ลาก่อน GPU? รู้จัก “ชิปแสง” ที่อาจทำให้ AI แรงขึ้นแบบก้าวกระโดด แต่กินไฟน้อยลง
ทุกครั้งที่ AI ฉลาดขึ้น…สิ่งที่ตามมาคือ “ค่าไฟ” และ “ความร้อน” ที่พุ่งขึ้นใน Data Center ทั่วโลก จนหลายฝ่ายเริ่มพูดถึงคำว่า power wall (กำแพงพลังงาน) ว่าสุดท้ายเราอาจไม่ติดที่ “ความสามารถของโมเดล” แต่ติดที่ “พลังงาน/ต้นทุนโครงสร้างพื้นฐาน”
และนี่คือเหตุผลที่ช่วงหลังมีการพูดถึงแนวทางใหม่อย่าง ชิปประมวลผลด้วยแสง (Optical / Photonic AI Chip) ที่พยายามใช้ “โฟตอน (แสง)” แทน “อิเล็กตรอน (ไฟฟ้า)” ในงานคำนวณหนัก ๆ ของ AI
หนึ่งในบริษัทที่ถูกยกมาเป็นตัวอย่างบ่อยคือ Neurophos ซึ่งระบุว่า OPU (Optical Processing Units) ของตน “เร็วกว่าและประหยัดพลังงานกว่าการ์ดประมวลผล AI แบบเดิมในระดับ 100 เท่า” (เป็นคำเคลมของบริษัทและข่าวที่รายงาน)
1) ทำไม GPU/ชิปปัจจุบันเริ่มเจอ “ทางตัน” ในมุมพลังงาน
แก่นปัญหาไม่ได้อยู่ที่ GPU ไม่เก่ง—แต่คือ ต้นทุนในการทำให้เก่งขึ้นเรื่อย ๆ
- ยิ่งโมเดลใหญ่ขึ้น งานคำนวณหลัก (เช่น matrix multiplication) ก็หนักขึ้น
- การเพิ่มชิป/เพิ่มแร็ก ทำให้ “ความร้อน–ค่าไฟ–พื้นที่” โตตาม
- เมื่อรวมกับข้อจำกัดด้านการย่อขนาดทรานซิสเตอร์ (แนวคิดแบบ Moore’s Law ที่ชะลอตัว) ก็ยิ่งทำให้ความท้าทายด้านพลังงานเด่นขึ้นเรื่อย ๆ (ภาพรวมทิศทางนี้ถูกพูดถึงในสื่อเทคจำนวนมาก และเป็นบริบทเดียวกับที่คลิปยกมา)
2) ชิปแสง (Optical / Photonic Chip) คืออะไร
ชิปแสง คือแนวคิดที่ “ให้แสงทำหน้าที่คำนวณ” ในงานบางประเภท โดยเฉพาะงานที่ AI ใช้หนักมากอย่าง การคูณเมทริกซ์ (matrix multiplication)
แนวทางของ Neurophos ถูกอธิบายในข่าวว่าใช้ส่วนประกอบแบบ metasurface / metasurface modulators เพื่อทำให้ระบบโฟโตนิกมีขนาดเล็กลงมาก (ลดความเทอะทะของ optical computing แบบยุคก่อน) และทำงานได้ในสเกลชิปสมัยใหม่
ภาพจำ: จากเดิม optical computing มัก “ใหญ่/ซับซ้อน/แพง” → แนวทางใหม่พยายามย่อให้เล็กพอจะเป็น “ชิป” ที่ใช้งานในระบบจริงได้
3) ทำไมคนถึงตื่นเต้น: เร็วขึ้น + กินไฟน้อยลง (แต่ต้องอ่านแบบมีเงื่อนไข)
สิ่งที่ทำให้ชิปแสงถูกจับตาคือ “คำเคลมด้านประสิทธิภาพต่อพลังงาน”
- เว็บไซต์ของ Neurophos ระบุว่า OPU ของตน “100x faster และ 100x more energy efficient” เมื่อเทียบกับ GPU ปัจจุบัน (เป็นคำกล่าวอ้างจากบริษัท)
- สื่อเทคบางแห่งรายงานรายละเอียดเชิงเทคนิค/ไทม์ไลน์ รวมถึงการย่ออุปกรณ์ลงระดับ “10,000 เท่า” และการทดสอบ/การผลิตในอนาคต (ยังอยู่ในช่วงพัฒนา ไม่ใช่ของที่มีขายทั่วไปแล้ว)
สำคัญมาก: เรื่อง “100 เท่า” ควรอ่านเป็น potential / claim / early-stage ไม่ใช่รับรองว่าแทน GPU ได้ทันทีทุกงาน—เพราะงาน AI จริงยังมีทั้ง inference/training, memory bandwidth, software ecosystem และการ integrate กับระบบเดิม
4) ความท้าทายที่ “ไม่ได้อยู่ที่ชิปอย่างเดียว” แต่คือ Ecosystem
ต่อให้ฮาร์ดแวร์ใหม่แรงมาก แต่สิ่งที่ทำให้เปลี่ยนยากคือ ระบบนิเวศซอฟต์แวร์และการนำไปใช้งานจริง
- โลก AI วันนี้ผูกกับสแต็ก/ไลบรารี/เครื่องมือจำนวนมาก
- บริษัทใหม่จึงมักพยายามทำให้ “เสียบใช้กับระบบเดิมได้” ก่อน (แนวทางที่ข่าว TechCrunch กล่าวถึงในเชิง go-to-market ของ Neurophos)
แล้วเรื่องนี้เกี่ยวอะไรกับ KlangTECH และ “AI Agent ยุคใหม่”?
AI Agent คือ AI ที่ไม่ได้แค่ “ตอบแชท” แต่ ลงมือทำงานให้เสร็จเป็นขั้นตอน—ซึ่งหมายถึงต้องใช้ compute มากขึ้นและต่อเนื่องมากขึ้น
ถ้าเทคโนโลยีชิปแนวใหม่ทำให้ “ต้นทุนต่อการประมวลผล” ลดลงและ “พลังงานต่อ AI งานหนึ่งงาน” ดีขึ้นได้จริง จะส่งผลให้:
- ธุรกิจเข้าถึง AI ขั้นสูงได้ง่ายขึ้น (คุ้มขึ้น)
- ระบบอัตโนมัติที่ทำงานทั้งวันทั้งคืน (Agent / Multi-agent) ทำได้ในต้นทุนที่สมเหตุสมผลขึ้น
- Data Center และโครงสร้างพื้นฐานของโลกไปต่อได้แบบยั่งยืนมากขึ้น
นี่คือภาพใหญ่ที่ KlangTECH โฟกัส: พา AI จากยุค “คุยได้” → สู่ยุค “ทำงานแทนได้จริง” และเทคโนโลยีฮาร์ดแวร์ใหม่ ๆ จะเป็นแรงส่งให้สิ่งนี้เกิดเร็วขึ้น
FAQ
ชิปแสง (Optical Chip) แทน GPU ได้เลยไหม?
ยังไม่ใช่ “แทนได้ทันทีทุกงาน” เพราะยังมีเรื่องซอฟต์แวร์/ระบบนิเวศ/งานที่ชิปเหมาะหรือไม่เหมาะ และสถานะเทคโนโลยียังอยู่ในช่วงพัฒนา
ชิปแสงเหมาะกับงาน AI แบบไหน?
มักถูกพูดถึงกับงานที่หนักด้าน matrix multiplication และงาน inference ซึ่งเป็นแกนหลักของ AI จำนวนมาก
Metasurface คืออะไรแบบเข้าใจง่าย?
เป็นโครงสร้างระดับจิ๋วที่ช่วย “ควบคุมแสง” ให้ทำหน้าที่ตามที่ออกแบบไว้ และถูกนำมาใช้เพื่อทำให้ระบบโฟโตนิกมีขนาดเล็กลงและใช้งานเชิงชิปได้มากขึ้น (ตามที่สื่อเทครายงานเกี่ยวกับแนวทางของ Neurophos)
Action Steps
- ทำหน้า Pillar 1 หน้า: “AI Agent คืออะไร (สำหรับธุรกิจ)” แล้วลิงก์มาบท “ชิปแสง” นี้ในหัวข้อ “อนาคตโครงสร้างพื้นฐาน AI”
- เขียนบทลูกต่อยอด 3 บท (เพื่อทำ Topic Cluster):
- “วิกฤตพลังงาน AI: ทำไม Data Center กลายเป็นปัญหาใหญ่” (เชื่อมสู่ Agentic AI)
- “Optical Computing vs GPU: ต่างกันยังไง (โฟตอน vs อิเล็กตรอน)”
- “AI Agent ทำงานแทนคนได้จริงแค่ไหน? ต้องมีอะไรบ้าง (Memory, Skills, Multi-agent)”
- ใส่ Schema + FAQ ในหน้า (FAQ schema) และทำ Internal link ระหว่าง 4 บทให้ครบวงจร
