เทคโนโลยี CAD แบบสร้างสรรค์กำลังจะมาถึง บริษัท Autodesk มูลค่า 60 พันล้านดอลลาร์กำลังนำโมเดล CAD ขนาดใหญ่มาใช้ภายในองค์กร

แคด บริษัท Autodesk ยักษ์ใหญ่ก็กำลังนำเทคโนโลยี AI แบบสร้างสรรค์เข้ามาใช้เช่นกัน
ณ เวลาที่รายงานข่าวนี้เผยแพร่ หุ้นของ Autodesk (US:ADSK) ปรับตัวขึ้นมากกว่า 20% ในปี 2024 มาอยู่ที่ 293.32 ดอลลาร์ต่อหุ้น โดยมีมูลค่าตลาดรวม 63.064 พันล้านดอลลาร์
'เรากำลังพัฒนารูปแบบพื้นฐานของ AI แบบสร้างสรรค์ ซึ่งแตกต่างจากรูปแบบใดๆ ที่มีอยู่' ราจิ อาราซู รองประธานบริหารและประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของออโต้เดสก์ กล่าวเมื่อเร็วๆ นี้ในงานอีเวนต์สาธารณะแห่งหนึ่ง รูปแบบพื้นฐานที่ราจิ อาราซู กล่าวถึง ซึ่งเปิดเผยในเดือนพฤษภาคม 2024 นั้น มีชื่อว่า 'เบอร์นินี' (Bernini) ซึ่งเป็นโครงการ AI แบบสร้างสรรค์ที่ แปลงแปลงข้อความ ภาพร่างที่วาดด้วยมือ ฯลฯ ให้เป็นไฟล์ 3 มิติ
ในส่วนของตลาดโมเดลขนาดใหญ่ในปัจจุบัน การนำฟังก์ชันการสร้างภาพ 3 มิติด้วยกราฟมาใช้ดูเหมือนจะไม่ใช่เรื่องใหม่แต่อย่างใด Genie 2 ที่เพิ่งเปิดตัวของ Google DeepMind, Tencent Hybrid จากบริษัทในประเทศ และ VoxCraft จาก BioDigital Technology เป็นเพียงตัวอย่างบางส่วนที่สามารถใช้งานฟังก์ชันที่คล้ายกันได้ แต่ในฐานะยักษ์ใหญ่ด้าน CAD ระดับโลก Bernini มีความสำคัญอย่างยิ่งต่อธุรกิจจริงของ Autodesk

การเปิดเผยเรื่องราวของเบอร์นินี
โมเดล Bernini ตั้งชื่อตาม Gian Lorenzo Bernini ประติมากรและสถาปนิกชาวอิตาลีชื่อดังในศตวรรษที่ 17 ในส่วนของการเลือกข้อมูลสำหรับการฝึกฝน โมเดลนี้ได้รับการฝึกฝนด้วยรูปทรง 3 มิติสาธารณะจำนวน 10 ล้านรูป โดย Autodesk AI Labs ร่วมกับมหาวิทยาลัยจีนแห่งฮ่องกง
เหตุผลที่ Bernini แตกต่างจากแบบจำลองขนาดใหญ่พื้นฐานอื่นๆ คือ Bernini มีลักษณะสำคัญสามประการในการสร้างภาพสามมิติ:
1. โครงสร้างของภาพ 3 มิติที่สร้างขึ้นนั้นเป็นโครงสร้าง 3 มิติที่ใช้งานได้จริง ตัวอย่างเช่น มันสร้างขวดน้ำที่กลวงและทำหน้าที่บรรจุน้ำได้จริง ไม่ใช่แค่สร้างแบบจำลองที่ดูคล้ายกันเท่านั้น
2. แยกรูปทรงและพื้นผิว การสร้างรูปทรงและพื้นผิวแยกจากกันช่วยให้ผู้ใช้สามารถปรับตัวแปร ผสมผสานเข้าด้วยกัน หรือสร้างการออกแบบอื่นๆ ได้อย่างอิสระ หลีกเลี่ยงปัญหาพื้นผิวและเส้นขอบของวัตถุ 3 มิติที่สับสนกัน
3. นำเสนอรูปแบบที่หลากหลาย ปรับให้เหมาะสมสำหรับเวิร์กโฟลว์ทางเรขาคณิตระดับมืออาชีพ ความสามารถในการสร้างรูปทรง 3 มิติที่ใช้งานได้หลากหลายจากข้อมูลป้อนเข้าเพียงชิ้นเดียว ช่วยให้นักออกแบบมีทางเลือกและเร่งเวิร์กโฟลว์สร้างสรรค์ของพวกเขา

ภาพหน้าจอส่วนติดต่อผู้ใช้ของ Autodesk

ในส่วนนี้ โมเดลพื้นฐานจำเป็นต้องเอาชนะอุปสรรคตามธรรมชาติในกระบวนการออกแบบและการผลิต เพื่อให้ได้คุณลักษณะเหล่านี้ กล่าวคือ AI จำเป็นต้องปรับตัวให้เข้ากับตรรกะที่ซับซ้อนของข้อมูลเข้าและข้อมูลออกของงานออกแบบอย่างเต็มที่ 'การยอมรับข้อมูลเข้าแบบหลายรูปแบบ เช่น ข้อความ ภาพร่าง ว็อกเซล และกลุ่มจุด จะจำลองกระบวนการออกแบบของผู้สร้าง' ราจิ อาราซู อธิบาย
นอกจากนี้ เนื่องจากการสร้างรูปทรงเรขาคณิต เช่น 3D CAD จำเป็นต้องอาศัยการให้เหตุผลตามกฎทางฟิสิกส์ในแง่ของพื้นที่และโครงสร้าง จึงต้องการความแม่นยำและถูกต้องในระดับสูงด้วย
ดังนั้นในแง่ของเวลา การเปิดตัว Bernini ดูเหมือนจะไม่รวดเร็วนัก นับตั้งแต่เดือนพฤษภาคม 2024 เมื่อมีการเปิดเผยความคืบหน้าของ Bernini ก็ผ่านไปเกือบทั้งปีแล้ว ในเวลานั้น Bernini ได้ปล่อยเพียงส่วนหนึ่งของวิดีโอคอนเซ็ปต์เท่านั้น และในงานประชุมผู้ใช้ของ Autodesk ที่เมืองซานดิเอโกในเดือนตุลาคมที่ผ่านมา Andrew Anagnost ซีอีโอของบริษัท ก็ได้เปิดเผยตัวอย่าง Bernini อย่างเป็นทางการ
อย่างไรก็ตาม แอนดรูว์ แอนากนอสต์ กล่าวว่า Bernini ได้รับการฝึกฝนด้วยข้อมูลสาธารณะและยังไม่พร้อมใช้งานเชิงพาณิชย์ แต่เปิดให้ชุมชน AI เข้าใช้งานได้แล้ว แต่เขาก็ได้เปิดเผยแผนธุรกิจที่เป็นไปได้สำหรับ Bernini ว่า "วิธีการฝึกฝน Bernini นั้นไม่ขึ้นอยู่กับข้อมูล ดังนั้นลูกค้าสามารถใช้ข้อมูลของตนเองได้หากจำเป็น เพื่อเพิ่มประสิทธิภาพของ Bernini และปรับปรุงโมเดลอย่างต่อเนื่อง"

เบอร์นินี "ถือกำเนิด" ขึ้นมาได้อย่างไร
กระบวนการฝึกฝนของ Bernini ก็ใช้ GPU ของ NVIDIA เช่นกัน แต่หากไม่นับ GPU แล้ว Raji Arasu เชื่อว่าการประมวลผลและการใช้ 'ข้อมูล' นั้นสำคัญกว่าในการฝึกฝนโมเดล ในการบรรยายของเธอ Raji Arasu ได้เปิดเผยเพิ่มเติมเกี่ยวกับกระบวนการนี้ เธอแบ่งกระบวนการสร้างโมเดลออกเป็น การจัดการข้อมูล การเตรียมข้อมูล การฝึกฝนโมเดลเพื่อลดต้นทุนและเพิ่มประสิทธิภาพ และการจัดการความซับซ้อนสำหรับการอนุมานโมเดล
ราจิ อาราซู กล่าวว่า "จำเป็นต้องประมวลผลวัตถุหลายพันล้านชิ้นและข้อมูลหลายเพตาไบต์ที่มีขนาด รูปร่าง และปริมาณงานแตกต่างกัน"
Autodesk จำเป็นต้องสร้างฐานข้อมูลบนคลาวด์เพื่อรองรับไฟล์ออกแบบขนาดใหญ่จำนวนมหาศาล จึงเลือกใช้ Amazon DynamoDB เป็นฐานข้อมูลหลัก และสร้างแบบจำลองข้อมูลมาตรฐานที่ช่วยให้สามารถเขียนข้อมูลลงในพาร์ติชันหลายร้อยพาร์ติชันได้อย่างรวดเร็วและมีความหน่วงต่ำมาก
นอกเหนือจากการแก้ปัญหาด้านประสิทธิภาพของข้อมูลแล้ว Autodesk ยังสามารถดำเนินการเตรียมข้อมูลสำหรับการฝึกอบรมโมเดลพื้นฐานได้อย่างง่ายดาย โดยการผสานรวมบริการคลาวด์ต่างๆ เช่น Amazon EMR, Amazon EKS, Amazon Glue และ Amazon SageMaker ซึ่งสามารถคัดกรอง ติดแท็ก และแบ่งกลุ่มข้อมูลประวัติศาสตร์ที่ซับซ้อนจำนวนมากได้
ในขั้นตอนการฝึกฝนโมเดล Autodesk ก็ประสบปัญหามากมาย เช่น การเลือก GPU และในที่สุดก็เลือกใช้ Amazon SageMaker เพื่อรวมโซลูชันสำหรับการทดสอบอินสแตนซ์ การจัดการโครงสร้างพื้นฐาน ฯลฯ ทีมงานจึงมุ่งเน้นไปที่การเตรียมข้อมูล การพัฒนาโมเดล และการพัฒนาฟังก์ชัน AI ที่มุ่งเน้นลูกค้าเป็นหลัก
ในการจัดการการอนุมานโมเดลในระดับใหญ่ จำเป็นต้องพิจารณาถึงความหน่วงแฝง ต้นทุน และประสิทธิภาพอย่างเหมาะสม ราจิ อาราซู กล่าวว่า "การปรับขนาดอัตโนมัติและเอนด์พอยต์แบบหลายโมเดลของ Amazon SageMaker รองรับการอนุมานแบบเรียลไทม์และแบบแบตช์ได้อย่างราบรื่น เพื่อให้ได้ปริมาณงานสูง ความหน่วงแฝงน้อยที่สุด และประสิทธิภาพด้านต้นทุนสูงสุด"
อย่างที่คุณเห็น เวอร์ชันของ Bernini จาก Autodesk ใช้ประโยชน์จาก Amazon SageMaker อย่างมาก ซึ่งเป็นบริการ AI และแมชชีนเลิร์นนิงที่เป็นที่รู้จักมากที่สุดจาก Amazon Cloud Technologies โดยมีองค์กรชั้นนำหลายแห่ง รวมถึง Autodesk ที่ใช้ Amazon SageMaker HyperPod สำหรับการฝึกโมเดล Amazon SageMaker HyperPod ได้เปิดตัวการอัปเดตครั้งใหญ่หลายครั้งในช่วงที่ผ่านมา เช่น Flexible Training Plans เพื่อสร้างงานฝึกอบรมอัตโนมัติมากขึ้น ซึ่งช่วยเพิ่มประสิทธิภาพด้านต้นทุนโดยการใช้ทรัพยากรการประมวลผลที่มีประสิทธิภาพและคุ้มค่ากว่า และ Task Governance ซึ่งจัดลำดับความสำคัญของงานฝึกอบรมต่างๆ เพื่อเพิ่มประสิทธิภาพการฝึกอบรม การปรับแต่ง และการให้เหตุผลของโมเดลในระหว่างกระบวนการใช้ทรัพยากร
จากนวัตกรรมเหล่านี้ ในที่สุด Autodesk ก็สามารถลดเวลาในการติดตั้งโมเดลพื้นฐานลงได้ครึ่งหนึ่ง ซึ่งช่วยเพิ่มประสิทธิภาพการทำงานของ AI ได้ถึง 30 เปอร์เซ็นต์ ในขณะที่ต้นทุนการดำเนินงานยังคงที่ ราจิ อาราซู ยังเปิดเผยอีกว่า Autodesk ได้เริ่มทยอยนำความสามารถด้าน AI ที่สร้างขึ้นบนโมเดลพื้นฐานเหล่านี้ไปใช้กับลูกค้าแล้ว
ราจิ อาราซู กล่าวว่า "เราทำหน้าที่เป็นพันธมิตรด้านการออกแบบให้กับลูกค้าของเรา และช่วยให้พวกเขาสามารถพิจารณาปัจจัยต่างๆ เช่น ความแข็งแรงของวัสดุ และต้นทุน เพื่อให้พวกเขาสามารถเลือกการออกแบบที่ดีที่สุดได้ ทั้งหมดนี้ทำเพื่อลดงานที่น่าเบื่อและเพิ่มความคิดสร้างสรรค์ให้มากที่สุด"

ข้อมูลที่ถูกต้อง คือพื้นฐานสำคัญในการฝึกฝนโมเดลขนาดใหญ่
หลังจาก ChatGPT แล้ว GPU ของ NVIDIA ก็กลายเป็นเป้าหมายยอดนิยมที่บริษัท AI ขนาดใหญ่ต่างแย่งชิงกัน และจำนวน GPU ของ NVIDIA ที่บริษัทขนาดใหญ่สั่งซื้อในหนึ่งปีนั้นอาจกลายเป็นข่าวหน้าหนึ่งของสื่อได้เลย อย่างไรก็ตาม โดยสรุปแล้ว กระบวนการกำเนิดของ Bernini นั้น GPU มีความสำคัญอย่างแน่นอน แต่ข้อมูลต่างหากที่เป็นตัวกำหนดคุณภาพของการฝึกโมเดลขนาดใหญ่
และการฝึกฝนโมเดลขนาดใหญ่ที่สามารถใช้งานได้จริงในธุรกิจนั้นเป็นปัญหาเชิงระบบแบบครบวงจรที่เกี่ยวข้องกับหลายแง่มุม
'โมเดลขนาดใหญ่เป็นเพียงส่วนหนึ่งของการพัฒนานวัตกรรมแอปพลิเคชัน AI แบบสร้างสรรค์เท่านั้น ยังมีศักยภาพอื่นๆ ที่ต้องเสริมเพิ่มเติมหากต้องการพัฒนานวัตกรรมแอปพลิเคชัน AI แบบสร้างสรรค์ให้ดียิ่งขึ้น สิ่งสำคัญที่สุดคือ คุณต้องแน่ใจว่า AI แบบสร้างสรรค์สามารถเสริมศักยภาพของโมเดลขนาดใหญ่ในแอปพลิเคชัน AI แบบสร้างสรรค์ด้วยข้อมูลขององค์กรเองได้' รุยซง ชู รองประธานระดับโลกของ Amazon และประธาน Amazon Cloud Technology Greater China แสดงความคิดเห็นที่คล้ายคลึงกันในสุนทรพจน์ของเขา
ในกรณีของปัญหาภาพลวงตา ซึ่งปัจจุบันเป็นข้อกังวลใหญ่สำหรับโมเดลขนาดใหญ่ ปัญหานี้สามารถแก้ไขได้จากมุมมองของ 'เมตาเดตา' ซึ่งก็คือการตรวจสอบคุณภาพของข้อมูลในฐานความรู้ก่อนที่จะฝึกโมเดลขนาดใหญ่ 'เมตาเดตาในฐานข้อมูล กล่าวคือ ข้อมูลคุณภาพสูงที่ได้รับการตรวจสอบและอนุมัติแล้ว ช่วยลดความล่าช้าและปรับปรุงการตอบสนองของโมเดลขนาดใหญ่' ไม-ลาน ทอมเซน บูโคเวค รองประธานฝ่ายเทคโนโลยีของ Amazon Cloud Technologies กล่าวว่า เธอได้เตือนองค์กรที่กำลังฝึกโมเดลขนาดใหญ่ให้ระมัดระวังในการแยกแยะระหว่างสิ่งที่สร้างขึ้นโดยมนุษย์และข้อมูลที่สร้างขึ้นโดย AI
เนื่องจากความสำคัญของข้อมูล โมเดลขนาดใหญ่จึงเร่งกระบวนการที่บริษัทต่างๆ ตระหนักถึงคุณค่าของสินทรัพย์ข้อมูลของตน เมื่อ 2 เดือนก่อน Qunar Technology บริษัทแม่ของ Cool Spaces แพลตฟอร์มการออกแบบพื้นที่ 3 มิติจากประเทศจีน ได้เปิดเผยแผนธุรกิจใหม่ โดยเปิดตัวแพลตฟอร์มฝึกอบรมข้อมูลสำหรับปัญญาประดิษฐ์เชิงกายภาพและอื่นๆ เพื่อเปิดเผยชุดข้อมูลการเรียนรู้เชิงลึกด้านการรับรู้ฉากภายในอาคารที่ใหญ่ที่สุดในโลก บริษัทเปิดเผยว่าแพลตฟอร์มดังกล่าวมีโมเดล 3 มิติมากกว่า 320 ล้านโมเดลแล้ว โดยมีผู้เข้าชมเฉลี่ย 77.8 ล้านคนต่อเดือน บริษัทจะเปิดเผยสินทรัพย์ข้อมูลพื้นที่ 3 มิติที่ถูกต้องตามหลักฟิสิกส์ โซลูชันการรับรู้เชิงพื้นที่ และบริการที่เกี่ยวข้องกับการฝึกอบรมปัญญาประดิษฐ์เชิงพื้นที่สำหรับ AIGC ปัญญาประดิษฐ์เชิงกายภาพ AR/VR และองค์กรอื่นๆ
ข้อมูลแสดงให้เห็นว่าประมาณ 77% ของบริษัทต่างๆ จะเพิ่มหรือเพิ่มการลงทุนใน AI และเทคโนโลยีเกิดใหม่ขึ้นอย่างมีนัยสำคัญภายใน 3 ปี และ 3 ด้านที่ AI จะเห็นประสิทธิภาพเพิ่มขึ้นเป็นอันดับแรก ได้แก่ ระบบอัตโนมัติ การวิเคราะห์ และการเสริมประสิทธิภาพ (ระบบอัตโนมัติ การวิเคราะห์ข้อมูล และการเสริมประสิทธิภาพโดยใช้ความช่วยเหลือ)
วลีที่ว่า 'AI กำลังเปลี่ยนแปลงทุกอุตสาหกรรม' ไม่ใช่แค่สโลแกนอีกต่อไปแล้ว 'อุตสาหกรรมต่างๆ กำลังเข้ามามีบทบาทในด้าน AI เชิงสร้างสรรค์มากขึ้นเรื่อยๆ' Uwem Ukpon รองประธานฝ่ายบริการระดับโลกของ Amazon Cloud Technologies กล่าวว่า ขอบเขตการประยุกต์ใช้ AI เชิงสร้างสรรค์ในอุตสาหกรรมต่างๆ ได้ขยายตัวอย่างต่อเนื่อง จากอุตสาหกรรมการเงินในตอนเริ่มต้น ไปสู่อุตสาหกรรมที่หลากหลายมากขึ้น รวมถึงภาครัฐ อุตสาหกรรมดั้งเดิม องค์กรภาครัฐ ตลอดจนอุตสาหกรรมต่างๆ เช่น วิทยาศาสตร์ชีวภาพและการดูแลสุขภาพ ในขณะเดียวกัน AI เชิงสร้างสรรค์ยังมอบโอกาสทางธุรกิจใหม่ๆ ให้กับองค์กรต่างๆ Autodesk กำลังเดิมพันกับ CAD เชิงสร้างสรรค์ที่ใช้ข้อมูลขนาดใหญ่ ซึ่งเป็นตลาดที่มีศักยภาพในอนาคต