AMD โชว์พลัง Gorgon Halo ก่อน NVIDIA RTX Spark ชู Unified Memory สูงสุด 192GB สำหรับ AI
AMD เปิดเผยผลทดสอบประสิทธิภาพของ Ryzen AI Max+ Pro 495 หรือ Gorgon Halo ก่อนการเปิดตัว NVIDIA RTX Spark โดยชูจุดเด่นด้าน Unified Memory สูงสุด 192GB
AMD เปิดเผยผลทดสอบประสิทธิภาพของ Ryzen AI Max+ Pro 495 หรือ Gorgon Halo ก่อนการเปิดตัว NVIDIA RTX Spark โดยชูจุดเด่นด้าน Unified Memory สูงสุด 192GB และความสามารถในการรองรับ AI Model ขนาดใหญ่บนเครื่อง Local AMD ระบุว่าชิปดังกล่าวสามารถใช้งาน Generative AI และโมเดลขนาดใหญ่ได้โดยไม่ต้องพึ่งหน่วยความจำ GPU แบบแยก อย่างไรก็ตาม ผล Benchmark ที่ AMD นำเสนอเป็นการเปรียบเทียบกับ Intel และไม่ได้ทดสอบกับ RTX Spark โดยตรง ทำให้ยังเร็วเกินไปที่จะสรุปว่า Gorgon Halo มีประสิทธิภาพเหนือกว่า NVIDIA
AMD เปิดผลทดสอบ Gorgon Halo ก่อน NVIDIA RTX Spark
AMD เปิดเผยผล Benchmark ของ Ryzen AI Max+ Pro 495 ซึ่งมีชื่อรหัสว่า Gorgon Halo เมื่อวันที่ 5–6 ตุลาคม 2026 ในช่วงเวลาเดียวกับที่ตลาดกำลังจับตามองการเปิดตัว NVIDIA RTX Spark
AMD ใช้ข้อมูลดังกล่าวเพื่อแสดงให้เห็นถึงความสามารถของแพลตฟอร์ม Ryzen AI Max+ Pro รุ่นใหม่สำหรับงาน Generative AI และ Local AI
หนึ่งในจุดขายหลักคือ Unified Memory สูงสุด 192GB
ความจุระดับนี้ทำให้ระบบสามารถรองรับ AI Model ขนาดใหญ่ที่อาจไม่สามารถโหลดลงบน GPU สำหรับ Consumer ทั่วไปได้
Gorgon Halo คืออะไร?
Gorgon Halo เป็นชื่อรหัสของแพลตฟอร์ม Ryzen AI Max+ Pro 400 Series ซึ่งเป็นการพัฒนาต่อยอดจาก Strix Halo
แนวคิดสำคัญของแพลตฟอร์มคือการรวม CPU, GPU และหน่วยความจำไว้ในระบบเดียว โดยให้ CPU และ GPU สามารถใช้ Memory Pool ร่วมกัน
AMD ระบุว่ารุ่นระดับสูงสามารถรองรับ Unified Memory ได้สูงสุดถึง 192GB
และสามารถจัดสรรหน่วยความจำส่วนหนึ่งให้ GPU ใช้งานเป็น Video Memory ได้สูงถึงประมาณ 160GB ตามการออกแบบของแพลตฟอร์ม
192GB มีความสำคัญกับ Local AI อย่างไร?
หนึ่งในข้อจำกัดสำคัญของการรัน AI Model บนเครื่อง PC คือ Memory Capacity
โมเดลที่มีพารามิเตอร์จำนวนมากต้องใช้หน่วยความจำจำนวนมากในการโหลด Model Weights และข้อมูลที่เกี่ยวข้อง
ตัวอย่างเช่น โมเดลระดับหลายร้อยพันล้านพารามิเตอร์อาจต้องการ Memory มากกว่าที่ GPU สำหรับ Gaming ทั่วไปมี
การมี Memory Pool ขนาด 192GB จึงทำให้ Gorgon Halo สามารถรองรับโมเดลที่มีขนาดใหญ่มากขึ้น
AMD ระบุว่าแพลตฟอร์มดังกล่าวสามารถใช้งานโมเดลระดับ 300 พันล้านพารามิเตอร์ ในรูปแบบ Quantization บางประเภทบนเครื่อง Local ได้
AMD ใช้ Benchmark อะไรทดสอบ?
AMD นำเสนอผลทดสอบที่เกี่ยวข้องกับ Generative AI โดยใช้เครื่องมือและโมเดลต่าง ๆ เช่น ComfyUI และโมเดลที่ผ่านการ Quantization ด้วย Unsloth
ผลการทดสอบที่ AMD เปิดเผยแสดงให้เห็นว่าบาง Workload สามารถทำประสิทธิภาพได้สูงกว่า Intel Core Ultra X9 388H อย่างมาก
ตัวเลขที่ AMD รายงานมีตั้งแต่ประมาณ 1.1 เท่า ไปจนถึง 32.2 เท่า ขึ้นอยู่กับ Workload และรูปแบบการทดสอบ
อย่างไรก็ตาม ตัวเลขเหล่านี้ต้องอ่านอย่างระมัดระวัง เพราะเป็น Benchmark ที่ AMD เลือกนำเสนอ และผลลัพธ์อาจแตกต่างกันไปตาม Model, Quantization, Context Length และ Software Stack
ยังไม่ได้เปรียบเทียบกับ NVIDIA RTX Spark โดยตรง
แม้การเปิด Benchmark จะเกิดขึ้นก่อนการเปิดตัว RTX Spark แต่ AMD ไม่ได้มีผลทดสอบ Gorgon Halo เทียบกับ RTX Spark โดยตรง ในข้อมูลชุดดังกล่าว
AMD เลือกเปรียบเทียบกับ Intel Core Ultra X9 388H เป็นหลัก เนื่องจากยังไม่มีข้อมูลที่เหมาะสมสำหรับการเปรียบเทียบกับผลิตภัณฑ์ NVIDIA รุ่นใหม่
ดังนั้นจึงยังไม่สามารถสรุปได้ว่า
Gorgon Halo แรงกว่า RTX Spark
หรือ
RTX Spark แรงกว่า Gorgon Halo
จนกว่าจะมี Benchmark ที่ใช้ Workload เดียวกันและเงื่อนไขเดียวกัน
จุดแข็งของ AMD คือ Memory Capacity
การแข่งขันระหว่าง Gorgon Halo กับระบบ Local AI ของ NVIDIA อาจไม่ได้วัดกันเฉพาะความเร็ว
แต่ยังวัดกันที่ ความจุของ Memory
Gorgon Halo สามารถใช้ Unified Memory สูงสุด 192GB ขณะที่ระบบอย่าง NVIDIA DGX Spark มี Memory Pool ขนาดเล็กกว่าในบาง Configuration
ความจุที่มากขึ้นช่วยให้ผู้ใช้สามารถโหลด Model ที่มีขนาดใหญ่ขึ้นได้
สำหรับนักพัฒนา AI เรื่องนี้มีความสำคัญมาก เพราะบางครั้ง
“รันโมเดลได้”
อาจสำคัญกว่า
“รันโมเดลได้เร็วที่สุด”
แต่ Memory เยอะไม่ได้หมายความว่าเร็วกว่าเสมอไป
นี่เป็นประเด็นที่ต้องแยกออกจากกัน
การมี Memory 192GB ช่วยให้สามารถรองรับ Model ขนาดใหญ่ได้ แต่ไม่ได้หมายความว่า Model เหล่านั้นจะทำงานด้วยความเร็วสูงกว่า GPU ที่มี Memory น้อยกว่าเสมอ
ประสิทธิภาพจริงขึ้นอยู่กับ
- Memory Bandwidth
- Compute Performance
- AI Accelerator
- Quantization
- Software Optimization
- Model Architecture
- Context Length
- Cooling
- Power Limit
ดังนั้น Gorgon Halo อาจมีข้อได้เปรียบด้าน ความสามารถในการรองรับ Model ขนาดใหญ่ แต่ยังต้องทดสอบประสิทธิภาพจริงในแต่ละ Workload
AMD บอกว่าส่ง Agentic PC แล้วมากกว่า 500,000 เครื่อง
AMD ยังเปิดเผยข้อมูลเกี่ยวกับตลาด Agentic PC
บริษัทระบุว่าสามารถส่งมอบ Agentic PC ได้มากกว่า 500,000 เครื่อง
ก่อนหน้านี้มีความสับสนเกี่ยวกับตัวเลขการจัดส่ง AI PC ของ AMD แต่ข้อมูลล่าสุดที่เกี่ยวข้องกับการนำเสนอ Gorgon Halo ระบุชัดเจนถึงตัวเลขมากกว่า 500,000 เครื่องสำหรับกลุ่มที่ AMD เรียกว่า Agentic PC
ตัวเลขดังกล่าวสะท้อนว่าผู้ผลิตชิปกำลังพยายามผลักดัน AI จาก Data Center ลงมาสู่ PC ของผู้ใช้ทั่วไปและ Workstation
AI PC กำลังเปลี่ยนจาก Chatbot เป็น Agentic Computing
AI PC ในยุคแรกเน้นการใช้ AI ช่วยงานทั่วไป เช่น
- สร้างภาพ
- สรุปเอกสาร
- แปลภาษา
- ประมวลผลเสียง
- ช่วยเขียนข้อความ
แต่แนวทางใหม่กำลังมุ่งไปสู่ Agentic Computing
AI Agent สามารถรับเป้าหมายและดำเนินงานหลายขั้นตอนด้วยตัวเอง
ตัวอย่างเช่น
- รับคำสั่งจากผู้ใช้
- วิเคราะห์งาน
- เรียกใช้ AI Model
- อ่านไฟล์
- เขียนโค้ด
- เรียกใช้ Software
- ตรวจสอบผลลัพธ์
- ดำเนินการต่อ
เมื่อ Agent ทำงานบนเครื่อง Local ความต้องการ Memory และ Compute จึงเพิ่มขึ้นอย่างมาก
Gorgon Halo เหมาะกับ Local AI มากขึ้น
ข้อได้เปรียบของ Gorgon Halo คือการทำให้ผู้ใช้สามารถรัน AI Model ขนาดใหญ่บนเครื่อง Local ได้โดยไม่จำเป็นต้องส่งข้อมูลทั้งหมดไปยัง Cloud
เรื่องนี้มีประโยชน์สำหรับองค์กรที่มีข้อมูลสำคัญ เช่น
- ข้อมูลลูกค้า
- เอกสารภายใน
- Source Code
- ข้อมูลทางการเงิน
- ข้อมูลวิจัย
การประมวลผลบนเครื่อง Local สามารถช่วยลดการส่งข้อมูลออกไปยังบริการภายนอกได้
อย่างไรก็ตาม ความปลอดภัยยังขึ้นอยู่กับระบบปฏิบัติการ Software และการตั้งค่าของผู้ใช้งาน ไม่ใช่เพียง Hardware เพียงอย่างเดียว
NVIDIA RTX Spark จะเป็นคู่แข่งสำคัญ
การเปิดตัว Gorgon Halo ในช่วงก่อน NVIDIA RTX Spark จึงเป็นการแข่งขันที่น่าสนใจ
ทั้งสองแนวทางกำลังพยายามตอบคำถามเดียวกันว่า
เราจะทำให้ผู้ใช้สามารถรัน AI Model ขนาดใหญ่บนเครื่องของตัวเองได้อย่างไร?
AMD เลือกใช้แนวทาง Unified Memory ความจุสูง
ขณะที่ NVIDIA ใช้ความเชี่ยวชาญด้าน GPU, CUDA และ AI Ecosystem
การแข่งขันจึงไม่ได้อยู่ที่ Hardware เพียงอย่างเดียว แต่รวมถึง Software และ Ecosystem ด้วย
ตลาด Local AI อาจกลายเป็นตลาดใหม่ของ PC
หาก AI Agent เติบโตต่อเนื่อง ความต้องการ Hardware สำหรับ Local AI ก็มีแนวโน้มเพิ่มขึ้น
ผู้ใช้บางกลุ่มอาจไม่ได้ต้องการ PC ที่มีเพียง GPU สำหรับเล่นเกม
แต่ต้องการเครื่องที่สามารถ
- รัน LLM
- สร้างภาพ
- ทำ AI Coding
- รัน AI Agent
- ประมวลผล Video
- ทำ Machine Learning
- ใช้งาน Multimodal AI
ได้ภายในเครื่องเดียว
ตลาดนี้อาจทำให้ Memory Capacity กลายเป็นหนึ่งใน Specification สำคัญของ PC ในอนาคต
สรุป
AMD เปิดเผยผลทดสอบ Gorgon Halo หรือ Ryzen AI Max+ Pro 495 ก่อน NVIDIA RTX Spark โดยชูจุดเด่นด้าน Unified Memory สูงสุด 192GB และความสามารถในการรองรับ AI Model ขนาดใหญ่บนเครื่อง Local
AMD ระบุว่าสามารถรองรับ Model ระดับ 300 พันล้านพารามิเตอร์ในรูปแบบ Quantization บางประเภท และผล Benchmark บาง Workload แสดงประสิทธิภาพเหนือ Intel อย่างมาก
อย่างไรก็ตาม ผลทดสอบที่ AMD เปิดเผย ยังไม่ใช่การเปรียบเทียบโดยตรงกับ RTX Spark ดังนั้นยังไม่ควรสรุปว่า Gorgon Halo เหนือกว่า NVIDIA
สิ่งที่เห็นได้ชัดคือการแข่งขัน Local AI กำลังเข้าสู่ยุคใหม่ ซึ่ง Memory Capacity, AI Performance และ Software Ecosystem จะกลายเป็นปัจจัยสำคัญไม่แพ้ประสิทธิภาพของ GPU เพียงอย่างเดียว
ที่มา: AMD / Tom's Hardware / Club386