NVIDIA ที่ GTC เบอร์ลิน 2026: แผนพัฒนา AI ของยุโรป

เบอร์ลิน, วันพุธที่ 21 ต.ค. 2026 — NVIDIA (NVDA) ใช้งาน GTC เบอร์ลิน 2026 Keynote เพื่อนําเสนอแผนการพัฒนา AI ในยุโรปอย่างครอบคลุม โดยจับคู่มุมมองเชิงบวกต่อความต้องการด้านอุตสาหกรรมใหม่กับคําเตือนเกี่ยวกับต้นทุนของความล่าช้าและความซับซ้อนในการใช้งานระบบขนาดใหญ่ Jensen Huang กล่าวว่าบริษัทมองว่าปัญญาประดิษฐ์เป็นอุตสาหกรรมการผลิตและการปฏิวัติอุตสาหกรรมใหม่ ไม่ใช่แค่แนวโน้มด้านซอฟต์แวร์

งานดังกล่าวเน้นย้ําถึงบทบาทที่ขยายตัวของ NVIDIA ในห่วงโซ่อุปทาน AI ของยุโรป ตั้งแต่ชิปและเครือข่ายไปจนถึงซอฟต์แวร์ ความปลอดภัย และหุ่นยนต์ นอกจากนี้ยังเน้นถึงขนาดของโอกาสและความเสี่ยง: โรงงาน AI ขนาด 1 กิกะวัตต์อาจมีต้นทุนประมาณ 50,000 ล้านดอลลาร์ และ Huang กล่าวว่าการล่าช้าในการใช้งานสามเดือนอาจหมายถึงรายได้ที่สูญเสียไปประมาณ 10,000 ล้านดอลลาร์

ประเด็นสําคัญ

• NVIDIA กล่าวว่าได้ลงทุนเกือบ 10,000 ล้านดอลลาร์ในยุโรปในช่วงปีที่ผ่านมา และประกาศการลงทุนในสตาร์ทอัพ 14 รายระหว่างการทัวร์ยุโรป
• Huang อธิบายถึงเศรษฐกิจ AI ห้าชั้นที่สร้างขึ้นจากพลังงาน การประมวลผลขั้นสูง โรงงาน AI โมเดล และแอปพลิเคชัน
• บริษัทเปิดตัวหรืออัปเดตผลิตภัณฑ์หลายรายการ รวมถึง Vera Rubin, DSX Pod, Spectrum-X networking, RTX Spark และ DGX Station พร้อม Windows
• ความปลอดภัยสําหรับตัวแทน AI อัตโนมัติเป็นธีมหลัก โดย OpenShell และ NVIDIA Sentry ถูกวางตําแหน่งเป็นโครงสร้างพื้นฐานหลัก
• Physical AI รวมถึงยานยนต์อัตโนมัติ หุ่นยนต์ฮิวแมนอยด์ รังสีบําบัด และการเพิ่มประสิทธิภาพโทรคมนาคม ถูกนําเสนอว่าเป็นพื้นที่การเติบโตสําคัญถัดไป

ยุโรปในฐานะฐานอุตสาหกรรม AI

Huang กล่าวว่า NVIDIA ดําเนินงานในยุโรปมา 33 ปีแล้ว และเล่าถึงส่วนหนึ่งของประวัติศาสตร์ยุคแรกของบริษัทที่เกี่ยวข้องกับการทํางานร่วมกับ SGS-Thomson ใน Crolles ประเทศฝรั่งเศส เขากล่าวว่าภูมิภาคนี้กําลังกลายเป็นศูนย์กลางของโครงสร้างพื้นฐาน AI ในระยะต่อไป

• NVIDIA กล่าวว่าได้สร้างพันธมิตรมากกว่า 12,000 รายทั่วยุโรป
• บริษัทกล่าวว่าประกาศการลงทุนในสตาร์ทอัพ 14 รายระหว่างการแวะพักล่าสุดในฝรั่งเศส สหราชอาณาจักร สวีเดน และเยอรมนี
• Huang กล่าวว่าฐานการผลิตและเมคาทรอนิกส์ของยุโรปสามารถสนับสนุนความเป็นผู้นําด้านหุ่นยนต์ฮิวแมนอยด์และ AI ภาคอุตสาหกรรม
• เขายังชี้ให้เห็นถึงความพยายามด้าน sovereign AI และการนําโอเพนซอร์สมาใช้ว่าเป็นส่วนสําคัญของกลยุทธ์ของภูมิภาค

Huang กําหนดบทบาทของบริษัทในฐานะชั้นการประมวลผลของเศรษฐกิจ AI ห้าส่วน:

• พลังงาน
• การประมวลผลขั้นสูง
• โรงงาน AI ที่ผลิต intelligence tokens
• โมเดล AI ในหลายโดเมน
• แอปพลิเคชันที่ฝังอยู่ในอุตสาหกรรม

ขนาดทางการเงินและการดําเนินงาน

การกล่าวสุนทรพจน์หลักมุ่งเน้นน้อยลงที่ผลประกอบการรายไตรมาสและมากขึ้นที่เศรษฐศาสตร์ของโครงสร้างพื้นฐาน AI Huang กล่าวว่าการพัฒนานั้นต้องใช้เงินทุนสูง แต่เขาโต้แย้งว่าศักยภาพด้านรายได้ก็มีขนาดใหญ่เท่ากัน

• โรงงาน AI ขนาด 1 กิกะวัตต์มีต้นทุนประมาณ 50,000 ล้านดอลลาร์ รวมถึงที่ดิน พลังงาน Shell การประมวลผล เครือข่าย การจัดเก็บข้อมูล การระบายความร้อนด้วยพลังงาน และการบูรณาการ
• Huang กล่าวว่าศูนย์ข้อมูลขนาด 1 กิกะวัตต์สามารถสร้างรายได้ประมาณ 40,000 ล้านดอลลาร์ต่อปี
• เขากล่าวว่าทุกสามเดือนของความล่าช้าในการใช้งานอาจทําให้สูญเสียรายได้ประมาณ 10,000 ล้านดอลลาร์
• NVIDIA กล่าวว่าประสิทธิภาพ AI ของบริษัทได้ปรับปรุงขึ้น 1 ล้านเท่าในช่วง 11 ปี ซึ่งสูงกว่าความคาดหวังตามกฎของ Moore มาก

เขายังเปรียบเทียบรุ่น GPU ล่าสุด:

• Hopper เร็วกว่า Ampere ประมาณ 30 เท่า
• Blackwell เร็วกว่า Hopper ประมาณ 30 เท่า
• Vera Rubin เร็วกว่า Blackwell ประมาณ 30 เท่า

การประกาศโครงสร้างพื้นฐานและผลิตภัณฑ์ใหม่

NVIDIA เปิดตัวระบบหลายระบบที่มุ่งเร่งการใช้งานโรงงาน AI และปรับปรุงประสิทธิภาพ

• Vera Rubin อยู่ในการผลิตเต็มรูปแบบแล้ว
• DSX Pod คือระบบโรงงาน AI ที่บูรณาการกับโรงงาน สร้างขึ้นรอบ Vera Rubin NVL72
• Spectrum-X networking อยู่ในการผลิตปริมาณมากอย่างสมบูรณ์และใช้ co-packaged optics
• RTX Spark คือคอมพิวเตอร์ส่วนตัวแบบพกพาขนาด 1 เพตาฟลอปส์
• DGX Station พร้อม Windows มีประสิทธิภาพ 20 เพตาฟลอปส์และหน่วยความจํา 754 กิกะไบต์

DSX Pod และโมเดลโรงงาน AI

Huang อธิบาย DSX Pod ว่าเป็นวิธีการย้ายโครงสร้างพื้นฐาน AI จากโครงการก่อสร้างแบบกําหนดเองไปสู่ผลิตภัณฑ์ในห่วงโซ่อุปทาน เขากล่าวว่าระบบถูกประกอบนอกสถานที่และส่งมอบพร้อมสําหรับการใช้งานที่เร็วขึ้น

• DSX Pod ใช้แร็คการประมวลผลระบายความร้อนด้วยของเหลว 7 แร็ค เชื่อมต่อด้วยสาย Spectrum-X ยาว 17 กิโลเมตร
• เวลาในการใช้งานคาดว่าจะลดลงจากสี่ถึงห้าเดือนเหลือประมาณหนึ่งเดือน
• ระบบใช้การระบายความร้อนด้วยของเหลว 100% โดยมีอุณหภูมิสารหล่อเย็นสูงถึง 45 องศา Celsius
• ที่ความจุ 2 กิกะวัตต์ Huang กล่าวว่าการออกแบบนี้สามารถประหยัดน้ําได้ 54 ล้านลิตรต่อวัน เท่ากับการใช้น้ํารายวันของประมาณ 180,000 ครัวเรือน
• ใช้ระบบจ่ายไฟ DC 800 โวลต์และระบบควบคุม DSX MaxLPS ซึ่ง Huang กล่าวว่าสามารถลดการใช้พลังงานได้ 30% สําหรับผลผลิตเท่ากัน
• เวลาในการประกอบต่อโหนด Vera Rubin ลดลงจากสองชั่วโมงในระบบ Grace Blackwell เหลือน้อยกว่าห้านาที

Huang กล่าวว่าการเปลี่ยนแปลงนี้อาจลดการประมวลผลที่ไม่ได้ใช้งานและการใช้จ่ายทุนที่สูญเปล่าโดยการย้ายงานส่วนใหญ่ไปสู่ห่วงโซ่อุปทาน

Vera Rubin และความก้าวหน้าด้านเครือข่าย

การกล่าวสุนทรพจน์หลักให้การอัปเดตทางเทคนิคโดยละเอียดเกี่ยวกับสแต็กการประมวลผลและเครือข่ายรุ่นต่อไปของ NVIDIA

• Vera CPU ส่งมอบแปดคําสั่งต่อสัญญาณนาฬิกา
• ระบบใช้ระบบหน่วยความจํา LPDDR แรกของโลกสําหรับประสิทธิภาพสูงและประสิทธิภาพด้านพลังงาน
• แต่ละ GPU ส่งมอบ 20 เพตาฟลอปส์
• ระบบ 72 GPU ถึง 1.44 เอกซาฟลอปส์ของประสิทธิภาพรวม
• ถาด Vera Rubin NVLink switch เชื่อมต่อ 72 GPU เป็นระบบ GPU ขนาดใหญ่หนึ่งระบบ

ด้านเครือข่าย Huang กล่าวว่า Spectrum-X เป็นเทคโนโลยี co-packaged optics แรกของโลกและเป็น Ethernet switch ที่ล้ําหน้าที่สุดที่ NVIDIA สร้างมาจนถึงปัจจุบัน

• ใช้ silicon photonics ที่ติดตั้งโดยตรงกับชิปผ่านกระบวนการ COUPE ที่พัฒนาร่วมกับ TSMC
• รองรับ 512 พอร์ตที่ 200 กิกะบิตต่อวินาที
• ขณะนี้อยู่ในการผลิตปริมาณมากอย่างเต็มรูปแบบ
• การออกแบบนี้ขจัดข้อจํากัดจากการส่งสัญญาณแผงวงจรพิมพ์โดยใช้การเชื่อมต่อออปติกโดยตรง

ฮาร์ดแวร์ AI ส่วนตัวสําหรับนักพัฒนา

NVIDIA ยังเปิดตัวระบบขนาดกะทัดรัดที่มุ่งเป้าไปที่นักพัฒนาแต่ละคนและทีมขนาดเล็ก

• RTX Spark ส่งมอบประสิทธิภาพ 1 เพตาฟลอปส์ในรูปแบบที่ถือด้วยมือได้
• มีหน่วยความจํา 128 กิกะไบต์
• Huang กล่าวว่ามันมีประสิทธิภาพเทียบเท่า DGX-1 ที่ส่งมอบให้ OpenAI ในปี 2016 แต่พกพาได้
• ระบบใช้ชิป N1X ที่พัฒนาขึ้นในช่วงสี่ปีร่วมกับ Microsoft
• จะมีให้บริการในเวอร์ชันเดสก์ท็อป แล็ปท็อป และเวิร์กสเตชันในช่วงปลายปี 2024
• DGX Station พร้อม Windows ออกแบบมาสําหรับซอฟต์แวร์มืออาชีพ รวมถึง CATIA, Dassault, Autodesk, Adobe, Cadence และ Synopsys

ตัวแทน AI ความปลอดภัย และสแต็กซอฟต์แวร์

ส่วนสําคัญของการกล่าวสุนทรพจน์หลักมุ่งเน้นไปที่ตัวแทน AI อัตโนมัติและโครงสร้างพื้นฐานที่จําเป็นในการรันอย่างปลอดภัย Huang กล่าวว่าตัวแทนที่มีประสิทธิภาพต้องการห้าองค์ประกอบ:

• โมเดลสําหรับการรับรู้ การใช้เหตุผล การวางแผน และการดําเนินการ
• กรอบการทํางานเพื่อประสานงาน
• รันไทม์ที่ปลอดภัย
• ฐานความรู้ที่สร้างจากข้อมูลของบริษัท
• เครื่องมือเช่นไลบรารี CUDA-X และตัวเร่งความเร็วเฉพาะโดเมน

เขากล่าวว่า OpenShell secure runtime ของ NVIDIA เป็นโอเพนซอร์สภายใต้ใบอนุญาต Apache 2.0 และสามารถนํามาใช้ได้ด้วยสองคําสั่ง ใช้การแยก Linux kernel และการบังคับใช้นโยบายรันไทม์ พร้อมการตรวจสอบอย่างเป็นทางการเกี่ยวกับการเปลี่ยนแปลงนโยบายเทียบกับขีดจํากัดสิทธิ์

Huang กล่าวว่า OpenShell ทํางานตั้งแต่ edge ถึง cloud และกําลังถูกใช้งานโดยแล็บชั้นนํา บริษัทระบบปฏิบัติการ บริษัทความปลอดภัยทางไซเบอร์ และบริษัทแพลตฟอร์มรายใหญ่แล้ว เขายังเปิดตัว NVIDIA Sentry ซึ่งเป็นชั้นความปลอดภัยบนฮาร์ดแวร์ที่ทํางานบนโปรเซสเซอร์ BlueField-4

• Sentry สร้างโดเมนความน่าเชื่อถือที่แยกด้วยฮาร์ดแวร์
• สามารถตรวจสอบกิจกรรมของตัวแทนและบังคับใช้นโยบายความปลอดภัย
• สามารถกักกันตัวแทนที่ถูกบุกรุกได้ภายในมิลลิวินาที
• เก็บบันทึกที่ป้องกันการแก้ไขสําหรับการสืบสวนและการตอบสนอง

โมเดล ข้อมูล และเครื่องมือสําหรับนักพัฒนา

NVIDIA สรุปพอร์ตโฟลิโอโมเดลที่กว้างขวางและชุดเครื่องมือสําหรับการสร้างระบบ AI แบบกําหนดเอง

• Nemotron คือตระกูลโมเดลโอเพนซอร์สของ NVIDIA พร้อมน้ําหนักแบบเปิด ข้อมูลการฝึกอบรม และสคริปต์การสร้างใหม่
• Cosmos คือโมเดลรากฐานของโลกสําหรับความเข้าใจทางกายภาพ
• GR00T มุ่งเน้นที่การโต้ตอบระหว่างมนุษย์กับหุ่นยนต์
• Earth-2 มุ่งเป้าไปที่ physics AI
• BioNeMo ออกแบบมาสําหรับความเข้าใจโปรตีนและเซลล์ในการค้นพบยา
• Ising ครอบคลุมการประมวลผลแบบควอนตัม-คลาสสิก
• Llama 3 รองรับการนําทางอัตโนมัติ

Huang ยังเน้นย้ําถึงพันธมิตรการปรับแต่งโมเดลกับ AI21 และ Alice, Baseten และ CodeRabbit, Trajectory และ Harvey, Scale และ Skydance และ Palantir กับ Tampa General Hospital

เขากล่าวว่า CUDA-X และไลบรารีที่เกี่ยวข้องเป็นศูนย์กลางของกลยุทธ์ซอฟต์แวร์ของบริษัท

• cuDNN ถูกอธิบายว่าเป็นสิ่งที่ AI ต้องการเหมือน SQL สําหรับฐานข้อมูล
• ไลบรารีเฉพาะทางมากกว่า 350 รายการครอบคลุมพื้นที่ตั้งแต่การพิมพ์หินและการประมวลผลสัญญาณไปจนถึงการจําลองหุ่นยนต์และเคมีควอนตัม
• NVIDIA กล่าวว่าเครื่องมือเหล่านี้สามารถส่งมอบความเร็วที่เพิ่มขึ้น 10 ถึง 100 เท่าเมื่อเทียบกับการประมวลผลแบบ CPU-native

Physical AI และหุ่นยนต์

Huang กล่าวว่าคลื่นการประมวลผลสําคัญถัดไปจะเป็น physical AI รวมถึงยานพาหนะ หุ่นยนต์ และระบบอุตสาหกรรมที่โต้ตอบกับโลกแห่งความเป็นจริง

สําหรับยานยนต์อัตโนมัติ NVIDIA กล่าวว่ามาตรฐาน Hyperion กําลังกลายเป็นสถาปัตยกรรมทั่วไป

• ระบบใช้กล้อง 14 ตัว ระบบเรดาร์ 9 ระบบ ไลดาร์ 3 ตัว และอัลตราโซนิก
• อาศัยระบบ GPU คู่ของ NVIDIA สําหรับการประมวลผลในยานพาหนะ
• มีการประกาศแบรนด์ใหม่สี่แบรนด์สําหรับความเข้ากันได้กับ Hyperion: รถตู้ Volkswagen, รุ่นใหม่ JLR, กองยาน Volvo และ Mercedes รุ่นต่อไป
• Huang กล่าวว่าตลาดอาจมีขนาดใหญ่ โดยพิจารณาจากระยะทางประมาณ 1 ล้านล้านไมล์ที่เดินทางต่อปีและกลุ่มรายได้ที่มีศักยภาพ 1 ถึง 2 ดอลลาร์ต่อไมล์

สําหรับหุ่นยนต์ฮิวแมนอยด์ NVIDIA เปิดตัว Agile ONE หุ่นยนต์อ้างอิงที่สร้างขึ้นร่วมกับ Agile Robots และกําหนดเปิดตัวในไตรมาสแรกของปี 2025

• หุ่นยนต์ถูกประกอบล่วงหน้าพร้อมคอมพิวเตอร์และซอฟต์แวร์ที่บูรณาการ
• ออกแบบมาสําหรับการเรียนรู้ทักษะและการปรับตัวที่เร็วขึ้น
• Huang กล่าวว่าเป้าหมายคือการสร้างมาตรฐานให้กับอุตสาหกรรมที่แตกกระจายและสนับสนุนการผลิตในปริมาณที่สูงขึ้น

เขายังชี้ให้เห็นถึงการใช้งาน physical AI อื่นๆ:

• รังสีบําบัดแบบหุ่นยนต์พร้อมการติดตามเนื้องอกแบบเรียลไทม์และการปรับอัตโนมัติระหว่างการรักษา
• การเพิ่มประสิทธิภาพเครือข่ายโทรคมนาคมในสถานีฐานโทรศัพท์มือถือประมาณ 100,000 แห่งและสถานีฐานแบบกระจายและศูนย์ข้อมูลประมาณ 100 กิกะวัตต์
• การโทรศัพท์เชิงพาณิชย์ครั้งแรกบนเครือข่าย T-Mobile ร่วมกับ Nokia หลังจากการพัฒนาแปดปี

การส

บทความนี้ถูกแปลโดยใช้ความช่วยเหลือจากปัญญาประดิษฐ์(AI) สำหรับข้อมูลเพิ่มเติม โปรดอ่านข้อกำหนดการใช้งาน