ล่าสุด Reuters รายงานว่า OpenAI กำลังพิจารณาชิปที่พัฒนาตนเอง ตามรายงาน ตั้งแต่ปีที่แล้ว OpenAI ได้ค้นหาวิธีแก้ปัญหาการขาดแคลนชิปการฝึกอบรมสำหรับโมเดลปัญญาประดิษฐ์ (โดยเฉพาะการขาดแคลน GPU ของ Nvidia) ปัจจุบัน OpenAI กำลังเตรียมชิปที่พัฒนาตนเองอย่างกระตือรือร้นเพื่อตอบสนองความต้องการชิป AI ในอนาคต ในความเป็นจริง เมื่อไม่นานมานี้ Sam Altman ซีอีโอของ OpenAI ยอมรับต่อสาธารณะถึงผลกระทบที่สำคัญของการขาดแคลน GPU ของ Nvidia ที่มีต่อ OpenAI และอุตสาหกรรม AI ทั้งหมด นอกจากนี้ ตั้งแต่ปีนี้เป็นต้นไป OpenAI ได้สรรหาผู้ที่มีความสามารถในสาขาที่เกี่ยวข้องกับฮาร์ดแวร์ โดยมีตำแหน่งงานต่างๆ ที่เกี่ยวข้องกับการออกแบบร่วมระหว่างซอฟต์แวร์และฮาร์ดแวร์โดยได้ลงโฆษณาไว้บนเว็บไซต์อย่างเป็นทางการของ OpenAI นอกจากนี้ ในเดือนกันยายนของปีนี้ OpenAI ยังได้คัดเลือก Andrew Tulloch ผู้เชี่ยวชาญที่มีชื่อเสียงในสาขาคอมไพเลอร์ AI ซึ่งชี้ให้เห็นถึงการลงทุนในชิปที่พัฒนาตนเอง เจ้าหน้าที่ของ OpenAI ปฏิเสธที่จะแสดงความคิดเห็นในเรื่องนี้ แต่หากบรรลุผล OpenAI จะเข้าร่วมกับบริษัทยักษ์ใหญ่ด้านเทคโนโลยีใน Silicon Valley เช่น Google, Amazon, Microsoft และ Tesla ในการพัฒนาชิปของตนเอง

ทำไม OpenAI ถึงต้องการพัฒนาชิปของตัวเอง?

ดังที่ได้กล่าวไว้ก่อนหน้านี้ เหตุผลหลักที่อยู่เบื้องหลังการพัฒนาชิปของตัวเองของ OpenAI ก็เนื่องมาจากการขาดแคลน GPU โดยเฉพาะอย่างยิ่ง ราคาของทั้งการซื้อ Nvidia GPU และการใช้บริการคลาวด์ที่ใช้ GPU นั้นสูงเกินไป โดยเฉพาะอย่างยิ่งเมื่อพิจารณาถึงพลังการประมวลผลที่เพิ่มขึ้นอย่างมากที่จำเป็นสำหรับการฝึกโมเดลในอนาคตของ OpenAI

OpenAI ลงทุนเชิงกลยุทธ์ในด้านปัญญาประดิษฐ์เชิงสร้างสรรค์มาหลายปีแล้ว ด้วยการเปิดตัว GPT-3 ในปีที่แล้วและ ChatGPT ในช่วงครึ่งหลังของปี ความสามารถของโมเดลภาษาเชิงกำเนิดขนาดใหญ่เหล่านี้ได้รับการปรับปรุงอย่างมีนัยสำคัญในช่วงไม่กี่ปีที่ผ่านมา มาถึงขั้นที่พวกเขาสามารถมีส่วนร่วมในการสนทนาที่มีความหมายกับมนุษย์ . เป็นผลให้ OpenAI กลายเป็นผู้นำในด้านปัญญาประดิษฐ์ และ AI กำเนิดได้กลายเป็นหนึ่งในเทคโนโลยีที่มีผลกระทบมากที่สุดที่คาดว่าจะกำหนดรูปแบบสังคมมนุษย์ในปีต่อ ๆ ไป จากข้อมูลของ Reuters OpenAI บันทึกรายได้ 28 ล้านดอลลาร์ในปีที่แล้ว แต่ขาดทุนโดยรวม 540 ล้านดอลลาร์ สาเหตุหลักมาจากค่าใช้จ่ายที่เกี่ยวข้องกับพลังการประมวลผล เป็นที่น่าสังเกตว่าการสูญเสียครั้งใหญ่จำนวน 540 ล้านดอลลาร์นี้เกิดขึ้นในปี 2022 ก่อนที่ปัญญาประดิษฐ์เชิงกำเนิดจะพุ่งสูงขึ้น

เมื่อมองไปข้างหน้า ค่าใช้จ่ายที่เกี่ยวข้องกับพลังการประมวลผลคาดว่าจะเพิ่มขึ้นแบบทวีคูณ สาเหตุหลักมาจาก:

• การแข่งขันในโมเดลขนาดใหญ่กำลังเข้มข้นขึ้น และความเร็วของวิวัฒนาการโมเดลก็เร็วขึ้นเรื่อยๆ ซึ่งต้องใช้พลังการประมวลผลที่เพิ่มขึ้นอย่างรวดเร็ว นอกจาก OpenAI แล้ว บริษัทยักษ์ใหญ่ด้านเทคโนโลยีอย่าง Google ยังผลักดันโมเดลขนาดใหญ่ของตนเอง ซึ่งช่วยเร่งการพัฒนาโมเดลได้อย่างมาก คาดว่าโมเดลรุ่นใหม่จะต้องได้รับการอัปเดตทุกไตรมาสถึงครึ่งปี และพลังการประมวลผลที่จำเป็นสำหรับโมเดลที่ล้ำสมัยที่สุดคาดว่าจะเพิ่มขึ้นตามลำดับความสำคัญทุกปี

• โมเดลขนาดใหญ่กำลังถูกนำไปใช้ในสถานการณ์ที่หลากหลายมากขึ้น ปัจจุบัน Microsoft และ Google ได้เริ่มใช้โมเดลขนาดใหญ่ในด้านการค้นหาและการเขียนโค้ดแล้ว คาดว่าจะมีการใช้งานโมเดลขนาดใหญ่เพิ่มมากขึ้นในอนาคต รวมถึงการประมวลผลงานอัตโนมัติ การถามตอบแบบต่อเนื่องหลายรูปแบบ ฯลฯ สิ่งเหล่านี้จะเพิ่มจำนวนของรุ่นต่างๆ อย่างมาก และยังเพิ่มพลังการประมวลผลทั้งหมดที่จำเป็นสำหรับการปรับใช้โมเดลอย่างมีนัยสำคัญอีกด้วย .

ตามการวิเคราะห์โดยบริษัทการเงินอเมริกัน Bernstein หากปริมาณการใช้งาน ChatGPT เข้าถึงหนึ่งในสิบของการค้นหาบน Google (ซึ่งเป็นหนึ่งในเป้าหมายสำคัญของ OpenAI ในอนาคต) ค่าใช้จ่าย GPU ประจำปีของ OpenAI จะมีมูลค่า 16 พันล้านดอลลาร์ ค่าใช้จ่ายดังกล่าวอาจกลายเป็นปัญหาคอขวดที่สำคัญสำหรับการปรับขนาดเพิ่มเติมของ OpenAI

แล้ว OpenAI จะประหยัดค่าใช้จ่ายได้ขนาดไหนหากพวกเขาพัฒนาชิปของตัวเอง? ปัจจุบัน ต้นทุนการซื้อเซิร์ฟเวอร์ที่มี GPU Nvidia H100 แปดตัวอยู่ที่ประมาณ 300,000 เหรียญสหรัฐ และค่าใช้จ่ายรวมในการใช้เซิร์ฟเวอร์นี้เป็นเวลาสามปี รวมถึงพรีเมี่ยมจากผู้ให้บริการระบบคลาวด์ด้วย อยู่ที่ประมาณ 1 ล้านเหรียญสหรัฐ (ซึ่งเป็นราคาอย่างเป็นทางการที่เสนอโดย AWS โดยราคาจากผู้ให้บริการคลาวด์รายอื่นคาดว่าจะอยู่ในช่วงเดียวกัน) หาก OpenAI สามารถลดต้นทุนของเซิร์ฟเวอร์ 100,000 GPU ดังกล่าวให้เหลือต่ำกว่า 10,000 ดอลลาร์ด้วยชิปที่พัฒนาขึ้นเองได้ ก็จะลดต้นทุนลงได้อย่างมาก ในทางกลับกัน หากชิปที่พัฒนาตนเองประสบความสำเร็จ ก็มีแนวโน้มที่จะควบคุมต้นทุนของการ์ดเร่งความเร็วเพียงใบเดียวให้ต่ำกว่า 100,000 ดอลลาร์ในกรณีการใช้งานขนาดใหญ่ กล่าวอีกนัยหนึ่ง การควบคุมต้นทุนของเซิร์ฟเวอร์ XNUMX GPU ที่ต่ำกว่า XNUMX ดอลลาร์นั้นไม่ใช่เป้าหมายที่ไม่สามารถบรรลุได้

ยังมีต่อ...