Cambridge ผลิต nanoelectronic chip จาก hafnium oxide ลด energy AI hardware ได้ 70%

ทีมวิจัย University of Cambridge นำโดย Dr. Babak Bakhit ตีพิมพ์ผลงานใน Science Advances — พัฒนา nanoelectronic device ที่เลียนแบบการทำงานของ neuron ในสมองมนุษย์ และลด energy consumption ของ AI hardware ได้สูงสุด 70%

หลักการ: รวม processing + storage ในจุดเดียว

ปัญหาใหญ่ของ chip ปัจจุบัน — เสียพลังงานมหาศาลกับการ เคลื่อนย้าย data ไปมาระหว่าง memory กับ processor (von Neumann bottleneck)

Device ของ Cambridge ใช้ modified hafnium oxide ที่ process + store data ในที่เดียว — เหมือน neuron ที่จัดการ signal และเก็บ state พร้อมกัน เป็น architecture แบบ memristor (memory + resistor) ที่เสถียรและ low-power

นวัตกรรมหลัก: เติม strontium + titanium

ทีมเติม strontium และ titanium ลงใน hafnium oxide สร้าง internal electronic junctions — ผลคือ device เปลี่ยน resistance อย่าง smooth โดยไม่ต้องอาศัย unstable conductive filament (จุดอ่อนเดิมของ memristor หลายตัวก่อนหน้านี้)

Memristor ทั่วไปต้องสร้าง filament จาก ion ที่ไหลใน insulator — เกิด stochastic ทุกครั้งที่ switch ทำให้ device variability สูงและ wear ออกเร็ว

Cambridge solution ไม่พึ่ง filament — แต่ใช้ junction smooth-resistance ที่ predictable และทนกว่า

ทำไม 70% สำคัญ

ปี 2025-2026 — pain point อันดับ 1 ของ AI infrastructure คือ electricity ทั้ง training cluster และ inference data center กลายเป็นภาระไฟฟ้าระดับเทียบกับเมืองเล็ก ๆ

ถ้า neuromorphic chip แบบนี้ scale ไปถึง production:

• Inference บน edge device (มือถือ, รถยนต์) ใช้พลังงานน้อยลงมาก → battery life ดีขึ้น
• Data center ลด PUE (Power Usage Effectiveness) → cost ของ token inference ตกลง
• Carbon footprint ของ AI workload ลดลงมีนัยสำคัญ

70% เป็น lab-condition number — ใน production จะลดลงตาม overhead ของ memory controller, networking ฯลฯ แต่ถึง realize ได้แค่ครึ่งหนึ่ง (35%) ก็ยังเป็นการเปลี่ยนเกมระดับ industry

บริบท: neuromorphic ที่กำลังตื่นใหม่

Memristor research มีมากว่า 15 ปี — แต่ commercial product ที่ scale ได้ยังน้อย ตัวอย่าง:

• IBM TrueNorth, Intel Loihi 2 — research chip
• Mythic AMP — analog AI chip ที่ commercial แล้วบางส่วน

จุดต่างของ Cambridge คือ material science breakthrough — hafnium oxide เป็น material ที่ fab semiconductor ทั่วไปใช้แล้ว (เป็น high-k dielectric ใน CMOS modern) ดังนั้นการ scale-up ไม่ต้องสร้าง fab ใหม่ทั้งหมด

มุมมอง AI Curator

ข่าวนี้ไม่ใช่ “AI breakthrough” แบบที่จะทำให้ AGI ใกล้ขึ้น — แต่เป็น infrastructure breakthrough ที่จะกำหนดว่า AI จะ deploy ได้กว้างแค่ไหน และต้นทุนจะตกลงเร็วแค่ไหนใน 5-10 ปีข้างหน้า

Energy ของ AI ตอนนี้คือ bottleneck จริง — Anthropic + Google ปิดดีล 5GW compute เพราะ frontier lab ขาด electricity capacity ไม่ใช่ขาด chip การที่ neuromorphic chip จาก hafnium oxide reuse fab process เดิมได้ คือสัญญาณว่า timeline จาก lab ถึง production สั้นกว่า memristor generation ก่อน

สำหรับไทย/SEA:

1. Edge AI จะเปลี่ยนเกมก่อน data center — neuromorphic chip ตัวแรก ๆ จะออกในมือถือ, IoT sensor, automotive ก่อน data center ถ้าทำได้ — ตลาด consumer device ในไทย (มือถือ, รถยนต์ EV) จะได้ประโยชน์ก่อน enterprise

2. Thai universities ที่ทำ semiconductor research — เช่น จุฬา, KMUTT, Mahidol — ที่มี cleanroom พื้นฐาน ควร partner กับ international group ตอนนี้ก่อน hafnium oxide neuromorphic เข้า commercial เพราะ patent landscape จะ lock เร็วใน 2-3 ปี

3. SEA data center investment — Singapore, Malaysia, Indonesia กำลังขยาย AI data center ครั้งใหญ่ จะต้องคิดเรื่อง roadmap upgrade hardware ไป neuromorphic หรือ specialized accelerator ใน gen ถัดไป — ลงทุน GPU cluster มากเกินตอนนี้อาจ stranded asset ใน 5 ปี

ที่ต้องระวัง: technical news ระดับ “Science Advances” ส่วนใหญ่ใช้เวลา 5-10 ปีถึงจะ commercial อย่าตื่นเต้นเกินจนคิดว่าจะ disrupt Nvidia ปีหน้า แต่อย่ามองข้ามเพราะนี่คือ direction ของ industry ที่ยักษ์ทุกตัวกำลังเดินไป

แหล่งข่าว

• ScienceDaily: This new brain-like chip could slash AI energy use by 70%
• University of Cambridge: New computer chip material inspired by the human brain could slash AI energy use
• Interesting Engineering: Brain-inspired chip cuts AI energy use by 70%