Google กำลังปรับเปลี่ยนกลยุทธ์ในระบบนิเวศฮาร์ดแวร์ AI โดยเปลี่ยนพันธมิตรด้านการออกแบบสำหรับตัวเร่งความเร็ว AI เฉพาะทาง ยักษ์ใหญ่ด้านเทคโนโลยีรายนี้กำลังพยายามเสริมความแข็งแกร่งในตลาด AI ที่มีการแข่งขันสูง พร้อมกับลดต้นทุนและเพิ่มการควบคุมสถาปัตยกรรมชิปของตนเอง
MediaTek เข้ามาแทนที่ Broadcom สำหรับ TPU รุ่นที่เจ็ดของ Google
มีรายงานว่า Google วางแผนที่จะร่วมมือกับบริษัทออกแบบชิปสัญชาติไต้หวัน MediaTek เพื่อพัฒนาหน่วยประมวลผล Tensor (TPUs) รุ่นที่เจ็ด นี่ถือเป็นการเปลี่ยนแปลงครั้งสำคัญจากความสัมพันธ์อันยาวนานกับ Broadcom ซึ่งเคยเป็นพันธมิตรด้านการออกแบบเพียงรายเดียวสำหรับชิปตัวเร่งความเร็ว AI ของบริษัท คาดว่า TPU รุ่นใหม่จะเริ่มการผลิตในปีหน้า ซึ่งอาจให้ความได้เปรียบในการแข่งขันแก่ Google ในตลาดฮาร์ดแวร์ AI ที่กำลังพัฒนาอย่างรวดเร็ว แม้ว่าการเปลี่ยนแปลงนี้จะเป็นการปรับเปลี่ยนกลยุทธ์ครั้งใหญ่ แต่แหล่งข่าวระบุว่า Google ไม่ได้ตัดความสัมพันธ์กับ Broadcom อย่างสิ้นเชิง และน่าจะยังคงมีความร่วมมือกันในระดับหนึ่งในช่วงเปลี่ยนผ่าน
| การพัฒนา TPU ปัจจุบันเทียบกับอนาคต |
|---|
| พันธมิตรปัจจุบัน: Broadcom |
| พันธมิตรในอนาคต: MediaTek |
| รุ่น: กำลังเปลี่ยนไปใช้ TPU รุ่นที่ 7 |
| ประมาณการค่าใช้จ่ายก่อนหน้านี้: 6-9 พันล้านดอลลาร์สหรัฐต่อปี |
| ระยะเวลาการผลิต: คาดว่าจะเริ่มในปีหน้า |
ประสิทธิภาพด้านต้นทุนผลักดันการเปลี่ยนพันธมิตร
แรงจูงใจหลักเบื้องหลังการตัดสินใจของ Google ดูเหมือนจะเป็นเรื่องการเงิน ความสัมพันธ์อันแน่นแฟ้นของ MediaTek กับ Taiwan Semiconductor Manufacturing Company (TSMC) โรงงานผลิตชิปที่ใหญ่ที่สุดในโลก ทำให้บริษัทสามารถเจรจาต่อรองต้นทุนการผลิตที่ดีกว่า Broadcom ได้ สิ่งนี้อาจช่วยให้ Google ประหยัดเงินได้อย่างมาก โดยตามรายงานของบริษัทวิจัย Omdia ระบุว่า Google ใช้จ่ายเงินระหว่าง 6 พันล้านถึง 9 พันล้านดอลลาร์สหรัฐ ไปกับ TPU ในปีที่แล้ว แม้เพียงการลดต้นทุนต่อชิปเล็กน้อยก็อาจช่วยประหยัดเงินได้หลายพันล้านดอลลาร์สหรัฐ ทำให้ Google สามารถจัดสรรทรัพยากรไปยังด้านอื่นๆ ของการพัฒนา AI ได้
เหตุผลหลักสำหรับการเปลี่ยนพันธมิตร:
- ความสัมพันธ์อันแข็งแกร่งของ MediaTek กับ TSMC
- ต้นทุนการผลิตที่ต่ำกว่าเมื่อเทียบกับ Broadcom
- โอกาสในการควบคุมการออกแบบมากขึ้น
- การลดการพึ่งพาซัพพลายเออร์ชิปจากบุคคลที่สาม
กลยุทธ์การเป็นอิสระจาก Nvidia
การพัฒนา TPU แบบกำหนดเองของ Google เป็นส่วนหนึ่งของกลยุทธ์ที่กว้างขึ้นเพื่อลดการพึ่งพา GPU ของ Nvidia ซึ่งครองตลาดชิป AI อยู่ ในขณะที่คู่แข่งอย่าง OpenAI และ Meta Platforms ยังคงพึ่งพาฮาร์ดแวร์ของ Nvidia อย่างมากสำหรับการฝึกฝนและการรันโมเดล AI ของพวกเขา Google ได้สร้างระบบนิเวศฮาร์ดแวร์ AI ที่พึ่งพาตนเองมากขึ้น แนวทางนี้ได้พิสูจน์แล้วว่ามีประโยชน์ในช่วงที่มีข้อจำกัดด้านอุปทาน ตัวอย่างเช่น Sam Altman ซีอีโอของ OpenAI เปิดเผยเมื่อเร็วๆ นี้ว่าบริษัทของเขาได้ใช้ GPU ของ Nvidia จนหมดแล้ว ทำให้ต้องเปิดตัวโมเดล GPT-4.5 แบบทยอย การลงทุนของ Google ในตัวเร่งความเร็ว AI ที่เป็นกรรมสิทธิ์ของตนเองช่วยป้องกันไม่ให้เกิดปัญหาด้านห่วงโซ่อุปทานในลักษณะเดียวกัน
การควบคุมการออกแบบและประสิทธิภาพที่ดีขึ้น
การร่วมมือกับ MediaTek อาจทำให้ Google มีอิทธิพลมากขึ้นต่อสถาปัตยกรรมของชิป TPU ซึ่งอาจช่วยให้มีการออกแบบที่ปรับแต่งมากขึ้นและสอดคล้องกับภาระงาน AI เฉพาะของ Google ได้ดียิ่งขึ้น ซึ่งอาจช่วยปรับปรุงประสิทธิภาพและประสิทธิภาพการใช้พลังงาน TPU เป็นโครงสร้างพื้นฐานที่สำคัญสำหรับการดำเนินงานด้าน AI ภายในของ Google และยังเสนอให้กับลูกค้า Google Cloud อีกด้วย ทำให้การปรับปรุงประสิทธิภาพใดๆ เป็นประโยชน์โดยตรงต่อทั้งบริการของ Google และรายได้ธุรกิจคลาวด์
ความแตกต่างระหว่างตระกูลชิปของ Google
สิ่งสำคัญที่ควรทราบคือ หน่วยประมวลผล Tensor เหล่านี้แตกต่างจากโปรเซสเซอร์ Tensor Gx ที่ใช้ในสมาร์ทโฟน Pixel ของ Google แม้ว่าทั้งสองจะมีแบรนด์ Tensor เหมือนกัน แต่มีวัตถุประสงค์ที่แตกต่างกัน TPU เป็นตัวเร่งความเร็ว AI เฉพาะทางที่ใช้ในศูนย์ข้อมูลสำหรับงานการเรียนรู้ของเครื่อง ในขณะที่ชิป Tensor Gx เป็นโปรเซสเซอร์สำหรับมือถือที่ออกแบบมาสำหรับการประมวลผลบนอุปกรณ์ในฮาร์ดแวร์สำหรับผู้บริโภค ความแตกต่างนี้แสดงให้เห็นถึงแนวทางการพัฒนาชิปที่หลากหลายของ Google ในระบบนิเวศผลิตภัณฑ์ของตน
ความได้เปรียบในการแข่งขันด้านโครงสร้างพื้นฐาน AI
การเปลี่ยนแปลงกลยุทธ์ด้านพันธมิตรการผลิตชิปของ Google สะท้อนให้เห็นถึงความสำคัญที่เพิ่มขึ้นของฮาร์ดแวร์ AI เฉพาะทางในอุตสาหกรรมเทคโนโลยี ในขณะที่บริษัทต่างๆ แข่งขันกันพัฒนาและใช้งานโมเดล AI ที่ซับซ้อนมากขึ้น การควบคุมฮาร์ดแวร์พื้นฐานกลายเป็นความได้เปรียบในการแข่งขันที่สำคัญ การกระจายพันธมิตรด้านการออกแบบชิปและการลงทุนอย่างต่อเนื่องในตัวเร่งความเร็ว AI แบบกำหนดเอง Google กำลังวางตำแหน่งตัวเองให้รักษาความเป็นอิสระทางเทคโนโลยี ในขณะเดียวกันก็มีโอกาสลดต้นทุนในด้านที่เป็นส่วนสำคัญของการใช้จ่ายด้านโครงสร้างพื้นฐาน AI