战火จากบริษัทโมเดลขนาดใหญ่ด้านปัญญาประดิษฐ์กำลังลุกลามไปยังชิป
ไม่กี่วันก่อน OpenAI เพิ่งเปิดตัวอย่างเป็นทางการชิปประมวลผลแบบพัฒนาเองชิ้นแรก 'Mexican Pepper' ที่เอาชนะ NVIDIA ขณะที่ชิป 'Ambition' ของ Anthropic ก็เริ่มปรากฏตัวขึ้น...
ตามรายงานแบบเอกสิทธิ์ของรีวูเตอร์ แอนธรอปิกเคยหารือเกี่ยวกับการซื้อกิจการบริษัทสตาร์ทอัพชิป AI ชื่อ MatX ในราคาประมาณ 7 พันล้านดอลลาร์สหรัฐ เพื่อเร่งการพัฒนาชิปภายใน
เมื่อเห็นข่าวนี้ ผู้ใช้อินเทอร์เน็ตต่างก็แสดงความรู้สึกว่า ก่อนหน้านี้มี OpenAI ต่อมาเป็น Anthropic “ตอนนี้โมเดลขนาดใหญ่เริ่มเข้ามาเกี่ยวข้องกับวงจรรวมแล้ว”
อย่างไรก็ตาม น่าเสียดายที่ธุรกรรมนี้ไม่ได้ดำเนินต่อไป ตามแหล่งข่าวที่มีความรู้ ปัจจุบันการหารือระหว่างทั้งสองฝ่ายได้เปลี่ยนจากแนวทางการซื้อกิจการไปสู่การร่วมมือเชิงศักยภาพ
เกี่ยวกับเหตุผลเฉพาะที่การเจรจาการซื้อขายสิ้นสุดลง รีวูเตอร์ยังไม่เปิดเผย แต่สิ่งที่น่าจับตาคือระดับความจริงจังของ Anthropic ต่อธุรกรรมนี้: เพื่อหาทรัพยากรการประมวลผลที่เร็วขึ้นและถูกกว่าสำหรับ Claude บริษัทโมเดลนี้ได้เริ่มเดินหน้าลึกลงไปตั้งแต่ระดับโมเดลจนถึงระดับชิป
แล้วบริษัทชิปที่ทำให้ Anthropic ต้องจ่ายราคาสูงเพื่อซื้อเป็นบริษัทอะไรกันแน่?
ข้อมูลแสดงว่า MatX ก่อตั้งขึ้นในปี 2023 โดยผู้ร่วมก่อตั้ง Reiner Pope และ Mike Gunter ต่างมีพื้นฐานมาจาก Google Reiner Pope เคยมีส่วนร่วมในงานซอฟต์แวร์ Google TPU และโครงสร้างพื้นฐานสำหรับโมเดลขนาดใหญ่ ส่วน Mike Gunter ทำงานด้านการออกแบบฮาร์ดแวร์ TPU มานาน
ในเดือนกุมภาพันธ์ปีนี้ MatX ได้ระดมทุนรอบ B มูลค่า 5 พันล้านดอลลาร์สหรัฐ โดยผู้ลงทุนรวมถึง Jane Street, Situational Awareness เป็นต้น
ควรสังเกตว่า MatX มุ่งเน้นการออกแบบชิปสำหรับโมเดลภาษาขนาดใหญ่ โดยให้บริการหลักในขั้นตอนการฝึกอบรม
และจุดนี้อาจเป็นเหตุผลสำคัญที่ Anthropic เลือกติดต่อพวกเขา โดย Reuters อ้างแหล่งข่าวที่มีความรู้ว่า การเจรจา với MatX แสดงให้เห็นว่า Anthropic อาจมีเจตนาพัฒนา «ชิปฝึกอบรม» ของตนเอง แน่นอนว่าในอนาคตมันอาจเปิดตัวชิปสำหรับการให้เหตุผลพร้อมกันด้วย
จุดนี้ชัดเจนว่าเป็นการเปรียบเทียบที่น่าสนใจกับเส้นทางที่ OpenAI เปิดเผยเมื่อเร็วๆ นี้: ชิปตัวแรกที่ OpenAI พัฒนาเอง «Jalapeño» ขณะนี้เน้นที่การให้บริการแบบอ้างอิง: หลังจากโมเดลได้รับการฝึกอบรมแล้ว จะใช้วิธีใดในการรันโมเดลให้ทำงานได้จริงด้วยความล่าช้าน้อยลง ปริมาณการผ่านข้อมูลสูงขึ้น และประสิทธิภาพการใช้พลังงานที่ดีขึ้น ในขณะที่ความสนใจที่ Anthropic เปิดเผยนั้นลึกไปถึงด้านการฝึกอบรมเช่นกัน
ที่จริงแล้ว การที่ Anthropic เริ่มวางกลยุทธ์ด้านชิปฝึกอบรมจึงไม่น่าแปลกใจ
ในปัจจุบัน ตามที่ขนาดของโมเดลใหญ่ขึ้นเรื่อยๆ การฝึกโมเดลจึงใกล้เคียงกับโครงการขนาดมหึมา ตั้งแต่การฝึกเบื้องต้น การฝึกหลังจากนั้น จนถึงการเรียนรู้แบบเสริมแรง แต่ละการอัปเดตโมเดลต้องใช้กลุ่มชิปขนาดใหญ่ การเพิ่มประสิทธิภาพการฝึกแม้เพียงไม่กี่เปอร์เซ็นต์ เมื่อขยายไปสู่ขนาดของอุปกรณ์เร่งความเร็วหลายหมื่นหรือหลายแสนชิ้น อาจนำไปสู่ความแตกต่างด้านต้นทุนที่ค่อนข้างมาก
หากชิป สถาปัตยกรรมโมเดล และระบบการฝึกอบรมสามารถออกแบบร่วมกันตั้งแต่เริ่มต้น ข้อได้เปรียบนี้ยังสามารถขยายต่อไปอีก
นี่คือเหตุผลที่ Google ได้เริ่มพัฒนา TPU มานานหลายปีแล้ว Amazon มี Trainium และ OpenAI ตอนนี้ก็ตามมาด้วยการเปิดตัว Jalapeño... ชิปกำลังค่อยๆ เป็นส่วนหนึ่งของความสามารถของโมเดล
MatX ไม่ใช่บริษัทชิปเดียวที่ Anthropic ติดต่อ
ที่จริงแล้ว Anthropic ไม่ได้แค่ร่วมงานกับ MatX บริษัทชิปเพียงแห่งเดียว แต่กำลังวางแผนอย่างจริงจังในการออกแบบชิป
ตามรายงานของรีวูเตอร์ ในหลายสัปดาห์ที่ผ่านมา Anthropic ได้พบปะกับบริษัทสตาร์ทอัพหลายแห่งที่ผลิตชิป AI แต่ยังไม่ได้ตัดสินใจว่าจะซื้อกิจการบริษัทใด และยังไม่ได้ตัดสินใจอย่างชัดเจนว่าชิปที่พัฒนาด้วยตนเองจะใช้เทคโนโลยีแบบใด การติดต่อเหล่านี้มีเป้าหมายสำคัญคือเพื่อให้วิศวกรและผู้บริหารของ Anthropic เข้าใจอย่างเป็นระบบเกี่ยวกับสถาปัตยกรรมชิป AI ที่มีอยู่ในตลาดปัจจุบัน
ในขณะเดียวกัน Anthropic ก็กำลังรับบุคลากรด้านชิปอย่างเร่งด่วน
เมื่อไม่กี่วันก่อน บลูมเบิร์กรายงานว่า Anthropic กำลังจัดตั้งทีมชิปภายในและแต่งตั้งอดีตหัวหน้าทีม TPU ของกูเกิล อามีร์ ซาเลก เข้าร่วมแผนกการคำนวณ เพื่อผลักดันแผนพัฒนาชิปของตนเอง
อามีร์ ซาเลก เป็นผู้เชี่ยวชาญระดับสูงในอุตสาหกรรมชิป เขาเข้าร่วม Google ในปี 2013 เพื่อร่วมก่อตั้งและนำทีมธุรกิจชิปแบบกำหนดเอง โดยรับผิดชอบโครงการ TPU เป็นเวลานานจนกระทั่งลาออกในปี 2022 ระหว่างนั้น เขาผลักดันการพัฒนาและการส่งมอบผลิตภัณฑ์ TPU หกรุ่นแรกของ Google และมีส่วนร่วมในการสร้างขีดความสามารถด้านชิปแบบกำหนดเองของ Google สำหรับศูนย์ข้อมูล
ก่อนเข้าร่วม Google, Salek ได้ทำงานที่ Nvidia เป็นเวลาประมาณแปดปี ในตำแหน่งผู้จัดการฝ่ายวิศวกรรมระดับสูง และก่อตั้งและนำทีมแผนกออกแบบระบบบนชิป (SoC) ของ Nvidia โดยมีประสบการณ์ยาวนานในด้านชิป GPU, โปรเซสเซอร์สำหรับอุปกรณ์พกพา ฯลฯ
หลังจากออกจาก Google ในปี 2022 Salek ได้เปลี่ยนมาทำงานในวงการการลงทุน โดยเข้าร่วม Cerberus Capital Management ซึ่งเป็นบริษัทการลงทุนแบบเอกชน ในตำแหน่งผู้จัดการทั่วไประดับสูง และยังดำรงตำแหน่งหุ้นส่วนของแพลตฟอร์มการลงทุนด้านเทคโนโลยีล้ำสมัยภายใต้บริษัทคือ Tracker Ventures โดยเน้นลงทุนในสาขาเซมิคอนดักเตอร์ AI และการคำนวณแบบขอบ
ตอนนี้กลับไปทำงานในสายการพัฒนาชิปอีกครั้งโดยเข้าร่วมทีมการคำนวณของ Anthropic โดยจะรายงานต่อหัวหน้าการคำนวณของบริษัท แจมส์ แบรดเบอร์รี
ในช่วงต้นปีนี้ เมื่อเดือนมิถุนายน Anthropic ยังได้รับสมัครวิศวกรชิปจาก OpenAI รายก่อนหน้า คือ Clive Chan ซึ่งเคยมีส่วนร่วมในโครงการชิปที่ OpenAI พัฒนาขึ้นเอง
หากเชื่อมโยงการดำเนินการเหล่านี้เข้าด้วยกัน ภาพรวมของเส้นทางชิปของ Anthropic จะชัดเจนมากขึ้น: จ้างบุคลากรด้านชิป สร้างทีมภายใน วิจัยสถาปัตยกรรมต่างๆ ติดต่อกับสตาร์ทอัพด้านชิป และแม้แต่พิจารณาการเข้าซื้อกิจการในระดับหลายพันล้านดอลลาร์สหรัฐ...
แน่นอน Anthropic ไม่ได้มีแผนที่จะเปลี่ยนไปใช้ชิปของตัวเองทั้งหมด ตามที่รีวิวส์เปิดเผย ยังคงมีแผนที่จะรักษาแนวทางชิปหลายประเภท และรักษาความร่วมมือกับผู้จัดจำหน่ายชิปและคลาวด์คอมพิวติ้ง เช่น Nvidia และ Google
เนื่องจากการออกแบบชิปเป็นโครงการขนาดใหญ่ที่มีค่าใช้จ่ายสูงและใช้เวลานาน แม้จะมีเงินทุนเพียงพอ ก็ยังไม่ใช่เรื่องง่าย โดยเฉพาะอย่างยิ่ง ชิปขั้นสูงที่สามารถใช้งานได้จริง อาจใช้เวลาหนึ่งปีหรือมากกว่านั้นตั้งแต่การออกแบบจนถึงการผลิตจริง และค่าใช้จ่ายในการออกแบบชิปหนึ่งรุ่นอาจสูงถึงหลายร้อยล้านดอลลาร์สหรัฐ
ดังนั้น เป้าหมายการเข้าซื้ออย่าง MatX จึงมีความน่าสนใจอย่างยิ่งสำหรับ Anthropic เนื่องจากสามารถเข้าซื้อกิจการสตาร์ทอัพด้านชิป AI ที่มีความ成熟ได้ทันที ซึ่งจะช่วยให้ได้ประสบการณ์ด้านการออกแบบชิปภายใน และอาจลดต้นทุนในระยะยาว
แล้วคุณล่ะ? คุณคิดเห็นอย่างไรเกี่ยวกับการกระทำของ Anthropic นี้?
ลิงก์อ้างอิง：
https://www.reuters.com/business/finance/anthropic-planned-then-abandoned-7-billion-purchase-matx-sources-say-2026-08-27/
https://www.bloomberg.com/news/articles/2026-08-21/anthropic-taps-google-chip-veteran-as-part-of-push-into-hardware
บทความนี้มาจาก微信号 “机器之心” (ID: almosthuman2014) โดยผู้เขียน: ผู้ติดตาม AI