ទិដ្ឋភាពទូទៅ

ប្រភព: Wikipedia

ឧបករណ៍ពន្លឿន AI (AI accelerator) ឬជាទូទៅគេហៅថា អង្គភាពដំណើរការសរសៃប្រសាទ (Neural Processing Unit – NPU) គឺជាផ្នែករឹងកុំព្យូទ័រឯកទេស ដែលត្រូវបានរចនាឡើងដើម្បីពន្លឿនកម្មវិធីបញ្ញាសិប្បនិម្មិត (AI) និងការរៀនសូត្ររបស់ម៉ាស៊ីន (machine learning) ឱ្យមានប្រសិទ្ធភាពខ្ពស់ជាងអង្គភាពដំណើរការកណ្តាល (CPU) ធម្មតា។ យោងតាមវិគីភីឌា (Wikipedia) ឧបករណ៍ទាំងនេះត្រូវបានប្រើប្រាស់ក្នុងកម្មវិធីជាច្រើន ដូចជាបណ្តាញសរសៃប្រសាទសិប្បនិម្មិត ចក្ខុវិស័យកុំព្យូទ័រ និងការទទួលស្គាល់សំឡេងជាដើម។ ឧបករណ៍ពន្លឿន AI សម្រេចបានល្បឿនខ្ពស់តាមរយៈស្ថាបត្យកម្មគណនាប៉ារ៉ាឡែល ដែលដំណើរការទិន្នន័យច្រើនក្នុងពេលតែមួយ ដើម្បីបណ្តុះបណ្តាលនិងអនុវត្តគំរូ AI ឱ្យបានឆាប់រហ័ស។ ឧទាហរណ៍សំខាន់ៗរួមមាន GPU របស់ NVIDIA, TPU របស់ Google និង NPU ដែលបង្កប់ក្នុងស្មាតហ្វូនទំនើប។

ភូមិសាស្ត្រ និងប្រជាជន

ឧស្សាហកម្មឧបករណ៍ពន្លឿន AI ប្រមូលផ្តុំនៅក្នុងប្រទេសនិងតំបន់ដែលមានសមត្ថភាពបច្ចេកវិទ្យាស៊ីលីកុនខ្ពស់ ជាពិសេសសហរដ្ឋអាមេរិក (NVIDIA, AMD, Intel, Apple) កូរ៉េខាងត្បូង (Samsung Electronics) តៃវ៉ាន់ (TSMC ជាអ្នកផលិតសៀគ្វីរួមបញ្ចូលធំជាងគេ) និងប្រទេសចិន (Huawei, Alibaba, Baidu)។ ក្រុមហ៊ុនទាំងនេះពឹងផ្អែកលើវិស្វករនិងអ្នកស្រាវជ្រាវជំនាញរាប់ពាន់នាក់ ដែលមានជំនាញផ្នែក AI និងរចនាសៀគ្វីអេឡិចត្រូនិក។ ការវិវត្តន៍នេះក៏បានជំរុញឱ្យមានការប្រកួតប្រជែងផ្នែកភូមិសាស្ត្រនយោបាយផងដែរ ដោយសហរដ្ឋអាមេរិកបានរឹតបន្តឹងការនាំចេញបន្ទះឈីប AI ទំនើបទៅកាន់ប្រទេសចិន ដើម្បីទប់ស្កាត់ការអភិវឌ្ឍ AI យោធារបស់ចិន។ នៅកម្ពុជា វិស័យនេះនៅតូចនៅឡើយ តែយុវជនកំពុងចាប់អារម្មណ៍និងសិក្សាអំពី AI ដែលនឹងត្រូវការហេដ្ឋារចនាសម្ព័ន្ធបែបនេះនាពេលអនាគត។

ប្រវត្តិសាស្ត្រ

ប្រភព: Wikipedia

គំនិតនៃការប្រើផ្នែករឹងឯកទេសសម្រាប់ AI មានឫសគល់ពីទសវត្សរ៍ឆ្នាំ ២០០០ នៅពេលដែលអ្នកស្រាវជ្រាវបានរកឃើញថា GPU អាចប្រើសម្រាប់ការគណនាស្របគ្នាដែលចាំបាច់សម្រាប់បណ្តុះបណ្តាលបណ្តាញសរសៃប្រសាទ។ ក្រុមហ៊ុន NVIDIA បានដាក់ឱ្យប្រើវេទិកា CUDA ក្នុងឆ្នាំ ២០០៦ ដែលអនុញ្ញាតឱ្យអ្នកអភិវឌ្ឍន៍សរសេរកម្មវិធីប្រើ GPU សម្រាប់ការគណនាទូទៅ។

ជំហានបន្ទាប់សំខាន់គឺការបង្កើតបន្ទះឈីបដែលរចនាឡើងជាពិសេសសម្រាប់ AI។ Google បានប្រកាស Tensor Processing Unit (TPU) ជាលើកដំបូងនៅឆ្នាំ ២០១៦ ដែលត្រូវបានប្រើក្នុងមជ្ឈមណ្ឌលទិន្នន័យរបស់ខ្លួន ដើម្បីបង្កើនល្បឿនសេវាកម្មដូចជាស្វែងរកនិងផែនទី។ ក្រោយមក Apple បានដាក់ឱ្យប្រើ Apple Neural Engine ក្នុងឆ្នាំ ២០១៧ ដែលជា NPU បង្កប់ក្នុងបន្ទះឈីប A11 Bionic សម្រាប់ iPhone X ដើម្បីពន្លឿនការទទួលស្គាល់ផ្ទៃមុខនិងកិច្ចការ AI ផ្សេងទៀត។

នៅក្នុងទសវត្សរ៍ឆ្នាំ ២០២០ ក្រុមហ៊ុនធំៗជាច្រើនបានអភិវឌ្ឍឧបករណ៍ពន្លឿន AI ផ្ទាល់ខ្លួន ដូចជា Amazon Trainium, Microsoft Maia និងបន្ទះឈីប NPU សម្រាប់ឧបករណ៍គែម (edge devices) ដូចជាម៉ូឌុល Hailo ជាដើម ដែលបង្ហាញពីការរីករាលដាលនៃបច្ចេកវិទ្យានេះទៅក្នុងជីវិតប្រចាំថ្ងៃ។

សេដ្ឋកិច្ច និងវប្បធម៌

ទីផ្សារឧបករណ៍ពន្លឿន AI កំពុងរីកចម្រើនយ៉ាងឆាប់រហ័ស ដោយមានការប៉ាន់ស្មានថាអាចមានទំហំរាប់រយពាន់លានដុល្លារក្នុងទសវត្សរ៍នេះ។ NVIDIA បានក្លាយជាក្រុមហ៊ុនមួយក្នុងចំណោមក្រុមហ៊ុនដែលមានតម្លៃខ្ពស់បំផុតនៅលើពិភពលោក ហើយបន្ទះឈីប AI ត្រូវបានគេចាត់ទុកថាជា “មាសថ្មី” នៃសេដ្ឋកិច្ចឌីជីថល។ តម្រូវការកើនឡើងនេះនាំឱ្យមានការខ្វះខាតបន្ទះឈីប និងការកើនឡើងតម្លៃភាគហ៊ុនរបស់ក្រុមហ៊ុនបច្ចេកវិទ្យា។

ខាងវប្បធម៌ ឧបករណ៍ពន្លឿន AI គឺជាកត្តាជំរុញនៅពីក្រោយការផ្ទុះឡើងនៃបញ្ញាសិប្បនិម្មិតបង្កើត (generative AI) ដូចជា ChatGPT, Midjourney និង DALL-E ជាដើម។ វាបានផ្លាស់ប្តូររបៀបដែលមនុស្សធ្វើការ រៀនសូត្រ និងបង្កើតមាតិកា ហើយនាំឱ្យមានការពិភាក្សាអំពីផលប៉ះពាល់សង្គម ដូចជាការបាត់បង់ការងារនិងក្រមសីលធម៌ AI។ នៅកម្ពុជា ទោះវិស័យបច្ចេកវិទ្យានៅក្មេង តែយុវជនកំពុងចាប់យកឧបករណ៍ AI សម្រាប់ការអប់រំ និងអាជីវកម្ម ដែលបង្ហាញពីឥទ្ធិពលវប្បធម៌ឌីជីថលថ្មី។

ការពាក់ព័ន្ធបច្ចុប្បន្ន

នៅឆ្នាំ ២០២៥-២០២៦ ការអភិវឌ្ឍឧបករណ៍ពន្លឿន AI នៅតែជាប្រធានបទក្តៅគគុកក្នុងពិភពបច្ចេកវិទ្យា។ NVIDIA បានដាក់ឱ្យប្រើស្ថាបត្យកម្ម Blackwell ថ្មី ដែលផ្តោតលើការបណ្តុះបណ្តាលគំរូ AI ទំហំធំ ខណៈ Google បន្តអភិវឌ្ឍ TPU v5 និងខិតខំធ្វើឱ្យសេវា AI អាចប្រើប្រាស់បានទូលំទូលាយ។ នៅអាស៊ី ប្រទេសចិនកំពុងពន្លឿនការផលិតបន្ទះឈីប AI ក្នុងស្រុក ដើម្បីកាត់បន្ថយការពឹងផ្អែកលើបច្ចេកវិទ្យាអាមេរិក ក្រោមឥទ្ធិពលនៃការរឹតបន្តឹងការនាំចេញ។

សម្រាប់អ្នកអាន KhmerPulse ប្រធានបទនេះមានសារៈសំខាន់ ព្រោះកម្ពុជាកំពុងស្ថិតក្នុងដំណាក់កាលផ្លាស់ប្តូរឌីជីថល ហើយបច្ចេកវិទ្យា AI មានសក្តានុពលក្នុងការជួយវិស័យកសិកម្ម សុខាភិបាល និងអប់រំ។ ការយល់ដឹងអំពីផ្នែករឹងដែលនៅពីក្រោយ AI អាចជួយឱ្យអ្នកអានតាមដាននិន្នាការពិភពលោកនិងឱកាសវិនិយោគឬការងារនាពេលអនាគត។