับงาน AI รุ่นใหม่ เช่น

• การฝึกโมเดลระดับ ล้านล้านพารามิเตอร์
• การ post‑training และ fine‑tuning
• การ inference ขนาดใหญ่
• งาน reasoning ที่ต้องใช้บริบทข้อมูลยาวมาก

NVIDIA ระบุว่าระบบนี้ให้ประสิทธิภาพเหนือแพลตฟอร์มก่อนหน้าอย่าง Blackwell ในหลายด้าน เช่น

• ประสิทธิภาพ inference ต่อวัตต์สูงขึ้นถึง 10 เท่า
• ต้นทุนต่อ token ลดลงได้ถึง 10 เท่า
• การฝึกโมเดลขนาดใหญ่ใช้ GPU เพียง หนึ่งในสี่ ของเดิม

ความได้เปรียบนี้เกิดจากการออกแบบระบบแบบครบวงจรที่รวมชิปหลายชนิดเข้าด้วยกัน ได้แก่

• Rubin GPU
• Vera CPU
• NVLink 6 switch
• ConnectX‑9 SuperNIC
• BlueField‑4 DPU
• Spectrum Ethernet networking

ทั้งหมดถูกออกแบบให้ทำงานร่วมกันเป็นระบบเดียว

อีกเหตุผลที่ทำให้ Vera Rubin NVL72 ได้ Sustainable Tech Special Award คือการออกแบบศูนย์ข้อมูลที่เน้นประสิทธิภาพพลังงาน เช่น

• โครงสร้างแบบโมดูลาร์ที่ติดตั้งรวดเร็ว
• ระบบระบายความร้อนด้วยของเหลวทั้งแร็ก
• การออกแบบที่ช่วยลดพลังงานของดาต้าเซ็นเตอร์

แนวคิดสำคัญคือ การแข่งขัน AI ในปัจจุบันไม่ได้วัดกันที่ชิปเพียงตัวเดียวอีกต่อไป แต่เป็นการแข่งขันของ ระบบคอมพิวเตอร์ทั้งแร็กหรือทั้ง “AI factory”

Alpamayo: AI ที่ “คิดเป็น” สำหรับรถไร้คนขับ

เทคโนโลยีที่สามคือ Alpamayo แพลตฟอร์มพัฒนา AI สำหรับรถยนต์อัตโนมัติ

ระบบนี้เป็น แพลตฟอร์มเปิดและตระกูลโมเดลสำหรับรถไร้คนขับ ซึ่งออกแบบให้ก้าวข้ามระบบเดิมที่เน้นเพียงการตรวจจับวัตถุบนถนน

Alpamayo ใช้แนวคิด Vision‑Language‑Action (VLA) ที่ผสาน

• การมองเห็น (vision)
• การเข้าใจภาษาและบริบท (language)
• การตัดสินใจเชิงการกระทำ (action)

โมเดลสามารถวิเคราะห์วิดีโอจากกล้องรถ แล้วสร้างทั้ง

• เส้นทางการขับ เช่น เลี้ยว เบรก หรือเร่งความเร็ว
• และ reasoning trace หรือคำอธิบายว่าทำไมจึงตัดสินใจเช่นนั้น

ความสามารถในการอธิบายเหตุผลนี้สำคัญต่อความปลอดภัย เพราะช่วยให้นักพัฒนาสามารถตรวจสอบพฤติกรรมของ AI ในสถานการณ์ซับซ้อนหรือเหตุการณ์หายากได้

การฝึกโมเดล Alpamayo ใช้ข้อมูลจากหลายแหล่ง ได้แก่

• ข้อมูลการขับรถจริงจำนวนมาก
• ชุดข้อมูลสังเคราะห์จากระบบจำลอง (simulation)
• ตัวอย่างที่มีการติดป้ายกำกับอย่างละเอียด

การผสมข้อมูลจริงกับข้อมูลจำลองช่วยให้ระบบเรียนรู้สถานการณ์บนถนนได้มากกว่าการทดสอบจริงเพียงอย่างเดียว

กลยุทธ์ AI แบบ Full‑Stack ของ NVIDIA

เมื่อมองรวมกัน เทคโนโลยีทั้งสามแสดงให้เห็นแนวทางของ NVIDIA ต่ออนาคต AI

• Jetson Thor ทำให้ AI อัจฉริยะทำงานได้บนหุ่นยนต์และอุปกรณ์ปลายทาง
• Vera Rubin NVL72 สร้างโครงสร้างพื้นฐานขนาดมหึมาสำหรับฝึกและรันโมเดลระดับล้านล้านพารามิเตอร์
• Alpamayo นำ AI ที่มีความสามารถด้านเหตุผลไปใช้กับการขับขี่อัตโนมัติ

แนวโน้มนี้ชี้ให้เห็นภาพอนาคตของ AI ที่ทำงานหลายชั้นพร้อมกัน ได้แก่

• ฝึกโมเดลใน AI factory ขนาดใหญ่
• ให้บริการผ่านศูนย์ข้อมูล
• และนำไปใช้งานจริงบนหุ่นยนต์หรือยานยนต์อัตโนมัติ

การครอบคลุมตั้งแต่ ชิป → ระบบแร็ก → ซอฟต์แวร์ AI คือเหตุผลสำคัญที่ทำให้ NVIDIA กลายเป็นหนึ่งในผู้ชนะหลักของ COMPUTEX 2026 Best Choice Awards ในปีนี้