ในบริบทของโลกที่มีการแข่งขันทางเทคโนโลยีระหว่างสหรัฐอเมริกาและจีนเพิ่มมากขึ้น Ant Group ซึ่งถูกควบคุมโดย Alibaba กำลังดำเนินการอย่างมีนัยสำคัญเพื่อลดการพึ่งพาชิปอเมริกันและควบคุมค่าใช้จ่ายในการพัฒนารูปแบบปัญญาประดิษฐ์ (AI)
ตามแหล่งข่าวใกล้ชิดกับบริษัท Ant กำลังพึ่งพา เซมิคอนดักเตอร์จีน เพื่อฝึกอบรมโมเดลภาษาที่พัฒนาของตน โดยใช้แนวทางที่สัญญาว่าจะปฏิวัติวิธีการผลิต IA ในประเทศเอเชีย
Summary
การเปลี่ยนแปลงเชิงกลยุทธ์ในการฝึกอบรมโมเดล AI สำหรับ Ant Group
ในช่วงไม่กี่เดือนที่ผ่านมา Ant Group ได้ใช้ชิปที่จัดหาโดยบริษัทท้องถิ่น ซึ่งรวมถึงหน่วยงานที่เกี่ยวข้องกับ Alibaba และ Huawei Technologies เพื่อฝึกอบรมโมเดล AI ของพวกเขาผ่านเทคนิค Mixture of Experts (MoE).
แนวทางนี้ ซึ่งแพร่หลายมากขึ้นในหมู่นักวิจัย ช่วยให้สามารถแบ่งกิจกรรมได้อย่างมีประสิทธิภาพระหว่าง “ผู้เชี่ยวชาญ” ต่างๆ ภายในโมเดล ซึ่งช่วยปรับปรุงประสิทธิภาพในการคำนวณ
แหล่งข่าวยืนยันว่าผลลัพธ์ของโมเดลเหล่านี้ไม่เพียงแต่เปรียบเทียบได้กับผลลัพธ์ที่ได้จากชิป Nvidia H800 เท่านั้น อย่างไรก็ตาม ในการทดสอบบางอย่างพวกเขาอาจจะมีประสิทธิภาพเหนือกว่าโมเดลที่พัฒนาโดย Meta อีกด้วย
แม้ว่า Bloomberg News จะไม่ได้ตรวจสอบประสิทธิภาพเหล่านี้อย่างอิสระ แต่ข้อมูลบ่งชี้ถึงความก้าวหน้าที่สำคัญในความพยายามของจีนในการลดต้นทุนการดำเนินงานและลดการพึ่งพาทางเทคโนโลยี
เทคนิค MoE ได้รับแรงบันดาลใจจากหลักการของการมอบหมายงานเฉพาะทาง: แต่ละโมดูลย่อยของโมเดลมีความรับผิดชอบต่อส่วนเฉพาะของการประมวลผล ทำให้สามารถขยายขนาดและเพิ่มประสิทธิภาพได้มากขึ้นเมื่อเทียบกับวิธีการแบบดั้งเดิม
นอกจาก Ant Group แล้ว Google และสตาร์ทอัพจีนจากหางโจว DeepSeek ก็กำลังใช้วิธีการนี้เช่นกัน
Ant ได้เน้นย้ำถึงความมุ่งมั่นของตนในการเผยแพร่ทางวิทยาศาสตร์โดยการตีพิมพ์เอกสารที่เน้นย้ำถึงเป้าหมายในการ ขยายโมเดลโดยไม่ใช้ GPU ระดับสูง.
แนวทางนี้กลายเป็นสิ่งสำคัญสำหรับบริษัทที่, เนื่องจากต้นทุนที่สูง, ไม่สามารถที่จะใช้ hardware ad alte prestazioni ได้อย่างต่อเนื่อง.
จีน vs สหรัฐอเมริกา: ชิปท้องถิ่นปะทะ GPU อเมริกัน
ความริเริ่มของ Ant เกิดขึ้นในบริบททางภูมิรัฐศาสตร์ที่บริษัทเทคโนโลยีของจีนพยายามที่จะหลีกเลี่ยง ข้อจำกัดของสหรัฐอเมริกาในการส่งออกชิปขั้นสูง เช่น Nvidia H800
แม้ว่าจะไม่ใช่ชิปที่พัฒนามากที่สุดในตลาด แต่ H800 ยังคงเป็นหนึ่งใน GPU ที่ทรงพลังที่สุดที่มีอยู่ในจีน
แม้ว่า Ant Group จะยังคงรักษาส่วนหนึ่งของการผลิต AI ของตนที่ใช้ชิปของ Nvidia แต่บริษัทก็กำลังค่อยๆ มุ่งไปสู่ทางเลือกที่มีราคาถูกกว่าและเข้าถึงได้ง่ายกว่า เช่น ที่เสนอโดย AMD และผู้ผลิตชาวจีน
การเลือกกลยุทธ์นี้แสดงถึงการเบี่ยงเบนจากวิสัยทัศน์ของ CEO ของ Nvidia, Jensen Huang, ซึ่งเชื่อว่าบริษัทต่างๆ จะยังคงต้องการพลังการคำนวณที่มากขึ้นเรื่อยๆ.
ตามที่ Huang กล่าว การลงทุนของลูกค้าจะไม่ลดลง แม้จะมีการเกิดขึ้นของโมเดลที่มีประสิทธิภาพมากขึ้นเช่น DeepSeek R1 แสดงให้เห็นถึงความแตกต่างอย่างชัดเจนกับปรัชญาที่ Ant นำมาใช้
หนึ่งในจุดเด่นของการวิเคราะห์ของ Ant เกี่ยวข้องกับการลดต้นทุนอย่างมีนัยสำคัญในการฝึกอบรมโมเดล IA.
ตามเอกสารที่เผยแพร่ การฝึกโมเดลบนหนึ่งล้านล้านโทเค็น ซึ่งเป็นหน่วยพื้นฐานที่ใช้สำหรับการเรียนรู้ โดยปกติแล้วมีค่าใช้จ่ายประมาณ 6,35 ล้านหยวน (ประมาณ 880.000 ดอลลาร์).
โดยใช้ชิปที่มีประสิทธิภาพน้อยกว่า แต่ได้รับการปรับให้เหมาะสมสำหรับวิธี MoE ต้นทุนลดลงเหลือ 5.1 ล้านหยวน.
การประหยัดที่ไม่ใช่เรื่องเล็กน้อย ซึ่งอาจปฏิวัติการเข้าถึง ปัญญาประดิษฐ์ โดยเฉพาะอย่างยิ่งสำหรับสตาร์ทอัพและภาคอุตสาหกรรมที่เกิดขึ้นใหม่
โมเดลที่พัฒนาขึ้น, Ling-Lite และ Ling-Plus, ได้รับการออกแบบมาเพื่อการใช้งานในบริบทเช่น การดูแลสุขภาพ และ การเงิน, สองด้านที่พลังของ AI สามารถนำเสนอวิธีแก้ปัญหาที่เป็นรูปธรรมและทันทีได้
ในด้านสุขภาพ Ant เพิ่งเข้าซื้อ Haodf.com ซึ่งเป็นหนึ่งในแพลตฟอร์มการแพทย์ออนไลน์หลักในประเทศจีน ยืนยันความสนใจของตนในการขยายข้อเสนอของโซลูชันที่ใช้ปัญญาประดิษฐ์
ในบรรดาบริการที่มีอยู่ของบริษัท ยังมี Zhixiaobao ผู้ช่วยเสมือน และแพลตฟอร์มให้คำปรึกษาทางการเงิน Maxiaocai รวมอยู่ด้วย
การเปิดและอนาคตของปัญญาประดิษฐ์จีน
อีกหนึ่งจุดเด่นของกลยุทธ์ของ Ant คือ การเลือกที่จะทำให้โมเดลของตนเป็น open source: Ling-Lite มี16.8 พันล้านพารามิเตอร์ ในขณะที่ Ling-Plus มี290 พันล้านพารามิเตอร์.
เพื่อทำการเปรียบเทียบ, มีการประมาณว่า GPT-4.5, โมเดลขั้นสูงที่พัฒนาโดย OpenAI, มีประมาณ 1.8 ล้านล้านพารามิเตอร์. แม้ว่าจะปิดและไม่สามารถเข้าถึงได้สำหรับสาธารณะ. การวิจัยที่ดำเนินการโดย Ant ไม่ได้ปราศจากความท้าทาย.
การศึกษาเดียวกันนี้ระบุว่า ระหว่างการฝึกอบรม การเปลี่ยนแปลงเล็กน้อย ในโครงสร้างของโมเดลหรือประเภทของฮาร์ดแวร์สามารถสร้าง ความไม่เสถียรในประสิทธิภาพ เช่น การเพิ่มขึ้นของอัตราความผิดพลาด
ความยากลำบากเชิงโครงสร้างที่แสดงให้เห็นว่า แม้จะมีความก้าวหน้า แต่ modelli più avanzati ก็ยังคงต้องการความใส่ใจอย่างต่อเนื่อง
ตามที่ Robin Yu ซึ่งเป็น CTO ของบริษัทเทคโนโลยีในปักกิ่ง Shengshang Tech ได้สังเกตเห็น ผลลัพธ์ที่เป็นรูปธรรมที่ได้รับในโลกแห่งความเป็นจริงคือสิ่งที่มีความสำคัญจริงๆ:
“หากคุณพบจุดอ่อนเพื่อเอาชนะปรมาจารย์กังฟูที่เก่งที่สุดในโลก คุณก็ยังคงชนะอยู่ดี”
อุปมาอุปไมยที่มีประสิทธิภาพซึ่งเน้นคุณค่าของการประยุกต์ใช้ในทางปฏิบัติเมื่อเทียบกับการเปรียบเทียบเชิงทฤษฎีเพียงอย่างเดียว
สิ่งที่ปรากฏอย่างชัดเจนคือ Ant Group กำลังมีบทบาทสำคัญในความพยายามของจีนที่จะทำให้ตนเอง มีความเป็นอิสระทางเทคโนโลยีมากขึ้น.
ด้วยการมุ่งมั่นที่จะทำให้ AI เข้าถึงได้มากขึ้น, พึ่งพาฮาร์ดแวร์ตะวันตกน้อยลง และอาจ มีประสิทธิภาพมากขึ้น สำหรับภาคอุตสาหกรรมเชิงกลยุทธ์ในอนาคต
การท้าทายยักษ์ใหญ่ด้าน AI ของตะวันตกได้เริ่มขึ้นแล้ว: ไม่ใช่เพื่อเอาชนะด้วยพลังที่เหนือกว่า แต่ด้วย ความฉลาด, ประสิทธิภาพ และวิสัยทัศน์เชิงกลยุทธ์.
