OpenAI จับมือ Broadcom ออกแบบชิป AI ของตัวเอง ชื่อรหัส Jalapeño เพื่อลดการพึ่งพา Nvidia ที่คุมตลาดชิป AI อยู่เกือบทั้งหมด เหตุผลหลักคือควบคุม supply chain เองได้ ไม่ต้องรอคิวซื้อ GPU และออกแบบชิปให้เหมาะกับ workload ของตัวเองโดยเฉพาะ ไม่ใช่ชิปสารพัดประโยชน์แบบที่ Nvidia ขาย ถ้าสำเร็จ นี่คือสัญญาณว่า Big Tech เริ่มเปลี่ยนจาก “ผู้ซื้อ” มาเป็น “ผู้ผลิต” ชิป AI เอง ซึ่งจะเขย่าสมดุลอำนาจในตลาด AI infrastructure ทั้งวงการ
หน้าตาของชิปที่โลก AI กำลังจับตา
Jalapeño ยังไม่ใช่ชิปที่วางขายทั่วไป เลยไม่มีสเปกตัวเลขแบบ GPU ทั่วไปให้เทียบ (คอร์, TDP, บัส) เหมือนการ์ดจอที่เราคุ้นเคย.
สิ่งที่ยืนยันได้ชัดคือโครงสร้างการผลิต: OpenAI จับมือ Broadcom ออกแบบ ส่วนการผลิตจริงยกให้ TSMC ทำ ซึ่งเป็นสูตรเดียวกับที่ Google ใช้กับ TPU และ Amazon ใช้กับ Trainium. ทั้งดีลนี้ปิดวงจรออกแบบถึง tape-out ในเวลาแค่ 9 เดือน ถือว่าเร็วผิดปกติสำหรับชิประดับนี้.
สรุปคือ OpenAI ไม่ได้แข่งกับ Nvidia ด้วยการขายชิปทั่วไป แต่แข่งด้วยการมีชิปของตัวเองที่ไม่ต้องพึ่งใครอีกต่อไปนะ.
ตอนที่ ChatGPT ล่มเพราะขาด GPU
ใครใช้ ChatGPT บ่อยๆ คงเคยเจอ rate limit หรือระบบตอบช้าผิดปกติในบางช่วง — นั่นแหละคือผลจากปัญหา GPU ไม่พอ.
ความต้องการ compute ของ OpenAI โตเร็วกว่าที่ Nvidia จะผลิตชิปป้อนทันเสียอีก ทั้งคิวออเดอร์ยาว ทั้งต้นทุนต่อชิปที่แพงขึ้นเรื่อยๆ เพราะทุกบริษัท AI แย่งคิวเดียวกันหมด.
พอ demand ล้นซัพพลาย สิ่งที่ตามมาคือบริการสะดุด ผู้ใช้โดนจำกัดการใช้งาน ทีมวิศวกรต้องคอยดับไฟหน้างานตลอด.
นี่คือจุดเปลี่ยนสำคัญ — เมื่อโครงสร้างพื้นฐานที่ธุรกิจทั้งหมดพึ่งพา ดันไปอยู่ในมือซัพพลายเออร์รายเดียว ความเสี่ยงมันสูงเกินจะปล่อยผ่าน. การมีชิปของตัวเองเลยไม่ใช่แค่เรื่องต้นทุน แต่เป็นเรื่องความอยู่รอดของธุรกิจเลยล่ะ.
Jalapeño อยู่ตรงไหนในแผนฮาร์ดแวร์ของ OpenAI
Jalapeño ไม่ได้มาแทนที่ดีล Nvidia, AMD, Oracle หรือ Microsoft ที่ทำไว้อยู่แล้ว — มันคือชั้นเสริมที่ OpenAI ใส่เข้าไปเพิ่ม เพื่อไม่ต้องพึ่ง GPU จากซัพพลายเออร์เดียวทั้งหมด.
พูดง่ายๆ คือ OpenAI ยังซื้อ GPU จาก Nvidia ต่อไปสำหรับงานหนักส่วนใหญ่ แต่ขนาน custom chip ของตัวเองไปด้วยสำหรับงานเฉพาะทาง (เช่น inference บางส่วน) ที่คุมต้นทุนและ supply ได้เอง.
การออกแบบชิปเองต้องใช้เวลาและเงินทุนมหาศาล ไม่มีบริษัทไหนทำเล่นๆ แต่เมื่อเจอบทเรียนเรื่อง GPU ขาดตลาดมาแล้ว การกระจายความเสี่ยงแบบนี้กลายเป็นสิ่งจำเป็น ไม่ใช่ทางเลือก.
จากพึ่ง Nvidia 100% สู่การมีทางเลือกของตัวเอง
ก่อนหน้านี้ OpenAI แทบไม่มีทางเลือกอื่นเลย ต้องต่อคิวซื้อ GPU Nvidia ผ่านคลาวด์พาร์ทเนอร์เป็นหลัก ราคาขึ้นลงตามตลาด อำนาจต่อรองอยู่ที่ Nvidia เกือบทั้งหมด นี่คือความเสี่ยงที่บริษัท AI ระดับนี้แบกไว้มานาน
พอมี Jalapeño เข้ามาเสริม สถานการณ์เปลี่ยนไปคนละเรื่อง ไม่ใช่เลิกใช้ Nvidia แต่คือมี “ไพ่ใบที่สอง” ไว้ต่อรองและกระจายความเสี่ยง supply chain
| Factor | เดิม: พึ่ง Nvidia ล้วน | ใหม่: เสริมด้วย Jalapeño |
|---|---|---|
| แหล่ง GPU/ชิป | ผ่านคลาวด์พาร์ทเนอร์ ต่อคิวตามตลาด | มีชิปออกแบบเองคู่ขนาน |
| อำนาจต่อรองราคา | อยู่ที่ Nvidia เกือบทั้งหมด | กระจายความเสี่ยงได้บางส่วน |
| ความเร็ว deploy งานหนัก | เร็ว ระบบพร้อมใช้ | เร็ว ระบบพร้อมใช้ |
ชิปตัวนี้จะเปลี่ยนอะไรในชีวิตคนใช้ AI จริง
ถ้า Jalapeño ใช้งานได้จริงตามแผน สิ่งที่คนใช้ ChatGPT จะสัมผัสได้ก่อนคือช่วงเวลาคนแน่นๆ แบบตอนเย็นหรือช่วงเปิดเทอม ที่ระบบไม่ค่อยหน่วงเหมือนก่อน เพราะ compute ไม่ต้องรอคิวจาก GPU ค่ายเดียวอีกแล้ว.
ฝั่งราคา API ก็มีโอกาสขยับลงได้ในระยะยาว เพราะต้นทุนต่อ token ไม่ได้ผูกกับราคาที่ Nvidia ตั้งอย่างเดียว — แต่ตรงนี้ยังเป็นเรื่องของอนาคต ไม่มีตัวเลขยืนยันตอนนี้.
ที่สำคัญกว่านั้นคือความเสถียรตอน traffic พุ่ง ยิ่ง OpenAI มีแผนเปิดฟีเจอร์ใหม่ที่กิน compute หนักๆ เช่น video generation หรือ agent ทำงานยาวๆ ยิ่งต้องมี backup compute ของตัวเอง ไม่งั้นพอ Nvidia ผลิตไม่ทัน บริการทั้งแพลตฟอร์มสะดุดได้ทันที.
Jalapeño เทียบกับชิป AI ตัวอื่นที่ Big Tech คิดเอง
พูดตรงๆ ในเกมนี้ OpenAI มาทีหลังเพื่อนเยอะ. Google เริ่มทำ TPU ใช้เองมานานแล้ว ตอนนี้ Gemini รันบน TPU เป็นหลัก พึ่ง Nvidia น้อยสุดในกลุ่ม. Amazon ก็มี Trainium กับ Inferentia ให้ลูกค้า AWS เลือกใช้แทน GPU มาสักพักแล้วเหมือนกัน. ส่วน Microsoft มี Maia แต่ยังผสมกับ Nvidia อยู่เยอะ — จุดที่ OpenAI (ผูกกับ Microsoft) กำลังยืนอยู่ตอนนี้พอดี.
| Factor | OpenAI Jalapeño | Google TPU | Amazon Trainium/Inferentia | Microsoft Maia |
|---|---|---|---|---|
| จุดเริ่มโครงการ | เพิ่งเริ่ม | เริ่มก่อนเพื่อน | เริ่มมาสักพัก | เริ่มทีหลัง TPU |
| สัดส่วนพึ่ง Nvidia ตอนนี้ | ยังพึ่งเยอะ | พึ่งน้อยสุด | ผสมผสาน | ยังพึ่งเยอะ |
สรุปคือ Jalapeño ยังเป็นน้องใหม่สุดในกลุ่มนี้ ต้องตามอีกไกลกว่าจะทันคนอื่น.
ข้อดีข้อเสียของการที่ OpenAI ทำชิปเอง
ทำชิปเองไม่ใช่แค่เท่ห์ๆ มันคือการคำนวณต้นทุนระยะยาวล้วนๆ — ตัด margin ที่ต้องจ่าย Nvidia ออกไป แล้วเอาเงินไปลงกับ compute ได้เยอะกว่าเดิม. แต่โลกความจริงคือ Nvidia สร้าง CUDA มาเป็นสิบปี ส่วน Jalapeño เพิ่งเริ่มนับหนึ่ง ช่องว่างนี้ปิดไม่ได้ในปีสองปี.
ข้อดี
- +ลดต้นทุนระยะยาว ไม่ต้องจ่าย margin ให้ Nvidia เต็มๆ
- +มีอำนาจต่อรองกับ Nvidia มากขึ้นเวลาเจรจาสัญญาซื้อ GPU
- +คุม roadmap ฮาร์ดแวร์เองได้ ออกแบบให้ตรงกับ workload ของตัวเอง
ข้อเสีย
- −ต้องใช้เวลาหลายปีกว่าชิปเองจะแทน Nvidia ได้จริงในสเกลใหญ่
- −เสี่ยงด้านสายการผลิตที่ผูกกับ Broadcom และ TSMC
- −ยังไม่มี software stack ที่โตพอเทียบ CUDA ที่นักพัฒนาคุ้นเคยกันทั้งวงการ
ราคาที่แท้จริงของการหนีออกจาก Nvidia
ป้ายราคาชิปคือส่วนเล็กสุดของบิล ต้นทุนจริงซ่อนอยู่ที่ทีม software ต้องเขียน driver/compiler ใหม่ทั้งสาย แทนที่จะใช้ CUDA ที่ทั้งวงการคุ้นมือ นี่คืองานหลายปี ไม่ใช่แค่ patch เล็กๆ
อีกจุดคือ yield การผลิต — ชิปใหม่จากโรงงานใหม่ มีความเสี่ยงเรื่องอัตราของเสียสูงกว่าไลน์ผลิตที่ Nvidia รันมาเป็นสิบปี ยิ่งชิปซับซ้อน (ระดับ 5nm ขึ้นไป) ยิ่งเจ็บเวลา yield ไม่นิ่ง
ที่สำคัญคือ OpenAI ไม่ได้ “เป็นอิสระ” จริงๆ แค่เปลี่ยนคอขวดจาก Nvidia มาเป็น Broadcom แทน — ทั้งเรื่อง design, packaging, และคิวการผลิตที่ TSMC ยังต้องพึ่งพาผู้เล่นน้อยรายเหมือนเดิม แค่เปลี่ยนคนที่ถือไพ่เหนือกว่า
จุดเปลี่ยนที่แท้จริงยังไม่ใช่วันนี้ แต่คือปีหน้า
Jalapeño ยังอยู่ในขั้น design จริงๆ ยังไม่มี mass production ให้จับต้อง สิ่งที่ต้องจับตาคือคิวการผลิตที่ TSMC จะเริ่มขยับเมื่อไหร่ และ yield รอบแรกจะออกมาหน้าตายังไง
ฝั่ง Nvidia เองก็ไม่ได้นิ่งนอนใจ — ทุก custom chip ที่ Big Tech ประกาศ คือสัญญาณว่าลูกค้ารายใหญ่กำลังกระจายความเสี่ยงออกจาก GPU เจ้าเดียว ถ้า OpenAI ทำสำเร็จ Google, Amazon, Meta ที่มี custom silicon อยู่แล้วจะยิ่งเร่งมือ และคำถามที่ตามมาคือ Nvidia จะตอบโต้ด้วยราคา หรือด้วย roadmap ใหม่ที่เร็วขึ้น
สิ่งที่ควรติดตามต่อ: ไทม์ไลน์ผลิตจริงของ Jalapeño, ท่าทีหุ้น Nvidia ช่วงประกาศความคืบหน้า, และว่า Big Tech เจ้าไหนจะประกาศ custom chip ตามมาเป็นรายต่อไป