LinkedIn ไม่เพิ่มการลงทุนฮาร์ดแวร์ AI ในปีนี้ เน้นใช้ประสิทธิภาพ GPU ที่มีอยู่ให้สูงสุด

LinkedIn ประกาศว่าจะไม่เพิ่มการลงทุนในฮาร์ดแวร์ AI อย่างมหาศาลสำหรับปีงบประมาณหน้า โดยมุ่งเน้นใช้ประสิทธิภาพของ GPU ที่มีอยู่ให้ได้สูงสุดสองเท่าในช่วงหกเดือนที่ผ่านมา การตัดสินใจนี้ทำให้บริษัทต่างจากนโยบายการขยายศูนย์ข้อมูลของแม่บริษัท Microsoft อย่างชัดเจน

Overview

LinkedIn แถลงว่าจะคงระดับการลงทุนใน GPU ไว้ที่ระดับปัจจุบันและไม่เพิ่มพื้นที่คอมพิวต์หรือสตอเรจอย่างมีนัยสำคัญ การทำเช่นนี้มาจากความสำเร็จในการเพิ่มประสิทธิภาพของ GPU ที่ใช้อยู่แล้วเป็นสองเท่า ภายในระยะเวลาสั้น ๆ เพื่อลดต้นทุนและปล่อยทรัพยากรที่ได้มาใช้พัฒนาฟีเจอร์ AI ใหม่แทนการซื้ออุปกรณ์เพิ่มเติม

แม้ว่า LinkedIn จะเป็นส่วนหนึ่งของ Microsoft ตั้งแต่การเข้าซื้อกิจการมูลค่า $26.2 พันล้านในปี 2016 แต่แนวทางการจัดการทรัพยากรด้านคอมพิวต์ของบริษัทนี้กลับแตกต่างอย่างชัดเจนจากแม่บริษัทที่กำลังขยายศูนย์ข้อมูลและลงทุนใน AI อย่างต่อเนื่อง

AI Hardware Strategy

ตามคำให้สัมภาษณ์ของ Erran Berger, CTO ด้านวิศวกรรมของ LinkedIn ที่ Wired, เป้าหมายหลักคือ “คงระดับการใช้คอมพิวต์ไว้ที่เท่าเดิมหรือใกล้เคียง” ขณะเดียวกันก็ต้องสามารถปล่อยฟีเจอร์ที่ต้องการกำลังประมวลผลสูงเข้าสู่ผลิตภัณฑ์ได้อย่างต่อเนื่อง

บริษัทจึงเลือกที่จะใช้ “หัวหน่วยความจำ (headroom)” ที่เกิดจากการเพิ่มประสิทธิภาพของ GPU เดิม แทนการขยายฮาร์ดแวร์ใหม่ การตัดสินใจนี้เป็นที่ไม่ค่อยพบในอุตสาหกรรมเทคโนโลยีซึ่งส่วนใหญ่กำลังมุ่งเน้นการเพิ่มความจุและพลังการประมวลผลอย่างต่อเนื่อง

Efficiency Measures

LinkedIn รายงานว่าการปรับปรุงประสิทธิภาพของ GPU เกิดจากหลายขั้นตอนที่ทำร่วมกัน ไม่ใช่เพียงการเปลี่ยนเทคโนโลยีครั้งเดียว:

• เพิ่มอัตราการใช้ GPU ผ่านการจัดสรรงานอย่างเหมาะสม
• **ลดขนาดโมเดล (model distillation) เพื่อนำโมเดลใหญ่ไปแปลงเป็นรุ่นที่เล็กและเร็วขึ้น
• ปรับกระบวนการทำงานระหว่างการฝึกอบรม การให้บริการ inference และการจัดเก็บข้อมูล ให้สอดคล้องกันมากยิ่งขึ้น

วิธีเหล่านี้ทำให้ค่าใช้จ่ายต่อคำค้นหาเพิ่มขึ้นอย่างช้า ๆ แม้ปริมาณข้อมูลที่จัดเก็บจะเติบโตเป็นสองเท่าต่อปี ซึ่ง LinkedIn มองว่าเป็นแนวทางการควบคุมต้นทุนระยะยาว

Infrastructure Background

ในปี 2019 LinkedIn ได้ประกาศแผนย้ายโครงสร้างพื้นฐานทั้งหมดไปยัง Azure ภายใต้โครงการ “Blueshift” แต่เมื่อถึงปี 2022 แผนดังกล่าวถูกระงับลง เนื่องจากความต้องการของ Azure เองและปัญหาในการถ่ายโอนเครื่องมือภายในบริษัท

ผลลัพธ์คือ LinkedIn ยังคงดำเนินงานศูนย์ข้อมูลของตนเองใน Oregon, Texas และ Virginia การควบคุมสแตกเต็มรูปแบบทำให้ทีมเทคนิคสามารถตรวจวัดและปรับแต่งประสิทธิภาพได้อย่างละเอียดโดยไม่ต้องพึ่งพาผู้ให้บริการคลาวด์ภายนอก

Raghu Hiremagalur, CTO ด้านโครงสร้างพื้นฐานของ LinkedIn ยืนยันว่าการเป็นเจ้าของสแตกเต็มรูปแบบเป็นกุญแจสำคัญที่ทำให้แผนการ “ไม่เพิ่มฮาร์ดแวร์” ในปีนี้สามารถทำได้จริง

Comparison with Microsoft

ขณะเดียวกัน Microsoft รายงานผลประกอบการไตรมาสล่าสุดโดยมีค่าใช้จ่ายเงินทุน (CAPEX) สูง $41 พันล้าน พร้อมเปิดศูนย์ข้อมูลใหม่ 31 แห่งในไตรมาสนั้น รวมทั้งหมด 88 แห่งตลอดปี และคาดว่าจะใช้จ่ายเกิน $50 พันล้าน ในไตรมาสถัดไป

ส่วนใหญ่ของการลงทุนนี้ตอบสนองความต้องการจากลูกค้า Azure และสัญญาการให้บริการกับ OpenAI มากกว่าภาระงานภายในบริษัทเอง การที่ LinkedIn ซึ่งมีผู้ใช้มากกว่า 1 พันล้านคน เลือกไม่เพิ่มฮาร์ดแวร์จึงเป็นการตัดสินใจที่โดดเด่นเมื่อเทียบกับแนวโน้มของตลาดที่มุ่งเน้น “ขยายความจุ” อย่างต่อเนื่อง

อย่างไรก็ตาม การลดต้นทุนของ LinkedIn ยังต้องอาศัยประสิทธิภาพภายในองค์กรเป็นหลัก ไม่ได้หมายถึงการละเลยนวัตกรรม AI แต่เป็นการใช้ทรัพยากรเดิมให้เกิดมูลค่าสูงสุดก่อนจะตัดสินใจขยายเพิ่มเติม

Impact

แนวทางของ LinkedIn เปิดมุมมองใหม่ต่อสมมติฐานว่า “ฟีเจอร์ AI ต้องพึ่งพาการเพิ่มฮาร์ดแวร์เสมอ” หากการปรับประสิทธิภาพเชิงลึกสามารถรองรับความต้องการได้ บริษัทเทคโนโลยีขนาดใหญ่หลายแห่งอาจพิจารณาแนวทางคล้ายกันเพื่อลดค่าใช้จ่ายและเพิ่มความยั่งยืน

ในแง่ของผู้ใช้ LinkedIn การที่บริษัทจะนำฟีเจอร์ AI ใหม่ ๆ ไปใช้โดยไม่ต้องรอการขยายศูนย์ข้อมูลเพิ่มเติม สามารถเร่งกระบวนการเปิดตัวผลิตภัณฑ์ได้เร็วขึ้น อย่างไรก็ตาม หากปริมาณข้อมูลและความซับซ้อนของโมเดลเพิ่มอย่างต่อเนื่อง ความสามารถในการรักษาประสิทธิภาพระดับนี้อาจเผชิญข้อจำกัดในระยะยาว

Summary

LinkedIn ตัดสินใจคงการลงทุนฮาร์ดแวร์ AI ไว้ที่ระดับปัจจุบันโดยพึ่งพาการเพิ่มประสิทธิภาพของ GPU ที่มีอยู่เป็นสองเท่าในหกเดือนที่ผ่านมา การทำเช่นนี้แตกต่างอย่างชัดเจนจากแม่บริษัท Microsoft ที่กำลังขยายศูนย์ข้อมูลและลงทุนใน AI อย่างต่อเนื่อง ผลลัพธ์อาจส่งผลให้แนวคิดเรื่อง “เพิ่มฮาร์ดแวร์เพื่อรองรับ AI” ถูกตั้งคำถามใหม่ในอุตสาหกรรม.