ขณะนี้หน่วยประมวลผลเทนเซอร์ของ Google ทำงานอยู่ในศูนย์ข้อมูลของ Meta ตามรายงานของ Tom's Hardware ที่เผยแพร่เมื่อวันที่ 22 ตุลาคม 2026 ซึ่งนับเป็นครั้งแรกที่ Google ขายชิป AI แบบกำหนดเองให้กับลูกค้าภายนอกในรูปแบบฮาร์ดแวร์ที่ใช้งาน แทนที่จะขายผ่านระบบคลาวด์ของตัวเอง การเคลื่อนไหวดังกล่าวถือเป็นการเปลี่ยนแปลงครั้งประวัติศาสตร์ในตลาดฮาร์ดแวร์ AI โดยที่ GPU ของ Nvidia เป็นตัวเลือกเริ่มต้นสำหรับการฝึกอบรมและให้บริการโมเดลขนาดใหญ่มานานแล้ว
หลายปีที่ผ่านมา ข้อสันนิษฐานในอุตสาหกรรมคือระบบนิเวศซอฟต์แวร์ CUDA ของ Nvidia ทำให้ GPU ไม่สามารถถูกแทนที่ได้ แม้ว่าจะมีทางเลือกอื่นเกิดขึ้นก็ตาม ขณะนี้สมมติฐานดังกล่าวกำลังได้รับการทดสอบโดยทั้งสองบริษัทที่อยู่ในตำแหน่งที่ดีที่สุดในการทำลายมัน ข้อตกลงดังกล่าวเกิดขึ้นนอกเหนือจากการใช้จ่ายด้านโครงสร้างพื้นฐาน AI มหาศาลของ Meta ในไตรมาสนี้ แสดงให้เห็นว่าไฮเปอร์สเกลเลอร์จริงจังแค่ไหนในการแสวงหาความเป็นอิสระในการประมวลผล ซึ่งเป็นเรื่องราวที่คุณสามารถติดตามในเชิงลึกมากขึ้นด้วยการพัฒนา AI ล่าสุดที่ครอบคลุมทุกวันบนหน้าแรกของเราที่ aibuzzwire.news
จาก TorchTPU สู่เหล็กกล้าและซิลิคอน
รากฐานสำหรับช่วงเวลานี้ได้ถูกเปิดเผยต่อสาธารณะเพียงสองวันก่อนหน้านี้ เมื่อวันที่ 20 ตุลาคม Google และ Meta ได้ร่วมกันเปิดตัว TorchTPU ซึ่งเป็นแบ็กเอนด์ PyTorch ดั้งเดิมสำหรับ TPU ของ Google ได้ประกาศในบล็อก PyTorch อย่างเป็นทางการโดยทีม TorchTPU โปรเจ็กต์นี้เริ่มต้นที่ Google ในช่วงกลางปี 2025 โดยความร่วมมือกับทีม PyTorch ของ Meta และทำสิ่งที่ไม่เคยมีการจัดการอย่างเรียบร้อยมาก่อน โดยช่วยให้ปริมาณงาน PyTorch ที่มีอยู่ทำงานบน TPU ด้วยการเปลี่ยนแปลงโค้ดเล็กน้อย โดยพื้นฐานแล้วจะต้องสลับ `.to("cuda")` เป็น `.to("tpu")`
นั่นสำคัญเพราะความพยายามก่อนหน้านี้ของ Google นั่นคือ PyTorch/XLA ที่เปิดตัวในปี 2020 จำเป็นต้องมีการแก้ไขซอร์สโค้ดที่ล่วงล้ำ ได้รับผลกระทบจากเวลาคอมไพล์ที่ยาวนาน และขาดการสนับสนุนสำหรับโหมดการดำเนินการที่กระตือรือร้นดั้งเดิมของ PyTorch หลายทีมที่ทดลองใช้ TPU สุดท้ายก็กลับมาใช้ Nvidia GPU เพียงเพราะประสบการณ์ของนักพัฒนานั้นเจ็บปวดเกินไป TorchTPU ได้รับการออกแบบมาอย่างชัดเจนเพื่อแก้ไขปัญหาดังกล่าว โดยไม่มีการพึ่งพา JAX ในรันไทม์และการรวม torch.compile ที่สร้างบน Torch Dynamo แทนที่จะเป็นแนวทาง Lazy Tensor แบบเก่า
Meta อะไรที่ได้รับจากข้อตกลง
ผลลัพธ์ทางเทคนิคที่ Google และ Meta เผยแพร่นั้นมีความโดดเด่น ตามรายละเอียดที่รายงานโดย Yahoo Tech สแต็ก TorchTPU ได้รับการตรวจสอบกับรุ่น Hugging Face จำนวน 5,000 รุ่น และโหมดการดำเนินการ DeferAndFuse ของ Google ให้ประสิทธิภาพเพิ่มขึ้น 50 เปอร์เซ็นต์หรือมากกว่าจากการดำเนินการที่เข้มงวดอย่างเข้มงวด กรณีศึกษาของผู้จำหน่ายแสดงให้เห็นว่าโมเดล Llama 3 405B ของ Meta มีการใช้งาน FLOP ของโมเดลถึง 57 เปอร์เซ็นต์บนคลัสเตอร์ที่มี TPU ของ Ironwood 128 ถึง 1,024 ตัว ซึ่งเป็นตัวเลขที่แม้จะรายงานด้วยตนเอง แต่ก็บ่งชี้ว่าชิปสามารถรันปริมาณงานการฝึกอบรมระดับแนวหน้าได้อย่างมีประสิทธิภาพ
เศรษฐศาสตร์เป็นเรื่องใหญ่กว่า มีข่าวลือมานานแล้วว่า TPU มีราคาถูกกว่า Nvidia GPU ระดับบนอย่างมาก และบริษัทที่มีความอยากในการคำนวณของ Meta ซึ่งครอบคลุมทั้งความทะเยอทะยานในการวิจัย AI และระบบการแนะนำ มีแรงจูงใจทุกประการในการกระจายตัวออกจากซัพพลายเออร์รายเดียว Bloomberg รายงานย้อนกลับไปเมื่อเดือนพฤศจิกายน 2568 ว่า Meta และ Google กำลังคุยกันเรื่องการปรับใช้ TPU ในศูนย์ข้อมูลของ Meta และการทำงานร่วมกันบน TorchTPU ได้รับการรายงานโดย Reuters ในเดือนธันวาคม 2568 สิ่งที่เปลี่ยนแปลงไปในตอนนี้คือข้อตกลงได้ย้ายจากการสนทนาไปสู่การใช้งาน โดย Tom's Hardware รายงานว่าชิปได้รับการติดตั้งและใช้งานจริงในโรงงาน Meta
รอยแตกในชุดเกราะของ Nvidia
Nvidia ยังคงควบคุมตลาดตัวเร่งความเร็ว AI ส่วนใหญ่อย่างท่วมท้น และรายได้จากศูนย์ข้อมูลยังคงเป็นเกณฑ์มาตรฐานที่คู่แข่งทุกรายไล่ตาม แต่พลวัตกำลังเปลี่ยนไป ตามที่ TechCrunch กล่าวถึงการเปิดตัว TorchTPU นั้น Google ได้เข้าร่วมกับ Amazon ในการโจมตีฐานที่มั่นของ Nvidia บนเลเยอร์ซอฟต์แวร์ที่ช่วยให้นักพัฒนาเชื่อมโยงกับฮาร์ดแวร์ของตน ในขณะเดียวกัน Meta ก็ได้รับประโยชน์จากการเจรจา: แร็ค TPU ทุกตัวที่ติดตั้งนั้นเป็นแร็คของ GPU ซึ่งไม่จำเป็นต้องซื้อในราคาของ Nvidia
แรงกดดันมาจากหลายทิศทางพร้อมกัน Amazon มีชิป Trainium, Google มี TPU และบริษัทสตาร์ทอัพจำนวนมากกำลังสร้างตัวเร่งความเร็วเฉพาะสำหรับการอนุมาน สิ่งที่ทำให้การปรับใช้ Meta แตกต่างคือขนาดและการมองเห็น Meta เป็นหนึ่งในลูกค้ารายใหญ่ที่สุดของ Nvidia และหากทีมวิศวกรสรุปว่า TPU สามารถแบกรับส่วนแบ่งที่สำคัญของทั้งปริมาณงานการฝึกอบรมและการอนุมานได้ ผู้ซื้อรายใหญ่รายอื่นก็จะให้ความสนใจอย่างใกล้ชิด
คำเตือน
ทั้งหมดนี้ไม่ได้หมายความว่าสถานะของ Nvidia จะพังทลายลงในชั่วข้ามคืน บล็อกของ PyTorch เตือนว่าแม้ว่าโมเดลอาจหมดกล่องบน TPU แต่การบรรลุประสิทธิภาพสูงสุดยังคงต้องมีการปรับให้เหมาะสมโดยคำนึงถึงฮาร์ดแวร์ เนื่องจากรูปร่างของโมเดล กลยุทธ์การแบ่งส่วน และการใช้งานเคอร์เนลมักจะได้รับการปรับแต่งสำหรับสถาปัตยกรรม GPU ชุดคำสั่ง TPU แตกต่างจากของ Nvidia และระบบนิเวศของเครื่องมือ ไลบรารี และวิศวกรที่มีประสบการณ์ยังคงเน้น GPU เป็นหลัก
นอกจากนี้ยังมีคำถามเกี่ยวกับอุปทาน ในอดีต Google ได้สงวน TPU สำหรับปริมาณงานภายในและลูกค้าระบบคลาวด์ และกำลังการผลิตสำหรับตัวเร่งความเร็วแบบกำหนดเองนั้นไม่จำกัด ไม่ว่า Google จะสามารถหรือต้องการจัดหา TPU ในระดับที่มีความหมายต่อปริมาณการประมวลผลทั้งหมดของ Meta ซึ่งถือว่าบริษัทส่วนใหญ่เล็กกว่านั้น ยังคงเป็นคำถามเปิดอยู่
สิ่งที่ต้องดูต่อไป
สัญญาณที่ต้องตรวจสอบทันทีคือไฮเปอร์สเกลเลอร์รายอื่นติดตามผู้นำของ Meta หรือไม่ วิธีที่ Nvidia ตอบสนองต่อราคา และโมเมนตัมโอเพ่นซอร์สของ TorchTPU แปลเป็นการโยกย้ายปริมาณงาน PyTorch ของแท้ไปยังโครงสร้างพื้นฐาน TPU หรือไม่ ตลาดฮาร์ดแวร์ AI รอคอยมานานหลายปีเพื่อหาทางเลือกที่น่าเชื่อถือแทน Nvidia ในระดับบนสุด เนื่องจากขณะนี้ TPU ทำงานในศูนย์ข้อมูลของบริษัทแห่งที่สอง การรอคอยจึงอาจสิ้นสุดลงในที่สุด
ก้าวนำหน้า AI
การแข่งขันด้านฮาร์ดแวร์ AI กำลังเร่งอย่างรวดเร็ว และผู้ชนะและผู้แพ้ในทศวรรษหน้ากำลังได้รับการตัดสินแล้ว ก้าวนำหน้า AI พร้อมการรายงานข่าวที่เป็นอิสระเกี่ยวกับชิป รุ่น และข้อตกลงที่พลิกโฉมอุตสาหกรรม
อ่านข่าว AI เพิ่มเติม →
