Anthropic ประกาศในวันนี้ว่ากำลังรวบรวม "ทีมออกแบบชิปเฉพาะทาง" (custom silicon team) เพื่อออกแบบชิปสำหรับ AI โดยเฉพาะ โดยมีเป้าหมายเพื่อให้โมเดล Claude ทำงานได้เร็วขึ้นและมีต้นทุนที่ถูกลง การเคลื่อนไหวครั้งนี้แสดงให้เห็นถึงความตั้งใจของบริษัทที่จะลดการพึ่งพาบริษัทยักษ์ใหญ่ด้านคลาวด์และผู้ผลิต GPU พร้อมทั้งกระชับวงจรระหว่างฮาร์ดแวร์และซอฟต์แวร์ที่ขับเคลื่อนผลิตภัณฑ์ของตนให้แน่นแฟ้นยิ่งขึ้น

ทำไมทีมออกแบบชิปถึงมีความสำคัญในตอนนี้

นับตั้งแต่เปิดตัว Claude ได้พึ่งพาผู้ให้บริการประมวลผลที่หลากหลาย ทั้ง AWS, Google Cloud, Nvidia และ AMD เพื่อจัดหาฟาร์ม GPU ขนาดมหึมาที่จำเป็นสำหรับการประมวลผล (inference) สัญญาเหล่านั้นช่วยให้เกิดการเติบโตอย่างรวดเร็ว แต่ความต้องการพลังการประมวลผล AI ที่พุ่งสูงขึ้นได้เปลี่ยนการพึ่งพานั้นให้กลายเป็นจุดอ่อนทางกลยุทธ์ ราคาของตัวเร่งความเร็ว (accelerators) ระดับไฮเอนด์กำลังเพิ่มสูงขึ้น และข้อจำกัดด้านกำลังการผลิตอาจส่งผลให้ผู้ใช้งานปลายทางต้องเผชิญกับความหน่วง (latency) ที่มากขึ้น การออกแบบชิปที่สอดคล้องกับภาระงานทางคณิตศาสตร์ของ Claude จะช่วยให้ Anthropic สามารถรีดประสิทธิภาพทั้งในด้านความเร็วและการประหยัดพลังงาน ซึ่ง GPU ทั่วไปไม่สามารถทำได้

จาก Multi-Cloud สู่การออกแบบร่วมกัน (Co-Design)

ทีมใหม่ของ Anthropic จะใช้วิธีการออกแบบฮาร์ดแวร์และซอฟต์แวร์ร่วมกัน (hardware-software co-design) โดยการกำหนดโครงสร้างสถาปัตยกรรมของซิลิคอนให้สอดคล้องกับกระบวนการทำงานเฉพาะของ Claude ในทางปฏิบัติ สิ่งนี้อาจหมายถึงหน่วยคำนวณเมทริกซ์แบบกำหนดเอง (custom matrix-multiply units), หน่วยความจำบนชิปที่ทำงานได้รวดเร็วขึ้น หรือชุดคำสั่ง (instruction sets) ที่ช่วยลดจำนวนรอบการทำงานต่อโทเคน (cycles per token) ผลลัพธ์ที่ได้คือความหน่วงในการประมวลผลที่ต่ำลงและค่าใช้จ่ายด้านพลังงานต่อการสอบถาม (query) ที่ลดลง ซึ่งเป็นสองตัวชี้วัดที่ส่งผลโดยตรงต่อการตั้งราคาผลิตภัณฑ์และประสบการณ์ของผู้ใช้งาน

บริษัทยังไม่ได้เปิดเผยกรอบเวลาหรือเป้าหมายด้านประสิทธิภาพ แต่กระแสข่าวในอุตสาหกรรมระบุว่า Samsung อาจเป็นพันธมิตรด้านโรงงานผลิตชิป (fab partner) หากสิ่งนี้เกิดขึ้นจริง Anthropic จะสามารถควบคุมห่วงโซ่อุปทานของตนได้มากขึ้น และหลีกเลี่ยง "ต้นทุนมหาศาล" ที่เกี่ยวข้องกับตัวเร่งความเร็ว AI ที่ขาดแคลนในตลาดทั่วไป

ภาพรวมที่ใหญ่กว่า: การเปลี่ยนผ่านสู่การบูรณาการแนวดิ่ง (Vertical Integration)

การผลักดันด้านชิปของ Anthropic เป็นไปตามแนวโน้มที่กว้างขึ้นในกลุ่มผู้นำด้าน AI ที่กำลังก้าวข้ามจากการเป็นเพียงผู้พัฒนาซอฟต์แวร์:

  • OpenAI เพิ่งเปิดตัวชิปที่ชื่อว่า “Jalapeño” ซึ่งพัฒนาร่วมกับ Broadcom โดยมีเป้าหมายเพื่อรองรับภาระงานด้านการประมวลผล (inference workloads)
  • Google DeepMind ใช้โมเดลที่ล้ำสมัยที่สุดทำงานบน Tensor Processing Units (TPUs) ซึ่งเป็นเทคโนโลยีเฉพาะที่พัฒนาขึ้นภายใน Alphabet มาอย่างยาวนาน
  • Meta ยังคงพัฒนา MTIA (Meta Training and Inference Accelerator) อย่างต่อเนื่อง เพื่อเพิ่มประสิทธิภาพให้กับทั้งงานด้านโซเชียลมีเดียและงานด้าน AI

บริษัทเหล่านี้แสดงให้เห็นว่าการเป็นเจ้าของเทคโนโลยีแบบครบวงจร (full stack) ตั้งแต่ศูนย์ข้อมูลไปจนถึงซิลิคอน สามารถช่วยป้องกันปัญหาคอขวดในห่วงโซ่อุปทานและสร้างความได้เปรียบด้านราคา การก้าวเข้าสู่การออกแบบชิปของ Anthropic บ่งชี้ว่าบริษัทเชื่อว่าหลักการเดียวกันนี้สามารถนำมาใช้กับโมเดลธุรกิจของตนได้เช่นกัน

ความเสี่ยงและข้อโต้แย้ง

การสร้างซิลิคอนแบบกำหนดเองถือเป็นการเดิมพันที่มีความเสี่ยงสูง วงจรการพัฒนาชิปใช้เวลาหลายปีและอาจต้องใช้เงินลงทุนหลายพันล้านดอลลาร์ ซึ่งสูงกว่างบประมาณด้านการวิจัยและพัฒนา (R&D) ซอฟต์แวร์ AI ทั่วไปมาก ความผิดพลาดในด้านสถาปัตยกรรมหรือการผลิตอาจทำให้แผนงาน (roadmap) ของ Claude ล่าช้า ลดส่วนแบ่งการตลาด หรือบีบให้บริษัทต้องกลับไปใช้ GPU สำเร็จรูปที่มีราคาสูง นอกจากนี้ ความเชี่ยวชาญที่จำเป็นในการออกแบบ ทดสอบ และผลิตชิป AI จำนวนมากนั้นมีอยู่อย่างจำกัด และการดึงตัวบุคลากรที่มีความสามารถจากบริษัทเซมิคอนดักเตอร์ชั้นนำอาจเป็นเรื่องที่ท้าทาย

นักวิจารณ์ยังโต้แย้งว่า ประสิทธิภาพที่เพิ่มขึ้นจากซิลิคอนที่ออกแบบมาโดยเฉพาะอาจเป็นเพียงการพัฒนาแบบค่อยเป็นค่อยไป มากกว่าจะเป็นการเปลี่ยนแปลงแบบพลิกโฉม โดยเฉพาะอย่างยิ่งเมื่อผู้ผลิต GPU ยังคงเปิดตัวตัวเร่งความเร็ว AI ที่มีขนาดใหญ่ขึ้นและมีประสิทธิภาพมากขึ้นอย่างต่อเนื่อง หากผู้ให้บริการภายนอกสามารถส่งมอบประสิทธิภาพที่เทียบเคียงกันได้โดยมีความเสี่ยงที่ต่ำกว่า การลงทุนของ Anthropic ก็อาจกลายเป็นการลงทุนที่สิ้นเปลืองโดยไม่จำเป็น

สิ่งที่ต้องจับตามอง

  • การยืนยันพันธมิตรด้านการผลิต – การร่วมมืออย่างเป็นทางการกับโรงงานผลิตชิป (foundry) อย่าง Samsung จะเปลี่ยนโครงการจากแนวคิดไปสู่การผลิตซิลิคอนจริง
  • ผลทดสอบประสิทธิภาพของตัวต้นแบบ (Prototype benchmarks) – ตัวเลขประสิทธิภาพในช่วงแรกที่เปรียบเทียบชิปที่ออกแบบเองกับ GPU ชั้นนำ จะเป็นตัวบ่งชี้ว่าความพยายามในการออกแบบร่วมกันนั้นสามารถให้ความหน่วงและการประหยัดพลังงานได้ตามที่สัญญาไว้หรือไม่
  • การจ้างบุคลากร – ขนาดและความเชี่ยวชาญของทีมซิลิคอนที่จัดตั้งขึ้นใหม่ จะเป็นสัญญาณบ่งบอกว่า Anthropic ตั้งใจจะแข่งขันกับผู้ผลิตชิปรายเดิมอย่างดุดันเพียงใด
  • ผลกระทบต่อราคา – หากฮาร์ดแวร์ที่ออกแบบเองช่วยลดต้นทุนต่อการสอบถามได้ ระดับการสมัครสมาชิกของ Claude ก็อาจมีความสามารถในการแข่งขันมากขึ้น ซึ่งจะกดดันคู่แข่งที่ยังต้องพึ่งพาฮาร์ดแวร์จากบุคคลที่สาม

ความทะเยอทะยานด้านชิปของ Anthropic ตอกย้ำถึงความเชื่อมั่นที่เพิ่มขึ้นในภาคส่วน AI ว่า การควบคุมโครงสร้างฮาร์ดแวร์ (hardware stack) ไม่ใช่ทางเลือกอีกต่อไปสำหรับบริษัทที่ต้องการขยายขนาดอย่างมีประสิทธิภาพ การที่ก้าวนี้จะประสบความสำเร็จหรือไม่นั้น ขึ้นอยู่กับความเร็วในการดำเนินงาน ความสามารถทางวิศวกรรม และความสามารถในการเปลี่ยนความก้าวหน้าทางซิลิคอนให้เป็นการลดต้นทุนที่เกิดขึ้นจริงสำหรับผู้ใช้งาน Claude