OLIX เพิ่งปิดรอบระดมทุน Series B มูลค่า 312 ล้านดอลลาร์ ส่งผลให้มูลค่าบริษัทพุ่งสูงถึง 3.3 พันล้านดอลลาร์ เงินทุนนี้จะนำไปใช้ในการจัดส่งชิปประมวลผล (inference chip) รุ่นแรก ซึ่งมีคุณสมบัติเด่นคือการตัด High Bandwidth Memory (HBM) ออกไป และอาจพลิกโฉมเศรษฐศาสตร์ของฮาร์ดแวร์ AI ได้

ทำไมชิปนี้ถึงสำคัญ

ชิปประมวลผล (Inference chips) ทำหน้าที่รันโมเดลเบื้องหลังแชทบอท ระบบแนะนำ (recommendation engines) และการวิเคราะห์วิดีโอ ชิปส่วนใหญ่ในปัจจุบันพึ่งพา HBM ซึ่งเป็นหน่วยความจำแบบ stack ที่มีความเร็วสูงแต่มีราคาแพงและกินไฟมาก โดยจะวางไว้ข้างๆ ตัวประมวลผล การออกแบบของ OLIX ตัด HBM ทิ้งไป โดยใช้วิธีส่งข้อมูลผ่านทรัพยากรบนชิป (on-chip resources) และหน่วยความจำที่มีราคาถูกกว่า หากสถาปัตยกรรมนี้ทำได้ตามที่กล่าวอ้าง ผู้ให้บริการ AI อาจสามารถลดทั้งต้นทุนเงินทุน (capital outlay) และค่าไฟลงได้ ในขณะที่ยังรักษาประสิทธิภาพการประมวลผล (throughput) ให้คงที่

เบื้องหลังการระดมทุน

  • นักลงทุนหลัก: Fundomo (นิวยอร์ก)
  • ผู้สนับสนุนรายอื่น: Arm, Hudson River Trading, กองทุนร่วมลงทุน Sovereign AI ของรัฐบาลสหราชอาณาจักร
  • ผู้เข้าร่วมที่น่าสนใจ: Reed Hastings ผู้ร่วมก่อตั้ง Netflix
  • สมาชิกบอร์ดคนใหม่: ศาสตราจารย์ Nick McKeown จาก Stanford

การระดมทุนรอบนี้ถือเป็นหนึ่งในการระดมทุนด้านเซมิคอนดักเตอร์ที่ใหญ่ที่สุดในยุโรป และเกิดขึ้นหลังจาก OLIX เปิดตัวในลอนดอนเมื่อปี 2024 โดยบริษัทตั้งเป้าที่จะเริ่มจัดส่งสินค้าให้กับลูกค้ากลุ่มแรกในช่วงครึ่งหลังของปี 2027

เดิมพันสำหรับตลาดฮาร์ดแวร์ AI

  • ผู้ชนะที่มีศักยภาพ: ผู้ให้บริการคลาวด์ (Cloud providers) และผู้ให้บริการ Edge ที่เปลี่ยนจากการใช้ตัวเร่งความเร็ว (accelerators) ที่เต็มไปด้วย HBM มาเป็นทางเลือกที่ราคาถูกกว่าและใช้พลังงานน้อยกว่า
  • ความเสี่ยง: HBM ยังคงครองตลาดในกลุ่มงานที่ต้องการ throughput สูงสุด การตัด HBM ออกอาจจำกัดประสิทธิภาพการทำงาน ซึ่งจะบีบให้ OLIX ต้องมุ่งเน้นไปที่กลุ่มการใช้งาน (use cases) ที่แคบลง
  • ผลกระทบด้านต้นทุน: การตัด HBM ออกอาจช่วยลดต้นทุนวัตถุดิบ (bill-of-materials) และความต้องการระบบหล่อเย็นได้อย่างมหาศาล ซึ่งจะช่วยลดต้นทุนการเป็นเจ้าของทั้งหมด (total-cost-of-ownership) สำหรับการประมวลผล AI

สิ่งที่ยังไม่ชัดเจน

ยังไม่มีการเปิดเผยข้อมูลการทดสอบประสิทธิภาพ (benchmark) ดังนั้นตัวเลขความเร็วต่อวัตต์ (speed-per-watt) และค่าความหน่วง (latency) ในการใช้งานจริงจึงยังเป็นเพียงการคาดการณ์ คู่แข่งอาจเปิดตัวสถาปัตยกรรมที่ใช้หน่วยความจำน้อย (memory-light architectures) ของตนเอง และข้อจำกัดด้านห่วงโซ่อุปทานอาจทำให้การผลิตจำนวนมากล่าช้าออกไป

สิ่งที่ต้องจับตามอง

  • การพิสูจน์ประสิทธิภาพ: การทดสอบความเร็วในการประมวลผล (inference speed) และการใช้พลังงานของชิปโดยหน่วยงานอิสระ
  • การตอบรับจากลูกค้า: ผู้ให้บริการ AI รายใดที่จะลงนามใช้บริการก่อนช่วงเวลาการส่งมอบในปี 2027
  • การสนับสนุนด้านระบบนิเวศ: ความเข้ากันได้ของเครื่องมือ (tooling) และซอฟต์แวร์สแตก (software stacks) กับเฟรมเวิร์ก AI ที่มีอยู่ในปัจจุบัน

หาก OLIX พิสูจน์ได้ว่าชิปที่ไม่มี HBM สามารถตอบสนองความต้องการด้านประสิทธิภาพของโมเดลสมัยใหม่ได้ มันอาจบีบให้ต้องมีการคิดทบทวนการออกแบบตัวเร่งความเร็ว AI (AI accelerator) ใหม่ และปรับเปลี่ยนโครงสร้างต้นทุนทั่วทั้งอุตสาหกรรม ข้อมูลในช่วงไม่กี่เดือนข้างหน้าจะเป็นตัวบ่งชี้ว่าคำมั่นสัญญาดังกล่าวจะคุ้มค่ากับมูลค่าบริษัทมหาศาลที่สนับสนุนอยู่หรือไม่