MOREH โชว์ประสิทธิภาพ LLM บน GPU ของ AMD

MOREH สตาร์ทอัพด้าน AI Infrastructure จากเกาหลีใต้ ประกาศความสำเร็จในการสาธิตประสิทธิภาพของ Large Language Model (LLM) บน GPU ของ AMD ภายในงาน AMD Advancing AI 2026 โดยแสดงให้เห็นว่าซอฟต์แวร์ของบริษัทสามารถเพิ่มประสิทธิภาพการรันโมเดลภาษา (Inference) บน AMD Instinct GPU ได้อย่างมีนัยสำคัญ พร้อมลดต้นทุนการใช้งานสำหรับผู้ให้บริการ AI Cloud และองค์กรขนาดใหญ่

ประเด็นสำคัญของข่าว

• สาธิต LLM Inference บน AMD GPU
  • MOREH นำเสนอแพลตฟอร์มสำหรับรัน LLM บน AMD Instinct GPU ในงาน AMD Advancing AI 2026
  • เน้นการเพิ่มประสิทธิภาพของระบบ Inference สำหรับโมเดลขนาดใหญ่ โดยไม่ต้องพึ่งฮาร์ดแวร์ของ NVIDIA เพียงอย่างเดียว
• ปรับแต่ง vLLM ให้ทำงานบน AMD ได้มีประสิทธิภาพ
  • บริษัทพัฒนา Moreh vLLM ซึ่งเป็นการปรับแต่งเอนจิน vLLM พร้อมไลบรารีด้าน Compute และ Communication ของตนเอง
  • จุดเด่นคือเพิ่ม Throughput ลดเวลาตอบสนอง (Latency) และใช้ทรัพยากร GPU ได้คุ้มค่ามากขึ้น
• ผลการทดสอบก่อนหน้า
  จากรายงานเทคนิคของ MOREH ก่อนหน้านี้ พบว่า Moreh vLLM สามารถ
  • เพิ่ม Output Throughput ได้สูงสุด 1.68 เท่า
  • ลด Time To First Token (TTFT) ได้ 1.75 เท่า
  • ลด Time Per Output Token (TPOT) ได้ 1.70 เท่า
    เมื่อรันโมเดล DeepSeek V3/R1 บน AMD Instinct MI300X เทียบกับ vLLM เวอร์ชันมาตรฐาน
• ตอบโจทย์ตลาด AI Infrastructure
  MOREH ระบุว่าองค์กรจำนวนมากต้องการทางเลือกที่มีต้นทุนต่ำกว่าการพึ่งพา GPU เพียงค่ายเดียว จึงมุ่งพัฒนาแพลตฟอร์มที่ช่วยให้การใช้งาน AMD GPU สำหรับงาน LLM ทั้งการฝึกโมเดล (Training) และการให้บริการโมเดล (Inference) มีประสิทธิภาพมากขึ้น

ทำไมข่าวนี้จึงสำคัญ

• เป็นสัญญาณว่าระบบนิเวศ AI บน AMD ROCm เติบโตขึ้นอย่างต่อเนื่อง
• เพิ่มทางเลือกให้ผู้ให้บริการ AI Cloud และองค์กรที่ต้องการลดต้นทุนด้านฮาร์ดแวร์
• ช่วยผลักดันการแข่งขันในตลาด AI Accelerator ซึ่งเดิม NVIDIA ครองส่วนแบ่งหลัก ส่งผลให้ตลาดมีการแข่งขันด้านประสิทธิภาพและต้นทุนมากขึ้น

แหล่งที่มา

• PR Newswire (เผยแพร่ผ่าน Yahoo Finance): MOREH Showcases High-Performance LLM Inference on AMD GPUs at AMD Advancing AI 2026
• MOREH Blog: รายงานและบทความด้านประสิทธิภาพ Moreh vLLM บน AMD Instinct GPU
• AMD Advancing AI 2026 – Session Catalog

**ห้ามคัดลอก ทำซ้ำ ดัดแปลงเนื้อหา**