HPC Ignite

พาเที่ยว ASEAN Korea HPC Facility คลิกตาม Virtual Tour https://brin-virtualtour.e-regis.net ไปดูว่าเครื่อง HPC ของอาเซียนเราตั้งอยู่ที่ไหนนะคะ

ASEAN–ROK HPC Facility ที่อินโดนีเซียมีสมรรถนะ 4.28 PFLOPS เป็นระบบที่ออกแบบให้ผสาน HPC+AI แบบ heterogeneous

ภายในมีทั้ง NVIDIA H200 จำนวน 64 GPUs สำหรับงาน HPC/AI ขนาดใหญ่ และ FuriosaAI Renegade จำนวน 28 NPUs จากเกาหลีสำหรับงาน AI inference รวมถึง storage 4 PB และ InfiniBand สูงสุด 400 Gbps

ในช่วงทดลอง มีผู้ใช้จาก 8 ประเทศในภูมิภาคอาเซียนได้เข้าใช้แล้วค่ะ ผู้ใช้จำนวน 15 คน ส่งงานประมาณ 3,000 jobs รวมเวลาราว 5,000 ชั่วโมง

ปัจจุบันมีคำขอสร้างบัญชีแล้วประมาณ 77 ราย

โครงการยังตั้งเป้าพัฒนาบุคลากรด้าน HPC/AI 160 คนใน 4 ปี (2024–2028) พร้อมระบบ ELSA AKF สำหรับยื่น proposal, review และจัดสรรทรัพยากรร่วมกัน

นอกเหนือจากไทยและสิงคโปร์ พี่ใหญ่ที่มี National HPC และมีประสบการณ์แล้ว ตอนนี้ประเทศสมาชิกที่ยังไม่มีโครงสร้างพื้นฐาน HPC แห่งชาติได้มีเครื่องใช้ด้วยค่ะ โดยเฉพาะการรันงาน GPU/NPU

สำหรับชุมชน HPC/AI ในไทย โอกาสนี้ไม่ควรปล่อยผ่านค่ะ

ถ้ามีงานที่ต้องใช้ GPU/NPU, simulation, AI training/inference, data-intensive research หรืออยากเริ่มทำงานร่วมกับนักวิจัยในอาเซียน รวมทีมแล้วส่ง proposal เพื่อเข้าไปทดลองใช้ทรัพยากรนี้ทำวิจัย สร้างนวัตกรรมกันจริง ๆ เลยค่ะ

โดยเฉพาะนักศึกษา นักวิจัยรุ่นใหม่ และทีมที่ยังไม่มี GPU ขนาดใหญ่ในมือ — นี่คือโอกาสที่จะได้ฝึกกับ infrastructure ระดับภูมิภาค โดยไม่ต้องเริ่มจากการซื้อเครื่องของตัวเอง

HPC Ignite ชูป้ายไฟ เป็นกำลังใจให้ทุกไอเดียนะคะ

🔥 HPC Ignite ขอแนะนำ HPC-AI Advisory Council — เครือข่ายที่เชื่อมผู้พัฒนาเทคโนโลยี นักวิจัย และนักศึกษา เข้ากับโลกซูเปอร์คอมพิวเตอร์และ AI
หลายคนอาจรู้จักองค์กรนี้ผ่านการแข่งขัน APAC HPC-AI Competition แต่เบื้องหลังการแข่งขันคือเครือข่ายความร่วมมือที่ทำงานด้านการศึกษา การทดลองเทคโนโลยี และการปรับประสิทธิภาพระบบคำนวณมาเกือบสองทศวรรษ วันนี้ HPC Ignite ขอพาไปรู้จักให้มากขึ้นค่ะ 💙
🌏 เริ่มต้นเมื่อไร และตั้งขึ้นมาเพื่ออะไร?
HPC-AI Advisory Council ก่อตั้งในปี 2008 หรือ พ.ศ. 2551 เดิมใช้ชื่อ HPC Advisory Council โดยประกาศจัดตั้งโดยบริษัท Mellanox Technologies (บริษัทผู้ผลิตเทคโนโลยีการเชื่อมต่อเครือข่ายความเร็วสูง ซึ่งภายหลังถูกซื้อโดยบริษัท NVIDIA) และหน่วยงานอื่น ๆ ทั้งผู้ผลิตเทคโนโลยี ผู้พัฒนาซอฟต์แวร์ และองค์กรผู้ใช้งานตั้งแต่ระยะแรก (StorageNewsletter)
เป้าหมายของการก่อตั้ง คือ สนับสนุนให้ผู้ใช้ทั่วไปได้เข้าใจและสามารถใช้ศักยภาพของ High-Performance Computing หรือ HPC ได้เต็มที่ ตั้งแต่การวิจัย การศึกษา การพัฒนาผลิตภัณฑ์ ไปจนถึงการใช้งานในอุตสาหกรรม ปัจจุบันพันธกิจครอบคลุม AI ด้วย ทั้งการพัฒนาความรู้ของผู้ใช้ การสนับสนุนการประมวลผลแบบขนาน และการทำให้ส่วนประกอบต่าง ๆ ของระบบทำงานร่วมกันอย่างมีประสิทธิภาพ (hpcadvisorycouncil.com)
Council วางตำแหน่งตนเองว่าเป็นองค์กรเพื่อประโยชน์ของชุมชน โดยข่าวประชาสัมพันธ์เดือนพฤศจิกายน 2025 ระบุว่ามีสมาชิก มากกว่า 450 องค์กร ซึ่งสอดคล้องกับรายงานกิจกรรมปี 2023 ขององค์กร (hpcwire.com)
👥 ใครเป็นผู้ดูแล?
หน้าเว็บไซต์ทางการระบุผู้รับผิดชอบงานหลายด้าน ได้แก่
• Gilad Shainer — Chairman ประธาน Council โดยประวัติบนเว็บไซต์ NVIDIA ระบุด้วยว่าเขาดำรงตำแหน่ง Senior Vice President of Networking ของ NVIDIA
• Brian Sparks — Director of Worldwide Operations ผู้ร่วมก่อตั้งและผู้ดูแลการดำเนินงานและกิจกรรมทั่วโลก
• Qingchun Song — Chair, Asia ผู้ดูแลงานในภูมิภาคเอเชีย
• Scot Schultz — Director of AI and Deep Learning ผู้รับผิดชอบด้าน AI และ Deep Learning
• Richard Graham — HPC|Scale Special Interest Group Chair
• Ophir Maor — HPC|Works Co-Chair และ Cluster Center Manager
• David Cho — Lab and Student Cluster Competition Manager
• Gerardo Cisneros-Stoianowski และ Yong Qin — HPC Application Performance Specialists
• Antonis Karalis — HPC|Music Special Interest Group Chair
(รายชื่อนี้อ้างอิงตำแหน่งที่ปรากฏบนหน้า Contact ของ Council ณ วันที่ 24 กย. 69 นะคะ บางประวัติอาจจะเป็นข้อมูลเก่า จึงควรยืนยันอีกครั้งที่เว็บของสภาฯ โดยตรง (hpcadvisorycouncil.com)
🤝 สมาชิกมีใครบ้าง?
จุดเด่นคือความหลากหลายของสมาชิก ตั้งแต่ผู้ผลิตชิปและเซิร์ฟเวอร์ ผู้พัฒนาซอฟต์แวร์ ศูนย์ซูเปอร์คอมพิวเตอร์ มหาวิทยาลัย ห้องปฏิบัติการ ไปจนถึงผู้ใช้ในอุตสาหกรรม
ตัวอย่างชื่อที่ปรากฏในบัญชีสมาชิกบนเว็บไซต์ ได้แก่
• เทคโนโลยีและโครงสร้างพื้นฐาน: AMD, Intel, NVIDIA, IBM, HPE, Dell EMC, Microsoft, Fujitsu, NEC, Huawei, DDN และ NetApp
• ซอฟต์แวร์และเครื่องมือ: ANSYS, Altair, COMSOL, Dassault Systèmes, Docker และ Numerical Algorithms Group
• ศูนย์คำนวณและหน่วยงานวิจัย: Barcelona Supercomputing Center, CSCS, NCI Australia, NSCC Singapore, Pawsey, KISTI, NCSA, NERSC, Argonne, Oak Ridge, Lawrence Berkeley, Lawrence Livermore และ NASA Ames
• มหาวิทยาลัยและหน่วยงานภายในมหาวิทยาลัย: MIT, University of Cambridge, University of Oxford, The Ohio State University, Purdue University, EPCC แห่ง University of Edinburgh และ CMKL University ในประเทศไทย
นี่เป็นเพียงตัวอย่างจากรายชื่อที่เผยแพร่ ซึ่งบางรายการยังใช้ชื่อองค์กรเดิม จึงควรอ่านเป็นบัญชีสมาชิกตามเว็บไซต์ ไม่ใช่การรับรองสถานะการเข้าร่วมกิจกรรมล่าสุดของทุกองค์กร (HPC-AI Advisory Council)
🔬 Council ทำอะไรบ้าง นอกเหนือจากการแข่งขัน?
1️⃣ เปิดพื้นที่ให้ทดลองและปรับประสิทธิภาพระบบจริง
Council มี High-Performance Center ที่ Sunnyvale รัฐ California สำหรับพัฒนา ทดสอบ วัดประสิทธิภาพ และปรับแต่งระบบคลัสเตอร์ โดยรองรับการใช้งานทั้งในสถานที่และจากระยะไกล
หน้าเว็บไซต์แสดงระบบหลายสถาปัตยกรรม เช่น Thea แบบ Grace Hopper และ Grace Superchip, Iris, Tessa, Rome และ Thor ครอบคลุม CPU, GPU, เครือข่าย InfiniBand และระบบจัดเก็บข้อมูล เพื่อให้ผู้ใช้ศึกษาว่าองค์ประกอบเหล่านี้ส่งผลต่อแอปพลิเคชันอย่างไร (Cluster Center)
รายงานปี 2023 ระบุว่าศูนย์ให้เข้าถึงทรัพยากรโดยไม่คิดค่าใช้จ่ายสำหรับโครงการที่ได้รับการจัดสรร ตัวอย่างงานมีทั้งการทดสอบ DPU การทำ application benchmarks และ MPI profiling ผู้สนใจควรติดต่อขอทราบเงื่อนไขและความพร้อมของทรัพยากรปัจจุบันก่อนใช้งาน (hpcadvisorycouncil.com)
2️⃣ เผยแพร่ Best Practices ที่นำไปเรียนรู้ต่อได้
เว็บไซต์รวบรวมผลทดสอบและแนวทางปรับประสิทธิภาพแอปพลิเคชันจำนวนมาก เช่น OpenFOAM, GROMACS, NAMD, LAMMPS, NWChem, CP2K, HOOMD และ DeepSeek
เอกสารเหล่านี้ช่วยให้ผู้ใช้เห็นความสัมพันธ์ระหว่างแอปพลิเคชัน CPU/GPU เครือข่าย และการตั้งค่าระบบ โดยต้องอ่านรุ่นซอฟต์แวร์และฮาร์ดแวร์ของแต่ละการทดสอบประกอบด้วย เพราะคลังข้อมูลสะสมงานมานานกว่าทศวรรษ (Best Practices)
3️⃣ สร้างชุมชนแลกเปลี่ยนความรู้เฉพาะด้าน
กลุ่มความสนใจที่ Council อธิบายไว้ครอบคลุมหลายเรื่อง เช่น
• HPC|Scale — การขยายระบบและการใช้คลัสเตอร์
• HPC|Works — แนวปฏิบัติ การปรับประสิทธิภาพ และระบบที่สมดุล
• HPC|Cloud — การประยุกต์เทคโนโลยี HPC ในคลาวด์
• HPC|Storage — ระบบจัดเก็บข้อมูลและผลต่อประสิทธิภาพ
• HPC|AI — เทคโนโลยีและวิธีพัฒนาและใช้งาน Machine Learning
• HPC|Music — การประยุกต์ HPC ในการสร้างสรรค์และผลิตดนตรี (Advanced Subgroups Overview)
4️⃣ จัดประชุมและกิจกรรมการศึกษาในหลายภูมิภาค
กิจกรรมที่ผ่านมาเชื่อมโยงกับ Stanford, CSCS, SCAsia, ชุมชน HPC ในญี่ปุ่นและจีน รวมถึง DiRAC ในสหราชอาณาจักร โดยมีผู้เชี่ยวชาญจากมหาวิทยาลัย ศูนย์วิจัย และบริษัทเทคโนโลยีมาร่วมถ่ายทอดประสบการณ์ (hpcadvisorycouncil.com)
5️⃣ พัฒนานักศึกษาผ่านการแข่งขัน
เว็บไซต์มีประวัติกิจกรรมทั้ง ISC Student Cluster Competition, APAC HPC-AI Competition และ RDMA Programming Competition ซึ่งให้นักศึกษาได้ฝึกตั้งแต่การใช้ระบบ การเขียนโปรแกรมขนาน ไปจนถึงการวิเคราะห์ประสิทธิภาพและนำเสนอผลงาน (News & Events)
Council ยังร่วมกับ Gabriel Consulting Group จัดทำ Student Cluster Competition Leadership List เพื่อรวบรวมอันดับจากการเข้าร่วมและผลงานของทีมในการแข่งขันต่าง ๆ ทั่วโลก (HPC Advisory Council)
🏆 แล้ว APAC HPC-AI Competition 2026 แข่งอะไร?
ปีนี้เป็นครั้งที่ 9 จัดร่วมกับ NSCC Singapore, NCI Australia และ Firmus AI Cloud โดยมีสองโจทย์หลัก (www.hpcadvisorycouncil.com)
🚗 โจทย์ HPC — OpenFOAM
จำลองอากาศไหลรอบรถด้วยแบบจำลองขนาด 65 ล้านเซลล์ บน NCI Gadi หรือ NSCC ASPIRE 2A ทดสอบการขยายงานที่ 1, 2 และ 4 โหนด โดยรอบวัดคะแนนใช้ CPU 4 โหนด
ทีมต้องลดเวลาคำนวณเฉลี่ยต่อรอบ ผ่านการแบ่งโดเมน การเลือกจำนวน MPI processes การจัดวางกระบวนการบน CPU และการลดภาระการสื่อสาร พร้อมรักษาแบบจำลองและวิธีคำนวณตามข้อกำหนด (github.com)
🧠 โจทย์ AI — Qwen3
ให้บริการโมเดล Qwen3-235B-A22B-Instruct-2507 บน GPU รวม 16 ตัว โดยเลือก H100 ของ NSCC หรือ H200 ของ Firmus และแยกงาน Prefill ออกจาก Decode
เป้าหมายคือเพิ่มจำนวนโทเคนคำตอบต่อวินาทีจากคำขอที่ผ่านเกณฑ์เวลาตอบสนอง ทีมต้องหาสัดส่วนการแบ่ง GPU และรูปแบบการประมวลผลที่เหมาะสม พร้อมวิเคราะห์คอขวดด้านการคำนวณ หน่วยความจำ และการสื่อสาร
กติกา AI ให้น้ำหนักการนำเสนอ ความเข้าใจทางเทคนิค และแนวคิดการปรับประสิทธิภาพ 60% ส่วนประสิทธิภาพและการตรวจสอบซ้ำ 40% จึงต้องอธิบายเหตุผลและแสดงหลักฐานของการปรับปรุงได้ด้วย (github.com)
📅 เส้นทางการแข่งขันปี 2026
• 28 มกราคม — เปิดตัวการแข่งขัน
• 22 พฤษภาคม — กำหนดสรุปรายชื่อทีม
• ตั้งแต่ 8 มิถุนายน — เริ่มอบรม
• ตั้งแต่ 3 สิงหาคม — เริ่มเข้าถึงเครื่องแข่งขัน
• ก่อน 9 ตุลาคม — ส่งสไลด์และโค้ด
• 16 ตุลาคม — ประกาศตารางนำเสนอ
• ตั้งแต่ 19 ตุลาคม — นำเสนอและตอบคำถาม
• พฤศจิกายน — ประกาศผลในช่วง SC26
• ปี 2027 — พิธีมอบรางวัลที่ SupercomputingAsia
ผู้ชนะอันดับหนึ่งจะได้รับสิทธิ์เป็นตัวแทน APAC เข้าร่วม ISC Student Cluster Competition 2027 ตามประกาศการแข่งขัน (www.hpcadvisorycouncil.com)
📝 สนใจเข้าร่วม ต้องเตรียมอะไร?
นักศึกษาจากมหาวิทยาลัยและสถาบันเทคนิคสามารถจัดทีมพร้อมผู้ดูแล เตรียมประวัติสมาชิก ทักษะ ประสบการณ์ เหตุผลที่เข้าร่วม และแผนการแข่งขัน แล้วส่งข้อเสนอ PDF ผ่านหน้า Register
รอบปี 2026 ผ่านกำหนดรับสมัครแล้ว ปัจจุบันกำลังแข่งขันกันอย่างเข้มข้น ประเทศไทยมี 1 ทีมเข้าร่วม คือ TU ACM SIGHPC Student Chapter โดยมีสมาชิกจาก มหาวิทยาลัยธรรมศาสตร์, มหาวิทยาลัยมหิดล, และมหาวิทยาลัยราชภัฎเชียงใหม่ ค่ะ ผู้สนใจรุ่นถัดไปเราจะมาเล่าให้ฟังอีกครั้งช่วงวันสมัครนะคะ
สำหรับ จำนวนทีมและประเทศที่เข้าร่วมปี 2026 เรายังไม่พบยอดรวมที่ยืนยันได้จากประกาศสาธารณะที่ตรวจสอบ จึงขอรอข้อมูลจากผู้จัดก่อนเผยแพร่ตัวเลขค่ะ
🇹🇭 ประเทศไทยก็มีส่วนร่วมในชุมชนนี้
ตัวอย่างจากการแข่งขันปี 2025 ทีม North Stars ของมหาวิทยาลัยธรรมศาสตร์ ได้รับ Merit Award ตามประกาศผลของ Council เป็นอีกหนึ่งผลงานของนักศึกษาไทยบนเวที HPC-AI ระดับภูมิภาค (hpcwire.com)
💙 ในมุมของ HPC Ignite สิ่งที่มีคุณค่าคือโอกาสได้พัฒนาคนผ่านงานจริง
ผู้เรียนได้ฝึกทั้ง Linux ซอฟต์แวร์ การส่งงานเข้าคิว การวัดประสิทธิภาพ และการใช้ CPU/GPU อย่างคุ้มค่า พร้อมเรียนรู้เรื่องที่พบจริงในการทำงานเป็นทีม ทั้งโควตาคำนวณ ตำแหน่งเก็บข้อมูล จำนวนไฟล์ สิทธิ์การเข้าถึง และการบันทึกผลให้ทำซ้ำได้
เมื่อผู้พัฒนาเทคโนโลยี ศูนย์คำนวณ อาจารย์ และนักศึกษาได้ทำงานเชื่อมโยงกัน ความรู้จากระบบขนาดใหญ่ก็มีโอกาสเดินทางไปสู่งานวิจัยและปัญหาที่แต่ละชุมชนต้องการแก้ไข
HPC Ignite ขอร่วมส่งกำลังใจให้ทุกทีมที่กำลังทดลองและเตรียมผลงานปีนี้ค่ะ 🔥
🔗 เว็บไซต์ HPC-AI Advisory Council
👥 รายชื่อสมาชิก
🛠️ คลัง Best Practices
🏆 การแข่งขัน APAC HPC-AI 2026
💻 กติกาและเอกสารบน GitHub
สอบถามกิจกรรม การเข้าร่วมเครือข่าย หรือการสมัครแข่งขัน: [email protected]
ข้อมูลตรวจสอบ ณ วันที่ 24 กันยายน 2026
#พัฒนากำลังคน

กว่า 50 ปี ของการเกิด ศูนย์ซูเปอร์คอมพิวเตอร์ หรือ ศูนย์ระบบคำนวณสมรรถนะสูง (HPC) มีแบบไหนบ้าง ?

ศูนย์คอมพิวเตอร์เพื่อการวิจัยวิทยาศาสตร์พลังงานแห่งชาติ เนิร์สก์ เพิ่งฉลองวันเกิดครบ 50 ปีไปเมื่อสองปีก่อน ปีนี้ เนิร์ส อายุครบ 52 ปี จัดเป็นศูนย์ซูเปอร์คอมพิวเตอร์แห่งแรก ในรูปแบบของศูนย์ปฏิบัติงานวิจัยเพื่อภารกิจวิทยาศาสตร์ของหน่วยงานรัฐ

ศูนย์ซูเปอร์คอมพิวเตอร์ “ศูนย์ HPC” ไม่ได้มีรูปแบบเดียว แต่พัฒนามาตามความต้องการของประเทศ ภูมิภาค มหาวิทยาลัย และภาคอุตสาหกรรม พร้อมกับสถาปัตยกรรมคอมพิวเตอร์ที่เปลี่ยนไปในแต่ละยุค

เริ่มจาก Mission laboratory user facility เช่น ศูนย์เพื่อภารกิจวิทยาศาสตร์ของหน่วยงานรัฐ เช่น เนิร์สก์
ต่อมาเป็น Centralized national HPC facility หรือศูนย์กำลังการคำนวณกลางระดับชาติ เพื่อสร้างขีดความสามารถด้านการวิจัยของประเทศ เช่น ThaiSC ของไทยเรา แล้วจึงมีเครือข่ายมหาวิทยาลัย ศูนย์สนับสนุนอุตสาหกรรม และความร่วมมือข้ามประเทศเพิ่มขึ้น

ความต้องการของภาคส่วนต่าง ๆ ทำให้เกิดการเติบโต คำว่า Emerge → Grow → Established หมายถึง
เริ่มเกิด → ขยายตัว → เป็นระบบและมีบทบาทชัดเจน
ไม่ได้หมายความว่าศูนย์เก่าเลิกสำคัญ แต่หมายถึงมีรูปแบบใหม่ ๆ เข้ามาเสริมเพื่อตอบโจทย์ที่หลากหลายขึ้น

หลายคนจะคุ้นกับการจัดระดับบทบาทและการให้บริการที่เรียกว่า Tier
Tier 1: โครงสร้างพื้นฐานหลักระดับชาติ/นานาชาติ
Tier 2: ศูนย์ร่วมระดับภูมิภาคหรือรายสาขา
Tier 3: ศูนย์ของมหาวิทยาลัย หน่วยงาน หรือองค์กรเฉพาะแห่ง

ส่วนที่กรอบสีส้มเน้นคือแนวโน้มใหม่ในทศวรรษ 2010–2020s
1. Cross-border capability facility
คือการใช้ศูนย์หลักระดับ Tier 1 เป็น “จุดยึด” แล้วเปิดโอกาสให้ผู้ใช้และสถาบันในประเทศเพื่อนบ้าน หรือ Tier 2–3 เข้าถึงทรัพยากร ความรู้ และการพัฒนาทักษะร่วมกัน
เป้าหมายไม่ใช่เพียงแชร์เครื่อง แต่คือ ลดความเหลื่อมล้ำด้านกำลังคนและการเข้าถึง HPC ในภูมิภาค
ตัวอย่างแนวคิดที่สอดคล้องคือ ASEAN shared HPC infrastructure หรือ AKF-HPC

2. Sovereign AI computing resource
คือทรัพยากรคอมพิวเตอร์ AI ที่ประเทศสามารถกำกับดูแลได้เอง ทั้งข้อมูล โมเดล การเข้าถึง และนโยบายการใช้งาน
ภารกิจคือสร้าง ขีดความสามารถ AI ของชาติ ไม่ต้องพึ่งพาคลาวด์หรือโครงสร้างพื้นฐานต่างประเทศทั้งหมด
ด้านล่างของสไลด์เชื่อมกับวิวัฒนาการเทคโนโลยี:
• HPC แบบดั้งเดิมเปลี่ยนจากเครื่องเฉพาะทางและ vector supercomputer ไปสู่ cluster, multicore และระบบ CPU–GPU heterogeneous
• GPU กลายเป็นแกนสำคัญของ HPC และ AI โดยมีหมุดหมาย เช่น CUDA (2006), TSUBAME ที่ใช้ GPU (2008), และ Titan (2012)
• ยุค 2020s คือ Exascale CPU–GPU + AI accelerators เช่น Frontier ในปี 2022

แถวสุดท้ายชี้ว่า Quantum computing เป็นทรัพยากรเฉพาะทางที่กำลังเกิดขึ้น การวัดศักยภาพเราไม่ได้วัดด้วย FLOPS เหมือน supercomputer แล้ว เพราะการคำนวณควอนตัมเหมาะกับปัญหาคนละประเภท เช่น การจำลองโมเลกุล เคมี และ optimization โดยอนาคตคือการทำงานร่วมกับ HPC แบบ hybrid

สไลด์นี้อยากเล่าให้ฟังว่า

การลงทุน HPC ในปัจจุบันไม่ควรมองเพียงว่า ใคร (ประเทศ หน่วยงาน องค์กร) “มีเครื่องที่เร็วที่สุด” แต่คือ ระบบนิเวศที่เชื่อมโยงกัน เชื่อมโยงหลายศูนย์ หลาย mission เกิดการเข้าถึงของภูมิภาค ภาคอุตสาหกรรม เชื่อมโยงอธิปไตยของ AI และเทคโนโลยีใหม่อย่างควอนตัม กันในระดับที่เหมาะสม ผู้ใช้คนนึงอาจจะมีหลายบทบาท ปรากฏหลายแห่ง ทำงานหลายสิ่ง แต่เมื่อทุกอย่างเชื่อมโยงกัน มันจะทวีคูณศักภาพกันได้ เกิดการถ่ายเทประโยชน์ให้กันและกันได้เข้มแข็งขึ้น

[สรุปและสิ่งที่ได้จากงาน Thailand HPC-AI Infrastructure]
17 กันยายน 2569

งานนี้ไม่ได้พูดเพียงเรื่อง “HPC และ AI Infrastructure” แต่กำลังตอบคำถามใหญ่กว่า คือ

"ประเทศไทยจะเปลี่ยนทรัพยากรการประมวลผล ให้กลายเป็นความสามารถของคน องค์กร และประเทศได้อย่างไร"

จาก “มีเครื่อง” สู่ “มีความสามารถ” — การเชื่อม HPC, AI, Data, Network, Quantum และคน เข้าสู่ระบบนิเวศเดียวกัน 🌐💡

สิ่งที่โดดเด่นที่สุดจากงานครั้งนี้ คือแทบทุก session กำลังพูดถึงปัญหาเดียวกันจากคนละมุม:
• บาง session พูดถึง GPU และ Agentic AI
• บาง session พูดถึง Genomics, การแพทย์ และ Cancer Research
• บาง session พูดถึง Oil & Gas, Seismic Processing และ Reservoir Simulation
• บาง session พูดถึง Network, Storage และ Data Pipeline
• อีกส่วนพูดถึง Quantum Computing, Security และ National AI Infrastructure

เมื่อวางทุกภาพต่อเข้าด้วยกัน จะพบว่าโจทย์จริงของประเทศไม่ใช่ “ใครมีเครื่องที่เร็วที่สุด” แต่คือ:
👉 “ใครสามารถเชื่อมพลังการประมวลผล คน ข้อมูล ซอฟต์แวร์ และโจทย์จริงเข้าด้วยกัน แล้วเปลี่ยนสิ่งเหล่านี้เป็นผลลัพธ์ได้เร็วและต่อเนื่องที่สุด”

ประเด็นนี้สอดคล้องโดยตรงกับ Showcase ของ HPC Ignite ที่ตั้งคำถามสำคัญว่า: หลังจาก HPC เติบโตมากว่า 50 ปี เรากำลังมุ่งหน้าไปทางไหน และผลตอบแทนจากการลงทุนใน Infrastructure ควรถูกวัดอย่างไร?

---

📌 สรุปประเด็นและบทเรียนสำคัญ 20 ข้อจากงาน:

1. HPC กำลังเปลี่ยนจาก “เครื่อง” เป็น Infrastructure Ecosystem
วิวัฒนาการเปลี่ยนจาก Scalar/Vector Supercomputers สู่ Multicore, CPU–GPU, AI Accelerators และกำลังเชื่อมต่อกับ QPU คำถามในอดีตอย่าง “เครื่องทำ FLOPS ได้เท่าไร?” จึงถูกแทนที่ด้วย “Workload แบบใดรันได้?”, “Data อยู่ที่ไหน?”, “GPU ถูกใช้อย่างคุ้มค่าหรือไม่?” และ “ผู้ใช้ใช้เวลานานเท่าไรกว่าจะ productive?”

> "Competitive pressure doesn’t imply opportunity loss; however, the time it takes for users to become productive does."

2. Compute ต้องลดเวลาและความเสี่ยงของงานจริง (มุมมองอุตสาหกรรม)
กรณี THE CRUST 2.5 ของ PTTEP ที่ขยายกำลังเป็น 25 Petaflops สาระสำคัญไม่ใช่แค่ตัวเลข แต่คือการเร่ง Seismic Processing และ Reservoir Simulation เพื่อ:
"ลด uncertainty → shorten analysis time → improve decisions → reduce cost/risk → create business value"
ROI จึงวัดจากสิ่งที่ทำได้เร็วขึ้นหรือทำได้เป็นครั้งแรก ไม่ใช่แค่ชั่วโมงเครื่อง

3. Healthcare: “Compute Alone Is Not Capability”
ศิริราชนำเสนอแนวคิด “From Compute to Care” โดยวางระบบเป็นชั้น:
HPC + Data + Platform + Clinical Workflow
เพื่อให้ AI ทำงานตามลูป: AI Sees → AI Understands → AI Acts → AI Learns → AI Predicts

> “AI creates value only when it enters the core process.”
> AI Model จึงไม่เท่ากับ AI Capability หากปราศจาก Workflow และความไว้ใจของแพทย์

4. Case Study มะเร็งปอด: เปลี่ยน “งานที่แทบทำไม่ได้” ให้เป็นงานจริง
การศึกษา Lung Cancer Biomarker Discovery 300 ตัวอย่าง ใช้ Scratch Storage สูงถึง 900 TB
• Serial processing บน 1 GPU ≈ 200 วัน
• 10 parallel SLURM jobs ≈ 20 วัน (เร็วขึ้น 10×)
การลดเวลาจาก 200 เหลือ 20 วัน คือความต่างระหว่าง “งานที่ทำไม่ทันกรอบทุนวิจัย” กับ “งานที่สำเร็จและต่อยอดชีวิตคนได้จริง”

5. Data กำลังกลายเป็น Infrastructure ที่ใหญ่พอ ๆ กับ Compute
Genomics อย่าง Oxford Nanopore ต้องแปลงสัญญาณผ่าน Base Calling และ GPU ก่อนเข้า Bioinformatics Pipeline
Pipeline ที่แท้จริงคือ: Instrument → Signal → Data → GPU Processing → Genomic Info → Analysis → Clinical Knowledge
Modern HPC จึงต้องคิดทั้ง Data Generation, Network, Storage และ Compute ไปพร้อมกัน

6. Modern AI Infrastructure คือ Data Pipeline ไม่ใช่แค่ GPU Cluster
AI Lifecycle มี 4 ช่วงหลัก: Ingest → Curate → Train → Serve ซึ่งมี I/O pattern ต่างกันสิ้นเชิง เป้าหมายของระบบจึงไม่ใช่แค่เร่ง GPU แต่คือ “Eliminate Bottlenecks Across the Entire AI Data Pipeline”

7. “Currency” ของ Compute กำลังเปลี่ยน
การวัดผลยุค Enterprise AI & HPC Converge กำลังเปลี่ยนจาก Synthetic FLOPS ไปสู่:

> “The Currency of Modern Compute — Tokens Per Second Per Dollar”
> องค์กรไม่ได้ต้องการ FLOPS เพื่อมีตัวเลข FLOPS แต่ต้องการ Output, Simulation, Diagnoses และ Business Value

8. Storage Architecture กับ Economics ของ AI
Intelligent Hybrid Placement ช่วยรักษา GPU Utilization สูงสุดโดยไม่ต้องทุ่มงบไปกับ All-Flash ทั้งหมด

> “Saturate GPUs, Not Budgets.” หัวใจคือการออกแบบระบบให้สมดุลที่สุด ไม่ใช่การซื้อของที่แพงสุดทุกชิ้น

9. Shared Workspace สำคัญไม่แพ้ Supercomputer
เมื่อ Cluster ขยายเป็นร้อย Nodes สิ่งสำคัญคือการส่งข้อมูลไปให้ Compute ทันเวลา ผ่านแนวคิด Unified Data Plane, Zero Staging Copies, GPU Direct Storage และ Low Latency Networking

10. Agentic AI กับภาระ Infrastructure รูปแบบใหม่
จาก Chat AI (Context สั้น) สู่ Agentic AI ที่มี Context ยาว, KV cache ใหญ่, การคิดหลาย Turns, Sub-agents, Tools และ Memory ทำให้ระบบต้องรองรับ “Reasoning + Memory + Tool Use + Agent Coordination” คำว่า Orchestration จึงกลายเป็นหัวใจหลัก

11. Sovereign AI Stack ของประเทศไทย
การสร้าง Thai Sovereign LLM อย่าง Pathumma ไม่ใช่แค่ทำภาษาไทยบนโมเดล แต่คือการวางโครงสร้าง:
Foundation Model → Platform → Agent → Use Case
และต้องขับเคลื่อนไปพร้อมกับ National AI Action Plan ทั้ง 5 ด้าน เพราะ Infrastructure เป็นเพียง 1 ใน 5 ยุทธศาสตร์เท่านั้น

12. จาก National AI Infrastructure สู่ “คน” — ช่องว่างสำคัญที่สุด
การมีเครื่องไม่ได้แปลว่าจะมีผู้ใช้ โครงการ HPC Ignite สะท้อนตัวเลขจริงจากผู้เข้าร่วม 373 คน:
• ก่อนอบรม 84.4% มีประสบการณ์ HPC น้อยมากหรือไม่มีเลย
• หลังอบรม 90.5% มีความมั่นใจเพิ่มขึ้นอย่างมีนัยสำคัญ
• 75.5% ประเมินระดับ Good/Excellent โดย Hands-on Practice ได้รับคะแนนสูงสุด
ชี้ชัดว่า: Access อย่างเดียวไม่พอ — ต้องมี Supported Practice

13. HPC Talent ไม่ได้หมายถึงแค่ “เก่ง Linux”
HPC Ignite วาง Design Priorities ผ่าน 6 Skill Families:
Technical (25%) | Thinking (20%) | Transferable (15%) | Data (15%) | AI (15%) | Social (10%)
Talent ที่แท้จริงคือผู้ที่นำทักษะหลากมิติมาประกอบกันเพื่อแก้ปัญหาจริงบน Shared Computing Resources

14. From Competition to Competence
การแข่งขันไม่ใช่แค่เพื่อชัยชนะ แต่คือ Learning Mechanism ให้ผู้เรียนได้เลือก Resource, Debug, วิเคราะห์ Performance, ทำงานเป็นทีม และรับ Feedback เพื่อเปลี่ยนจาก “ผู้เข้าอบรม” สู่ “Practitioner”

15. กรอบ TAKEAB: จาก “ทำได้” สู่ “อธิบายความสามารถได้”
พัฒนา Talent ผ่าน 6 มิติ:
• Technique — ใช้ปลอดภัยและมีประสิทธิภาพ
• Abilities — ทำและปรับใช้ได้จริง
• Knowledge — อธิบายเหตุผลเบื้องหลังได้
• Experience — เรียนรู้จาก Trial & Error
• Attitude — รับมือความท้าทายและความรับผิดชอบ
• Benchmarks — มีผลงานเชิงประจักษ์ที่ผ่านการ Review

16. สร้าง Talent ต้องใช้ Multi-channel Ecosystem
ไม่สามารถจบได้ใน 1 คอร์ส แต่ต้องอาศัย: Structured Curriculum + Terminal Labs + Supercomputer Access + Cloud Sandbox + Innovation Challenges + Mentoring เชื่อมต่อผ่าน Feedback Loop ที่ต่อเนื่อง

17. Capability–Conversion Model: ตัวเชื่อมภาพใหญ่
โมเดล 32 องค์ประกอบที่ตอบคำถามว่า: “เราจะเปลี่ยน National/Regional Compute ให้กลายเป็น Local Capability ได้อย่างไร?” โดยประสาน Computing Resources (C), People & Roles (P), Programs & Communities (M), Foundational Enablers (E) เพื่อสร้าง Outcomes (O)

18. หัวใจตรงกลางคือ “Integration”
จุดเปลี่ยนของโมเดลไม่ใช่ตัวเครื่อง แต่คือการนำพลังประมวลผลมาผสานกับ Local Knowledge และ Executable Workloads เหมือนที่ PTTEP เชื่อมกับธรณีวิทยา, ศิริราชเชื่อมกับคลินิก, หรือ HPC Ignite เชื่อม National HPC กับ Local Innovators

19. Quantum Computing กับโจทย์ Hybrid Orchestration
พัฒนาการของ Quantum (เช่น การทดลอง SqDRIFT และ Qubit scaling) ชี้ให้เห็นว่าอนาคตไม่ใช่การแทนที่ HPC แต่คือสถาปัตยกรรมผสมผสาน CPU + GPU + QPU ซึ่งต้องการ Orchestration ที่ซับซ้อนขึ้น

20. Sustainability: การต่ออายุความสามารถ (Renewal)
HPC Ignite เสนอ 4 เสาหลัก: Keep Access, Grow Mentors, Connect Pathways และ Measure Renewal เปลี่ยนลูปจากการ “อบรมแล้วจบไป” ให้เป็น:
Access → Practice → Reviewed Work → Mentor Feedback → Next Cohort → Repeat

---

🎯 ข้อสังเคราะห์สำคัญ 5 ประการ:

1. Compute กำลัง Converge: HPC, AI, Data, Network, Storage และ Quantum กำลังหลอมรวมเป็นผืนเดียวกัน

2. Data Movement สำคัญเท่ากับ FLOPS: GPU ที่เร็วแต่ต้องรอ I/O ข้อมูล ไม่ก่อให้เกิด Performance จริง

3. Domain Workflow คือจุดเกิดคุณค่า: พลังประมวลผลจะมีความหมายเมื่อแทรกซึมเข้าสู่กระบวนการทำงานจริง

4. Infrastructure ไม่ได้กลายเป็น Capability โดยอัตโนมัติ: ต้องมีสะพานเชื่อม ทั้งเครื่องมือ คน พี่เลี้ยง และโจทย์ปัญหา

5. ROI ที่แท้จริงคือ Conversion: วัดจากความเร็วในการเปลี่ยน Compute ให้กลายเป็น Useful Workload, Innovation และ Impact

---

💬 บทสรุป

อนาคตของ HPC และ AI ไม่ได้อยู่ที่การมีเครื่องที่เร็วที่สุด แต่อยู่ที่ความสามารถในการเชื่อม Compute, Data, Network, Software, People และ Local Knowledge เข้าด้วยกัน เพื่อสร้าง Impact อย่างต่อเนื่อง

ประเทศไทยมีชิ้นส่วนระดับโครงสร้างพื้นฐานที่ยอดเยี่ยมพร้อมแล้ว ความท้าทายถัดไปจึงไม่ใช่การสร้างชิ้นส่วนใหม่อย่างโดดเดี่ยว แต่คือการสร้าง “กลไกเชื่อมโยง” เพื่อกระจายขีดความสามารถเหล่านี้ไปสู่คนและพื้นที่จริง

คำถามสำคัญในทศวรรษหน้าจึงไม่ใช่แค่:
“ประเทศไทยมี Supercomputer ขนาดไหน?”

แต่คือ:
“พลังการประมวลผลของประเทศ สามารถสร้างคน สร้างงาน สร้างผู้ใช้ใหม่ แก้โจทย์ท้องถิ่น และสร้างคนรุ่นถัดไปที่กลับมาส่งต่อความรู้ได้มากเพียงใด?”

นั่นคือเส้นแบ่งระหว่างคำว่า “Infrastructure” กับ “National Computational Capability” อย่างแท้จริง 🇹🇭✨

ใครยังไม่เตรียมใบสมัคร อยากให้เข้าไปดูโปรแกรม ปีแรกที่มีถึง 4 Parallel Track ให้อัพเดตสกิลกัน สมัครกันนะคะ https://europe.acm.org/seasonal-schools/asean/2027/program-schedule

พบแอดมินเพจเจ๋ง ๆ https://hpc.in.th/ ตัวจริงค่า.. สุดยอด ข้อมูลแน่นมากกกก อยากให้ทุกคนได้อ่านกันนะคะ

📢 เปิดรับสมัครแล้ว! ไปเติมทักษะ HPC กับผู้เชี่ยวชาญที่สิงคโปร์ ใน 2027 ACM Third Asian School on High-Performance Computing and Artificial Intelligence

โอกาสดีสำหรับผู้ที่สนใจด้าน **High-Performance Computing (HPC) และ Artificial Intelligence (AI)** ที่อยากเรียนรู้จากผู้เชี่ยวชาญระดับนานาชาติ พร้อมพบปะและสร้างเครือข่ายกับผู้เข้าร่วมจากประเทศต่าง ๆ ในเอเชีย

📍 **ประเทศสิงคโปร์**
📅 **1–5 มีนาคม 2027**

โรงเรียนฤดูกาลของ ACM ครั้งนี้เป็นพื้นที่เรียนรู้แบบเข้มข้น ซึ่งเชื่อมโยงความรู้ด้านซูเปอร์คอมพิวเตอร์ การประมวลผลสมรรถนะสูง และ AI ผ่านการบรรยาย กิจกรรมเชิงปฏิบัติ และการแลกเปลี่ยนประสบการณ์กับชุมชน HPC–AI ระดับนานาชาติ

เหมาะสำหรับผู้ที่ต้องการเปิดโลกการเรียนรู้ ก้าวออกจากห้องเรียนเดิม ๆ และค้นหาเส้นทางใหม่ ๆ ในการนำพลังการประมวลผลไปใช้กับงานวิจัยและการแก้โจทย์สำคัญของโลก

⏰ **ปิดรับสมัคร 31 ตุลาคม 2026 เวลา 19.00 น. ตามเวลา EDT**
ตรงกับ **1 พฤศจิกายน 2026 เวลา 06.00 น. ประเทศไทย**

ศึกษารายละเอียดและสมัครได้ที่
🔗 https://europe.acm.org/seasonal-schools/asean/2027

อย่ารอจนถึงวันสุดท้ายนะคะ เตรียมข้อมูลและสมัครกันไว้ล่วงหน้า โอกาสหนึ่งสัปดาห์นี้อาจเปิดประตูไปสู่เครือข่าย ความร่วมมือ และเส้นทางใหม่ในโลกของ HPC และ AI ได้อีกมากมายค่ะ 🌏💻✨

#นักศึกษา #งานวิจัย

https://europe.acm.org/seasonal-schools/asean/2027

The 3rd ACM Asian School on High Performance Computing and Artificial Intelligence will take place from 1–5 March 2027 in Singapore, in conjunction with Supercomputing Asia 2027 (SCA2027). Hosted by the National Supercomputing Centre (NSCC) Singapore, the School brings together undergraduate and graduate students, early-career researchers and leading experts for an intensive week of learning, hands-on training and knowledge exchange in High Performance Computing (HPC), Artificial Inte...

สงสัยไหม ว่า ใครใช้ซูเปอร์คอมพิวเตอร์ในประเทศไทยบ้าง เค้าใช้ทำอะไร และในอนาคต กำลังการคำนวณที่เป็นโครงสร้างพื้นฐานของประเทศตอนนี้จะเดินไปข้างหน้าอย่างไร งานนี้มีคำตอบค่า

🚀 Thailand HPC & AI Infrastructure “Powering the Future”
งานนี้เปิดพื้นที่ให้คนจากหลายภาคส่วนมาพบและแลกเปลี่ยนกัน ตั้งแต่ผู้กำหนดนโยบาย ผู้ให้บริการโครงสร้างพื้นฐาน นักวิจัย อาจารย์ นักศึกษา ไปจนถึงภาคอุตสาหกรรม เพื่อช่วยกันมองว่า ประเทศไทยควรพัฒนา HPC, AI Infrastructure และระบบข้อมูลไปในทิศทางใด
สำหรับ HPC Ignite นี่เป็นโอกาสสำคัญที่จะได้เชื่อมโยงโครงสร้างพื้นฐานระดับประเทศเข้ากับการพัฒนาคน การเรียนรู้ และนวัตกรรมในพื้นที่ เพราะการมีเครื่องคอมพิวเตอร์สมรรถนะสูงเพียงอย่างเดียวยังไม่เพียงพอ เราต้องช่วยกันทำให้ทรัพยากรเหล่านี้เข้าถึงได้ ใช้งานเป็น และตอบโจทย์จริงของชุมชนด้วย
📅 วันพฤหัสบดีที่ 17 กันยายน 2569
⏰ เวลา 08.00–17.30 น.
📍 ห้องประชุมจูปิเตอร์ 4–13 อาคารชาเลนเจอร์ อิมแพ็ค เมืองทองธานี
รายละเอียดและลงทะเบียน
👉 https://events.ai.in.th/e/thailand-hpc-ai-infrastructure
แล้วพบกันนะคะ มาร่วมพูดคุย แลกเปลี่ยน และช่วยกันสร้างระบบนิเวศ HPC และ AI ของประเทศไทยให้เติบโตไปด้วยกันค่ะ 💙

Thailand HPC & AI Infrastructure “Powering the Future” Building Thailand’s Compute Ecosystem