AI ไม่ต้องใหญ่ที่สุด ต้องถูกงานที่สุด

Microsoft เพิ่งประกาศขยายโครงสร้างพื้นฐาน AI บน Azure ร่วมกับ AMD ครับ

ในประกาศวันที่ 20 กรกฎาคม 2026 เขาไม่ได้พูดถึงเครื่องแบบเดียวที่ทำได้ทุกอย่าง แต่แยก workload ออกเป็น 3 กลุ่มชัด ๆ

HDv2 สำหรับงาน data systems ที่ต้องป้อนข้อมูลให้ AI

HXv2 สำหรับงานออกแบบชิปและ technical computing

ND MI455X v7 สำหรับ AI inference ระดับ production โดยใช้ AMD Helios

มุมที่นน่าสนใจสำหรับคนทำธุรกิจ

ไม่ใช่ชื่อรุ่นของเครื่องครับ

แต่มันคือหลักคิดว่า

"AI แต่ละงาน ใช้ทรัพยากรไม่เหมือนกัน"

ถ้าเราเอา model ใหญ่ที่สุดไปทำทุกงาน ต้นทุนอาจโตเร็วกว่าผลลัพธ์

ลองแยก Workload ก่อนครับ

ก่อนเพิ่มงบ AI ลองแยก workload ก่อนครับ

1. งานไหนต้องตอบเร็ว
2. งานไหนต้องอ่านข้อมูลเยอะ
3. งานไหนต้องใช้เหตุผลลึก
4. งานไหนรันเป็นรอบได้ ไม่ต้อง real-time
5. งานไหนควรใช้คนตรวจทุกครั้ง

ไม่จำเป็นต้องตั้งแต่แรก

ธุรกิจไม่จำเป็นต้องมี compute ใหญ่ที่สุดครับ

แต่ควรรู้ว่า "งานไหนควรใช้ของระดับไหน" ให้ชัดที่สุด

---

หมายเหตุ: Microsoft ระบุว่าสามบริการนี้เป็น upcoming Azure offerings บทความนี้ไม่ได้ยืนยันราคา พื้นที่ให้บริการในไทย หรือผล benchmark อิสระครับ

TL;DR

AI โตจริงไม่ใช่เอาเครื่องแรงที่สุดใส่ทุกงาน แต่คือแยก workload แล้วเลือก compute ให้ตรงกับความเร็ว ข้อมูล ต้นทุน และความเสี่ยงของงานนั้นครับ 💪