ทำความเข้าใจ GPU ทำไมถึงเป็นหัวใจของ Data Center ยุค AI โครงสร้างพื้นฐานสำคัญต่ออนาคตดิจิทัลไทย

เมื่อ GPU กลายเป็นชิ้นส่วนสำคัญแห่งยุค AI ชิ้นส่วนอิเล็กทรอนิกส์ที่เป็นตัวขับเคลื่อนการทำงานของเทคโนโลยีใหม่ ๆ ที่ทำให้ NVIDIA กลายเป็นผู้ชนะ จิ๊กซอว์ชิ้นนี้สำคัญอย่างไรต่ออุตสาหกรรมเทคโนโลยีและเกี่ยวข้องอย่างไรกับโครงสร้างพื้นฐานเทคโนโลยีอย่าง Data Center

ทำความเข้าใจความแตกต่างระหว่าง CPU และ GPU 

เมื่อ CPU คือสิ่งที่ขาดไม่ได้แล้ว GPU อยู่ตรงไหน? ธุรกิจไทยจะได้อะไรจากสิ่งนี้

CPU และ GPU คือ ชิ้นส่วนอุปกรณ์หรือหน่วยฮาร์ดแวร์พื้นฐานที่ติดตั้งอยู่ในอุปกรณ์อิเล็กทรอนิกส์รูปแบบต่าง ๆ มีหน้าที่คำนวณและประมวลผลทำให้อุปกรณ์นั้น ๆ ทำงานต่อได้ มีความสำคัญต่อการวิเคราะห์ข้อมูลทั้งคู่ โดยทั้งสองอย่างมีส่วนประกอบสำคัญที่เหมือนกันในการทำงาน ได้แก่ หน่วยประมวลผล (Core), หน่วยความจำ (Memory) และหน่วยควบคุม (Control Unit) ทั้งสองเปรียบเสมือน ‘หัวใจ’ ของอุปกรณ์อิเล็กทรอนิกส์ ไม่ว่าจะเป็นคอมพิวเตอร์ สมาร์ทโฟน ทีวี ตลอดจนศูนย์ข้อมูลขนาดใหญ่

ความแตกต่างของ CPU และ GPU

• CPU (Central Processing Unit) หน่วยประมวลผลกลางที่ประมวลผลคำสั่งที่จำเป็นสำหรับซอฟต์แวร์บนเซิร์ฟเวอร์เพื่อให้ระบบปฏิบัติการทำงานได้อย่างถูกต้อง เหมาะสำหรับการประมวลผลแอปพลิเคชันทั่วไป เช่น การจัดการฐานข้อมูล การประมวลผลแบบอนุกรม การโฮสต์เว็บ การจัดการระบบปฏิบัติการ
• GPU (Graphics Processing Unit) หน่วยประมวลผลที่เฉพาะทางมากกว่า มีบทบาทสำคัญในการประมวลผลแบบคู่ขนาน (High-Parallel Computing) รองรับชุดคำสั่งที่ซับซ้อนได้อย่างมีประสิทธิภาพมากกว่า CPU ทั่วไป เหมาะสำหรับแอปพลิเคชันที่มีประมวลผลประสิทธิภาพสูง เช่น AI Training, 3D Rendering, Large-scale Data Analysis การประมวลผลประสิทธิภาพสูง (HPC) และ Visual Cloud Computing เป็นต้น

ในช่วงแรก GPU ถูกออกแบบมาใช้เสริม CPU โดยถ่ายโอนงานการเรนเดอร์กราฟิกที่ซับซ้อนมากขึ้นทำให้ CPU สามารถจัดการเวิร์กโหลดการประมวลผลอื่น ๆ ได้อย่างอิสระ GPU จึงถูกสร้างขึ้นเพื่อนำมาใช้ในการประมวลผลด้าน “งานภาพ” (Graphic-Intensive Application) ตามชื่อ เช่น กราฟิกในเกมและแอนิเมชันที่ต้องใช้แอปพลิเคชันในการประมวลผลข้อมูลเพื่อแสดงพิกเซลจำนวนหลายพันพิกเซล ซึ่งแต่ละพิกเซลจะมีสี ความเข้มของแสงและการเคลื่อนไหวเฉพาะของตัวเอง ซึ่ง CPU ทั่วไปในเวลานั้นไม่ได้ถูกออกแบบมารองรับฟังก์ชันนี้โดยตรง ทำให้เกิดปัญหาด้านประสิทธิภาพในการประมวลและแสดงผล

เมื่อได้รับมอบหมายงานหน่วยประมวลผลของ GPU จะแยกงานออกเป็นงานย่อยที่เล็กกว่า และใช้ความสามารถในการประมวลผลแบบคู่ขนาน เพื่อกระจายภาระงานไปยังคอร์หลายพันคอร์ ทำให้ทำงานเสร็จได้อย่างมีประสิทธิภาพมากขึ้น

CPU และ GPU ส่งเสริมซึ่งกันและกัน

กล่าวได้ว่า ความแตกต่างระหว่าง CPU และ GPU คือ “ฟังก์ชัน” (หน้าที่) เซิร์ฟเวอร์หลักจะไม่สามารถทำงานได้หากไม่มี CPU ขณะที่ GPU เข้ามาช่วยเสริมการทำงานของ CPU ในการประมวลผลย่อย ๆ ให้สำเร็จไปพร้อมกันได้ในเวลาเดียวกัน หากเปรียบเทียบให้ง่ายขึ้น ลองนึกภาพตามว่า คอมพิวเตอร์ คือ ห้องครัว โดยที่ CPU และ GPU คือพ่อครัวที่ทำงานอยู่ในห้องครัว แต่ต่างกันที่ความเชี่ยวชาญ

CPU เปรียบเสมือนเชฟมืออาชีพ ที่รู้หลายอย่างสามารถหั่นผัก ทำซุป และอบเค้กได้ แต่โดยปกติจะมีหน้าที่รับผิดชอบงานหลักงานเดียว ไม่เน้นทำหลายงานพร้อมกัน เพราะหน้าที่อาจไม่เอื้อเก่งในการจัดการงานหลายประเภท

GPU จะเปรียบเสมือนทีมพ่อครัวมืออาชีพ ที่รวดเร็วกว่า ทุกคนผ่านการทำงานประเภทเดียวกันซ้ำแล้วซ้ำเล่า เช่น ทำพิซซ่าหลายร้อยถาดพร้อมกัน ซึ่งครัวใหญ่ ๆ ในปัจจุบันต้องมีทั้งหัวหน้าเชฟที่คอยสั่งการและทีมเชฟผู้ช่วยที่มีมือรวมแล้วกว่าสิบมือสามารถพลิกเบอร์เกอร์ 100 ชิ้นในเวลา 10 วินาทีได้ เปรียบเสมือน CPU จะตัดสินใจว่าต้องทำอะไรและ GPU จะทำให้ภารกิจซ้ำ ๆ กันเสร็จอย่างรวดเร็ว

ในยุค AI “GPU Data Center” สำคัญอย่างไร

ปัจจุบัน GPU มีขอบเขตความสามารถที่หลากหลาย โดยเฉพาะการจัดการงานต่าง ๆ ใน ‘ศูนย์ข้อมูล’ เช่น การทำ Machine Learning - Neural Networks ไปจนถึง Deep learning อย่างการพัฒนา Predictive Model หรือเทรนโมเดล Generative AI

ความสามารถของ GPU นำมาใช้เร่งความเร็วให้กับผลลัพธ์และนวัตกรรม เพราะสามารถจัดการเวิร์กโหลดและชุดข้อมูลขนาดใหญ่ที่ต้องคำนวณพร้อมกัน ๆ ทำให้ GPU ถูกนำมาติดตั้งเสริมเพื่อจัดการงานที่ซับซ้อนอย่างในเซิร์ฟเวอร์และศูนย์ข้อมูล ซึ่งเป็นโครงสร้างพื้นฐานทางดิจิทัลที่คอยจัดเก็บและประมวลผลข้อมูลขนาดใหญ่ของธุรกิจ หรือสภาพแวดล้อมที่มีความต้องการในการคำนวณที่เพิ่มขึ้นตลอดเวลาให้ทำงานได้อย่างรวดเร็วมากขึ้น แม่นยำมากขึ้น

ปัจจุบันผู้ให้บริการเซิร์ฟเวอร์มักจะติดตั้ง GPU เป็นโคโปรเซสเซอร์มาให้ล่วงหน้าพร้อมกับแหล่งจ่ายไฟที่เหมาะสมหรือเป็นตัวเลือกเพิ่มเติมที่ต้องจ่ายเพิ่มเพื่ออัปเกรดความสามารถ โดยที่ CPU คือพื้นฐานที่ต้องมี เพราะไม่ว่าจะเป็นเซิร์ฟเวอร์หรืออินสแตนซ์เซิร์ฟเวอร์ทุกตัวในระบบคลาวด์ล้วนต้องการ CPU จึงจะทำงานได้

ศูนย์ข้อมูลสมัยใหม่จะใช้ CPU ควบคู่ไปกับ GPU เพื่อตอบสนองความต้องการด้านการคำนวณข้อมูลที่เพิ่มขึ้น โดยเฉพาะอย่างยิ่งทุกวันนี้ในยุคดิจิทัล GPU ได้กลายเป็นจิ๊กซอว์ชิ้นสำคัญของ Digital Infrastructure ทั้งในสภาพแวดล้อมศูนย์ข้อมูลและแพลตฟอร์มคลาวด์

GPU ได้กลายเป็นอุปกรณ์ที่จำเป็นอย่างยิ่งสำหรับขับเคลื่อนเทคโนโลยีที่ทรงพลังมากมายในปัจจุบัน เช่น การสร้างแบบจำลองโมเดล AI, แอปพลิเคชัน AI, การรักษาความปลอดภัยทางไซเบอร์และการเข้ารหัส, การเรนเดอร์ 3D ขั้นสูงสำหรับการเล่นเกม รวมถึงการผลิตสื่อ AR/VR 

อย่างไรก็ตามส่วนใหญ่การติดตั้งระบบเซิร์ฟเวอร์หรือศูนย์ข้อมูลสมัยใหม่จะขึ้นอยู่กับงบประมาณขององค์กรและวัตถุประสงค์ของงานว่าจำเป็นต้องมีความสามารถประมวลผลมากขนาดไหน ปัจจุบันองค์กรต่าง ๆ ที่ใช้ GPU มักจะมีวัตถุประสงค์เพื่อเพิ่มประสิทธิภาพการทำงาน โดยเฉพาะอย่างยิ่งด้านการประมวลผลข้อมูลและอัลกอริธึมที่รองรับงานด้าน AI และ Machine Learning อย่างมีนัยสำคัญ 

บทความที่เกี่ยวข้อง

• 2024 เปิดชื่อบริษัทเทคฯ ใครมาลงทุน Data Center & Cloud Service ในไทยแล้วบ้าง
• ทำไม “ไทย” กลายเป็นที่มั่น Data Center บิ๊กเทคแห่ลงทุนแล้วเกือบ “แสนล้านบาท”
• เจาะทุกประเด็นเบื้องหลัง “เจนเซ่น หวง” NVIDIA เยือนไทย ทำไมอยากช่วยไทยสร้าง AI ของตนเอง

อ้างอิงข้อมูลจาก AWS , TRGDATACENTERS  

ติดตามเพจ Facebook : Thairath Money ได้ที่ลิงก์นี้ -   

https://www.facebook.com/ThairathMoney