เมื่อมีคนในตลาดเริ่มพูดถึงมากขึ้นเรื่อยๆ ว่า AI จะทำให้ซอฟต์แวร์กลายเป็นสินค้าทั่วไป (commodity) อย่างครอบคลุม บีบอัดมูลค่าและพื้นที่ทำกำไรของบริษัทเทคโนโลยีให้แคบลงหรือไม่ คำตอบที่ จน ทันทีที่ผู้บริหารระดับสูงของ NVIDIA อย่าง เจน ฮวง (黄仁勳) ให้ไว้ก็ชัดเจนมาก:
สิ่งที่ไม่ง่ายที่จะกลายเป็นสินค้าทั่วไป ไม่ใช่แค่ตัวซอฟต์แวร์เอง แต่คือกระบวนการทั้งหมดที่แปลงอิเล็กตรอนให้เป็น token
ในการให้สัมภาษณ์ล่าสุด เจน ฮวงอธิบายอย่างครบถ้วนว่าเขาเข้าใจการแข่งขันด้าน AI ครั้งนี้อย่างไร ตั้งแต่ห่วงโซ่อุปทานของ NVIDIA ระบบนิเวศ CUDA สถาปัตยกรรมการคำนวณของ AI ไปจนถึงลูกค้าในคลาวด์ขนาดมหึมาในระดับอุตสาหกรรม ไปจนถึงตลาดจีนและข้อกำหนดการส่งออกของสหรัฐฯ
(เจน ฮวงใช้คำอุปมา “เค้กห้าชั้น” เพื่ออธิบายประวัติการพัฒนาของปัญญาประดิษฐ์)
ข้อโต้แย้งหลักของเขาสามารถสรุปเป็นประโยคเดียวได้: การแข่งขันของ AI ไม่ใช่แค่การแข่งขันของโมเดลเดี่ยว ไม่ใช่แค่การแข่งขันของชิปเดี่ยว แต่เป็น “ศึกเค้กห้าชั้น” ที่ครอบคลุมพลังงาน ชิป เครือข่าย ซอฟต์แวร์ ระบบนิเวศ และเลเยอร์ของแอปพลิเคชัน และสิ่งที่ NVIDIA ต้องการทำคือทำให้ได้ส่วนที่ยากที่สุด แต่ก็ยากที่สุดที่จะถูกแทนที่ในกลุ่มนั้น
เจน ฮวง: งานของ NVIDIA คือเปลี่ยนอิเล็กตรอนให้กลายเป็น token ที่มีมูลค่ามากขึ้น
เมื่อเผชิญกับคำถามจากภายนอกที่ว่า เนื่องจากบริษัทซอฟต์แวร์จำนวนมากมีมูลค่าประเมิน (valuation) ลดลงเพราะ AI แล้ว NVIDIA ซึ่งโดยแก่นแล้วเป็นผู้มอบงานออกแบบให้ TSMC จัดทำ โรงงานหน่วยความจำให้ SK Hynix และ Samsung ประกอบให้ผู้รับจ้างประกอบ (ODM) ในไต้หวัน ดังนั้น NVIDIA เองอาจจะถูกคลื่นกระแสการทำให้เป็นสินค้า (commodity) ของ AI ลากให้ตกลงไปด้วยหรือไม่ คำตอบของเจน ฮวงคือ: ไม่ได้ง่ายขนาดนั้น
เขามองว่า บทบาทของ NVIDIA ไม่ได้เป็นอะไรที่ทำเองไปเสียทั้งหมดอยู่แล้ว แต่คือการรับผิดชอบส่วนที่สำคัญที่สุดและยากที่สุดในห่วงโซ่การแปลง “จากอิเล็กตรอนสู่ token” ทั้งหมด ในคำพูดของเขา อินพุตของ NVIDIA คือ electrons เอาต์พุตคือ tokens และความสามารถในการแปลงที่ซับซ้อนสุดๆ อยู่ตรงกลาง ซึ่งก็คือเหตุผลที่บริษัทนี้มีอยู่
เจน ฮวงย้ำว่า การแปลงนี้ไม่ใช่แค่การเปลี่ยนพลังงานไฟฟ้าให้กลายเป็นผลลัพธ์ของการคำนวณเท่านั้น แต่ต้องเพิ่มมูลค่าของ token อย่างต่อเนื่อง เพื่อให้การคำนวณแบบเดียวกันสามารถสร้าง token ที่มีมูลค่าทางเศรษฐกิจสูงกว่า และมีประสิทธิภาพสูงขึ้น ข้างในเกี่ยวข้องกับการออกแบบสถาปัตยกรรม การบรรจุภัณฑ์ หน่วยความจำ การเชื่อมต่อ การประมวลผลแบบอัลกอริทึม (algorithms) ไลบรารี ฟังก์ชันและสแต็กซอฟต์แวร์ รวมถึงความร่วมมือของระบบนิเวศ เป็นกระบวนการที่ผ่านความเป็นวิศวกรรมและวิทยาศาสตร์อย่างสูง และยังคงพัฒนาอย่างรวดเร็วอยู่ เขามองว่าคงเป็นเรื่องยากที่จะทำให้ถูกทำให้เป็นสินค้าอย่างสมบูรณ์
เขายังบรรยายปรัชญาของบริษัท NVIDIA เพิ่มเติมว่า ทำ “มากที่สุดเท่าที่จำเป็น น้อยที่สุดเท่าที่ไม่จำเป็น” กล่าวอีกนัยหนึ่ง ส่วนไหนที่ไม่จำเป็นต้องทำเองด้วยมือของตัวเอง ก็ให้ส่งต่อไปให้พันธมิตรและระบบนิเวศทำให้มากที่สุด แต่ถ้าส่วนไหน “จำเป็นต้องทำ” และยากอย่างยิ่ง NVIDIA ก็จำเป็นต้องลงมือเอง และต้องทำให้ดีที่สุด
บริษัทซอฟต์แวร์ประเภท “เครื่องมือ” อาจกลับเติบโตอย่างพุ่งพรวดเพราะ AI
สำหรับความกังวลของตลาดว่า AI จะบีบพื้นที่ของบริษัทซอฟต์แวร์ ในความจริงแล้วเจน ฮวงมีมุมมองที่แทบจะตรงกันข้าม เขาชี้ว่าซอฟต์แวร์จำนวนมากในปัจจุบัน แท้จริงแล้วเป็นผู้ผลิตเครื่องมือ เช่น Excel, PowerPoint หรือ Cadence, Synopsys ซึ่งเป็นบริษัทประเภท EDA บริษัทเหล่านี้ยังไม่ระเบิดออกมาอย่างใหญ่โตมากกว่านี้ ไม่ใช่เพราะเครื่องมือจะถูกแทนที่ แต่เป็นเพราะ agent ในวันนี้ยังไม่เก่งพอที่จะใช้เครื่องมือได้
ในมุมมองของเขา ในอนาคตจำนวนของ agent จะเพิ่มขึ้นแบบเอ็กซ์โปเนนเชียล ผู้ใช้ของเครื่องมือก็จะเพิ่มขึ้นแบบเอ็กซ์โปเนนเชียลเช่นกัน ซึ่งจะไปดันจำนวนครั้งที่ต้องเรียกใช้เครื่องมือและความต้องการด้านไลเซนส์ (สิทธิใช้งาน) ของเครื่องมือตามไปด้วย ยกตัวอย่างในงานออกแบบชิป ปัจจุบันปริมาณการใช้เครื่องมือออกแบบยังถูกจำกัดด้วยจำนวนวิศวกร แต่ในอนาคต หลังวิศวกรแต่ละคน อาจมีหลาย agent ทำงานร่วมกัน ความหนาแน่นและความถี่ของการสำรวจพื้นที่การออกแบบจะมากกว่าวันนี้อย่างมาก
เมื่อถึงเวลานั้น เครื่องมืออย่าง Synopsys Design Compiler, floor planner, layout tools, design rule checker อาจกลับมีปริมาณการใช้งานที่เพิ่มขึ้นอย่างมากจริงๆ
กล่าวอีกนัยหนึ่ง เจน ฮวงไม่ได้คิดว่า AI จะกำจัดบริษัทซอฟต์แวร์ประเภทเครื่องมือได้อย่างง่ายดาย ตรงกันข้าม ยิ่งมีแนวโน้มว่าจะผลักดันให้พวกเขาเข้าสู่เส้นโค้งการเติบโตแบบใหม่
คูเมือง (moat) ที่แท้จริงของ NVIDIA คือห่วงโซ่อุปทานทั้งต้นน้ำและปลายน้ำ
เมื่อต้องพูดถึงข้อเท็จจริงที่ว่าในช่วงไม่กี่ปีที่ผ่านมา NVIDIA ทำคำมั่นในการจัดซื้อให้กับห่วงโซ่อุปทานต้นน้ำจำนวนมาก จนแม้ถูกประเมินโดยภายนอกว่าในไม่กี่ปีข้างหน้าอาจสะสมเป็นระดับหลายแสนล้านดอลลาร์สหรัฐ เจน ฮวงไม่ได้ปฏิเสธว่า นี่คือหนึ่งในข้อได้เปรียบสำคัญของ NVIDIA
เขากล่าวว่า NVIDIA ทำคำมั่นสัญญาที่ชัดเจนและที่เป็นนัยเชิงลึกต่อ upstream commitments จริงๆ อันแรกคือคำมั่นจัดซื้อที่ภายนอกมองเห็นได้ อันหลังคือการชักจูงผู้นำในห่วงโซ่อุปทานให้ยินดีลงทุนขยายกำลังการผลิตล่วงหน้า การลงทุนเหล่านี้จะเกิดขึ้นไม่เพียงเพราะว่า NVIDIA ต้องการจะซื้อเท่านั้น แต่เพราะผู้ผลิตเชื่อว่า NVIDIA มีความสามารถในการดูดซับกำลังการผลิตเหล่านี้ และขายออกไปได้อย่างราบรื่นผ่านความต้องการมหาศาลจากปลายน้ำ
นี่เองจึงเป็นเหตุผลที่เขามอง GTC ไม่ใช่แค่เป็นงานเปิดตัวสินค้า แต่เป็นการพบปะ “แบบพาโนรามา 360 องศา” ของจักรวาล AI ทั้งหมด ในสายตาของเขา หนึ่งในคุณค่าของ GTC คือการทำให้ต้นน้ำได้เห็นปลายน้ำ ทำให้ปลายน้ำเข้าใจต้นน้ำ และทำให้ทั้งห่วงโซ่อุตสาหกรรมร่วมกันยืนยันว่า “ความต้องการด้าน AI จะเกิดขึ้นจริง” และจะเกิดขึ้นในขนาดมหึมา เจน ฮวงถึงกับยอมรับอย่างตรงไปตรงมาว่า keynote ของเขาในระดับหนึ่งมีหน้าที่ด้าน “การให้การศึกษา” อย่างเข้มข้น เพราะเขาต้องทำให้ห่วงโซ่อุปทานทั้งหมดเข้าใจว่า AI จะมาเพราะอะไร จะมาเมื่อไหร่ ขนาดจะใหญ่แค่ไหน และควรเตรียมตัวล่วงหน้าอย่างไร
นี่เองคือเหตุผลที่ในช่วงไม่กี่ปีที่ผ่านมา NVIDIA สามารถขยายปริมาณการไหลของทราฟฟิกในห่วงโซ่อุปทานได้อย่างต่อเนื่อง เจน ฮวงเน้นว่า ห่วงโซ่อุปทานไม่ได้มองแค่กระแสเงินสด แต่ยังมองอัตราการหมุนเวียน (turnover) และระดับการมองเห็นของความต้องการ หากโครงสร้างและความเร็วในการหมุนเวียนสินค้าไม่เพียงพอ ห่วงโซ่อุปทานก็จะไม่เต็มใจที่จะรีบสร้างโรงงานหรือขยายสายการผลิตให้ล่วงหน้า เหตุผลที่ NVIDIA ทำเรื่องเหล่านี้ได้ ก็เพราะความต้องการจากปลายน้ำของมันใหญ่พอและชัดเจนพอ ทำให้ห่วงโซ่อุปทานมองเห็นได้ทั้งเส้น
เจน ฮวงไม่กลัวเรื่องคอขวด เพราะคอขวดส่วนใหญ่เป็นแค่ปัญหาสองถึงสามปี
เมื่อถูกถามว่า ต้นน้ำยังตามทันความต้องการด้านกำลังคำนวณของ AI ไหวจริงหรือ โดยเฉพาะเมื่อ AI ได้กินกำลังการผลิตกระบวนการการผลิตและบรรจุภัณฑ์ขั้นสูงจำนวนมากของ TSMC ไปแล้ว และในอนาคตจะเป็นไปได้อย่างไรที่จะเพิ่มขึ้นต่อเนื่องทุกปีแบบทวีคูณ ท่าทีของเจน ฮวงชัดเจนมาก: คอขวดในการผลิตแทบทั้งหมด โดยแก่นแล้วเป็นแค่เรื่องของช่วงเวลาสองถึงสามปีเท่านั้น
เขายกตัวอย่างว่า ที่ผ่านมา ทุกคนมักพูดถึงคอขวดการบรรจุภัณฑ์ CoWoS แต่ปัจจุบันแทบไม่มีใครพูดถึงแล้ว เพราะทั้งอุตสาหกรรมได้ทุ่มกำลังแบบรวมศูนย์เพื่อแก้ไขให้ได้ภายในสองปี ดังนั้น TSMC ก็ได้มองการบรรจุภัณฑ์ขั้นสูงและ HBM เป็นส่วนหนึ่งของเทคโนโลยีการประมวลผลกระแสหลัก และไม่ใช่ความต้องการพิเศษอีกต่อไป กล่าวอีกนัยหนึ่ง หากสัญญาณความต้องการชัดเจนเพียงพอ ห่วงโซ่อุตสาหกรรมก็จะรีบหลั่งไหลเข้ามาเติมเต็มคอขวดด้วยความเต็มใจเอง
สำหรับเจน ฮวง AI ไม่ได้ทำให้งานหายไป แต่ทำให้เกิดการปรับโครงสร้างของอุตสาหกรรมและการจัดสรรความต้องการด้านบุคลากรใหม่ สิ่งที่ควรกังวลอย่างแท้จริงไม่ใช่ว่าอาชีพบางอย่างจะหายไปหมดหรือไม่ แต่เป็นว่าสังคมจะทำให้เกิดการจับคู่บุคลากรกับความต้องการผิดพลาดหรือไม่ เพราะความกลัวที่มากเกินไป
เขายังพูดตรงๆ ว่า ปัญหาอย่างกระบวนการผลิตแบบตรรกะ การบรรจุภัณฑ์ และ HBM สามารถแก้ได้ภายในสองถึงสามปี แต่สิ่งที่ช้ากว่าและรับมือยากกว่านั้นคือเรื่องนโยบายด้านพลังงาน เพราะไม่ว่าจะเป็นโรงงาน AI การผลิตชิป การบรรจุภัณฑ์ขั้นสูง รถยนต์ไฟฟ้า หุ่นยนต์ หรือการทำให้กลับมายกระดับอุตสาหกรรมใหม่ ล้วนพึ่งพาพลังงาน หากพลังงานกลายเป็นคอขวด ความเร็วในการขยายตัวของทั้งอุตสาหกรรมก็จะถูกจำกัด
บทความนี้ เจน ฮวง สัมภาษณ์ล่าสุด: คูเมืองของ NVIDIA ยังจะรักษาไว้ได้ต่อไหม? (ตอนบน) เผยแพร่ครั้งแรกใน ลิงข่าว ABMedia
