AGI จะทำให้ CPU แพงขึ้น? เมื่อ AI ไม่ได้ต้องการแค่ GPU แต่ AI Agent กำลังใช้ CPU มากขึ้นเรื่อย ๆ และถ้าวันหนึ่ง AGI ทำงานแทนมนุษย์นับล้านคน… CPU อาจกลายเป็นทรัพยากรสำคัญที่โลกต้องแย่งกัน
เวลาพูดถึงการขยายตัวของ AI สิ่งที่คนส่วนใหญ่นึกถึงมักเป็น GPU เพราะเป็นชิปสำคัญสำหรับการฝึกและประมวลผลโมเดล AI แต่เมื่อ AI กำลังเปลี่ยนจากแชตบอตที่รอรับคำสั่ง มาเป็น Agentic AI ที่สามารถวางแผน ตัดสินใจ เรียกใช้เครื่องมือ และทำงานหลายขั้นตอนด้วยตัวเอง สมการด้าน Hardware กำลังเปลี่ยนไป เพราะ AI Agent ไม่ได้ใช้แค่ GPU แต่ต้องพึ่งพา CPU, Memory และระบบจัดการข้อมูล มากขึ้นด้วย จนเกิดคำถามว่า หากวันหนึ่ง AGI สามารถทำงานแทนมนุษย์ในวงกว้าง ความต้องการ CPU จะเพิ่มขึ้นจนส่งผลต่อราคาและกลายเป็นทรัพยากรที่ขาดแคลนหรือไม่
เมื่อ AI ไม่ได้ต้องการแค่ GPU
ในยุคแรกของ Generative AI เรามักมองว่า GPU คือหัวใจของระบบ AI เพราะสามารถประมวลผลการคำนวณแบบขนานจำนวนมหาศาลที่จำเป็นต่อการฝึกและรันโมเดลขนาดใหญ่ แต่เมื่อ AI พัฒนาไปสู่ Agentic AI ลักษณะการทำงานก็เปลี่ยนไป จากเดิมที่โมเดลรับคำถามและสร้างคำตอบ กลายเป็นระบบที่สามารถวางแผน แบ่งงาน เรียกใช้เครื่องมือ ค้นข้อมูล เรียก API รันโค้ด และตรวจสอบผลลัพธ์ก่อนตัดสินใจทำขั้นตอนต่อไป กระบวนการเหล่านี้ทำให้ CPU ต้องเข้ามามีบทบาทมากขึ้น โดยเฉพาะในส่วนของ orchestration และการจัดการ workflow ระหว่างโมเดลกับเครื่องมือต่าง ๆ
งานวิจัย AgentSysBench ที่เผยแพร่ในเดือนสิงหาคม 2026 ซึ่งศึกษาการทำงานของ Agentic AI จำนวน 10 แอปพลิเคชัน พบความแตกต่างที่สำคัญจากการรัน LLM แบบทั่วไป โดยใน 5 จาก 10 แอปพลิเคชัน ส่วนประกอบที่ไม่ใช่ LLM กลายเป็นตัวกินเวลาหลักของการทำงาน และระบบมี workload ที่หลากหลาย ทั้ง GPU-bound สำหรับการประมวลผลโมเดล, memory-bound สำหรับการค้นคืนข้อมูล และ CPU-bound สำหรับงาน sandbox และการประมวลผลบางประเภท นอกจากนี้ latency ของงานแต่ละประเภทอาจแตกต่างกันมากถึง 32 เท่า แสดงให้เห็นว่าการเพิ่ม GPU เพียงอย่างเดียวอาจไม่สามารถแก้ปัญหาคอขวดของ Agentic AI ได้ทั้งหมด
นั่นทำให้โครงสร้างของ AI Infrastructure กำลังเปลี่ยนจากระบบที่เน้น GPU เป็นศูนย์กลาง ไปสู่ระบบที่ต้องออกแบบให้ CPU และ GPU ทำงานร่วมกันอย่างใกล้ชิด เพราะงานวิจัยอีกชิ้นที่ศึกษาระบบ Agentic AI บน Microsoft Azure พบว่า workflow ของ Agent มีการข้ามไปมาระหว่าง CPU และ GPU หลายครั้ง โดย CPU ซึ่งรับผิดชอบ orchestration และการเรียกใช้เครื่องมือต่าง ๆ อยู่บน critical path ของการทำงาน ดังนั้น เมื่อ AI Agent มีจำนวนเพิ่มขึ้นและแต่ละ Agent ทำงานซับซ้อนขึ้น คำถามจึงไม่ใช่แค่ว่า “เรามี GPU เพียงพอหรือไม่?” แต่กำลังกลายเป็นว่า “เรามี CPU และระบบโดยรอบเพียงพอที่จะรองรับ AI เหล่านี้หรือยัง?”
AI Agent ใช้ CPU มากขึ้น
การเปลี่ยนแปลงสำคัญของยุค Agentic AI คือ CPU กำลังกลับมามีบทบาทมากขึ้นใน Data Center เดิมระบบ AI ที่เน้นการตอบคำถามหรือสร้างคอนเทนต์มักให้ GPU เป็นตัวหลัก โดย CPU ทำหน้าที่สนับสนุนอยู่เบื้องหลัง แต่ AI Agent มีขั้นตอนการทำงานซับซ้อนกว่านั้นมาก เพราะหนึ่งคำสั่งอาจถูกแตกออกเป็นหลายงาน ทั้งการวางแผน เรียกโมเดล ค้นฐานข้อมูล ติดต่อ API เรียกใช้ซอฟต์แวร์ ตรวจสอบสิทธิ์ จัดการ Memory และประเมินผลลัพธ์ ก่อนจะวนกลับไปทำขั้นตอนถัดไป AMD ระบุว่า workload รูปแบบนี้กำลังทำให้สัดส่วน CPU ต่อ GPU เปลี่ยนจากประมาณ 1:4–8 ในยุค Chatbot ไปสู่ราว 1:1 และในบางกรณีอาจมี CPU มากกว่า GPU ด้วยซ้ำ
เมื่อ Agentic AI ถูกนำไปใช้งานใน Data Center มากขึ้น เหตุผลไม่ได้หมายความว่า CPU จะเข้ามาทำงานแทน GPU แต่เป็นเพราะ AI Agent มี “งานรอบโมเดล” เพิ่มขึ้นอย่างมาก ไม่ว่าจะเป็น orchestration, tool calling, evaluation, data processing และการจัดการ workflow ระหว่างหลาย Agent ยิ่ง Agent ทำงานหลายขั้นตอนและมีการเรียกใช้เครื่องมือภายนอกบ่อยเท่าไร CPU ก็ยิ่งต้องรับภาระมากขึ้นเท่านั้น TrendForce ยังอ้างการประเมินของ Arm ว่า ความต้องการ CPU อาจเพิ่มจากประมาณ 30 ล้านคอร์ต่อกิกะวัตต์ของ Data Center เป็น 120 ล้านคอร์ต่อกิกะวัตต์ ในยุค Agentic AI หรือเพิ่มขึ้นถึงประมาณ 4 เท่า
ผลที่ตามมาคือ Data Center สำหรับ AI ในอนาคตอาจไม่สามารถออกแบบโดยคิดเพียงว่า “เพิ่ม GPU ให้มากที่สุด” อีกต่อไป แต่ต้องสร้างโครงสร้างที่สมดุลระหว่าง CPU + GPU + Memory + Network เพื่อไม่ให้ส่วนใดส่วนหนึ่งกลายเป็นคอขวด เพราะต่อให้มี GPU จำนวนมหาศาล แต่หาก CPU ประมวลผลคำสั่งหรือจัดการเครื่องมือไม่ทัน GPU ก็อาจต้องรอและไม่ได้ทำงานเต็มประสิทธิภาพ ดังนั้นเมื่อ Agentic AI ขยายตัว สิ่งที่น่าจับตาจึงไม่ใช่แค่สงคราม GPU เท่านั้น แต่รวมถึงการแข่งขันด้าน Server CPU และจำนวน CPU cores ซึ่งอาจกลายเป็นหนึ่งในโครงสร้างพื้นฐานสำคัญของโลก AI และเป็นอีกปัจจัยที่ผลักดันความต้องการ CPU ในตลาด Data Center
ถ้า AGI ทำงานแทนคนจำนวนมาก ความต้องการ CPU จะเป็นอย่างไร?
จุดนี้คือสิ่งที่ทำให้ประเด็น AGI น่าสนใจ เพราะ AI Agent หนึ่งตัวไม่ได้ทำงานเพียงครั้งเดียวแล้วจบ แต่สามารถทำงานเป็นวงจร คิด → เรียกเครื่องมือ → รับผลลัพธ์ → วิเคราะห์ → ตัดสินใจ → ลงมือทำ และวนซ้ำหลายครั้ง งานวิจัยที่เผยแพร่ในเดือนสิงหาคม 2026 พบว่า Agentic applications มีลักษณะเป็น workload ที่ทำงานต่อเนื่องและมี state โดยบาง session มี working-set memory สูงถึง 28 GB และส่วนประกอบที่เป็น CPU-bound sandbox สามารถกลายเป็นหนึ่งในคอขวดของระบบได้
ลองจินตนาการว่าปัจจุบันมี AI Agent จำนวนหนึ่งทำงานแทนมนุษย์ แต่ในอนาคตหาก AGI สามารถทำงานด้านวิจัย เขียนโปรแกรม วิเคราะห์ข้อมูล บริหารธุรกิจ หรือทำงานสำนักงานได้พร้อมกันนับล้าน Agent ปริมาณงานเบื้องหลังจะเพิ่มขึ้นอย่างมหาศาล ทุกครั้งที่ Agent เรียก API ค้นข้อมูล รันโค้ด หรือประมวลผลผลลัพธ์ ล้วนต้องใช้ Computing Resources ดังนั้นความต้องการ CPU และ Memory ก็อาจเพิ่มขึ้นตามจำนวน Agent และความซับซ้อนของงาน
CPU อาจกลายเป็นคอขวดตัวใหม่ของ AI
สิ่งที่น่าสนใจคือปัญหาอาจไม่ได้อยู่ที่จำนวน CPU เพียงอย่างเดียว แต่เป็นเรื่องของ การจัดสรร CPU กับ GPU ให้เหมาะกับงาน งานวิจัยเกี่ยวกับ Agentic AI พบว่า workflow สามารถสลับไปมาระหว่าง CPU และ GPU หลายครั้ง และเมื่อมีหลาย Agent ทำงานพร้อมกัน การแย่งใช้ทรัพยากรอาจทำให้เกิด bottleneck ได้
ภาพนี้กำลังเกิดขึ้นจริงในตลาด Data Center แล้ว HPE ระบุล่าสุดว่าความต้องการ Infrastructure สำหรับ AI เพิ่มขึ้นอย่างมากจนเกิดข้อจำกัดด้าน Supply ทั้ง Memory, NAND, CPU และ Storage ขณะที่ Dell ก็รายงานว่าความต้องการ AI Server ยังคงแข็งแกร่ง และยอดสั่งซื้อ AI Server ในช่วงปีที่ผ่านมาเพิ่มขึ้นอย่างมาก
ดังนั้นคำถามว่า “AGI จะทำให้ CPU แพงขึ้นหรือไม่?” ยังไม่สามารถตอบว่า “ใช่แน่นอน” เพราะราคา CPU ยังขึ้นอยู่กับต้นทุนการผลิต กำลังการผลิต Supply Chain และความต้องการจากตลาด PC และ Server ด้วย แต่สิ่งที่เริ่มเห็นชัดคือ AI กำลังเพิ่มความต้องการ CPU ใน Data Center และหาก Agentic AI ขยายตัวตามที่คาดการณ์ ความต้องการดังกล่าวก็มีโอกาสเพิ่มขึ้นอีก
ท้ายที่สุด โลกของ AGI อาจไม่ได้เป็นการแข่งขันว่าใครมี GPU มากที่สุดอีกต่อไป แต่เป็นการแข่งขันว่าใครสามารถสร้าง Infrastructure ที่สมดุลที่สุดระหว่าง CPU, GPU, Memory และ Network เพราะยิ่ง AI ฉลาดและทำงานได้ด้วยตัวเองมากขึ้น ภาระงานที่อยู่ “รอบ ๆ โมเดล” ก็จะเพิ่มขึ้นตามไปด้วย และนั่นอาจทำให้ CPU จากชิปที่เคยถูกมองว่าเป็นผู้ช่วยของ GPU กลับกลายเป็นหนึ่งในชิ้นส่วนสำคัญที่สุดของยุค AGI
อ้างอิง insights.trendforce.com arxiv.org amd.com และ cover iT24Hrs
อ่านบทความและข่าวอื่นๆเพิ่มเติมได้ที่ it24hrs.com
AGI จะทำให้ CPU แพงขึ้น? เมื่อ AI ไม่ได้ต้องการแค่ GPU
อย่าลืมกดติดตามอัพเดตข่าวสาร ทิปเทคนิคดีๆกันนะคะ Please follow us
Youtube it24hrs
Twitter it24hrs
Tiktok it24hrs
facebook it24hrs
ติดต่อโฆษณา [email protected] โทร 080234502
