Sam Altman มอง RAM ในพีซีเป็นการใช้ทรัพยากรที่ไม่คุ้ม! ชี้ DRAM ควรอยู่ในดาต้าเซ็นเตอร์มากกว่าคอมผู้ใช้ เพราะถูกใช้งานเพียง 5% ของเวลา

กลายเป็นประเด็นร้อนในหมู่ผู้ใช้พีซีและสายฮาร์ดแวร์ หลัง Sam Altman ซีอีโอของ OpenAI แสดงความคิดเห็นว่า การที่ผู้ใช้ทั่วไปมี RAM จำนวนมากติดตั้งอยู่ในคอมพิวเตอร์ส่วนตัวอาจเป็นการจัดสรรทรัพยากรที่ไม่มีประสิทธิภาพ โดยเฉพาะในช่วงที่โลกกำลังเผชิญปัญหาขาดแคลนหน่วยความจำ DRAM จากความต้องการของอุตสาหกรรม AI

คำกล่าวดังกล่าวเกิดขึ้นระหว่างการให้สัมภาษณ์ในรายการ Cheeky Pint ซึ่งมี John Collison ผู้ร่วมก่อตั้ง Stripe เป็นผู้ดำเนินรายการ โดยทั้งคู่พูดคุยถึงอนาคตของ AI การประมวลผลบนเครื่องส่วนตัว และข้อจำกัดด้านกำลังการผลิตหน่วยความจำ

Altman มองว่าการนำ AI ไปประมวลผลบนคอมพิวเตอร์ส่วนตัว หรือ Local Inference อาจไม่ใช่วิธีที่เหมาะสมที่สุดในมุมมองของการจัดสรรทรัพยากรระดับโลก เพราะ DRAM จำนวนมากถูกติดตั้งอยู่ในคอมพิวเตอร์ของผู้ใช้แต่ละคน แต่กลับไม่ได้ถูกใช้งานเต็มประสิทธิภาพตลอดเวลา

Sam Altman ชี้ RAM ในคอมผู้ใช้ถูกใช้งานเพียง 5%

ระหว่างการสนทนา Altman กล่าวถึงแนวคิดการรันโมเดล AI แบบ Open-source หรือ Open-weight บนคอมพิวเตอร์ส่วนตัว ซึ่งผู้สนับสนุนแนวคิดนี้มองว่า เมื่อผู้ใช้สามารถดาวน์โหลดโมเดลมาใช้งานเองได้ ก็จะไม่จำเป็นต้องพึ่งพาศูนย์ข้อมูลของบริษัท AI มากเหมือนเดิม

แต่ Altman กลับมองต่างออกไป โดยอธิบายว่าในสถานการณ์ที่ DRAM มีอุปทานจำกัด การปล่อยให้ผู้ใช้แต่ละคนเก็บหน่วยความจำจำนวนมากไว้ในคอมพิวเตอร์ที่ไม่ได้ใช้งานตลอดเวลา อาจไม่ใช่วิธีจัดสรรทรัพยากรที่ดีที่สุด

เขาให้เหตุผลว่า RAM ในคอมพิวเตอร์ส่วนบุคคลจำนวนมากอาจถูกใช้งานเพียงประมาณ 5% ของเวลา ขณะที่หากนำหน่วยความจำเหล่านั้นไปรวมไว้ในดาต้าเซ็นเตอร์ ผู้ให้บริการสามารถแบ่งปันทรัพยากรให้ผู้ใช้จำนวนมากเข้าถึงได้ตามความต้องการ

แนวคิดของ Altman คือการเพิ่มอัตราการใช้ประโยชน์จากฮาร์ดแวร์ หรือ Resource Utilization ให้สูงที่สุด โดยเฉพาะในช่วงที่กำลังการผลิตหน่วยความจำทั่วโลกมีจำกัด

คำพูดของเขาสะท้อนแนวทางที่ OpenAI ให้ความสำคัญกับการประมวลผลผ่านโครงสร้างพื้นฐานคลาวด์ ซึ่งสามารถรองรับผู้ใช้จำนวนมากด้วยระบบ GPU และหน่วยความจำที่จัดสรรร่วมกัน

ทำไม Altman จึงมองว่า Cloud คุ้มค่ากว่า Local AI?

ในมุมมองของผู้ให้บริการคลาวด์ การนำ DRAM จำนวนมากมารวมไว้ในดาต้าเซ็นเตอร์มีข้อได้เปรียบด้านการจัดสรรทรัพยากร เพราะสามารถแบ่งปันหน่วยความจำและกำลังประมวลผลให้ผู้ใช้หลายรายได้ตามช่วงเวลาที่มีความต้องการ

ตัวอย่างเช่น ผู้ใช้คนหนึ่งอาจเรียกใช้โมเดล AI ในช่วงเช้า ขณะที่อีกคนอาจใช้งานในช่วงบ่าย ระบบคลาวด์สามารถจัดสรรกำลังประมวลผลและหน่วยความจำให้เหมาะสมกับความต้องการของผู้ใช้แต่ละราย แทนที่ทุกคนจะต้องซื้อ GPU และ RAM จำนวนมากมาติดตั้งไว้ในบ้านของตัวเอง

นอกจากนี้ ผู้ให้บริการดาต้าเซ็นเตอร์ยังสามารถบริหารจัดการระบบระบายความร้อน การจ่ายไฟ และการบำรุงรักษาฮาร์ดแวร์ในระดับศูนย์กลางได้

แนวคิดนี้มีความสำคัญมากในยุคที่โมเดล AI ใช้หน่วยความจำจำนวนมาก ทั้ง DRAM สำหรับระบบ HBM สำหรับ GPU และหน่วยความจำประเภทอื่นที่จำเป็นต่อการประมวลผลโมเดลขนาดใหญ่

อย่างไรก็ตาม การมี DRAM อยู่ในดาต้าเซ็นเตอร์ไม่ได้หมายความว่าหน่วยความจำทุกส่วนจะถูกใช้งานเต็มประสิทธิภาพตลอด 24 ชั่วโมงเช่นกัน เพราะยังมีข้อจำกัดด้านการจัดสรรงาน การเชื่อมต่อเครือข่าย และกำลังประมวลผลที่รองรับการใช้งาน

แนวคิดนี้กระทบ Open-source AI และคนที่อยากรันโมเดลเองอย่างไร?

คำพูดของ Altman ทำให้เกิดการถกเถียงเกี่ยวกับอนาคตของ Local AI เพราะปัจจุบันมีผู้ใช้จำนวนมากที่ต้องการรันโมเดล AI บนเครื่องตัวเอง โดยไม่ต้องส่งข้อมูลไปยังเซิร์ฟเวอร์ของบริษัทภายนอก

ข้อดีของการประมวลผลในเครื่องมีหลายด้าน เช่น

• ความเป็นส่วนตัว: ข้อมูลไม่จำเป็นต้องส่งออกไปยังเซิร์ฟเวอร์ของผู้ให้บริการ AI

• ลดค่าใช้จ่ายระยะยาว: ไม่ต้องจ่ายค่าสมาชิกหรือค่าประมวลผลตามจำนวนโทเคนในทุกกรณี

• ใช้งานได้โดยไม่พึ่งอินเทอร์เน็ต: สามารถรันโมเดลภายในเครื่องได้เมื่อไม่มีการเชื่อมต่อเครือข่าย

• ควบคุมระบบได้เอง: ผู้ใช้เลือกโมเดล เวอร์ชัน และรูปแบบการทำงานได้ตามต้องการ

ข้อได้เปรียบเหล่านี้ทำให้ Local AI เป็นทางเลือกสำคัญสำหรับนักพัฒนา นักวิจัย องค์กร และผู้ใช้ที่ต้องการควบคุมข้อมูลของตัวเอง

อย่างไรก็ตาม การรันโมเดลขนาดใหญ่ในเครื่องก็ต้องใช้ RAM และ VRAM จำนวนมาก โดยเฉพาะโมเดลที่มีพารามิเตอร์หลายหมื่นล้านตัว ซึ่งอาจต้องอาศัยคอมพิวเตอร์ระดับสูงและต้นทุนฮาร์ดแวร์จำนวนมาก

ในทางกลับกัน โมเดลขนาดเล็กที่ถูกปรับแต่งมาให้ทำงานบนเครื่องผู้ใช้สามารถตอบสนองงานทั่วไปได้โดยไม่จำเป็นต้องมีฮาร์ดแวร์ระดับดาต้าเซ็นเตอร์

จึงไม่สามารถสรุปได้ว่า Local AI ไม่มีประสิทธิภาพหรือไม่คุ้มค่า เพราะความเหมาะสมขึ้นอยู่กับขนาดโมเดล ลักษณะงาน ความเป็นส่วนตัว และจำนวนครั้งที่ต้องใช้งาน

OpenAI ได้ประโยชน์จากการประมวลผลบนคลาวด์โดยตรง

อีกประเด็นที่หลีกเลี่ยงไม่ได้คือ OpenAI มีรูปแบบธุรกิจหลักที่พึ่งพาโมเดล AI ซึ่งให้บริการผ่านดาต้าเซ็นเตอร์ แม้บริษัทจะมีโมเดลแบบเปิดให้ใช้งานบางส่วน แต่ผลิตภัณฑ์และบริการหลักยังเป็นโมเดลที่ให้บริการผ่านแพลตฟอร์มของบริษัท

ดังนั้น ความเห็นที่สนับสนุนการรวมทรัพยากร DRAM ไว้ในดาต้าเซ็นเตอร์ย่อมสอดคล้องกับรูปแบบธุรกิจของ OpenAI โดยตรง

หากผู้ใช้สามารถซื้อคอมพิวเตอร์ที่มี RAM และ GPU เพียงพอ แล้วดาวน์โหลดโมเดล AI มาใช้งานเองได้อย่างมีประสิทธิภาพ ความจำเป็นในการจ่ายค่าสมาชิกหรือซื้อโทเคนจากผู้ให้บริการคลาวด์ก็อาจลดลงในบางกรณี

นั่นทำให้เกิดข้อกังวลในกลุ่มผู้ใช้พีซีว่า อุตสาหกรรม AI อาจกำลังผลักดันโลกไปสู่รูปแบบที่ผู้บริโภคต้องเช่าใช้กำลังประมวลผล ซอฟต์แวร์ และ AI Agent จากศูนย์ข้อมูล แทนที่จะเป็นเจ้าของฮาร์ดแวร์และควบคุมการทำงานได้เอง

อย่างไรก็ตาม ยังไม่มีหลักฐานว่า Altman กำลังเสนอให้ยกเลิกการประมวลผลในเครื่อง หรือให้ผู้บริโภคเลิกซื้อ RAM แต่เขากำลังพูดถึงประสิทธิภาพในการจัดสรรทรัพยากร DRAM ในช่วงที่อุตสาหกรรมกำลังเผชิญข้อจำกัดด้านอุปทาน

แล้ว RAM ในพีซีที่ใช้เล่นเกมหรือทำงานถือว่าสิ้นเปลืองหรือไม่?

คำกล่าวของ Altman ยังมีประเด็นที่ต้องพิจารณา เพราะ RAM ในคอมพิวเตอร์ไม่ได้มีหน้าที่เพียงประมวลผล AI เท่านั้น แต่ยังรองรับระบบปฏิบัติการ เกม โปรแกรมตัดต่อวิดีโอ งานออกแบบ และแอปพลิเคชันต่าง ๆ ที่ผู้ใช้เปิดพร้อมกัน

แม้หน่วยความจำบางส่วนจะไม่ได้ถูกใช้งานตลอดเวลา แต่การมี RAM สำรองไว้ก็ช่วยให้ระบบตอบสนองได้รวดเร็ว ลดการสลับข้อมูลระหว่าง RAM กับ SSD และรองรับภาระงานที่เพิ่มขึ้นเป็นช่วง ๆ

ตัวอย่างเช่น เกมเมอร์ที่มี RAM 32GB อาจไม่ได้ใช้หน่วยความจำทั้งหมดตลอดเวลา แต่เมื่อเปิดเกมพร้อมเบราว์เซอร์ โปรแกรมสตรีม และแอปพลิเคชันเบื้องหลัง หน่วยความจำที่เหลืออยู่ก็มีประโยชน์อย่างมาก

ขณะที่ผู้ใช้ที่ทำงานด้านวิดีโอ 3D หรือรันโมเดล AI ภายในเครื่องอาจต้องการ RAM 64GB หรือ 128GB เพื่อรองรับภาระงานเฉพาะทาง

การพิจารณาว่า RAM ที่ไม่ได้ถูกใช้งานตลอดเวลาเป็นการสิ้นเปลือง จึงเป็นการมองจากมุมการจัดสรรทรัพยากรระดับอุตสาหกรรม มากกว่ามุมความคุ้มค่าของผู้ใช้แต่ละคน

วิกฤต DRAM ยิ่งทำให้คำพูดนี้กลายเป็นประเด็นร้อน

คำกล่าวของ Altman เกิดขึ้นในช่วงที่ตลาดหน่วยความจำกำลังเผชิญความตึงตัวอย่างหนัก จากความต้องการ DRAM และ HBM สำหรับดาต้าเซ็นเตอร์ AI ที่เพิ่มสูงขึ้น

ผู้ผลิตหน่วยความจำรายใหญ่ต้องจัดสรรกำลังการผลิตให้ผลิตภัณฑ์ที่มีมูลค่าสูง เช่น HBM และ DRAM สำหรับเซิร์ฟเวอร์ ส่งผลให้ตลาด RAM สำหรับพีซีทั่วไปมีโอกาสเผชิญข้อจำกัดด้านอุปทานและต้นทุนที่เพิ่มขึ้น

ขณะเดียวกัน บริษัท AI รายใหญ่ก็ทำสัญญาจัดซื้อหน่วยความจำและโครงสร้างพื้นฐานล่วงหน้า เพื่อรองรับการขยายดาต้าเซ็นเตอร์ในอีกหลายปีข้างหน้า

สถานการณ์นี้ทำให้ผู้ใช้พีซีต้องจ่ายเงินซื้อ RAM ในราคาสูงขึ้น ขณะที่บริษัท AI ซึ่งเป็นหนึ่งในกลุ่มลูกค้ารายใหญ่ของอุตสาหกรรมกลับมองว่าการนำหน่วยความจำไปใช้ในศูนย์ข้อมูลจะช่วยเพิ่มประสิทธิภาพการใช้ทรัพยากรโดยรวม

นี่จึงเป็นความขัดแย้งระหว่างมุมมองของผู้ให้บริการ AI กับผู้บริโภคที่ต้องการเป็นเจ้าของฮาร์ดแวร์ของตัวเอง

สรุป: Sam Altman มองว่าการเก็บ DRAM จำนวนมากไว้ในคอมพิวเตอร์ส่วนตัวซึ่งใช้งานหน่วยความจำเพียงบางช่วงเวลา เป็นการจัดสรรทรัพยากรที่ไม่คุ้มค่าเมื่อเทียบกับการรวมไว้ในดาต้าเซ็นเตอร์ที่สามารถแบ่งปันให้ผู้ใช้จำนวนมากได้ แต่แนวคิดนี้ก็มีข้อโต้แย้ง เพราะ Local AI ให้ประโยชน์ด้านความเป็นส่วนตัว การควบคุมข้อมูล และการใช้งานโดยไม่พึ่งคลาวด์ คำถามสำคัญจึงไม่ใช่เพียงว่าควรนำ RAM ไปไว้ที่ไหน แต่คือใครควรมีสิทธิ์ควบคุมทรัพยากรประมวลผลที่กำลังกลายเป็นของมีค่าในยุค AI

ที่มา: Tom's Hardware