โมเดลขนาดใหญ่ไม่ใช่จุดสำคัญของวิกฤตคอมพิวเตอร์

ทุกครั้งที่มีโมเดล AI ใหม่เปิดตัว ไม่ว่าจะเป็นการอัปเดต GPT, DeepSeek หรือ Gemini ผู้คนมักจับจ้องไปที่ขนาดอันมหาศาล ความซับซ้อน และความต้องการพลังประมวลผลที่เพิ่มขึ้นของเมกะโมเดลเหล่านี้ จนเกิดสมมติฐานว่าโมเดลขนาดใหญ่เหล่านี้เป็นตัวกำหนดความต้องการทรัพยากรของการปฏิวัติ AI

แต่สมมติฐานนั้นไม่ถูกต้อง

แน่นอนว่าโมเดลขนาดใหญ่ต้องใช้การประมวลผลสูง ทว่าแรงกดดันที่หนักที่สุดต่อโครงสร้างพื้นฐาน AI ไม่ได้มาจากเมกะโมเดลเพียงไม่กี่ตัว แต่มาจากการเพิ่มจำนวนอย่างเงียบ ๆ ของโมเดล AI ในทุกอุตสาหกรรม แต่ละโมเดลถูกปรับแต่งเพื่องานเฉพาะและต่างใช้ทรัพยากรประมวลผลในระดับที่ไม่เคยมีมาก่อน

แม้การแข่งขันระหว่าง LLM อาจมีลักษณะผู้ชนะกินรวบ แต่ภูมิทัศน์ AI โดยรวมไม่ได้รวมศูนย์ กลับกำลังแตกออกเป็นส่วนย่อย ธุรกิจไม่ได้เพียงนำ AI มาใช้ แต่กำลังฝึก ปรับแต่ง และติดตั้งโมเดลส่วนตัวให้เหมาะกับความต้องการของตน สถานการณ์หลังนี้จะสร้างเส้นอุปสงค์ด้านโครงสร้างพื้นฐานที่ผู้ให้บริการคลาวด์ องค์กร และรัฐบาลยังไม่พร้อมรองรับ

เราเคยเห็นรูปแบบนี้มาก่อน คลาวด์ไม่ได้รวมภาระงานไอทีให้เป็นหนึ่ง แต่สร้างระบบนิเวศไฮบริดที่แผ่ขยาย เริ่มจากเซิร์ฟเวอร์เพิ่มจำนวน ตามด้วยเครื่องเสมือนเพิ่มจำนวน และตอนนี้คือ AI เพิ่มจำนวน คลื่นการประมวลผลแต่ละระลอกนำไปสู่การขยายตัว ไม่ใช่ความเรียบง่าย และ AI ก็ไม่ต่างกัน

AI เพิ่มจำนวน: เหตุใดอนาคตจึงมีโมเดลนับล้าน ไม่ใช่เพียงหนึ่งเดียว

การเงิน โลจิสติกส์ ความมั่นคงไซเบอร์ บริการลูกค้า และการวิจัยและพัฒนา ต่างมีโมเดล AI ที่ปรับให้เหมาะกับหน้าที่ของตน องค์กรไม่ได้ฝึกโมเดลเดียวเพื่อควบคุมการดำเนินงานทั้งหมด แต่กำลังฝึกโมเดลนับพัน นั่นหมายถึงรอบการฝึกที่มากขึ้น การประมวลผลมากขึ้น ความต้องการพื้นที่จัดเก็บมากขึ้น และโครงสร้างพื้นฐานที่กระจายตัวมากขึ้น

เรื่องนี้ไม่ใช่เพียงทฤษฎี แม้ในอุตสาหกรรมที่ระมัดระวังการนำเทคโนโลยีมาใช้ การลงทุนด้าน AI ก็กำลังเร่งตัว รายงาน McKinsey ปี 2024 พบว่าองค์กรใช้ AI ในหน้าที่ธุรกิจเฉลี่ยสามด้าน โดยภาคการผลิต ห่วงโซ่อุปทาน และการพัฒนาผลิตภัณฑ์เป็นผู้นำ (McKinsey)

การดูแลสุขภาพเป็นตัวอย่างสำคัญ Navina สตาร์ตอัปที่ผสาน AI เข้ากับเวชระเบียนอิเล็กทรอนิกส์เพื่อแสดงข้อมูลเชิงลึกทางคลินิก เพิ่งระดมทุน Series C จำนวน 55 ล้านดอลลาร์จาก Goldman Sachs (GS ) (Business Insider) ภาคพลังงานก็เช่นกัน ผู้นำในอุตสาหกรรมได้จัดตั้ง Open Power AI Consortium เพื่อนำการเพิ่มประสิทธิภาพด้วย AI มาใช้กับโครงข่ายไฟฟ้าและโรงงาน (Axios)

แรงกดดันด้านการประมวลผลที่ไม่มีใครพูดถึง

AI กำลังทำให้โมเดลโครงสร้างพื้นฐานแบบเดิมใช้การไม่ได้ สมมติฐานที่ว่าคลาวด์สามารถขยายได้อย่างไร้ขีดจำกัดเพื่อรองรับการเติบโตของ AI นั้นผิดอย่างสิ้นเชิง AI ไม่ได้ขยายตัวเหมือนภาระงานทั่วไป เส้นอุปสงค์ไม่ได้ค่อย ๆ เพิ่ม แต่เพิ่มแบบทวีคูณ และผู้ให้บริการไฮเปอร์สเกลตามไม่ทัน

• ข้อจำกัดด้านพลังงาน: ศูนย์ข้อมูลสำหรับ AI กำลังถูกสร้างโดยยึดความพร้อมของไฟฟ้าเป็นหลัก ไม่ใช่เพียงโครงข่ายเครือข่าย
• คอขวดของเครือข่าย: สภาพแวดล้อมไอทีแบบไฮบริดกำลังบริหารจัดการไม่ได้หากไม่มีระบบอัตโนมัติ และภาระงาน AI จะทำให้ปัญหารุนแรงขึ้น
• แรงกดดันทางเศรษฐกิจ: ภาระงาน AI อาจใช้เงินหลายล้านดอลลาร์ภายในเดือนเดียว ทำให้ต้นทุนคาดการณ์ได้ยาก

ปัจจุบันศูนย์ข้อมูลใช้ไฟฟ้าราว 1% ของการใช้ไฟฟ้าทั่วโลกแล้ว ในไอร์แลนด์ ศูนย์ข้อมูลใช้ไฟฟ้าถึง 20% ของโครงข่ายประเทศ และคาดว่าสัดส่วนจะเพิ่มขึ้นมากภายในปี 2030 (IEA)

ยังต้องนับรวมแรงกดดันที่กำลังเกิดกับ GPU ด้วย Bain & Company เตือนเมื่อไม่นานมานี้ว่า การเติบโตของ AI กำลังปูทางไปสู่ภาวะขาดแคลนเซมิคอนดักเตอร์ เพราะความต้องการชิปสำหรับศูนย์ข้อมูลพุ่งสูงอย่างรวดเร็ว (Bain)

ขณะเดียวกัน ปัญหาความยั่งยืนของ AI ก็เพิ่มขึ้น การวิเคราะห์ปี 2024 ในวารสาร Sustainable Cities and Society เตือนว่า การนำ AI มาใช้อย่างแพร่หลายในระบบสุขภาพอาจเพิ่มการใช้พลังงานและการปล่อยคาร์บอนของภาคส่วนนี้อย่างมาก หากไม่มีมาตรการเพิ่มประสิทธิภาพเฉพาะทางมาชดเชย (ScienceDirect)

การเพิ่มจำนวนของ AI ใหญ่กว่าปัญหาตลาด เพราะเกี่ยวข้องกับอำนาจรัฐ

หากคิดว่าการเพิ่มจำนวนของ AI เป็นปัญหาของภาคธุรกิจเท่านั้น ต้องคิดใหม่ ตัวขับเคลื่อนสำคัญที่สุดของการแตกตัวของ AI ไม่ใช่ภาคเอกชน แต่คือรัฐบาลและหน่วยงานกลาโหมที่ติดตั้ง AI ในระดับซึ่งผู้ให้บริการไฮเปอร์สเกลหรือองค์กรทั่วไปไม่อาจเทียบได้

รัฐบาลสหรัฐฯ เพียงแห่งเดียวได้นำ AI ไปใช้แล้วในกว่า 700 แอปพลิเคชันของ 27 หน่วยงาน ครอบคลุมการวิเคราะห์ข่าวกรอง โลจิสติกส์ และงานอื่น ๆ (FedTech Magazine)

แคนาดากำลังลงทุนสูงสุด 700 ล้านดอลลาร์เพื่อขยายขีดความสามารถการประมวลผล AI ภายในประเทศ พร้อมเปิดโครงการระดับชาติเพื่อเสริมโครงสร้างพื้นฐานศูนย์ข้อมูลที่อยู่ภายใต้อธิปไตยของประเทศ (Innovation, Science and Economic Development Canada)

นอกจากนี้ยังมีเสียงเรียกร้องเพิ่มขึ้นให้จัดทำ “โครงการอะพอลโล” สำหรับโครงสร้างพื้นฐาน AI สะท้อนว่า AI ได้ยกระดับจากข้อได้เปรียบทางการค้าไปสู่ความจำเป็นระดับชาติ (MIT Technology Review)

AI ทางทหารจะไม่ได้ถูกออกแบบให้มีประสิทธิภาพสูงสุด ประสานงานดีที่สุด หรือประหยัดต้นทุนที่สุด แต่จะขับเคลื่อนด้วยข้อกำหนดด้านความมั่นคงแห่งชาติ ความเร่งด่วนทางภูมิรัฐศาสตร์ และความจำเป็นของระบบ AI แบบปิดที่อยู่ภายใต้อธิปไตย แม้องค์กรเอกชนควบคุมการขยายตัวของ AI ได้ แล้วใครจะบอกให้รัฐบาลชะลอลง

เพราะเมื่อความมั่นคงแห่งชาติเป็นเดิมพัน ไม่มีใครหยุดถามว่าโครงข่ายไฟฟ้าจะรับไหวหรือไม่