Apple

ข่าวลือนี้มาจาก The Information โดยอ้างแหล่งข่าวที่เกี่ยวข้องบอกว่าแอปเปิลเตรียมกลับมาบุกตลาดเซิร์ฟเวอร์อีกครั้ง โดยกำลังพัฒนาเซิร์ฟเวอร์ชิป M8 Ultra เพื่อขายให้กับลูกค้าภายนอกที่ต้องการกำลังประมวลผลสำหรับงาน AI ซึ่งโครงการนี้ได้เริ่มมาประมาณ 1 ปีแล้ว โดยซีอีโอ John Ternus ให้การสนับสนุนเป็นพิเศษ

ที่ผ่านมาแอปเปิลมีการใช้งานชิปตระกูล Apple Silicon กับเซิร์ฟเวอร์อยู่แล้ว แต่เป็นการใช้งานกับบริการต่าง ๆ ของแอปเปิลเอง ไม่ได้ขายให้ลูกค้าภายนอก

รายงานบอกว่าแอปเปิลมีแผนออกเซิร์ฟเวอร์ 2 รุ่น คือรุ่นเล็กใส่ชิป M8 Ultra สองตัว และรุ่นใหญ่ที่มีสี่ตัว ส่วนระบบเครือข่ายจะใช้แพลตฟอร์ม NVLink Fusion ของ NVIDIA สำหรับเชื่อมต่อเซิร์ฟเวอร์เข้าด้วยกันเป็นคลัสเตอร์

ที่มา: The Information

Hiring! บริษัทที่น่าสนใจ

Carmen Software company cover
Carmen Software
Hotel Financial Solutions
Next Innovation (Thailand) Co., Ltd. company cover
Next Innovation (Thailand) Co., Ltd.
We are web design with consulting & engineering services driven the future stronger and flexibility.
KKP Dime company cover
KKP Dime
KKP Dime บริษัทในเครือเกียรตินาคินภัทร
Kiatnakin Phatra Financial Group company cover
Kiatnakin Phatra Financial Group
Financial Service
Fastwork Technologies company cover
Fastwork Technologies
Fastwork.co เว็บไซต์ที่รวบรวม ฟรีแลนซ์ มืออาชีพจากหลากหลายสายงานไว้ในที่เดียวกัน
Thoughtworks Thailand company cover
Thoughtworks Thailand
Thoughtworks เป็นบริษัทที่ปรึกษาด้านเทคโนโยลีระดับโลกที่คว้า Great Place to Work 3 ปีซ้อน
Iron Software company cover
Iron Software
Iron Software is an American company providing a suite of .NET libraries by engineer for engineers.
CLEVERSE company cover
CLEVERSE
Cleverse is a Venture Builder. Our team builds several tech companies.
Nipa Cloud company cover
Nipa Cloud
#1 OpenStack cloud provider in Thailand with our own data center and software platform.
Bangmod Enterprise company cover
Bangmod Enterprise
The leader in Cloud Server and Hosting in Thailand.
CIMB THAI Bank company cover
CIMB THAI Bank
MOVING FORWARD WITH YOU - CIMB is the leading ASEAN Bank
Bangkok Bank company cover
Bangkok Bank
Bangkok Bank is one of Southeast Asia's largest regional banks, a market leader in business banking
MuvMi (Urban Mobility Tech Co.,Ltd.) company cover
MuvMi (Urban Mobility Tech Co.,Ltd.)
Shape the future of urban mobility towards affordable, clean, and safe solutions
T.N. Digital Solution Co., Ltd. company cover
T.N. Digital Solution Co., Ltd.
TNDS has been involving in every first move of banking’s major digital transformation.
KBTG - KASIKORN Business-Technology Group company cover
KBTG - KASIKORN Business-Technology Group
KBTG - "The Technology Company for Digital Business Innovation"
Siam Commercial Bank Public Company Limited company cover
Siam Commercial Bank Public Company Limited
"Let's start a brighter career future together"
Icon Framework co.,Ltd. company cover
Icon Framework co.,Ltd.
Global Standard Platform for Real Estate แพลตฟอร์มสำหรับธุรกิจอสังหาริมทรัพย์ครบวงจร มาตรฐานระดับโลก
REFINITIV company cover
REFINITIV
The Financial and Risk business of Thomson Reuters is now Refinitiv
H LAB company cover
H LAB
Re-engineering healthcare systems through intelligent platforms and system design.
The Gang Technology Co., Ltd. company cover
The Gang Technology Co., Ltd.
We're a Digital Agency that helps our customers transform their business into digital with ease.
LTMH company cover
LTMH
LTMH มุ่งเน้นการพัฒนาผลิตภัณฑ์ที่สามารถช่วยพันธมิตรของเราให้บรรลุเป้าหมาย
Seven Peaks company cover
Seven Peaks
We Drive Digital Transformation
Wisesight (Thailand) Co., Ltd. company cover
Wisesight (Thailand) Co., Ltd.
The Best Choice For Handling Social Media · High Expertise in Social Data · Most Advanced and Secure
MOLOG Tech company cover
MOLOG Tech
We are Modern Logistic Platform, Specialize in WMS, OMS and TMS.
Data Wow Co.,Ltd company cover
Data Wow Co.,Ltd
We enable our clients to realize increased productivity by solving their most complex issues by Data
LINE Company Thailand company cover
LINE Company Thailand
LINE, the world's hottest mobile messaging platform, offers free text and voice messaging + Call
LINE MAN Wongnai company cover
LINE MAN Wongnai
Join our journey to becoming No.1 food platform in Thailand

ใครบอก Apple หลัง Jobs ไม่มีนวัตรกรรม
Apple Silicon นี่แหละ สถาปัตยกรรมระดับเทพเจ้า

หุ้นพุ่งตลอด

ปรกติบริษัทพวกนี้จะมีต้นแบบที่มีเทคโนโลยีที่ก้าวหน้ากว่าตัวที่ออกขายใช้งานอยู่ภายในอยู่แล้วนะ เพียงแต่มันอาจไม่เสถียร หรือยังไม่เหมาะกับใช้งานในกลุ่ม consumer เอาแค่เทคโนโลยีที่ชิป และจีพียู อยู่บนแผงหน่วยความจำเดียวกันนี่ ถือว่าล้ำมากเลยนะ ผมเคยพยายามเค้นถาม AI มาหลายรอบแล้ว แต่สุดท้ายมันจะตอบว่า ถ้าคุณจะเอาอุปกรณ์ที่ทำงานกับ AI ได้ดี สำหรับ consumer ใช้ในราคาเข้าถึงได้ Apple Silicon เหอะ แล้วเทคโนโลยีนี้จะเป็นมาตรฐานทั่วไปที่ใช้ในอุปกรณ์ที่รัน Local AI ในอนาคตด้วย เนื่องจากมันถูกออกแบบมาให้ใช้งานในสภาวะผู้ใช้งานทั่วไปมาตั้งแต่ต้น ดังนั้นผมจึงไม่แปลกใจที่ Apple ยังมีชิปที่เป็นตลาดเซิร์ฟเวอร์ AI ด้วย ผมเดาว่าก็อยู่บนพื้นฐานเดียวกันนี่แหล่ะ เพียงแต่อาจจะทำให้ยืดหยุ่นต่อการปรับแต่งในสภาพการใช้งานในห้อง Server เช่น การทำคลัสเตอร์ หรือทำงานคู่ขนาน โดยไม่ต้องไปกว้านซื้อเครื่อง Mac Mini มาเป็นหมื่นเครื่องมาทำฟาร์มกันเอง คุณเคยได้ยินข่าวมีคนกว้านซื้อเครื่อง Mac Mini เป็นหมื่นเครื่องไหมล่ะ นั่นแหล่ะเป็นเหตุผลทีทำไม Apple ถึงต้องทำชิปสำหรับ Server เอง เพื่อไม่ให้คนกลุ่มนี้ไปแย่ง demand ของผู้ใช้ทั่วไป ทำให้ต้นทุนที่คำนวณไว้ รวมถึงโครงข่ายโลจิสติกส์มันรวน ทำให้ผลิตไม่ทัน ซึ่งมันส่งผลกระทบในภาพรวมของสินค้าของ Apple เองด้วย

เอาเป็นว่าอีก 1-2 ปีข้างหน้าคุณจะได้เห็นเทคโนโลยีที่มีชิป และจีพียู อยู่บนแผงหน่วยความจำเดียวกัน แพร่หลายไปทั่วจนเป็นเรื่องปรกติของคอมพิวเตอร์ยุคใหม่เลยแน่นอน ลองนึกภาพหากชิปของ NVIDIA อยู่บนผืนหน่วยความจำเดียวกับ CPU เทพๆ ของ ARM, Intel , AMD ซิ โดยทั้งหมดยัดลงกล่องมีขนาดเล็กเท่า Mac Mini นั่นแหล่ะเครื่องมือสำหรับทำงาน Local AI พร้อมใช้ กดปุ่มเดียวใช้งานได้เลย แบบชั้นดีเลยล่ะ ปัญหาที่จะเจอถัดไป คือ ทำอย่างไรถึงจะระบายความร้อนได้ทันนี่แหล่ะ ซึ่ง Apple ทำให้ใช้งานในสภาวะใช้งานจริงได้แล้ว แต่ดันไม่มี Software และ AI เป็นของตัวเอง โครตตลกร้ายเลย 555

แล้วคู่แข่งของ Apple ก็ไม่น่าจะใช่ใครที่ไหน Google นี่แหล่ะ ผมรอชิป Tensor ทำงานบนสถาปัตยกรรมแบบนี้อยู่นา Google

Economies of Scale คือ คำตอบครับ ถ้าผู้ผลิตหันมาผลิตด้วยปริมาณสั่งซื้อจำนวนมากพร้อมกัน จนถึงจุดหนึ่ง ราคาก็จะลดลงอย่างรวดเร็ว เหมือนพวก TV ที่ช่วงออกมาแรกๆ ราคาแพงมหาศาล แต่ 2-3 ปี ผ่านไปราคาจะลดลงมาจนจับต้องได้ มันเป็นวัฐจักรของสินค้าเทคโนโลยีอยู่แล้ว ดังนั้นเราน่าจะได้เห็นสินค้าพวกนี้ที่ผลิตมาเพื่อ Local AI ในราคาที่พอๆ กับโน๊ตบุ๊ค โดยมีช่วงชีวิตของสินค้าในเวลาไม่เกิน 5 ปีข้างหน้านี้ครับ แต่ช่วงแรกราคาน่าจะหลายแสนอยู่

อ่อ แต่ไม่ต้องตกใจนะ สำหรับคนที่ลงทุนกับ Data Center ไปแล้ว ยังไงมันก็จะไปแบบคู่ขนาน หรือ Hybrid Infrastructure โมเดลแบบ Local ยังคงต้องอาศัยโมเดลขนาดใหญ่จาก Cloud แต่มันจะคอยปกป้องข้อมูลของคุณไม่ให้โมเดลใน Cloud เข้าถึง แต่มันจะทำหน้าที่สร้างข้อมูลใหม่จากฐานข้อมูลเดิมของคุณในรูปแบบ pattern ที่คล้ายกัน เพื่อใช้ในการฝึกตัวเองเองสำหรับงานเฉพาะทางของคุณ เพราะการที่คุณจะประมวลผลตลอดเวลาแบบโมเดลในปัจจุบัน มันคงไม่ใช่วิถีที่ยั่งยืน โดนค่า Token กินจนไม่คุ้มทุน เพราะงานของคุณส่วนใหญ่มันก็จะซ้ำกัน flow เดิมแค่ตัวแปรเปลี่ยนไป ซึ่งมันจะให้ Cloud AI สร้างโลจิกส์เฉพาะงานให้ โดยมันจะเป็นคนให้โจทย์จากข้อมูลใหม่ที่สร้างในรูปแบบคล้ายของคุณไปโยนให้ Cloud AI คิดเพื่อสร้าง flow ให้เพื่อนำมาใช้งานในงานประจำวัน ถ้าคุณเข้าใจ และแปลความหมายของผมออก คุณจะเห็นภาพว่า Cloud AI และ Local AI จะมีทิศทางเป็นอย่างไรในช่วง 1-10 ปีข้างหน้า รวมถึงมันจะนำไป apply กับงานหุ่นยนต์ได้ด้วย

AI ที่ฝันตอนช่วงเวลากลางคืนเพื่อฝึกตัวเองได้ในความหมายของผม คือ แบบนี้นี่แหล่ะ มันจะช่วยทำให้ Local AI ที่มีพารามิเตอร์ขนาดเล็กทำงานบนงานขนาดใหญ่ได้ โดยใช้พลังงาน และพลังประมวลผลน้อยมาก

อันนี้เผื่อคนที่คิดว่าผมเพ้อเจ้อ ผมดูคำจำกัดความ และความเป็นไปได้มาแล้ว รวมถึงตรวจสอบคำตอบแล้วว่ามีความถูกต้อง

ใช่ครับ เทคนิคเหล่านี้มีชื่อเรียกอย่างเป็นทางการในภาษาอังกฤษตามแต่ละแนวคิด ดังนี้ครับ:

  • Knowledge Distillation (การกลั่นความรู้) – นิยมเรียกว่าแนวคิด Teacher-Student Learning โดยโมเดลขนาดใหญ่ (Teacher) จะส่งต่อความรู้เพื่อให้โมเดลขนาดเล็ก (Student) เก่งขึ้นและประมวลผลได้เร็วขึ้น
  • Self-Training หรือ Self-Distillation (การฝึกและกลั่นความรู้ในตัวเอง) – โมเดลจะสร้างข้อมูล (Pseudo-labels) ขึ้นมาเอง แล้วนำข้อมูลนั้นกลับมาฝึกฝนตัวเองซ้ำๆ เพื่อพัฒนาความแม่นยำ
  • Multi-Agent Collaboration หรือ Multi-Agent Debate (การร่วมมือ/ถกเถียงระหว่างเอเจนต์) – การใช้ AI หลายตัว (Agents) มาทำงานร่วมกัน ตรวจสอบข้อผิดพลาด หรือโต้แย้งกันเองเพื่อหาคำตอบที่ดีที่สุด
  • Adversarial Training (การฝึกแบบต่อสู้กัน) – แนวคิดแบบ Generative Adversarial Networks (GANs) ที่มีโมเดล 2 ตัวแข่งกันเอง ตัวหนึ่งคอยสร้างภาพปลอม (Generator) อีกตัวคอยจับผิด (Discriminator) จนเก่งขึ้นทั้งคู่

คุณกำลังศึกษาเทคนิคนี้เพื่อนำไปใช้ในงานด้านไหนเป็นพิเศษหรือไม่ครับ เช่น การลดขนาดโมเดล (Model Compression) หรือ การทำโปรเจกต์ Multi-Agent ผมสามารถเจาะลึกรายละเอียดเพิ่มเติมให้ได้ครับ

คุณเห็นจุดอ่อนของสถาปัตยกรรมนี้ไหม ถ้าคุณเห็น คุณจะกลายเป็น จอห์น คอนเนอร์ คนถัดไป ก่อนจะนำทฤษฎีไปใช้ ปิดจุดอ่อนนี้ให้เรียบร้อยก่อน อนาคตโลกของ AI จะแบ่งเป็นสองฝั่งคือ AI ที่อยู่เคียงข้างคุณ และ AI ที่จะคิดจะครองโลก 555

รอดู apple ที่เอา M 6 Ultra ซัก 4 ตัวมายัดอยู่ใน Mac Pro เครื่องเดียว พร้อมระบายความร้อนด้วยของเลว น่าสนุก