อุตสาหกรรม AI กำลังเผชิญภาวะขาดแคลนกำลังประมวลผล ท่ามกลางการหยุดชะงัก การจำกัดการใช้งาน และราคา GPU พุ่งสูง
อุตสาหกรรมปัญญาประดิษฐ์ (AI) กำลังเผชิญกับวิกฤตกำลังประมวลผลที่รุนแรง โดยมีสัญญาณชัดเจนจากปัญหาการหยุดชะงักของระบบ การจำกัดการเข้าถึงทรัพยากร และราคากราฟิกการประมวลผล (GPU) ที่ปรับตัวสูงขึ้นอย่างต่อเนื่อง ปัญหาเหล่านี้เกิดขึ้นเนื่องจากความต้องการที่พุ่งทะยานจากกระแส AI ซึ่งเกินกำลังการผลิตชิปที่จำกัด ส่งผลกระทบต่อผู้เล่นทุกระดับ โดยเฉพาะสตาร์ทอัพและนักพัฒนาอิสระที่ต้องเผชิญความท้าทายในการขยายธุรกิจ
ความขาดแคลนที่ส่งผลกระทบต่อผู้ให้บริการคลาวด์และสตาร์ทอัพ
บริษัทผู้ให้บริการคลาวด์ขนาดใหญ่ หรือไฮเปอร์สเกลเลอร์ เช่น Microsoft, Google และ Amazon ได้ครองส่วนแบ่งตลาด GPU เกือบทั้งหมด โดยข้อมูลจาก SemiAnalysis ชี้ว่าบริษัทเหล่านี้จองกำลังการผลิต GPU กว่า 80-90% ของ NVIDIA ในปี 2024 ส่งผลให้สตาร์ทอัพขนาดกลางและเล็กเข้าถึงทรัพยากรเหล่านี้ได้ยากยิ่งขึ้น
ตัวอย่างที่ชัดเจนคือ Lambda Labs ผู้ให้บริการคลาวด์ GPU ชั้นนำ ซึ่งประกาศจำกัดการเข้าถึง GPU รุ่น H100 โดยลดการใช้งานสูงสุดต่อลูกค้าจาก 64 ตัวลงเหลือเพียง 16 ตัวต่อเดือน นอกจากนี้ ยังมีรายชื่อรอคิว (waitlist) สำหรับ GPU รุ่นใหม่ เช่น H200 โดยลูกค้าต้องรอหลายเดือนกว่าจะได้รับการจัดสรร Lambda ยืนยันว่าปัญหานี้เกิดจากความต้องการที่สูงเกินกำลังผลิต โดยบริษัทต้องปฏิเสธลูกค้ากว่า 90% ที่สมัครใหม่
สถานการณ์คล้ายกันเกิดขึ้นกับ CoreWeave ผู้ให้บริการคลาวด์เฉพาะทางสำหรับ AI ซึ่งเพิ่งระดมทุนได้ 7.5 พันล้านดอลลาร์สหรัฐ แต่ก็ยังเผชิญปัญหาการขาดแคลน GPU อย่างต่อเนื่อง ส่งผลให้ต้องปรับกลยุทธ์การให้บริการเพื่อรักษาความมั่นคง
ราคา GPU พุ่งสูงขึ้นอย่างน่าตกใจ
ราคา GPU ในตลาดรองพุ่งสูงขึ้นอย่างรวดเร็ว โดย NVIDIA H100 ซึ่งเคยมีราคาเริ่มต้นที่ 30,000 ดอลลาร์สหรัฐต่อตัว ปรับเพิ่มเป็น 40,000 ดอลลาร์สหรัฐหรือสูงกว่านั้นในช่วงไม่กี่เดือนที่ผ่านมา ราคาในตลาดจีนยิ่งสูงกว่า โดยอยู่ที่ราว 45,000 ดอลลาร์สหรัฐ เนื่องจากมาตรการคว่ำบาตรทางการค้าที่จำกัดการส่งออก
สำหรับ GPU รุ่นเก่าอย่าง A100 ราคาก็พุ่งจาก 10,000 ดอลลาร์สหรัฐ เป็น 20,000 ดอลลาร์สหรัฐ ขณะที่ H200 ซึ่งเป็นรุ่นอัปเกรดใหม่ ราคาอยู่ที่ 35,000 ดอลลาร์สหรัฐ สถานการณ์นี้เกิดจากความต้องการที่สูงจากบริษัทเทคโนโลยีขนาดใหญ่ ซึ่งจองกำลังผลิตล่วงหน้าทั้งปี ส่งผลให้ตลาดรองร้อนระอุและราคาไม่นิ่ง
การหยุดชะงักของระบบที่เกิดบ่อยครั้ง
ปัญหาการหยุดชะงักของระบบ (outages) กลายเป็นภัยคุกคามหลักต่อการพัฒนา AI โดยล่าสุด Microsoft Azure GPU เกิด downtime กว่า 2 ชั่วโมง ส่งผลกระทบต่อลูกค้านับพัน รวมถึงผู้พัฒนาโมเดลภาษาขนาดใหญ่ (LLM) หลายราย ระบบ ND A100 v4 ซึ่งใช้ GPU A100 หายไปทั้งหมด 1,024 ตัว ส่งผลให้ผู้ใช้ต้องหยุดงานชั่วคราว Microsoft ยืนยันว่าเป็นปัญหาฮาร์ดแวร์ แต่ไม่ได้เปิดเผยรายละเอียดเพิ่มเติม
ก่อนหน้านั้น CoreWeave ก็เผชิญ outage ครั้งใหญ่ในเดือนพฤษภาคม ส่งผลให้บริการ GPU ล่มนานหลายชั่วโมง สถานการณ์เหล่านี้เกิดจากความหนาแน่นของการใช้งานที่สูงเกินขีดจำกัดโครงสร้างพื้นฐาน โดยเฉพาะในศูนย์ข้อมูลที่ออกแบบมารองรับการประมวลผล AI ซึ่งใช้พลังงานมหาศาลและก่อให้เกิดความร้อนสะสม
สาเหตุหลักจากข้อจำกัดด้านการผลิต
ปัญหาหลักมาจาก NVIDIA ผู้ผลิต GPU ชั้นนำ ซึ่งครองตลาดกว่า 90% ของ GPU สำหรับ AI แต่กำลังการผลิตถูกจำกัดโดย TSMC ผู้ผลิตชิปตามสั่งรายใหญ่ที่สุดของโลก TSMC ผลิตชิป 4 นาโนเมตรสำหรับ H100 และกำลังขยายโรงงานใหม่ในไต้หวันและสหรัฐอเมริกา แต่ยังไม่ทันแก้ปัญหาความต้องการที่พุ่งสูง
นอกจากนี้ ชิป Blackwell รุ่นใหม่ (B100, B200) ซึ่ง NVIDIA ประกาศว่าจะรองรับการฝึกโมเดล AI ขนาดใหญ่ ถูกเลื่อนการผลิตออกไป 3-6 เดือน เนื่องจากปัญหาการออกแบบและการทดสอบ ส่งผลให้ตลาดคาดการณ์ว่าปัญหาขาดแคลนจะยืดเยื้อไปจนถึงปี 2025
ผลกระทบต่ออุตสาหกรรม AI และแนวโน้มในอนาคต
ความขาดแคลนนี้ส่งผลกระทบโดยตรงต่อการพัฒนา AI โดยสตาร์ทอัพหลายแห่งต้องชะลอโครงการฝึกโมเดลใหม่ ลดขนาดทีม หรือหันไปใช้บริการคลาวด์ราคาถูกแต่ประสิทธิภาพต่ำกว่า ผู้พัฒนาอิสระบางรายหันไปใช้ GPU มือสองหรือตลาดมืด ซึ่งเสี่ยงต่อปัญหาคุณภาพและการรับประกัน
ไฮเปอร์สเกลเลอร์เองก็เผชิญแรงกดดัน โดย Microsoft ลงทุนกว่า 100 พันล้านดอลลาร์สหรัฐในโครงสร้างพื้นฐาน AI ขณะที่ Google และ Amazon ขยายศูนย์ข้อมูลทั่วโลก แต่ปัญหาการผลิตชิปยังคงเป็นอุปสรรคหลัก
ในอนาคต คาดว่าสถานการณ์จะรุนแรงขึ้น หากไม่มีผู้ผลิตชิปทางเลือก เช่น AMD หรือ Intel เร่งขยายกำลังการผลิต NVIDIA เองก็ประกาศแผนผลิตชิป 1 ล้านตัวต่อปี แต่ยังไม่เพียงพอต่อความต้องการที่คาดว่าจะเติบโต 10 เท่าในอีก 2-3 ปีข้างหน้า อุตสาหกรรม AI จึงต้องปรับตัว โดยหันไปใช้เทคนิคการประมวลผลที่มีประสิทธิภาพสูงขึ้น เช่น การบีบอัดโมเดล (model compression) หรือการแบ่งปันทรัพยากร เพื่อบรรเทาปัญหาในระยะสั้น
ปัญหานี้ไม่เพียงชี้ให้เห็นถึงความเปราะบางของห่วงโซ่อุปทานเซมิคอนดักเตอร์ แต่ยังเป็นสัญญาณว่าอุตสาหกรรม AI กำลังเข้าสู่ยุคที่การแข่งขันเรื่องทรัพยากรกำลังประมวลผลจะเป็นปัจจัยกำหนดความสำเร็จของผู้เล่นแต่ละราย
(จำนวนคำประมาณ 750 คำ)
This Article is sponsored by Gnoppix AI (https://www.gnoppix.org)