Data Center ครูคนสำคัญ ของนักเรียน AI
ถ้านักเรียนต้องมีครูหรือคนสอน เพื่อให้เก่งขึ้น
AI ก็ไม่ต่างอะไรจากนักเรียนเหมือนกัน ที่จะต้องมีคนสอน เพื่อให้เก่งขึ้น
ต่างกันตรงที่คนสอน AI กลับไม่ได้เป็นมนุษย์
แต่เป็นตู้เหล็กที่มีไฟฟ้าคอยหล่อเลี้ยง ที่เราเรียกกันว่า Data Center
ซึ่งครูคนนี้ สามารถสอนนักเรียน AI ด้วยข้อมูลเป็นล้านล้าน แถมนักเรียน AI ยังสามารถรับและประมวลผลข้อมูลเหล่านี้ได้เป็นล้านล้านเช่นกัน ในเวลาอันรวดเร็ว
แล้ว Data Center มีบทบาทต่อการเป็นครูคนสำคัญ
ของนักเรียน AI ได้อย่างไร ?
ลงทุนแมนจะเล่าให้ฟัง
ถ้าพูดให้เข้าใจง่าย ๆ หากเปรียบ Data Center เป็นคน
คนคนนี้ จะทำหน้าที่มาอย่างน้อย 3 อย่างแล้ว
(ยุคแรก) เป็นคนดูแล จัดการและประมวลผลข้อมูล ให้องค์กรตัวเอง
(ยุคสอง) เป็นคนดูแล จัดการและประมวลผลข้อมูล ให้องค์กรภายนอก
(ยุคปัจจุบัน) เป็นครู ที่คอยสอนนักเรียนที่ชื่อว่า AI
เริ่มกันที่ยุคแรก
“เป็นคนดูแล จัดการและประมวลผลข้อมูล ให้องค์กรตัวเอง”
ยุคแรก Data Center ไม่ได้ถูกเรียกด้วยชื่อนี้ แต่ถูกเรียกว่า เมนเฟรมคอมพิวเตอร์
ซึ่งหมายถึง คอมพิวเตอร์ที่เชื่อมต่อกันหลายเครื่อง เพื่อใช้ในการประมวลผลและเก็บข้อมูลจำนวนมาก
แต่ในช่วงแรก ไม่ได้ถูกใช้กันแพร่หลาย เพราะมันยังมีราคาแพงมาก ซึ่งถ้าคิดเป็นมูลค่าปัจจุบัน ก็จะสูงถึงหลัก 1,000 ล้านบาทเลยทีเดียว
ทำให้มีองค์กรไม่กี่แห่งที่จำเป็นต้องใช้ เช่น กองทัพสหรัฐฯ หรือองค์การ NASA ที่ต้องใช้ข้อมูลในการทำงานและพลังงานในการประมวลผลอย่างมหาศาล
จนในช่วงปี 1980 สำนักงานหลายแห่ง หันมาใช้งานคอมพิวเตอร์ จึงต้องมี Data Center เพื่อคอยควบคุมระบบความปลอดภัย และจัดการข้อมูลภายในองค์กรของตัวเอง
และหลังจากปี 1990 เป็นต้นมา มีธุรกิจที่เกี่ยวกับอินเทอร์เน็ตเกิดขึ้นมากมาย ไม่ว่าจะเป็น Google, Amazon, Yahoo, Facebook, YouTube
ทำให้ Data Center ถูกใช้กันในวงกว้างมากขึ้น เพราะผู้ให้บริการธุรกิจเหล่านี้ ต้องมีระบบเพื่อรองรับการใช้งานของข้อมูลจำนวนมาก
พูดให้เห็นภาพ เช่น ถ้าเราเซิร์ช Google 1 ครั้ง
คำสั่งจะถูกส่งไปยัง Data Center จากนั้นมันก็จะประมวลผล และส่งข้อมูลกลับมาให้เราอีกครั้ง
แต่ทุกวินาที ไม่ได้มีแค่เราที่ใช้ Google แค่คนเดียว ทำให้ยิ่งมีคนใช้งานมากขึ้น Data Center ของ Google ก็จำเป็นต้องใหญ่ขึ้นตามไปด้วย
ซึ่งเรื่องนี้ ไม่ได้เกิดขึ้นกับ Google เท่านั้น แต่ยังรวมถึงบริษัทอื่น ๆ ด้วย ทำให้บริษัทยักษ์ใหญ่หลายราย เริ่มสร้าง Data Center ของตัวเอง
ไล่ตั้งแต่
- Microsoft มี Data Center แห่งแรก ในปี 1989
- Google มี Data Center แห่งแรก ในปี 1999
- Amazon มี AWS Data Center แห่งแรก ในปี 2006
- Facebook มี Data Center แห่งแรก ในปี 2010
และที่สำคัญ ข้อมูลพวกนี้ยังทำให้บริษัทเข้าใจพฤติกรรมของลูกค้ามากขึ้น เสนอสินค้าและบริการ ได้ตอบโจทย์เรามากขึ้น ซึ่งก็จะเพิ่มโอกาสในการทำเงินตามมา
เพราะอย่างนั้นข้อมูลที่บริษัทเทคโนโลยีได้ไปในยุคนี้ จึงไม่ต่างอะไรกับทองคำเลย
ต่อมาคือ ยุคที่สอง
“เป็นคนดูแล จัดการและประมวลผลข้อมูล ให้องค์กรภายนอก”
ด้วยความต้องการพื้นที่จัดเก็บข้อมูลและการประมวลผลมีมากขึ้น การสร้าง Data Center ขนาดใหญ่ขึ้นมา จึงต้องใช้เงินลงทุนหลักแสนล้านบาท ทำให้ธุรกิจที่มีเงินทุนน้อย ไม่สามารถมี Data Center เป็นของตัวเองได้
ปัญหาตรงนี้เอง ทำให้เกิดโมเดลธุรกิจอย่างหนึ่งขึ้นมา นั่นคือ การให้เช่าพื้นที่ Data Center ของบริษัทยักษ์ใหญ่ ที่มีทรัพยากรเหลือเฟือ
เช่น Amazon Web Services (AWS), Google Cloud, Microsoft Azure ซึ่งธุรกิจนี้ก็สามารถสร้างรายได้ให้กับบริษัทเหล่านั้นได้อย่างมหาศาล
โดยปีที่ผ่านมา Amazon มีรายได้จาก AWS กว่า 3.4 ล้านล้านบาท
ส่วน Microsoft กวาดรายได้จาก Azure ไปมากถึง 2.9 ล้านล้านบาท
ถึงตรงนี้ จะเห็นได้ว่า Data Center เปลี่ยนจากระบบการจัดการข้อมูลภายในธุรกิจของตัวเอง มาเป็นระบบให้บริการจัดการข้อมูลแก่ธุรกิจอื่น ๆ โดยมีการเรียกเก็บเงินรายเดือนหรือรายปีแทน
แต่ Data Center ก็ยังไม่หยุดบทบาทของตัวเองเพียงแค่นั้น เพราะปัจจุบัน มันกำลังเข้าสู่ยุคใหม่
นั่นคือ การสอนนักเรียนที่ชื่อว่า AI..
ปัจจุบันเรามี AI ในการช่วยทำงานจำนวนมาก เช่น
- Copilot ของ Microsoft
- Claude ของ Anthropic สตาร์ตอัปสหรัฐฯ ที่มี Amazon และ Alphabet (เจ้าของ Google, YouTube) เป็นผู้ถือหุ้นใหญ่
- ChatGPT ของ OpenAI (ซึ่งมี Microsoft เป็นผู้ถือหุ้นใหญ่)
- Gemini ของ Alphabet
ให้เลือกใช้งานกัน
ซึ่งก็เป็นการต่อยอดการใช้ Data Center ที่มีข้อมูลมหาศาลไว้สอน AI อยู่แล้ว
โดยในยุคนี้การสอน AI จะใช้พลังการประมวลผลข้อมูลจากชิป GPU ที่มีประสิทธิภาพการคำนวณสูง เพื่อตอบโจทย์โมเดลการทำงานที่ซับซ้อนขึ้นของ AI
ทำให้ยิ่ง AI เก่งขึ้น จากการเรียนรู้ข้อมูลที่มากขึ้น เร็วขึ้น และมีประสิทธิภาพมากขึ้นได้
แล้วปัจจุบัน ข้อมูลที่ AI ถูกสอนจาก Data Center
มีมากแค่ไหน ?
ChatGPT มีการเรียนรู้ข้อความมากถึง 570 กิกะไบต์ หรือคิดเป็น 612,032 ล้านตัวอักษร จากการ์ดจอประมวลผลสูงอย่าง NVIDIA A100 กว่า 10,000 ตัว
ถ้าพูดให้เห็นภาพ ก็เทียบได้กับหนังสือนิยายเรื่อง Harry Potter ทุกภาครวมกัน (8 ภาค) กว่า 564,000 ชุดเลยทีเดียว..
ซึ่งคนทั่วไปอย่างเรา ๆ ทั้งชั่วชีวิต คงไม่สามารถอ่านหนังสือได้มากขนาดนี้ แต่นี่ไม่ใช่ข้อจำกัดของ AI
ซึ่งสามารถทำได้เหนือกว่ามนุษย์อย่างมาก แถมใช้เวลาไม่นาน ในการเรียนรู้ข้อมูลทั้งหมดนี้
หรือแม้แต่ Claude ก็ถูกสอนด้วยข้อมูลมากกว่า 137,000 ล้านตัวอักษร
แต่เหรียญมี 2 ด้านเสมอ เพราะแม้ AI จะเก่ง เพราะมี Data Center ช่วยผลักดัน จนฉลาดและเป็นผู้ช่วยทำงานของใครหลาย ๆ คน แต่ AI กลับกินไฟฟ้าอย่างมหาศาล
เช่น ChatGPT ที่มีการคาดการณ์ว่า ใช้ไฟฟ้ามากถึง 1.2 กิกะวัตต์ต่อชั่วโมง หรือ 10,512 กิกะวัตต์ต่อปี
เทียบเท่ากับการใช้ไฟฟ้าของคนอเมริกัน 120 หลังคาเรือน เป็นระยะเวลาถึง 1 ปี
ซึ่งเหตุผลหลัก ก็มาจาก Data Center ที่เพิ่มจาก 1,000 แห่ง เป็น 8,000 แห่งในเวลาเพียง 7 ปี
อีกทั้ง AI ต้องใช้พลังการประมวลผลที่สูงขึ้นจาก Data Center
ทำให้มีการใช้ไฟฟ้าเพิ่มมากขึ้นอย่างมาก
และมหาวิทยาลัยเพนซิลเวเนีย ของสหรัฐฯ คาดการณ์ว่า จากเดิมที่ใช้ไฟฟ้าเพียง 1% - 2% ของไฟฟ้าทั้งหมดทั่วโลก
แต่ในอนาคต คอมพิวเตอร์อาจใช้ไฟฟ้ามากถึง 8% - 21% ของไฟฟ้าทั่วโลกเลยทีเดียว
เรื่องนี้ ก็คงต้องติดตามกันต่อไปว่า อนาคตจะเป็นอย่างไร
มนุษย์ จะสามารถสร้างแหล่งพลังงาน ให้มีมากขึ้น เพื่อรองรับการใช้งาน AI ที่เพิ่มขึ้น
หรือจะเกิดมหากาพย์ การแย่งชิงพลังงานกัน ระหว่างมนุษย์และ AI เหมือนอย่างที่มนุษย์ทำสงครามแย่งชิงทรัพยากรกันเองในอดีต..
แต่ที่แน่ ๆ ตอนนี้ Data Center กำลังเป็นครูที่เก่งขึ้นเรื่อย ๆ จากข้อมูลและพลังการประมวลผลที่เพิ่มขึ้น
และนั่นก็ทำให้ AI ปัจจุบัน ฉลาดมากขึ้นไปทุกวัน
จนเราเองยังต้องตกใจในความสามารถที่ก้าวกระโดดขึ้นมา
และจะยิ่งจินตนาการไม่ออก ถึงความสามารถที่มันจะทำได้อีกนับไม่ถ้วน เมื่อเวลาผ่านไป..
แต่สุดท้าย สิ่งที่เราต้องไม่ลืม นั่นคือ
ตอนนี้ มนุษย์ยังเป็นเหมือนครูใหญ่ของโรงเรียน AI ที่ให้ครูที่ชื่อว่า Data Center ไปสอนนักเรียน AI อีกทอดหนึ่ง
ซึ่งหมายความว่า เราเองก็ยังมีอำนาจกำหนดทิศทางในการพัฒนาและตั้งเป้าหมายให้ AI ตราบเท่าที่เรา ยังรู้ตัวว่าจะใช้มันอย่างไร ให้เกิดประโยชน์สูงสุดต่อมนุษยชาติ
ไม่อย่างนั้น สักวันหนึ่ง
ถ้าเราไม่ระวังตัวดี ๆ นักเรียน AI ในวันนี้ ก็อาจขึ้นมาเป็นครูใหญ่แทนเรา ในวันข้างหน้าก็ได้..
--------------------
เราสามารถเกาะขบวนไปกับ AI ด้วยการลงทุนในกองทุนรวมด้าน AI
โดยตอนนี้มีกองทุน AI ใหม่ชื่อ MEGA10AI ที่เปิดจอง วันที่ 8-14 พ.ค. นี้
กองทุนเปิด MEGA10AI ร่วมเป็นเจ้าของ 10 บริษัทใหญ่ ด้าน AI
- กองทุนเปิด MEGA 10 ARTIFICIAL INTELLIGENCE ชนิดสะสมมูลค่า (MEGA10AI-A) และชนิดเพื่อการออม (MEGA10AI-SSF) และยังมีกองทุนเปิด MEGA 10 ARTIFICIAL INTELLIGENCE เพื่อการเลี้ยงชีพ (MEGA10AIRMF) โดยจะเข้าไปลงทุนในบริษัท ที่จดทะเบียนอยู่ในตลาดหุ้นสหรัฐอเมริกา
โดยคัดเลือกมาจากบริษัทที่มีมูลค่าหลักทรัพย์ตามราคาตลาด (Market Capitalization) สูง และมีสภาพคล่องสูง รวมทั้งเป็นบริษัทที่เกี่ยวข้องกับเทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence) ทั้งด้านที่เป็นผู้ผลิต ผู้พัฒนาสินค้าหรือบริการ และ/หรือที่เกี่ยวข้องกับการใช้ปัญญาประดิษฐ์ ในการดำเนินธุรกิจอย่างมีนัยสำคัญ ซึ่งมีการลงทุนในการวิจัยและพัฒนา จำนวน 10 บริษัท เช่น Microsoft, Nvidia, Alphabet, Meta, TSMC*
โดยจะเสนอขาย IPO ตั้งแต่วันที่ 8-14 พ.ค. 2567 และซื้อขายได้ ตั้งแต่วันที่ 16 พ.ค. 2567 เป็นต้นไป
พิเศษ ! ตั้งแต่ช่วง IPO จนถึง 7 มิ.ย. 2567 ค่าธรรมเนียมการขาย สำหรับรายการที่ซื้อ MEGA10AI-A ตั้งแต่ 1 ล้านบาท
- ยอดซื้อตั้งแต่ 1 ล้านบาทขึ้นไปต่อรายการ ค่าธรรมเนียมการขาย 0.5% ของมูลค่าซื้อขาย
- ยอดซื้อตั้งแต่ 10 ล้านบาทขึ้นไปต่อรายการ ค่าธรรมเนียมการขาย 0.1% ของมูลค่าซื้อขาย
โดยค่าธรรมเนียมที่เรียกเก็บจากผู้สั่งซื้อได้รวมภาษีมูลค่าเพิ่ม ภาษีธุรกิจเฉพาะ หรือภาษีอื่นใดแล้ว ศึกษารายละเอียดค่าธรรมเนียมเพิ่มเติมได้ที่ www.talisam.co.th
*บริษัทดังกล่าวสามารถปรับเปลี่ยนได้ ตามเกณฑ์การลงทุนและสภาวะการลงทุน ณ ขณะนั้น
MEGA10AI-A เหมาะสำหรับผู้ลงทุนที่ต้องการผลตอบแทนผ่านการเพิ่มมูลค่าของหน่วยลงทุนเป็นหลัก (Total Return)
MEGA10AI-SSF เหมาะสำหรับผู้ลงทุนที่ต้องการออมเงินระยะยาว
MEGA10AIRMF เหมาะสำหรับผู้ลงทุนที่ต้องการออมเงินเพื่อวัยเกษียณ
สำหรับผู้ที่สนใจ สามารถศึกษารายละเอียดและเริ่มต้นลงทุนได้ที่ บลจ.ทาลิส โทร. 02-0150215, 02-0150216, 02-0150222 หรือ www.talisam.co.th และผู้สนับสนุนการขายหลายราย
ผู้สนับสนุนการขาย ได้แก่
1. บริษัทหลักทรัพย์ ทรีนีตี้ จำกัด
2. บริษัทหลักทรัพย์ ฟิลลิป จำกัด (มหาชน)
3. บริษัทหลักทรัพย์ กรุงศรี จำกัด (มหาชน)
4. บริษัทหลักทรัพย์ ฟินันเซีย ไซรัส จำกัด (มหาชน)
5. บริษัทหลักทรัพย์ เว็ลธ์ เมจิก จำกัด
6. หลักทรัพย์ บัวหลวง จำกัด (มหาชน)
7. บริษัทหลักทรัพย์ กสิกรไทย จำกัด (มหาชน)
8. บริษัทหลักทรัพย์จัดการกองทุนเมอร์ชั่น พาร์ทเนอร์ จำกัด
9. บริษัท หลักทรัพย์ ดาโอ (ประเทศไทย) จำกัด (มหาชน)
10. บริษัทหลักทรัพย์ ดีบีเอส วิคเคอร์ส (ประเทศไทย) จำกัด
11. บริษัทหลักทรัพย์ เกียรตินาคินภัทร จำกัด (มหาชน)
12. บริษัทหลักทรัพย์นายหน้าซื้อขายหน่วยลงทุน ฟินโนมีนา จำกัด
13. บริษัทหลักทรัพย์นายหน้าซื้อขายหน่วยลงทุน โรโบเวลธ์ จำกัด
14. บริษัท หลักทรัพย์ อินโนเวสท์ เอกซ์ จำกัด
15. บริษัทหลักทรัพย์พาย จำกัด (มหาชน)
16. บริษัทหลักทรัพย์นายหน้าซื้อขายหน่วยลงทุน แอสเซนด์ เวลธ์ จำกัด
17. บริษัทหลักทรัพย์ที่ปรึกษาการลงทุน เทรเชอริสต์ จำกัด
18. บริษัทหลักทรัพย์หยวนต้า (ประเทศไทย) จำกัด
19. บริษัทหลักทรัพย์ ธนชาต จำกัด (มหาชน)
20. บริษัทหลักทรัพย์ สยามเวลธ์ จำกัด
21. บริษัทหลักทรัพย์ ซีจีเอส-ซีไอเอ็มบี (ประเทศไทย) จำกัด
22. บริษัทหลักทรัพย์ ไพน์ เวลท์ โซลูชั่น จำกัด
23. บริษัทหลักทรัพย์ เอเอสแอล จำกัด
24. บริษัท หลักทรัพย์ เคเคพี ไดม์ จำกัด
25. บริษัทหลักทรัพย์ ยูโอบี เคย์เฮียน (ประเทศไทย) จำกัด (มหาชน)
26. ธนาคารกสิกรไทย จำกัด (มหาชน) สายงานธุรกิจไพรเวทแบงค์ เฉพาะกองทุน MEGA10AI-A
27. บริษัทหลักทรัพย์ ลิเบอเรเตอร์ จำกัด
ทั้งนี้ รายชื่อผู้สนับสนุนการขายหน่วยลงทุน อาจมีการปรับเปลี่ยนได้
คำเตือน: กองทุนรวมนี้มีลักษณะเฉพาะและความเสี่ยงเฉพาะ และการลงทุนในกองทุนรวมตราสารแห่งทุนอาจมีความเสี่ยงจากความผันผวนของราคาหลักทรัพย์ ผู้ลงทุนควรทำความเข้าใจลักษณะ เงื่อนไขผลตอบแทน และความเสี่ยงของกองทุนรวม ก่อนตัดสินใจลงทุน และควรศึกษาข้อมูลเกี่ยวกับสิทธิประโยชน์ทางภาษีที่ระบุไว้ในคู่มือการลงทุนของกองทุน SSF และ RMF กรณีไม่ได้ปฏิบัติตามเงื่อนไขทางภาษี จะไม่ได้สิทธิประโยชน์ตามเงื่อนไขของกองทุน
กองทุนนี้มีการลงทุนในต่างประเทศ มีความเสี่ยงจากอัตราแลกเปลี่ยน และมีการลงทุนกระจุกตัวของหลักทรัพย์ และหมวดอุตสาหกรรมและประเทศที่ลงทุน จึงมีความเสี่ยงที่ผู้ลงทุนอาจสูญเสียเงินลงทุนจำนวนมาก
ผลการดำเนินงานในอดีต/ผลการเปรียบเทียบผลการดำเนินงานที่เกี่ยวข้องกับผลิตภัณฑ์ในตลาดทุน มิได้เป็นสิ่งยืนยันถึงผลการดำเนินงานในอนาคต
- 84
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2024 Blockdit
