Agentic AI กำลังพลิกโฉมบทบาทของ CPU และ GPU

ขณะนี้ในการประชุมวางแผนโครงสร้างพื้นฐานของหลายองค์กร มีคำถามหนึ่งถูกหยิบยกขึ้นมาพูดถึงอยู่บ่อยครั้งว่า
“เมื่อ Agentic AI กำลังเปลี่ยนสมดุลระหว่าง CPU และ GPU เราเพียงแค่เพิ่ม CPU ให้กับเซิร์ฟเวอร์ GPU ที่มีอยู่ก็เพียงพอแล้วหรือไม่?”

 

แม้แนวคิดนี้จะดูมีเหตุผล แต่ก็เป็นจุดที่หลายๆ คนกำลังตีความผิด

 

การก้าวจาก AI แบบแชตบอตสู่ Agentic AI ไม่ใช่แค่การเพิ่ม CPU ให้กับระบบ GPU ที่มีอยู่ แต่เป็นการพลิกโฉมสถาปัตยกรรมดาต้าเซ็นเตอร์ครั้งสำคัญ Agentic AI กำลังผลักดันให้เกิดการติดตั้งแร็กเซิร์ฟเวอร์ CPU รุ่นใหม่ที่ทำงานเคียงข้างโครงสร้างพื้นฐาน GPU เพื่อรองรับการประมวลผลและการตัดสินใจของ AI Agents ที่กำลังมีบทบาทมากขึ้นในองค์กรยุคใหม่

 

สำหรับผู้นำด้านไอทีในระดับองค์กร (Enterprise IT leaders) เรื่องนี้ได้ให้บทเรียนที่สำคัญอย่างหนึ่งว่า: Agentic AI กำลังเข้ามาเขียนสมการโครงสร้างพื้นฐานด้าน AI ใหม่ทั้งหมด

 

ที่ AMD พวกเราได้เฝ้าติดตามการเปลี่ยนผ่านนี้อย่างใกล้ชิด แม้ว่าก่อนหน้านี้เราจะเคยประเมินไว้ว่าตลาด CPU สำหรับเซิร์ฟเวอร์จะเติบโตที่อัตรา 18% ต่อปี แต่ความต้องการด้านการประมวลผลที่เพิ่มขึ้นเชิงโครงสร้างซึ่งมี AI Agents เป็นตัวขับเคลื่อนนั้น ได้เปลี่ยนสมการตัวเลขนี้ไปโดยสิ้นเชิง โดยในปัจจุบันเราคาดการณ์ว่า มูลค่าตลาดรวม ของ CPU สำหรับเซิร์ฟเวอร์ จะเติบโตในอัตราที่มากกว่า 35% ต่อปี และจะมีมูลค่าทะลุ 120,000 ล้านดอลลาร์สหรัฐภายในปี 2030

 

คลื่นลูกแรก: AI แบบแชตบอตที่เน้นการสร้างตอบจากโมเดลเป็นหลัก

AI ยุคแรกของ Generative AI นั้นถูกสร้างขึ้นบนรูปแบบ ที่ค่อนข้างเรียบง่าย ทำงานตามกระบวนการที่ไม่ซับซ้อน ผู้ใช้ป้อนคำถาม / ระบบส่ง Prompt ไปยังโมเดล AI / โมเดลประมวลผลและสร้างคำตอบ / ก่อนที่แอปพลิเคชันจะนำผลลัพธ์กลับมาแสดงให้ผู้ใช้เห็น

 

สถาปัตยกรรมดังกล่าวนำไปสู่การออกแบบระบบที่มี GPU เป็นศูนย์กลาง โดยในการติดตั้งใช้งานลักษณะนี้ CPU จะทำหน้าที่เป็นโหนดควบคุมหลักของเซิร์ฟเวอร์ที่ติดตั้ง GPU จำนวน 4 ถึง 8 ตัว โดย CPU ทำหน้าที่เป็นผู้ควบคุมและจัดการระบบ ขณะที่ GPU จะทำหน้าที่ประมวลผลการคำนวณที่ซับซ้อนและใช้พลังประมวลผลสูง

Agentic AI ไม่ใช่แค่แชตบอตที่มีเครื่องมือเพิ่มขึ้น

เราได้ก้าวเข้าสู่ยุคแรกของ Agentic AI แล้ว และนี่ไม่ใช่แค่การพัฒนา AI ให้ฉลาดขึ้น แต่เป็นการเปลี่ยนรูปแบบการประมวลผลโดยสิ้นเชิง จากเดิมที่ AI ทำหน้าที่เพียงตอบคำถามตามคำสั่งเหมือนเมื่อก่อน กลายเป็น AI Agent ที่จะนำเป้าหมายที่ได้รับมาแตกย่อยออกเป็นขั้นตอนต่าง ๆ, ตัดสินใจว่าต้องทำอะไรต่อ, เรียกใช้งานโมเดลหลาย ๆ ตัวพร้อมกัน, ค้นหาข้อมูลในฐานข้อมูล, เชื่อมต่อกับ APIs, รันแอปพลิเคชันระดับองค์กร, ตรวจสอบสิทธิ์การเข้าถึงข้อมูล, ดึงความจำเก่ากลับมาใช้, ตรวจสอบความถูกต้องของผลลัพธ์ และวนลูปกลับไปทำกระบวนการทั้งหมดซ้ำอีกครั้ง ซึ่งนี่คือโครงสร้างความต้องการทางเทคโนโลยีที่แตกต่างจาก AI ในรูปแบบแชตบอต ที่มีลักษณะถามมา-ตอบไป อย่างสิ้นเชิง

 

แม้ว่า GPUs จะยังคงมีความสำคัญอย่างยิ่งยวดสำหรับการรันตัวโมเดล แต่ภาระงานในระบบใช้งานจริง ภาระงานจำนวนมากกลับตกอยู่ที่ CPU ซึ่งทำหน้าที่ดูแลกระบวนการสำคัญต่าง ๆ เช่น:

• การประสานการทำงาน: บริหารจัดการ ควบคุมและแยกงานที่ซับซ้อนออกเป็นขั้นตอน
• การดำเนินงานของ AI Agent และการเชื่อมต่อเครื่องมือ: จัดการการเรียกใช้ API และระบบซอฟต์แวร์เดิมขององค์กร
• นโยบายและความปลอดภัย: ทำหน้าที่ตรวจสอบ ควบคุม ว่าการดำเนินงาน เป็นไปตามที่กำหนดไว้ในสภาพแวดล้อมการใช้งานจริง

คำตอบสำหรับการเปลี่ยนผ่านระหว่าง CPU และ GPU ไม่ใช่แค่ ‘เพิ่ม CPU เข้าไปอีก‘

จากเดิมที่ AI แบบ Chatbot ใช้อัตราส่วน CPU ต่อ GPU ประมาณ 1:4–8  ตอนนี้ Agentic AI กำลังขยับเข้าใกล้อัตราส่วน 1:1 และในบางกรณี CPU อาจมีจำนวนมากกว่า GPU ด้วยซ้ำ

 

แต่ประเด็นสำคัญคือ: คุณไม่สามารถแก้ปัญหานี้ได้ด้วยการ “โรย CPUs เพิ่มเข้าไปในกล่อง GPUs”

แต่คุณต้องสร้าง ชั้นการประมวลผล CPU แบบใหม่ที่ถูกออกแบบขึ้นมาโดยเฉพาะ

 

สำหรับผู้นำ IT ขององค์กร นี่คือจุดที่แนวคิดด้านการวางแผนต้องพัฒนา

 

อนาคตของโครงสร้างพื้นฐาน AI จะไม่ใช่ AI Box เพียงเครื่องเดียว แต่เป็นระบบแบบกระจายที่ออกแบบมาเพื่อรองรับการทำงานร่วมกันของ CPU และ GPU อย่างเต็มประสิทธิภาพ โดย GPU รับหน้าที่ประมวลผลโมเดล AI ขนาดใหญ่ ขณะที่ CPU สำหรับ Agentic AI จะดูแลการวางแผน ประสานงาน ประมวลผลข้อมูล และเชื่อมต่อกับเครื่องมือหรือระบบธุรกิจต่าง ๆ เพื่อให้ AI สามารถลงมือทำงานได้จริงในระดับองค์กร

 

เมื่อถึงจุดที่ AI ก้าวเข้าสู่ยุค Agentic AI การมีองค์ประกอบที่ทรงพลังเพียงส่วนใดส่วนหนึ่งไม่เพียงพออีกต่อไป ความสำเร็จขึ้นอยู่กับการออกแบบสถาปัตยกรรมที่สมดุลทั้งระบบ เพราะหาก CPU ไม่เพียงพอ GPU ก็ไม่สามารถทำงานได้เต็มประสิทธิภาพ หากเครือข่ายไม่เร็วพอ AI Agents ก็จะทำงานสะดุด และหากโครงสร้างข้อมูลหรือระบบ Orchestration ไม่รองรับการทำงานพร้อมกันในระดับสูง องค์กรจะต้องเผชิญกับต้นทุนและความซับซ้อนที่เพิ่มขึ้นอย่างหลีกเลี่ยงไม่ได้

AMD เข้ามามีบทบาทอย่างไร

โปรเซสเซอร์ AMD EPYC™ มอบกลุ่มผลิตภัณฑ์ CPU ที่ผ่านการเพิ่มประสิทธิภาพมาให้ลูกค้าได้เลือกสรรตามความเหมาะสมกับส่วนต่าง ๆ ในกระบวนการทำงานของ AI ตั้งแต่ความเป็นผู้นำด้านความถี่สัญญาณนาฬิกาสูง สำหรับงานที่อ่อนไหวต่อความหน่วง ไปจนถึงความเป็นผู้นำด้านความหนาแน่นของคอร์ประมวลผล สำหรับงานที่เน้นประสิทธิภาพการประมวลผลในปริมาณมากแบบขยายระบบออก และเรายังคงเดินหน้าขยายความเป็นผู้นำนั้นอย่างต่อเนื่องผ่านแผนการพัฒนาในปัจจุบันของเรา ซึ่งรวมถึงผลิตภัณฑ์รหัส Venice ที่จะเข้ามาช่วยขยายกลุ่มผลิตภัณฑ์ CPU ที่ปรับแต่งมาเพื่อ AI ให้ครอบคลุมยิ่งขึ้น ซึ่งในท้ายที่สุดแล้ว พวกเรากำลังส่งมอบชิปซิลิคอนเฉพาะทาง เพื่อเติมเต็มให้แต่ละตู้แร็กในดาต้าเซ็นเตอร์ของคุณ (รวมถึงอินสแตนซ์ประมวลผลแต่ละชุดบนระบบคลาวด์ของคุณ) ได้รับสิ่งทีกระบวนการทำงานนั้น ๆ ต้องการอย่างแม่นยำที่สุด

 

ข้อสรุปและแนวทางปฏิบัติจริงสำหรับผู้นำด้านไอที

ผมจะพูดอีกครั้ง: Agentic AI กำลังเปลี่ยนสมการของโครงสร้างพื้นฐาน สิ่งที่ผมอยากฝากถึงผู้ตัดสินใจด้าน IT ในองค์กรคือ: เมื่อ Agentic AI เปลี่ยนจากโครงการทดลองไปสู่การใช้งานจริง อย่าประเมินขนาดโครงสร้างพื้นฐานราวกับว่าคุณกำลังเพิ่มแค่แชตบอตเข้าไปในองค์กร แต่ให้ประเมินราวกับว่าคุณกำลังเพิ่ม แรงงานดิจิทัลรูปแบบใหม่ – ที่ต้องวางแผน, ลงมือทำ, ตรวจสอบ, ดึงข้อมูล, เรียกใช้เครื่องมือ, และรันเวิร์กโฟร ตลอดทั้งวัน

 

ซึ่งหมายถึง ต้องวางแผนรองรับ CPU มากกว่าที่สมมติฐาน AI เดิมเคยคาดไว้ ต้องมองให้ไกลกว่าแค่ GPU Server และต้องคิดถึงแร็ก เครือข่าย ซอฟต์แวร์ และความสมดุลในการปฏิบัติการ ในยุคของ Agentic AI ประสิทธิภาพจะไม่ได้มาจากโปรเซสเซอร์ตัวเดียวที่ทำทุกอย่าง แต่มาจาก สถาปัตยกรรมที่ถูกต้อง ที่ CPU และ GPU ทำงานร่วมกัน เพื่อพา AI จาก การตอบคำถาม ไปสู่ การลงมือปฏิบัติ

 

ข้อควรระวัง

บทความนี้มีข้อความคาดการณ์อนาคต เกี่ยวกับบริษัท Advanced Micro Devices, Inc. (AMD) เช่น การคาดการณ์การเติบโตของตลาดรวมสำหรับ Server CPU ซึ่งจัดทำขึ้นภายใต้ข้อกำหนด Safe Harbor ของกฎหมาย Private Securities Litigation Reform Act ปี 1995

ข้อความคาดการณ์อนาคตมักระบุด้วยคำว่า “น่าจะ / จะ” “อาจจะ / อาจ” “คาดว่า / คาดหมายว่า” “เชื่อว่า” “วางแผนว่า / มีแผนที่จะ” “เจตนาที่จะ / มุ่งหมายที่จะ” “ประมาณการว่า / คาดการณ์ว่า” และคำอื่นที่มีความหมายใกล้เคียงกัน

นักลงทุนควรตระหนักว่าข้อความเหล่านี้อ้างอิงจากความเชื่อ สมมติฐาน และความคาดหวัง ณ วันที่จัดทำเอกสารนี้เท่านั้น และมีความเสี่ยงรวมถึงความไม่แน่นอนที่อาจทำให้ผลลัพธ์จริงแตกต่างจากที่คาดการณ์ไว้อย่างมีนัยสำคัญ

ปัจจัยเสี่ยงจำนวนมากอยู่นอกเหนือการควบคุมของ AMD และยากต่อการคาดการณ์ ซึ่งอาจทำให้ผลประกอบการหรือเหตุการณ์ในอนาคตแตกต่างจากที่ระบุหรือสื่อโดยนัยไว้ในข้อความคาดการณ์ดังกล่าว

นักลงทุนควรศึกษาความเสี่ยงและความไม่แน่นอนอย่างละเอียดในเอกสารที่ AMD ยื่นต่อสำนักงานคณะกรรมการกำกับหลักทรัพย์และตลาดหลักทรัพย์สหรัฐฯ (SEC) รวมถึงรายงานล่าสุดในแบบฟอร์ม 10-K และ 10-Q

 

AMD ไม่มีภาระผูกพันในการปรับปรุงข้อความคาดการณ์อนาคตในเอกสารนี้ เว้นแต่กฎหมายกำหนดไว้

 

บทความโดย
Dan McNamara
รองประธานอาวุโสและผู้จัดการทั่วไป ฝ่าย Compute & Enterprise AI

Dan McNamara ดูแลธุรกิจเซิร์ฟเวอร์ประสิทธิภาพสูงและ Enterprise AI ของ AMD ครอบคลุมด้าน Cloud, Enterprise, High-Performance Computing, Sovereign AI และระบบนิเวศพันธมิตร เขาสำเร็จการศึกษาระดับปริญญาตรีและปริญญาโทด้านวิศวกรรมไฟฟ้าจาก Worcester Polytechnic Institute