OpenAI พัฒนาชิปตัวแรกด้วยความร่วมมือกับ Broadcom และ TSMC พร้อมลดขอบเขตแผนฟาวด์รี

 (reuters.com)
1 คะแนน โดย GN⁺ 2024-10-30 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • OpenAI กำลังพัฒนาชิปสำหรับ AI inference และยกเลิกแผนเครือข่ายฟาวด์รี
  • Broadcom ช่วยออกแบบชิปของ OpenAI และสนับสนุนให้สามารถผลิตกับ TSMC ได้
  • OpenAI เพิ่มชิป AI ของ AMD เพื่อกระจายแหล่งจัดหาชิป

ความพยายามออกแบบชิปภายในของ OpenAI และการใช้ประโยชน์จากพาร์ตเนอร์ในอุตสาหกรรม

  • OpenAI กำลังพิจารณาทางเลือกหลากหลายเพื่อกระจายแหล่งจัดหาชิปและลดต้นทุน
  • บริษัทมีแผนจะหยุดแผนฟาวด์รีที่ทะเยอทะยานไว้ก่อนในระยะนี้ และมุ่งเน้นไปที่ความพยายามออกแบบชิปภายใน
  • กลยุทธ์ของ OpenAI แสดงให้เห็นวิธีที่บริษัทใช้พาร์ตเนอร์ในอุตสาหกรรมและแนวทางทั้งภายในและภายนอกเพื่อประกันซัพพลายชิปและควบคุมต้นทุน เช่นเดียวกับคู่แข่งรายใหญ่อย่าง Amazon, Meta, Google และ Microsoft
  • OpenAI เป็นหนึ่งในผู้ซื้อชิปรายใหญ่ที่สุด และการตัดสินใจพัฒนาชิปแบบปรับแต่งเองพร้อมจัดหาจากผู้ผลิตชิปหลายราย อาจส่งผลกระทบเป็นวงกว้างต่อภาคเทคโนโลยี
  • Broadcom ช่วยบริษัทอย่าง Google ปรับแต่งการออกแบบชิปให้พร้อมสำหรับการผลิต และจัดหาชิ้นส่วนการออกแบบที่ช่วยให้ข้อมูลเคลื่อนที่ในชิปได้รวดเร็ว
  • OpenAI ได้รับกำลังการผลิตจาก TSMC ผ่าน Broadcom เพื่อให้สามารถผลิตชิปออกแบบเฉพาะตัวแรกได้ในปี 2026
  • ปัจจุบัน GPU ของ Nvidia ครองส่วนแบ่งตลาดมากกว่า 80%
  • อย่างไรก็ตาม การขาดแคลนอุปทานและต้นทุนที่เพิ่มสูงขึ้น ทำให้ลูกค้ารายใหญ่อย่าง Microsoft, Meta และตอนนี้รวมถึง OpenAI กำลังมองหาทางเลือกภายในหรือจากภายนอก
  • การที่ OpenAI เลือกใช้ชิป AMD ผ่าน Azure ของ Microsoft แสดงให้เห็นว่าชิป MI300X รุ่นใหม่ของ AMD กำลังพยายามแย่งส่วนแบ่งบางส่วนจากตลาดที่ Nvidia ครองอยู่
  • การฝึกโมเดล AI และการให้บริการอย่าง ChatGPT มีต้นทุนสูง
  • OpenAI คาดว่าปีนี้จะมีรายได้ 3.7 พันล้านดอลลาร์ แต่ขาดทุน 5 พันล้านดอลลาร์
  • ต้นทุนด้านคอมพิวต์เป็นค่าใช้จ่ายที่ใหญ่ที่สุดของบริษัท จึงกระตุ้นให้เกิดความพยายามในการเพิ่มประสิทธิภาพการใช้งานและกระจายผู้จัดหา

ความเห็นของ GN⁺

  • ความพยายามออกแบบชิปภายในของ OpenAI และความร่วมมือกับผู้ผลิตชิปหลายราย สะท้อนการเปลี่ยนแปลงสำคัญในอุตสาหกรรม AI ซึ่งอาจสร้างทางเลือกใหม่ที่ท้าทายอำนาจนำของ Nvidia และเร่งความก้าวหน้าของเทคโนโลยี AI
  • อย่างไรก็ตาม อาจมีข้อกังวลเกี่ยวกับโครงสร้างต้นทุนของ OpenAI ในสถานการณ์ที่การพัฒนาโมเดล AI และการดำเนินบริการต้องใช้เงินมหาศาล จึงเกิดคำถามต่อความสามารถในการทำกำไรและความยั่งยืนในระยะยาว
  • ขณะเดียวกัน การมาถึงของชิป AI รุ่นใหม่อย่าง MI300X ของ AMD จะช่วยกระตุ้นการแข่งขันในตลาดและมอบทางเลือกให้ลูกค้ามากขึ้น ซึ่งอาจมีส่วนช่วยต่อการทำให้เทคโนโลยี AI เข้าถึงได้กว้างขึ้นและนำไปใช้เชิงพาณิชย์มากขึ้น
  • การแข่งขันที่รุนแรงขึ้นในตลาดชิป AI คาดว่าจะเร่งนวัตกรรมทางเทคโนโลยี และเพิ่มความต้องการชิปสมรรถนะสูงที่ใช้พลังงานต่ำ ส่งผลให้การแข่งขันด้านการลงทุนและการดึงดูดบุคลากรในงานออกแบบและผลิตชิปเข้มข้นยิ่งขึ้น
  • เมื่อองค์กรต่าง ๆ นำชิป AI มาใช้ ควรพิจารณาปัจจัยหลายด้านร่วมกัน เช่น ประสิทธิภาพ ต้นทุน ความเข้ากันได้ และความสามารถในการขยายระบบ การเลือกชิปที่เหมาะสมที่สุดให้สอดคล้องกับโรดแมปเทคโนโลยีและกลยุทธ์ธุรกิจระยะยาวเป็นสิ่งสำคัญ

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2024-10-30
ความคิดเห็นบน Hacker News

  • ในฐานะอดีตพนักงาน Google ผมไม่แปลกใจเลย ผมยังติดต่อกับเพื่อน ๆ ที่ยังอยู่ Google อยู่เรื่อย ๆ และในช่วงไม่กี่เดือนที่ผ่านมา จำนวนที่ OpenAI ดึงวิศวกรฮาร์ดแวร์จาก Google ไปเพิ่มขึ้นอย่างมาก
    แค่ดูโปรไฟล์วิศวกรฮาร์ดแวร์ของ OpenAI บน LinkedIn ก็เห็นได้ง่าย ๆ ว่ามีคนจาก Google มากแค่ไหน ทีม TPU ของ Google เหลือเพียงเงาของอดีตเท่านั้น ดังนั้นถ้า TPU ของ Google ในอนาคตด้อยกว่าชิปใหม่ของ OpenAI ก็ไม่น่าแปลกใจ
    งาน TPU ของ Google ในอดีตก็พึ่งพาความช่วยเหลือจาก Broadcom เช่นกัน: https://www.theregister.com/AMP/2023/09/22/google_broadcom_t...
    ในเมื่อ Broadcom ช่วย Google TPU ได้ดี การที่คนจาก Google นำ ความสัมพันธ์กับซัพพลายเออร์ นั้นไปยังบริษัทใหม่จึงเป็นเรื่องเป็นธรรมชาติมาก

    • BRCM กำลังเข้าใกล้การเป็น บริษัทบริการที่ออกแบบ ASIC ให้ สำหรับบริษัทที่ต้องการ ASIC แบบปรับแต่งเอง มีบริษัทแบบนี้อยู่มากมาย และผมไม่เข้าใจว่าทำไมเรื่องนี้ถึงเป็นข่าว
      BRCM เป็นผู้นำด้าน SerDes ร่วมกับ Marvell และบริษัทอื่น ๆ และ IP ของ Synopsys กับ Cadence ก็ถูกบริษัทชิปแบบนี้ใช้กันมาก ไม่มีบริษัทไหนจะทำ vertical integration ของ IP ทุกอย่างได้ทั้งหมด จึงดูไม่ใช่เรื่องที่ต้องตื่นเต้นอะไร
    • ต้องมองด้วยว่า Google ก็ใช้เวลา เงิน และทุนมนุษย์จำนวนมากกับ TPU ก่อนจะค่อย ๆ ได้ผลลัพธ์ บริษัทที่พิสูจน์แล้วว่าขยายสเกลขนาดใหญ่ได้ก็เคยลองแล้วล้มเหลว เช่น Tesla
      มันไม่ใช่เรื่องง่ายเหมือนจับ PhD มาไว้ในห้องเดียวแล้วให้สร้าง LLM ออกมา การพัฒนาฮาร์ดแวร์ นั้นยุ่งยาก ช้า ใช้เวลาตรวจสอบยาวนาน และมีต้นทุนแพงสุด ๆ

  • Jensen พูดมาตลอดว่าความต้องการ “บ้าคลั่ง” และก็ได้ยินข่าวลือว่า yield ต่ำด้วย เรื่องนี้อาจนำไปสู่ ปัญหาด้านอุปทาน ในอีกหลายเดือนหรือหลายปีข้างหน้า
    ในบรรดาบริษัท Fortune 500 ไม่มีบริษัทไหนจะฝากฮาร์ดแวร์และซอฟต์แวร์ AI ทั้งหมดไว้กับแหล่งเดียว การหลีกเลี่ยงแหล่งเดียวแล้วกระจายความเสี่ยงเป็นทางเลือกที่ฉลาด

    • ผู้บริหารบริษัทเราก็ตอบตรง ๆ ว่าเหตุผลที่ไม่ใช้ Nvidia คือ การกระจายแหล่งซัพพลาย ที่ตลกคือเราไม่ได้ใช้ Nvidia สำหรับการเทรนเลย
      เพราะหา Nvidia ไม่ได้ เราจึงใช้ Trainium
    • ผมสงสัยว่าคำพูดที่ว่า “การไม่วางฮาร์ดแวร์และซอฟต์แวร์ AI ทั้งหมดไว้กับแหล่งเดียวเป็นเรื่องฉลาด” สอดคล้องกับ สัญญาผูกขาด กับ Microsoft อย่างไร
      แม้แต่สัญญา OpenAI/Oracle ก็ถูกจัดไว้ให้ Oracle ต้องรันสแต็ก Azure ในศูนย์ข้อมูลของตน เพื่อให้ MSFT สามารถเป็นตัวกลางในความสัมพันธ์ได้ ชิป AMD ที่กล่าวถึงในบทความก็เป็น MSFT ที่ซื้อ
      ผมสงสัยว่านี่หมายความว่า OpenAI รับความเสี่ยงและรายจ่ายลงทุน เพื่อจัดหาฮาร์ดแวร์ที่หลากหลายให้ Microsoft หรือมีเงื่อนไขอื่นอยู่กันแน่

  • การบอกว่า OpenAI เคยพิจารณาทางเลือกในการสร้างทุกอย่างเองและระดมทุนเพื่อสร้างเครือข่าย foundry สำหรับผลิตชิปนั้นลดทอนความทะเยอทะยานของ Sam ลงไปมากจนเกินจริง
    เขาเคยโยนไอเดียว่าจะระดมทุน 7 ล้านล้านดอลลาร์ ให้ได้ไม่ทางใดก็ทางหนึ่ง เพื่อสร้าง fab 36 แห่ง สำหรับซิลิคอน AI โดยเฉพาะ และมีรายงานว่าผู้บริหาร TSMC ได้ยินแล้วแทบจะหัวเราะใส่หน้าทันที

    • Sam เคยชี้แจงเรื่องคำกล่าวนี้ด้วยตัวเอง เขาบอกว่าความหมายคือในท้ายที่สุด พวกเราทุกคน collectively ต้องใช้เงิน 7 ล้านล้านดอลลาร์กับคอมพิวติ้งเพื่อรองรับดีมานด์ ไม่ใช่ว่า OpenAI จะระดมทุน 7 ล้านล้านดอลลาร์เพียงลำพังเพื่อสร้างกำลังการผลิตทั้งหมด
    • น่าทึ่งที่ Satya Nadella มองคนคนนี้และแผนนี้แล้วตัดสินว่า “นี่แหละอัจฉริยะที่มั่นคงพอให้ฝาก OpenAI ไว้ได้”
    • ถ้ามีสามัญสำนึกสักนิดก็ควรหัวเราะแล้ว 7 ล้านล้านดอลลาร์ ไม่ใช่เงินที่หาได้ง่าย ๆ
      การลงทุนสุทธิในประเทศของสหรัฐฯ ทั้งหมดยังไม่ถึง 1 ล้านล้านดอลลาร์: https://fred.stlouisfed.org/series/W790RC1Q027SBEA
      การสะสมทุนถาวรขั้นต้น หรือยอดรวมของการลงทุนสุทธิกับค่าเสื่อมราคา ก็ไม่ได้มากกว่านั้นมากนัก: https://fred.stlouisfed.org/series/NFIRSAXDCUSQ
      ต่อให้รวม Google, Apple, Microsoft เข้าด้วยกัน รายจ่ายลงทุนประจำปียังไม่ถึง 100 พันล้านดอลลาร์ แม้มูลค่าตลาดรวมของสามบริษัทจะเกือบ 10 ล้านล้านดอลลาร์ก็ตาม
      การที่บริษัทมูลค่า 100 พันล้านดอลลาร์เรียกเงิน 7 ล้านล้านดอลลาร์นั้นไร้เหตุผลอย่างเหลือเชื่อ
    • แต่ในบางแง่ก็น่าชื่นชมอยู่เหมือนกัน ถ้าเริ่มด้วยการขอ 7 ล้านล้านดอลลาร์ ต่อมาขอแค่ 1 ล้านล้านดอลลาร์ ก็จะดูสมเหตุสมผลทีเดียว ;-)
    • ผมอาจมองโลกในแง่ร้ายเกินไปก็ได้ แต่แค่พูดถึง fab แห่งเดียวก็ชวนให้หัวเราะแล้ว เรื่องออกแบบยังพอว่า แต่ การผลิต นี่สิ

  • เมื่อดูการวิเคราะห์ทางการเงินที่น่าเชื่อของ “The Subprime AI Crisis” แล้ว ผมก็ไม่มีอะไรจะเสริม นอกจากประโยคจากหนัง “Dodgeball”
    “เป็นกลยุทธ์ที่กล้าดีนะ Cotton มาดูกันว่าจะได้ผลไหม”
    0 - https://www.wheresyoured.at/subprimeai/
    1 - https://www.imdb.com/title/tt0364725/quotes/

    • ถ้าจะตอบบทความของ wheresyouredat ดูเหมือนว่า OpenAI ทำให้ โมเดลทั่วไปฟรีอ่อนลง จนให้คำตอบที่ไม่สมบูรณ์ในเบนช์มาร์กของผมอยู่เรื่อย ๆ ในขณะที่โมเดล o1 ยังคงตอบเบนช์มาร์กเดียวกันได้ถูก
      เมื่อก่อนโมเดลฟรีก็เคยให้คำตอบที่แม่นยำกว่าสำหรับเบนช์มาร์กของผมในบางวัน ดังนั้นจึงรู้สึกเหมือนทำให้ช่องว่างระหว่างสองตัวกว้างขึ้น เพื่อให้ o1 ดูมีประโยชน์กว่า
      OpenAI จะทำอย่างไรกับผลิตภัณฑ์ของตัวเองก็เป็นเรื่องของเขา แต่สำหรับผมมันดูเหมือนการเนิร์ฟผลิตภัณฑ์ฟรีเพื่อทำให้ o1 ดูดีขึ้นเมื่อเทียบกัน

  • ต้องใช้เวลานานแค่ไหนกว่าจะนำชิปใหม่เข้าสู่การผลิต และนำไปใช้กับการฝึกหรือการอนุมานได้?

    • ถ้าเป็นทีมที่เก่งก็ประมาณ ราว 2 ปี จากนั้นยังต้องมีซอฟต์แวร์ที่ทำให้มันทำงานได้จริง นี่ไม่ใช่สิ่งที่ทำได้เร็ว
      ถ้าเทเงินเพิ่มอาจเร็วขึ้นได้ แต่ก็อาจทำพังจนใช้เวลานานกว่าเดิมได้เช่นกัน
    • ในกรณีนี้ไม่ได้มองว่าเวลาเป็นปัจจัยสำคัญขนาดนั้น ดูได้จากที่ Apple silicon เปลี่ยนสมรรถนะและลดการพึ่งพา Intel
      ถ้าปรับให้ลงตัวได้ ก็อาจยิ่งถ่างช่องว่างกับผู้ให้บริการ LLM รายอื่นได้มากขึ้น
    • ชิปรุ่นแรกมีโอกาสสูงที่จะยังไม่ดีพอสำหรับใช้งานจริงในระบบผลิต ดังนั้นอาจต้องขยับไปเป็นรุ่นที่ 2 ซึ่งอาจใช้เวลาประมาณ 3~4 ปี

  • น่าจะกำลังสร้างดาต้าเซ็นเตอร์ของตัวเองเพื่อใช้ชิปนี้ แต่แปลกที่ในข่าวไม่ได้พูดเรื่องนี้ไว้จริง ๆ
    มีชิป AI/คูณเมทริกซ์ของฝั่งตะวันตกตัวไหนบ้างที่ ไม่ได้ผลิตที่ TSMC? Amazon หรือ Meta ต่างออกไปหรือเปล่า? NVIDIA, AMD, Google TPU ก็ใช้ TSMC พร้อมความร่วมมือด้านการออกแบบกับ Broadcom และตอนนี้ OpenAI ก็เป็นแบบนั้น
    สงสัยว่า Samsung ไม่มีความสามารถในการแข่งขันหรือไม่ และก็สงสัยด้วยว่าข้อจำกัดของปริมาณชิปหรือชิปเซ็ตโดยรวมมาจากกำลังการผลิตของ TSMC หรือมาจากหน่วยความจำหรือแพ็กเกจจิงกันแน่

    • Samsung แข่งขันไม่ได้ ดังนั้นชิปดี ๆ ตอนนี้จึงต้องผลิตที่ TSMC ทั้งหมด มีรายงานกันมาว่าคอขวดของชิป AI คือ แพ็กเกจจิงและ HBM แต่ TSMC เองก็มีอัตราการใช้งานกำลังผลิตสูงเช่นกัน
    • Samsung ตามหลังอยู่ราว 2~3 ปี และไม่ได้เลวร้ายเท่าที่คนใน HN พูดกัน แต่ถ้าขายชิปด้วยอัตรากำไร 80% ได้ ก็ย่อมอยากใช้ของที่ดีที่สุดอยู่แล้ว

  • ดูเหมือน OpenAI จะตระหนักว่า นอกจากการรับรู้แบรนด์แล้ว แทบไม่มีคูเมืองอะไรเลย จึงพยายามสร้างคูเมืองด้วย แฟ็บและการออกแบบชิป
    หากแฟ็บและชิปแบบผูกขาดนั้นยอดเยี่ยมราวกับมีเวทมนตร์ และผลิตได้ถูกโดยไม่ต้องจ่ายภาษีให้ทีมสีเขียว ก็คงได้เปรียบมหาศาลด้านต้นทุนการอนุมาน
    บางทีพวกเขาอาจตัดสินใจว่าแค่เริ่มจากชิปแบบผูกขาดก็เพียงพอแล้ว

  • รู้สึกอยู่เรื่อย ๆ ว่าใน AI มี ทรานซิสเตอร์ที่ถูกใช้เปลือง เราใช้สถานะไบนารีเพื่อกำจัดเอนโทรปีออกจากระบบ แต่ใน AI ยอมรับเอนโทรปีได้มากกว่านั้นมาก
    สำหรับงานแบบนี้ น่าจะมีวิธีที่ดีกว่า NAND gate ได้มาก

    • อีกเหตุผลหนึ่งที่ใช้วิธีไบนารีคือมันทำให้ทำ การสังเคราะห์อัตโนมัติ ได้ ไม่ใช่วงจรที่วาดด้วยมือ ในสเกลใหญ่ เรื่องนี้สำคัญมากจริง ๆ
      มันช่วยลดต้นทุนวิศวกรรมแบบไม่เกิดซ้ำและเพิ่มความเร็วในการพัฒนา หากทิ้งสิ่งนี้ไป ก็อาจเท่ากับทิ้งระบบเครื่องมือที่ทำให้ประสิทธิภาพในปัจจุบันเป็นไปได้ด้วย

  • สิ่งอย่าง GH Copilot นั้นยอดเยี่ยม แต่ที่เหลือยังไม่เห็นผลกระทบทางสังคมและวัฒนธรรมของ LLM เลย ไม่นับโพสต์โซเชียลมีเดียที่ร้อนแรงเกินจริงจากอินฟลูเอนเซอร์ที่โชว์ตัวอย่างเจ๋ง ๆ หรือการเปิดตัวโมเดล
    ผมไม่เห็นปรากฏการณ์ที่เทคโนโลยีนี้ซึมเข้าไปทั่วสังคม เลยสงสัยว่าผมเป็นคนที่ไม่รับผลกระทบเอง หรือมันซ่อนอยู่ลึกใน SaaS/ผลิตภัณฑ์องค์กรกันแน่
    มันน่าจะต้องมี ผลกระทบเชิงผลิตภาพต่อวัฒนธรรม ที่แพร่หลาย เกาะติด และมีการใช้งานต่อเนื่องสูง ไม่ใช่จบแค่ “โอ้ เจ๋งดี” แบบ 3D TV หรือ VR
    ยิ่งคิดถึงเงินจำนวนมหาศาลที่ถูกเผาไปกับฮีตซิงก์ GPU ก็ยิ่งเป็นแบบนั้น

    • คนรุ่นที่อยู่ในโรงเรียนและมหาวิทยาลัยตอนนี้กำลังทำให้ LLM เป็นส่วนหนึ่งของ กิจวัตรประจำวัน
      นอกเหนือจากภาคการศึกษา อุตสาหกรรม SEO ก็เติบโตขึ้นรอบ ๆ LLM และพวกเขาชอบความสามารถใหม่ในการผลิตสแปมจำนวนมหาศาลมาก
      ในภาคธุรกิจและภาครัฐ กำลังเริ่มนำมาใช้อย่างระมัดระวังเพื่อเพิ่มผลิตภาพในงานสื่อสารที่ยอมรับภาพหลอนเล็กน้อยหรือสไตล์ภาษาบริษัทที่ดูเป็นหุ่นยนต์ได้ เพราะประโยคสุดท้ายยังคงให้มนุษย์เป็นคนทำ
      ฝ่ายสนับสนุนลูกค้าและฝ่ายขายกำลังใช้เงินกับเมนูโทรศัพท์แบบเก่าเวอร์ชัน “AI” ซึ่งสุดท้ายก็ทำให้ต้องตะโกนว่า “อยากคุยกับเจ้าหน้าที่” ก่อนจะได้ต่อสายกับคนจริง
      ที่อื่น ๆ การนำไปใช้ยังช้า เพราะเราคาดหวังผลลัพธ์แบบกำหนดแน่นอนได้ แต่คาดหวังแบบนั้นจากโมเดลเหล่านี้ได้ยาก เมื่อสร้างซอฟต์แวร์ที่โต้ตอบกับ LLM API เอาต์พุตอาจสุ่มหลุดจากโครงสร้างที่ขอไว้ ทำให้ต้องกลับไปใช้เทคนิค defensive coding ที่ไม่ได้ใช้มานานกว่า 10 ปีอีกครั้ง ดังนั้นแม้แต่การใช้ structured output หรือ function calling ก็ยังยุ่งยาก
    • ตรวจสอบได้ค่อนข้างง่าย แค่ถามเพื่อน ๆ โดยเฉพาะเพื่อนที่ไม่ใช่นักพัฒนาว่าใช้หรือไม่
      เมื่อเห็นเพื่อนสายบัญชีและเพื่อนสายการตลาดใช้มันทำการวิเคราะห์พื้นฐานหรือเขียนข้อความประชาสัมพันธ์ ก็รู้แล้วว่า คนที่ไม่ใช่นักพัฒนาก็ใช้เป็นประจำ ไปแล้ว
      การใช้งานของสายงานที่ไม่ใช่เทคนิคสำคัญในเรื่องนี้ ตัวอย่างตรงข้ามของความร้อนแรงเกินจริงคือคริปโต คนที่ไม่ใช่สายเทคนิคที่ผมรู้จักเพียงแค่ “ถือ” ผ่านกระดานเทรด แต่ไม่ได้ทำให้ use case ที่กล่าวอ้างเป็นจริง
    • คนรอบตัวและตัวผมเองใช้มันแทนการค้นเว็บบางส่วน
      โดยเฉพาะ o1-preview ค่อนข้างดีในการเขียนบทรีวิวสั้น ๆ แบบภาพกว้างสำหรับคำถามที่สนใจ
      มันทำงานได้ดีเมื่อมีข้อความจำนวนมากที่ครอบคลุมหัวข้อนั้นอยู่แล้ว และต้องนำมาจัดประกอบใหม่ให้เข้ากับคำถามของผม
      รูปแบบแชตมีประสิทธิภาพกว่าการค้นเว็บหรืออ่านบทความ Wikipedia ที่เกี่ยวข้องหลายบทความมาก จริง ๆ แล้วมันเป็นประเด็นว่ามองแก้วมีน้ำครึ่งแก้วหรือว่างครึ่งแก้ว ผมประทับใจและคาดหวังต่อประโยชน์ของมันมาก แต่ในขณะเดียวกันก็ชัดเจนว่าไม่ใช่ AGI
    • น่าแปลกที่สื่อเหมือนจะจับภาพการใช้งานจริงได้ไม่ดีพอ นักข่าวและยูทูบเบอร์ส่วนใหญ่โชว์แต่ use case จุกจิก
      ผมเห็นคนที่คาดไม่ถึงใช้ LLM เพื่อจุดประสงค์สารพัดอย่าง ในหลายกรณี พวกเขาไม่อยากแม้แต่จะบอกหัวหน้าว่าใช้เครื่องมือนี้ เพราะมันมอบ พลังพิเศษ ให้กับตัวเอง
      หมายถึงคนอย่างพนักงานธนาคาร ผู้จัดการร้าน นักการเมืองท้องถิ่น เจ้าของธุรกิจขนาดเล็ก เมื่อก่อนผมเองก็คงเชื่อได้ยาก แต่ตอนนี้เห็นคนที่คาดไม่ถึงมากขึ้นเรื่อย ๆ ใช้ LLM และยังจัดพรอมป์ได้ดีด้วย
    • ดูเหมือนจะคิดถึงแต่ผู้บริโภคโดยตรง แต่ควรดูด้วยว่า Microsoft ได้ผสาน Copilot เข้ากับ Windows และกำลังปรับปรุงอย่างต่อเนื่อง
      เมื่อผู้ใช้ Outlook ทุกคนมีปุ่มสรุป ดึงข้อมูล และปรับปรุงอีเมล ก็จะมี ผู้คนหลายร้อยล้านคนใช้ LLM ทุกวัน

  • การจะใช้ 7 ล้านล้านดอลลาร์ กับแฟ็บของตัวเองนั้นเป็นเรื่องที่ทะเยอทะยานและบ้าบิ่นไปพร้อมกัน ดูเหมือนสุดท้ายความเป็นจริงจะเข้ามาแทรกแล้ว ถ้าตื่นจากความฝันอันยิ่งใหญ่แล้ว ก็หวังว่าจะยังรักษาคุณภาพไว้ต่อไป

    • ดูเหมือนว่าได้ทำงานกำหนดจุดอ้างอิงด้านราคาเสร็จแล้ว และตอนนี้ใกล้เคียงกับการพร้อมทำดีลจริงมากกว่า