ชิปขาดแคลน กลายเป็น วิกฤต เหล่า Big Tech จึงคิดที่จะผลิตชิปใช้เอง

Big Tech รายใหญ่ระดับโลกไม่ว่าจะเป็น Apple, Amazon, Facebook, Tesla และ Baidu เริ่มลดการพึ่งพาบริษัทชิปเซมิคอนดักเตอร์จากภายนอก และหันมาพัฒนาชิปด้วยตนเอง นักวิเคราะห์จาก Accenture มองว่านอกจากสาเหตุหลักที่มาจากปัญหาชิปไม่เพียงพอต่อความต้องการแล้ว บริษัทเหล่านี้ต้องการชิปที่ผลิตขึ้นให้สอดคล้องกับการนำไปใช้ (application) เฉพาะทาง มากกว่าจะใช้ชิปทั่วไปแบบเดียวกันกับคู่แข่ง

Big Tech

เมื่อ Big Tech ต่างบุกเบิกโปรเจกต์ทำชิป

ในช่วงเวลานี้ เราอาจจะได้ยินข่าวสารยักษ์ใหญ่เทคโนโลยีเปิดตัวโครงการผลิตชิปอยู่บ่อยครั้งไม่เว้นเดือน เริ่มจากตัวอย่างที่เด่นชัดที่สุดคือเมื่อเดือนพฤศจิกายน ปี 2020 เมื่อ Apple ประกาศว่าจะเลิกใช้ชิปเซ็ตประมวลผลสถาปัตยกรรม x86 จากผู้ผลิตชิประดับโลกอย่าง Intel และหันมาออกแบบชิป M1 สำหรับประมวลผลระบบปฏิบัติการบน Macbook ซึ่งขณะนี้เริ่มต่อยอดมายัง iMac และ iPad รุ่นใหม่เป็นที่เรียบร้อย

  • ต่อมา Tesla ก็ประกาศว่ากำลังสร้างชิป “Dojo” เพื่อฝึกฝนเครือข่ายปัญญาประดิษฐ์ในระบบ Data Center ซึ่งก่อนหน้านี้ในปี 2019 Tesla ก็ได้ผลิตรถยนต์ด้วยชิปประมวลผลด้วย AI ที่ออกแบบขึ้นมาเอง เพื่อช่วยให้ซอฟต์แวร์ที่อยู่ในรถยนต์ไฟฟ้าของ Tesla สามารถตัดสินใจและตอบสนองต่อสิ่งที่เกิดขึ้นบนท้องถนนได้

  • เมื่อเดือนส.ค. ที่ผ่านมา Baidu ก็ออกแบบชิป AI ที่ชื่อว่า “Kunlun 2” ช่วยให้อุปกรณ์อิเล็กทรอนิกส์ของระบบสามารถประมวลผล Data จำนวนมาก และเพิ่มประสิทธิภาพการประมวลผลได้อย่างรวดเร็ว ซึ่ง Baidu กล่าวว่าชิป Kunlun 2 สามารถใช้งานได้หลากหลายรูปแบบ เช่นเทคโนโลยีการขับขี่อัตโนมัติ และอาจจะพัฒนาต่อไปยังการผลิตระดับ mass production

นอกจากการประกาศอย่างเป็นทางการจากบริษัทเทคโนโลยีแล้ว ยังมีข่าวลือการผลิตชิปจากบริษัทอื่น ๆ อีกด้วย อาทิ

  • Google อยู่ระหว่างช่วงเปิดตัวหน่วยประมวลกลาง หรือซีพียูของตนเองสำหรับแล็ปท็อป Chromebook และแท็บเลตที่ทำงานบนระบบปฏิบัติการ Chrome คาดการณ์ว่าจะใช้งานภายในปี 2023

  • Amazon กำลังผลิตชิปที่ใช้สำหรับเครือข่ายคลาวด์ของตนเอง เพื่อขับเคลื่อนฮาร์ดแวร์ย้ายข้อมูลไปใช้รอบเครือข่าย ซึ่งหากชิปที่ผลิตขึ้นมาได้ผลจริง Amazon อาจลดการพึ่งพาการผลิตชิปจากบริษัท Broadcom ในอนาคต

  • ในส่วนของ Facebook ไม่ได้มีแผนการผลิตชิปเป็นรูปเป็นร่างเท่าไรนัก แต่หัวหน้านักวิทยาศาสตร์ AI ของ Facebook ได้กล่าวกับ Bloomberg ในปี 2019 ว่าบริษัทอยู่ระหว่างการพัฒนา”ชิปประเภทใหม่ที่จะแตกต่างไปจากชิปที่เห็นอยู่เดิมในปัจจุบันมาก”

การผลิตชิปเองยังคงเป็นเพียง ‘ไอเดีย’

ณ ตอนนี้ ยังไม่มีบริษัทเทคโนโลยีรายใดที่นำความคิดมาพัฒนาออกมาเป็นชิปของจริง

“ส่วนใหญ่บริษัทจะคิดถึงแต่การออกแบบรูปแบบชิป และประสิทธิภาพของชิปที่คาดหวัง” Russ Shaw อดีตกรรมการบริหารของ Dialog Semiconductor ในสหราชอาณาจักรกล่าวกับ CNBC “เพราะเมื่อมาถึงขั้นตอนการผลิตออกมาเป็นรูปร่างนั้น ต้องใช้ค่าใช้จ่ายอย่างมหาศาล”

หากบริษัทเทคโนโลยีจะผลิตชิปออกมาจริง ๆ จะต้องตั้งโรงงานผลิตขั้นสูง อย่างที่เกิดขึ้นกับ TSMC ผู้นำผลิตชิปจากไต้หวัน ที่ต้องลงทุนกับการผลิตถึง 10,000 ล้านดอลลาร์ และใช้เวลาหลายปีกว่าชิปจะใช้งานได้อย่างมีประสิทธิภาพ

นอกจากค่าใช้จ่ายในการผลิตที่สูงแล้ว คนก็ยังเป็นอีกปัญหาหนึ่งที่บริษัทต้องเผชิญ Glenn O’Donnell ผู้อำนวยการฝ่ายวิจัยของ Forrester ได้กล่าวกับ CNBC ว่า “บริษัทเทคโนโลยี และองค์กรใน Sillicon Valley ยังขาดคนที่มีทักษะขั้นสูงในการผลิตฮาร์ดแวร์ เพราะตลอด 20-30 ปีที่ผ่านมา Sillicon Valley ให้ความสำคัญกับคนในองค์กรที่มีความรู้ด้านซอฟต์แวร์เป็นอย่างมาก ซึ่งสวนทางกับชื่อของสถานที่ที่หมายความถึงหุบเขาแห่งส่วนประกอบชิปอย่างซิลิคอน” 

ลงทะเบียนเข้าสู่ระบบ เพื่ออ่านบทความฟรีไม่จำกัด

No comment

RELATED ARTICLE

Responsive image

รู้จัก EngineAI ‘T800’ หุ่นยนต์ฮิวแมนนอยด์สุดแกร่งจากจีน ใช้แบตเตอรี่ Solid-state และชิป NVIDIA พร้อมลุยงานอุตสาหกรรมปี 2026

รู้จัก EngineAI T800 หุ่นยนต์ฮิวแมนนอยด์สายกังฟูจากจีน ที่มาพร้อมสเปกสุดล้ำ แบตเตอรี่ Solid-state และชิป NVIDIA พร้อมลุยงานอุตสาหกรรมและ Mass Production ปี 2026...

Responsive image

เปิดเทรนด์ Garmin 2025 วิ่งยังยืนหนึ่ง ส่วนคนไทยหันมานั่งสมาธิ เดินเฉลี่ยวันละ 7,120 ก้าว

Garmin เปิดเผยข้อมูลจากรายงาน Garmin Connect Data Report 2025 ซึ่งรวบรวมสถิติการใช้งานจริงจากผู้ใช้ทั่วโลก แสดงให้เห็นภาพรวมกิจกรรมฟิตเนสที่เพิ่มขึ้น 8% เมื่อเทียบกับปีก่อนหน้า โดย...

Responsive image

Gemini 3 Flash ฉลาดแต่ไม่ซื่อสัตย์ ปัญหาใหญ่คือเน้นตอบให้ได้ มากกว่าตอบให้ถูก

Gemini 3 Flash โมเดล AI รุ่นล่าสุดจาก Google ถูกจับตาหนัก หลังผลทดสอบชี้ว่า แม้จะฉลาดและแม่นยำสูงเมื่อรู้จริง แต่ในกรณีที่ไม่รู้คำตอบ โมเดลกลับมีโอกาสสร้างคำตอบสมมติสูงถึง 91%...