NVIDIA GTC 2026: เจนซุน หวง เปิดเผยแผนภาพล้านล้านดอลลาร์ ระบบ Vera Rubin ปรับโฉมภูมิทัศน์พลังประมวลผล AI

NVIDIA GTC 2026: เจนซุน หวง เปิดเผยพิมพ์เขียวมูลค่าล้านล้านดอลลาร์ ระบบ Vera Rubin ปรับโฉมภูมิทัศน์พลังการประมวลผล AI (ตอนที่ 1)

งาน NVIDIA GTC 2026 เริ่มต้นด้วยวิธีที่ไม่ธรรมดา — ซีอีโอ เจนซุน หวง มาสาย 15 นาที งานมหกรรมนี้รวบรวมบริษัทผู้สนับสนุน 450 ราย, เซสชันทางเทคนิค 1,000 เซสชัน, ผู้บรรยาย 2,000 คน และหุ่นยนต์ 110 ตัว ขนาดของงานได้ก้าวข้ามการประชุมทางเทคนิคทั่วไปไปแล้ว และดูคล้ายกับการแสวงบุญประจำปีของอุตสาหกรรม AI ทั่วโลกมากขึ้น

กลางเวที เจนซุน หวง ในเสื้อหนังสัญลักษณ์ของเขา ได้รับฉายาใหม่ — “ราชาแห่งโทเค็น”

ในการปาฐกถาพิเศษครั้งนี้ เขาไม่ได้รีบร้อนเปิดตัวผลิตภัณฑ์ใหม่ แต่ใช้เวลาทั้งชั่วโมงเพื่อย้อนรอยวิวัฒนาการทางเทคโนโลยีของ NVIDIA ตลอด 25 ปี: จากการ์ดแสดงผล GeForce ที่วางรากฐานสำหรับเกม สู่สถาปัตยกรรม CUDA ที่เปลี่ยนกระบวนทัศน์การคำนวณ สู่เทคโนโลยี RTX ที่นำการปฏิวัติกราฟิกส์ จนถึงระบบนิเวศขนาดใหญ่ที่รองรับคลาวด์คอมพิวติ้งในปัจจุบันและเศรษฐกิจ OpenClaw และโทเค็นที่ร้อนระอุ เขาได้ร่างเส้นทางวิวัฒนาการของ AI จาก การรับรู้, การสร้าง, การให้เหตุผล ไปจนถึง การดำเนินการ โดยเน้นย้ำว่าทุกขั้นตอนหมายถึงการสร้างโทเค็นที่มากขึ้นและการบริโภคพลังการประมวลผลที่มหาศาลขึ้น

การเตรียมการทั้งหมดนี้ นำไปสู่ตัวเลขที่น่าตกใจในที่สุด: NVIDIA คาดว่าภายในปี 2027 รายได้จะแตะอย่างน้อย 1 ล้านล้านดอลลาร์

“ใน GTC ปีที่แล้ว ฉันเห็นความต้องการที่มีความมั่นใจสูงที่ 5 แสนล้านดอลลาร์ ปีนี้ บนเวทีเดียวกัน ตัวเลขนั้นกลายเป็น 1 ล้านล้านดอลลาร์ ซึ่งครอบคลุมคำสั่งซื้อสำหรับแพลตฟอร์ม Blackwell และ Rubin จนถึงปี 2027 และฉันมั่นใจว่าความต้องการจริงจะสูงกว่านี้”

เมื่อคำพูดนี้หลุดออกมา เสียงปรบมือและเสียงเชียร์ก็ดังสนั่น หุ้น NVIDIA ก็พุ่งสูงขึ้นตาม

เศรษฐศาสตร์โรงงานโทเค็น: บทเรียนบังคับสำหรับซีอีโอ

“คุณจะเห็นสไลด์ของปีที่แล้วปรากฏขึ้นอีกครั้งเฉพาะในการปาฐกถาพิเศษของ NVIDIA เท่านั้น”

เจนซุน หวง กล่าวว่า ไดอะแกรมต่อไปนี้คือสิ่งที่ซีอีโอทุกคนในโลกต้องศึกษาอย่างละเอียด

แกนตั้งของไดอะแกรมนี้แสดงถึง ปริมาณการประมวลผลโทเค็น (จำนวนโทเค็นต่อวัตต์ไฟฟ้า) แกนนอนแสดงถึง อัตราโทเค็น (จำนวนโทเค็นที่สร้างต่อวินาที) ปริมาณการประมวลผลเปรียบเสมือนกำลังการผลิตของโรงงาน ซึ่งกำหนดขนาดและต้นทุน ส่วนอัตราเกี่ยวข้องกับ “ความลึกของความฉลาด” ของ AI — ยิ่งโมเดลใหญ่, คอนเท็กซ์ยาว, การคิดซับซ้อนมากขึ้น อัตรามักจะต่ำลง แต่ค่าของแต่ละโทเค็นก็สูงขึ้นเช่นกัน

เจนซุน หวง แปลงไดอะแกรมนี้เป็นโมเดลธุรกิจที่ชัดเจน:
* ระดับฟรี: ปริมาณการประมวลผลสูง อัตราต่ำ ใช้เพื่อดึงดูดลูกค้าในตลาด
* ระดับกลาง: ราคา 3-6 ดอลลาร์ ต่อล้านโทเค็น บริการผู้ใช้ทั่วไป
* ระดับสูง: ราคา 45 ดอลลาร์ ต่อล้านโทเค็น ใช้สำหรับการให้เหตุผลเชิงลึกของโมเดลขนาดใหญ่
* ระดับสูงสุด: ราคา 150 ดอลลาร์ ต่อล้านโทเค็น สำหรับงานวิจัยระยะยาวพิเศษและการตอบสนองแบบเรียลไทม์ในเส้นทางวิกฤต

ประสิทธิภาพคือรากฐานของทั้งหมดนี้ การทดสอบขนาดใหญ่โดยองค์กรอิสระ Semi Analysis ก่อนหน้านี้แสดงให้เห็นว่า ระบบ Grace Blackwell NVLink 72 มีปริมาณการประมวลผลโทเค็นต่อวัตต์สูงกว่า Hopper H200 รุ่นก่อนหน้า 50 เท่า — สูงกว่าที่เจนซุน หวง อ้างเอง (35 เท่า) ด้วยซ้ำ ต่อเรื่องนี้ เจนซุน หวง ยอมรับอย่างตรงไปตรงมาว่าเขา “จงใจเก็บพื้นที่ไว้” (sand bagging) เขาเน้นย้ำว่า ภายใต้ข้อจำกัดทางกายภาพของกำลังไฟฟ้าสูงสุดในศูนย์ข้อมูล (เช่น 1GW) ประสิทธิภาพต่อวัตต์กำหนดต้นทุนสุดท้ายของโทเค็นโดยตรง

นี่เป็นเหตุผลพื้นฐานของการมีอยู่ของแพลตฟอร์มรุ่นต่อไป Vera Rubin: เพื่อเพิ่มปริมาณการประมวลผลโทเค็นต่อวัตต์อีก 2 ถึง 10 เท่า

Vera Rubin: การก้าวกระโดดระดับระบบ เร่งความเร็วสิบล้านเท่าในทศวรรษ

“ในยุค Hopper ฉันยังยกชิปให้ผู้ชมดู แต่มันจบแล้ว” เจนซุน หวง กล่าว “ปีที่แล้วฉันดูน่ารักตอนยกชิป Hopper แต่ Vera Rubin ต่างออกไป — เมื่อผู้คนนึกถึง Vera Rubin พวกเขานึกถึง ทั้งระบบ“

Vera Rubin คือระบบประมวลผล AI ที่ซับซ้อนที่สุดในประวัติศาสตร์ของ NVIDIA มันไม่ใช่ชิปเดี่ยว แต่เป็น ซูเปอร์คอมพิวเตอร์ ขนาดยักษ์ที่ประกอบด้วยชิป 7 ชนิด, ติดตั้งในแร็ค 5 แบบ แบบบูรณาการแนวตั้ง และได้รับการปรับแต่งแบบ end-to-end องค์ประกอบหลักได้แก่:
* GPU Rubin: สถาปัตยกรรมใหม่ทั้งหมด รองรับการเชื่อมต่อแบบ NVLink 72 เต็มรูปแบบ ให้พลังการประมวลผล 3.6 exaflops และแบนด์วิธ all-to-all 260TB/s
* CPU Vera: ซีพียูสำหรับศูนย์ข้อมูลรุ่นใหม่ ใช้หน่วยความจำ LPDDR5 มีประสิทธิภาพด้านพลังงานที่โดดเด่น ความต้องการในตลาดแข็งแกร่ง และได้พัฒนาเป็นธุรกิจมูลค่าหลายหมื่นล้านดอลลาร์โดยอิสระแล้ว
* Groq LP30: โปรเซสเซอร์ “Deterministic Dataflow” รุ่นที่สาม มี SRAM บนชิป 500MB ใช้การคอมไพล์แบบสแตติกและการจัดตารางโดยซอฟต์แวร์ ออกแบบมาเฉพาะสำหรับงาน Inference
* BlueField 4 DPU + เอ็นIC CX9: ก่อให้เกิดโครงสร้างพื้นฐานการจัดเก็บข้อมูลแบบใหม่สำหรับ AI-native
* สวิตช์ NVLink: ชิปสวิตช์ NVLink รุ่นที่ 6 ให้การสื่อสารระหว่าง GPU ความเร็วสูงสำหรับโมเดล MoE ขนาดใหญ่
* สวิตช์ Spectrum X CPO: สวิตช์ Co-Packaged Optics (CPO) ที่ผลิตจำนวนมากรุ่นแรกของโลก เปลี่ยนสัญญาณไฟฟ้าเป็นโฟตอนโดยตรง

การก้าวกระโดดของประสิทธิภาพนั้นเป็นการปฏิวัติ ในศูนย์ข้อมูล 1GW แห่งเดียวกัน การอัปเกรดจากแพลตฟอร์ม Grace Blackwell เป็น Vera Rubin ร่วมกับ Groq ทำให้อัตราการสร้างโทเค็นเพิ่มจาก 2 ล้าน/วินาที เป็น 700 ล้าน/วินาที เพิ่มขึ้น 350 เท่า ในเวลาเพียงสองปี ในทางตรงกันข้าม กฎของมัวร์แบบดั้งเดิมจะให้การเพิ่มขึ้นเพียงประมาณ 1.5 เท่าในช่วงเวลาเดียวกัน

การเพิ่มขึ้นมหาศาลเช่นนี้ไม่ได้มาจากการซ้อนทรานซิสเตอร์เพียงอย่างเดียว เมื่อความหนาแน่นของพลังการประมวลผลถึงระดับปัจจุบัน จุดคอขวด早已ย้ายออกไปนอกชิปแล้ว: การระบายความร้อน และ การเชื่อมต่อ คำตอบของ Vera Rubin อยู่ที่การเปลี่ยนแปลงสองประการ: หนึ่งคือน้ำ อีกหนึ่งคือแสง

เกี่ยวกับน้ำ: Vera Rubin ใช้ โซลูชันระบายความร้อนด้วยของเหลว 100% แม้แต่สวิตช์ NVLink ก็ถูกบูรณาการในระบบระบายความร้อนด้วยของเหลว การเชื่อมต่อทำได้ผ่านการบูรณาการระดับบอร์ด/แบ็คเพลนภายในโมดูลระบายความร้อนด้วยของเหลว ทำให้สายเคเบิลภายนอกลดลงอย่างมาก และลดเวลาติดตั้งแร็คเดียวจากสองวันเหลือสองชั่วโมง

เกี่ยวกับแสง: เจนซุน หวง แสดง สวิตช์ CPO (Co-Packaged Optics) ที่ผลิตจำนวนมากรุ่นแรกของโลก

ในโซลูชันแบบดั้งเดิม สัญญาณไฟฟ้าต้องผ่านทางเดินบน PCB, โมดูลออปติกแยกเพื่อแปลงไฟฟ้า-แสง แล้วส่งผ่านไฟเบอร์ออปติก ทุกขั้นตอนนำมาซึ่งความล่าช้าและการสูญเสีย เทคโนโลยี CPO บรรจุอุปกรณ์ออปติกลงบนชิปโดยตรง ทำการแปลงไฟฟ้า-แสงบนพื้นผิวซิลิกอน ซึ่งขจัดโมดูลออปติกแยกและสายทองแดงระยะยาว กระบวนการบรรจุ CoUP ที่ NVIDIA พัฒนาร่วมกับ TSMC เป็นโซลูชันการผลิตจำนวนมากเพียงหนึ่งเดียวของโลกในปัจจุบัน เทคโนโลยีนี้ทำลายข้อจำกัดทางกายภาพของขนาดแร็ค ทำให้ GPU 72 ตัวสามารถมีแบนด์วิธ all-to-all 260TB/s ได้

เจนซุน หวง กล่าวชัดเจนว่า อนาคตต้องการการขยายขีดความสามารถอย่างครอบคลุม: “เราต้องการทั้งกำลังการผลิตสายเคเบิลทองแดงเพิ่มขึ้น และกำลังการผลิตชิปออปติกและ CPO เพิ่มขึ้น”

จาก DGX-1 8 การ์ด (170 TFLOPS) เมื่อสิบปีก่อน ถึงระบบ Vera Rubin NVLink 72 (3.6 ExaFLOPS) ในวันนี้ NVIDIA บรรลุการเติบโตของพลังการประมวลผล สี่สิบล้านเท่า ในหนึ่งทศวรรษ

ปริมาณการประมวลผลสูงเป็นของ Rubin ความหน่วงต่ำเป็นของ Groq

อย่างไรก็ตาม ความท้าทายยังคงมีอยู่ ระบบ NVLink 72 เกือบจะไร้เทียมทานในสถานการณ์ปริมาณการประมวลผลสูง แต่เมื่อความต้องการเปลี่ยนไปสู่ การให้เหตุผลความเร็วสูงสุด ระดับ 1,000 โทเค็น/วินาที แบนด์วิธของมันก็เผชิญแรงกดดัน นี่คือจุดที่บริษัทชิป Inference Groq ซึ่ง NVIDIA เข้าซื้อกิจการในปลายปี 2025 มีบทบาท

Groq มีชื่อเสียงจากสถาปัตยกรรม “LPU” ที่เป็นเอกลักษณ์ มันคือโปรเซสเซอร์ Deterministic Dataflow อาศัยการคอมไพล์แบบสแตติกและการจัดตารางโดยคอมไพเลอร์ มี SRAM บนชิปขนาดสูงถึง 500MB ปรับแต่งเฉพาะสำหรับงาน Inference

แวดวงเคยสงสัยว่า NVIDIA จะบูรณาการ Groq อย่างไร คำตอบไม่ใช่การแทนที่ GPU แต่คือ การทำงานร่วมกัน ชิป Groq หนึ่งตัวมี SRAM 4GB มุ่งเน้นความเร็วสูงสุดและความหน่วงต่ำ ชิป GPU Rubin หนึ่งตัวมี HBM 288GB ให้ความจุมหาศาล การใช้ฝ่ายใดฝ่ายหนึ่งเพียงอย่างเดียวมีข้อจำกัด: Groq ยากที่จะรองรับโมเดลที่มีพารามิเตอร์ล้านล้าน ในขณะที่ Rubin มีความหน่วงในการสร้างโทเค็นความเร็วสูงสุด

โซลูชันของ NVIDIA คือ “การให้เหตุผลแบบแยกส่วน” ผ่านเฟรมเวิร์กการให้เหตุผล Dynamo แบ่งพipeline การให้เหตุผลออก: ขั้นตอน Prefill และการคำนวณ Attention ที่ใช้การคำนวณหนักให้ Vera Rubin จัดการ ส่วนขั้นตอน Decode Generation ที่ไวต่อแบนด์วิธและความหน่วงอย่างยิ่ง ย้ายไปให้ Groq จัดการ โปรเซสเซอร์สองชนิดที่มีสถาปัตยกรรมต่างกันนี้เชื่อมต่อกันอย่างแน่นหนาผ่านอีเธอร์เน็ตความเร็วสูง ลดความหน่วงลงครึ่งหนึ่ง

ในที่สุด การผสมผสานนี้ในระดับการให้เหตุผลที่มีมูลค่าสูงสุด บรรลุความสำเร็จในการเพิ่มปริมาณการประมวลผล อีก 35 เท่า และปลดล็อกระดับใหม่ของการสร้างความเร็วสูงสุดระดับพันโทเค็น/วินาที ที่ก่อนหน้านี้ไม่สามารถทำได้

OpenClaw: “ช่วงเวลา Linux” ของยุค AI

ในส่วนสุดท้ายของการแถลงข่าว เจนซุน หวง หันไปพูดถึงโครงการโอเพ่นซอร์ส OpenClaw และเปรียบเทียบมันกับหนึ่งในโครงการโอเพ่นซอร์สที่เป็นที่นิยมมากที่สุดในประวัติศาสตร์ของมนุษยชาติ

เจนซุน หวง ยกตัวอย่างความสามารถของ OpenClaw: มีคนใช้มันเพื่อทำให้ธุรกิจคราฟต์เบียร์ทั้งหมดของพ่อวัย 60 ปีของเขาทำงานอัตโนมัติ เชื่อมต่ออุปกรณ์การผลิตผ่านบลูทูธ สร้างเว็บไซต์ขายอัตโนมัติ และรองรับให้ลูกค้าสั่งซื้อผลิตภัณฑ์เช่น “ล็อบสเตอร์ลาเกอร์เบียร์” โดยตรง

แต่เจนซุน หวง อธิบายถึงแก่นแท้ของ OpenClaw มากขึ้น เขาใช้แนวคิดระบบปฏิบัติการนิยามมันใหม่:
* การจัดการ