คำเปิดเผยจากซีอีโอ Qualcomm และเป้าหมายปี 2028
Cristiano Amon ประธานเจ้าหน้าที่บริหารของ Qualcomm ได้เปิดเผยข้อมูลสำคัญผ่านรายการพอดแคสต์ Sources ของ Alex Heath โดยระบุว่า บริษัทแถวหน้าด้านการพัฒนาปัญญาประดิษฐ์ (Frontier AI Labs) ได้ส่งคำร้องขออย่างเป็นทางการมายัง Qualcomm เพื่อให้สถาปัตยกรรมชิปเซ็ตประมวลผลบนสมาร์ตโฟนรองรับการทำงานของโมเดลขนาดอย่างน้อย 100 พันล้านพารามิเตอร์ (100 Billion Parameters หรือ 100B) แบบต่อเนื่องตลอดเวลา (Continuous Execution) ให้ได้ภายในปี 2028
คำขอดังกล่าวถือเป็นการก้าวกระโดดครั้งใหญ่เมื่อเทียบกับสถานะทางเทคโนโลยีในปัจจุบัน โดยชิปเซ็ตรุ่นล่าสุดของบริษัทอย่าง Snapdragon 8 Elite Gen 6 และ Extreme Gen 6 บนสถาปัตยกรรมการผลิตระดับ 2 นาโนเมตร ถูกออกแบบมาเพื่อรองรับโมเดลแบบ Mixture-of-Experts (MoE) บนตัวอุปกรณ์ได้สูงสุดที่ประมาณ 30 พันล้านพารามิเตอร์เท่านั้น การขยับเป้าหมายไปสู่ 100 พันล้านพารามิเตอร์จึงเท่ากับการเพิ่มความหนาแน่นของการประมวลผลบนเครื่องพกพามากกว่า 3 เท่าภายในเวลาไม่ถึงสามปี
Amon อธิบายว่าแรงผลักดันหลักเบื้องหลังคำขอนี้เกิดจากความต้องการเวิร์กโฟลว์อัตโนมัติแบบเอเจนต์ (Agentic Workflows) ที่ต้องทำงานอยู่เบื้องหลังอย่างต่อเนื่อง โดยการประมวลผลในระดับอุปกรณ์ (On-device Inference) มีความจำเป็นอย่างยิ่งต่อการรักษาความหน่วงต่ำ (Low Latency) การรักษาความเป็นส่วนตัวของข้อมูล และการเข้าถึงบริบทเฉพาะตัวของผู้ใช้งานโดยไม่ต้องส่งข้อมูลกลับไปยังศูนย์ข้อมูลตลอดเวลา
แนวทางสถาปัตยกรรมและอุปสรรคทางกายภาพ
เพื่อตอบสนองความต้องการระดับ 100B พารามิเตอร์บนอุปกรณ์พกพา Amon ได้ระบุถึงแนวทางเชิงสถาปัตยกรรมหลายด้าน รวมถึงการจัดลำดับชั้นหน่วยความจำที่ใช้พลังงานต่ำ (Low-power Memory Tiers) การโหลดพารามิเตอร์แบบไดนามิกจากหน่วยความจำแฟลชสตอเรจความเร็วสูง และการขยายขีดความสามารถในการจัดสรรหน่วยความจำสำหรับหน่วยประมวลผลประสาทเทียม (NPU Memory Allocation)
อย่างไรก็ตาม Qualcomm ยังไม่ได้ให้คำมั่นสัญญาหรือการันตีการส่งมอบผลิตภัณฑ์เชิงพาณิชย์ที่มีคุณสมบัติดังกล่าวในปี 2028 โดยคำกล่าวของ Amon เป็นเพียงการสะท้อนถึงข้อเรียกร้องและความต้องการของกลุ่มลูกค้าในอุตสาหกรรม AI เท่านั้น นอกจากนี้ ผู้บริหารยังไม่ได้ระบุรายชื่อบริษัทพัฒนา AI ที่ยื่นข้อเรียกร้องอย่างเฉพาะเจาะจง โดยใช้คำจำกัดความเพียง 'บริษัทแถวหน้าของวงการ AI'
ความท้าทายที่แท้จริงของการรันโมเดลขนาดใหญ่บนสมาร์ตโฟนไม่ได้จำกัดอยู่เพียงเรื่องพลังการคำนวณของ NPU แต่ยังรวมถึงข้อจำกัดด้านความร้อน (Thermal Envelope) และการจ่ายพลังงานของแบตเตอรี่ในอุปกรณ์พกพา ซึ่งการประมวลผลขนาด 100B พารามิเตอร์ตลอดทั้งวันอาจทำให้เกิดความร้อนสะสมเกินขีดจำกัดหากไม่มีการเปลี่ยนแปลงด้านประสิทธิภาพพลังงานอย่างก้าวกระโดด
เสียงสะท้อนจากนักพัฒนาและข้อกังขาเรื่องหน่วยความจำ
ในหมู่วิศวกรระบบและนักพัฒนาโมเดลปัญญาประดิษฐ์ มีการหยิบยกตัวเลขทางเทคนิคขึ้นมาคำนวณอย่างละเอียด ซึ่งจุดประกายให้เกิดข้อกังขาอย่างกว้างขวาง โดยนักพัฒนาคำนวณว่า โมเดลขนาด 100 พันล้านพารามิเตอร์ แม้จะผ่านการลดทอนขนาด (Quantization) ลงมาที่ระดับ 4-bit หรือ 4.5-bit เพื่อลดการใช้ทรัพยากร ก็ยังต้องใช้พื้นที่หน่วยความจำแรมประมาณ 50 ถึง 57 กิกะไบต์ (GB) เพียงเพื่อจัดเก็บน้ำหนักโมเดล (Base Weights) พื้นฐานเท่านั้น
เมื่อรวมการจัดสรรหน่วยความจำเพิ่มเติมสำหรับการคำนวณขั้นกลาง (Activations), ข้อมูลบริบทที่จัดเก็บใน KV Cache และส่วนสำรองสำหรับระบบปฏิบัติการของสมาร์ตโฟน นักวิศวกรรมประเมินว่าอุปกรณ์จำเป็นต้องมีหน่วยความจำ LPDDR ที่เข้าถึงได้โดยตรงสูงถึง 70 ถึง 90 GB จึงจะสามารถทำงานได้อย่างราบรื่น ซึ่งสูงกว่ามาตรฐานสมาร์ตโฟนเรือธงในปัจจุบันอย่างมาก
ผู้เชี่ยวชาญชี้ว่าต้นทุนของหน่วยความจำ LPDDR สำหรับอุปกรณ์พกพาในระดับ 90 GB จะทำให้ราคาขายปลีกของอุปกรณ์พุ่งสูงขึ้นจนยากต่อการทำตลาดเชิงพาณิชย์ นอกจากนี้ นักวิเคราะห์ในแวดวงระบบยังตั้งข้อสังเกตว่า แรงผลักดันจากแล็บ AI ชั้นนำในการผลักภาระงานไปยังอุปกรณ์ปลายทาง อาจเกิดจากแรงกดดันด้านต้นทุนการประมวลผล (Inference Costs) และค่าไฟฟ้าในศูนย์ข้อมูลคลาวด์ที่กำลังพุ่งสูงขึ้นอย่างต่อเนื่อง
นัยสำคัญต่อภาคธุรกิจและการกำกับดูแลข้อมูลในไทย
สำหรับองค์กรธุรกิจในประเทศไทย การเคลื่อนไหวไปสู่การประมวลผลโมเดลระดับ 100B บนอุปกรณ์ปลายทางถือเป็นจุดเปลี่ยนเชิงกลยุทธ์ที่น่าจับตา โดยเฉพาะในกลุ่มธุรกิจการเงิน (Fintech), โทรคมนาคม และบริการสุขภาพ ซึ่งเผชิญกับข้อกำหนดด้านการกำกับดูแลภายใต้พระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 (PDPA) อย่างเข้มงวด การที่โมเดลสามารถทำงานเบ็ดเสร็จบนมือถือของลูกค้าจะตัดความเสี่ยงเรื่องข้อมูลรั่วไหลระหว่างการส่งผ่านโครงข่าย
นอกจากนี้ องค์กรไทยที่กำลังเผชิญกับภาระค่าใช้จ่าย API ของโมเดลภาษาขนาดใหญ่บนคลาวด์ ซึ่งมักคิดค่าบริการเป็นสกุลเงินดอลลาร์สหรัฐและมีความผันผวน จะได้รับประโยชน์จากการลดต้นทุนโทเค็นลงอย่างมหาศาล หากเอเจนต์ส่วนบุคคลสามารถรันได้โดยตรงบนอุปกรณ์ของผู้ใช้งาน
อย่างไรก็ตาม ผู้นำฝ่ายเทคโนโลยีสารสนเทศ (CIO และ CTO) ในไทยควรประเมินสถานการณ์ด้วยความรอบคอบและไม่ควรรีบปรับเปลี่ยนแผนงานฮาร์ดแวร์ในระยะสั้น เนื่องจากข้อกำหนดดังกล่าวยังเป็นเพียงเป้าหมายความต้องการของลูกค้าในปี 2028 และยังไม่มีผลิตภัณฑ์ฮาร์ดแวร์เชิงพาณิชย์มารองรับจริง องค์กรจึงควรให้ความสำคัญกับการเพิ่มประสิทธิภาพโมเดลระดับย่อย (SLMs) ในปัจจุบันควบคู่ไปกับการติดตามวิวัฒนาการชิปเซ็ตประมวลผล
หากทำได้จริง ภาคธุรกิจไทยจะสามารถประมวลผลโมเดลภาษาขนาดใหญ่ระดับสูงได้บนอุปกรณ์ปลายทางโดยตรง ช่วยลดต้นทุนคลาวด์และยกระดับการคุ้มครองข้อมูลส่วนบุคคลตาม พ.ร.บ. คุ้มครองข้อมูลส่วนบุคคล (PDPA) อย่างมีนัยสำคัญ