Alibaba Cloud นำนวัตกรรมเสริมขีดความสามารถด้าน AI พร้อมให้บริการแก่ลูกค้านานาประเทศ

กรุงเทพฯ วันที่ 10 เมษายน 2568 - อาลีบาบา คลาวด์ ธุรกิจด้านเทคโนโลยีดิจิทัลและหน่วยงานหลักด้านอินเทลลิเจนซ์ของอาลีบาบา กรุ๊ป เปิดโมเดล AI เครื่องมือ และการอัปเกรดโครงสร้างพื้นฐานใหม่ ให้กับลูกค้านานาชาติ ตอกย้ำความมุ่งมั่นขับเคลื่อนนวัตกรรมด้าน AI ทั่วโลกอย่างต่อเนื่องของบริษัทฯ

นางสาวเซลิน่า หยวน ประธานฝ่ายธุรกิจระหว่างประเทศของอาลีบาบา คลาวด์ อินเทลลิเจนซ์ กล่าวว่า “เรากำลังเปิดตัวชุดอัปเดทประสิทธิภาพ Platform-as-a-Service (PaaS) และโซลูชัน AI เพื่อตอบสนองความต้องการการทรานส์ฟอร์มสู่ดิจิทัลทั่วโลก การอัปเกรดเหล่านี้ช่วยให้เราให้บริการที่มีประสิทธิภาพสูงและปลอดภัยมากขึ้น ซึ่งจะช่วยให้ธุรกิจสามารถสเกลและสร้างนวัตกรรมในโลกที่ขับเคลื่อนด้วย AI ทั้งนี้ คลาวด์และ AI กลายเป็นส่วนสำคัญต่อการเติบโตทั่วโลก เราจึงมุ่งมั่นเพิ่มประสิทธิภาพให้กับผลิตภัณฑ์หลักของเรา เพื่อตอบโจทย์ความต้องการที่ปรับเปลี่ยนตลอดเวลาของลูกค้า”

อาลีบาบา คลาวด์ ประกาศขยายให้ลูกค้านานาประเทศเข้าถึงโมเดลพื้นฐานและผลิตภัณฑ์ด้านโครงสร้างพื้นฐานของบริษัทฯ ที่ได้รับการอัปเกรด ผ่าน availability zones ของบริษัทฯ ในสิงคโปร์ โมเดลเหล่านี้รวมถึงโมเดลล่าสุดจาก Qwen ซึ่งเป็นชุดโมเดลภาษาขนาดใหญ่ (LLM) ที่อาลีบาบา  คลาวด์ เป็นเจ้าของ เช่น Qwen-Max ซึ่งเป็นโมเดลขนาดใหญ่ Mixture of Experts (MoE) model, โมเดลการใช้เหตุผล QwQ-Plus, โมเดลการใช้เหตุผลจากภาพ QVQ-Max และมัลติโมดัลโมเดลครบวงจร Qwen2.5-Omni-7b

QwQ-Plus เป็นโมเดลการใช้เหตุผลประสิทธิภาพสูงที่เชี่ยวชาญด้านการคิดวิเคราะห์เชิงลึก สามารถจัดการความท้าทายที่ซับซ้อนต่าง ๆ เช่น งานถามตอบที่ซับซ้อนและปัญหาทางคณิตศาสตร์ระดับสูงด้วยโซลูชันที่ขับเคลื่อนด้วยอัลกอริธึมที่แม่นยำ ส่วน QVQ-Max นั้นคือโมเดลการใช้เหตุผลจากภาพ ซึ่งสามารถจัดการกับปัญหามัลติโมเดลที่ซับซ้อนได้อย่างมีประสิทธิภาพด้วยความแม่นยำสูง และมีความสามารถในการให้เหตุผลเพิ่มขึ้น รองรับการอินพุตข้อมูลด้วยภาพ และเอาท์พุตเป็นห่วงโซ่แห่งความคิด (chain-of-thought)

อาลีบาบา คลาวด์ ได้ปรับเพิ่มประสิทธิภาพครั้งใหญ่ในส่วน Platform for AI (PAI) ของบริษัทฯ ให้รองรับโซลูชัน generative AI และ LLMs ที่สามารถสเกลได้ คุ้มค่าใช้จ่าย และใช้งานง่าย เพื่อสนับสนุนการใช้โมเดล AI บน PaaS ทั้งนี้ PAI-Elastic Algorithm Service (EAS) ปล่อยความสามารถในการอนุมานแบบกระจายด้วยสถาปัตยกรรมแบบมัลติโหนด เพื่อตอบสนองความต้องการที่เพิ่มขึ้นของโมเดลขนาดใหญ่พิเศษ (super-large models) ที่ขับเคลื่อนด้วยโครงสร้างแบบ MoE ที่เพิ่มขึ้น และการประมวลผลข้อความที่ยาวมาก ๆ เป็นการจัดการกับข้อจำกัดของสถาปัตยกรรมซิงเกิลโหนดแบบดั้งเดิม นอกจากนี้ PAI-EAS มอบประสิทธิภาพที่เพิ่มขึ้นและลดค่าใช้จ่าย ด้วยฟังก์ชันการแยกส่วนการถอดรหัสล่วงหน้า (prefill-decode disaggregation) ซึ่งเพิ่มการทำงานพร้อมกันได้ 92% และเพิ่มโทเค็นต่อวินาที (TPS) ได้ 91% เมื่อใช้กับโมเดล Qwen2.5-72B นับเป็นการเพิ่มประสิทธิภาพและเพิ่มความสามารถในการสเกลได้อย่างมาก

PAI-Model Gallery ได้รับการอัปเกรดโดยมอบตัวเลือกโมเดลโอเพ่นซอร์สล้ำสมัยเกือบ 300 โมเดลอย่างครอบคลุม รวมถึง Qwen และ Wan ซึ่งเป็นชุดโมเดลโอเพ่นซอร์สที่อาลีบาบา คลาวด์ เป็นเจ้าของ ให้สามารถเข้าถึง ปรับใช้ และบริหารจัดการได้อย่างราบรื่นได้โดยไม่ต้องพึ่งพาโค้ด ผ่านวิธีการใช้หลากหลาย ที่มาพร้อมทรัพยากรการประมวลผลพื้นฐาน และฟีเจอร์ใหม่ ๆ เช่น การประเมินโมเดลเพื่อให้ได้ข้อมูลเชิงลึกด้านประสิทธิภาพ และการถ่ายโอนความรู้จากโมเดลขนาดใหญ่ไปยังโมเดลขนาดเล็ก (model distillation) ซึ่งเป็นการลดค่าใช้จ่ายในการปรับใช้โมเดล

อาลีบาบา คลาวด์ ได้ผสานรวมความสามารถในการอนุมาน AI แบบเนทีฟของบริษัทฯ ซึ่งขับเคลื่อนโดย Qwen ไว้ใน PolarDB ซึ่งเป็นฐานข้อมูลเชิงสัมพันธ์แบบคลาวด์-เนทีฟชั้นนำของบริษัทฯ เพื่อเพิ่มประสิทธิภาพการบริหารจัดการข้อมูลในยุค AI แมชชีนเลิร์นนิ่งที่อยู่ในฐานข้อมูลสามารถขจัดความไม่ตรงกันระหว่างข้อมูลที่ใช้เทรนโมเดลและข้อมูลในโลกแห่งความเป็นจริง (data shifting) ที่เวิร์กโฟลว์การอนุมานต้องการ เป็นการลดเวลาการตอบสนองในการประมวลผลได้อย่างมาก ทั้งยังเพิ่มประสิทธิภาพและความปลอดภัยของข้อมูล ฟีเจอร์ใหม่นี้ออกแบบมาสำหรับเวิร์กโหลดที่เน้นข้อความเป็นหลัก เหมาะสำหรับสถานการณ์ต่าง ๆ รวมถึงการพัฒนา conversational RAG (Retrieval-Augmented Generation) agent, การสร้างการฝังข้อความ และการค้นหาความหมายที่คล้ายกัน

นอกจากนี้ ยังได้ผสานรวม AnalyticDB ซึ่งเป็นดาต้าแวร์เฮ้าส์ เข้ากับ Model Studio ซึ่งเป็นโมเดล generative AI และแพลตฟอร์มเพื่อการพัฒนาแอปพลิเคชันของบริษัทฯ เป็นฐานข้อมูลเวกเตอร์ที่แนะนำสำหรับโซลูชัน RAG การเพิ่มประสิทธิภาพนี้เป็นการเชื่อมโยงฐานความรู้ที่เป็นกรรมสิทธิ์ขององค์กร ตรงไปยังโมเดลและเครื่องมือ AI ที่มีอยู่บน Model Studio เป็นการเพิ่มประสิทธิภาพการพัฒนาแอปพลิเคชันที่คำนึงถึงบริบท (context-aware)