ทันเอไอ

เมื่อหน่วยความจำและระบบจัดเก็บข้อมูลกลายเป็นคอขวดใหม่ของยุค AI

รายงานจาก MIT Tech Review ชี้ว่าความสำเร็จของ AI ยุคใหม่ไม่ได้ขึ้นอยู่แค่ชิปประมวลผลอีกต่อไป แต่ต้องพึ่งพาโครงสร้างพื้นฐานด้านหน่วยความจำและระบบจัดเก็บข้อมูลที่รวดเร็ว

ในยุคที่ปัญญาประดิษฐ์หรือ AI เข้าสู่ช่วงการใช้งานจริง (Inference) และการประมวลผลผ่านตัวแทน AI (Agentic AI) ความต้องการใช้งานระบบอัจฉริยะเพิ่มสูงขึ้นอย่างมาก เช่น ระบบสาธารณสุขที่ต้องวิเคราะห์ข้อมูลนับล้านจุดแบบเรียลไทม์ หรือผู้ช่วยอัจฉริยะที่ต้องตอบคำถามซับซ้อนพร้อมกันนับพันรายการ

อย่างไรก็ตาม บทความจาก MIT Tech Review ระบุว่า แม้ที่ผ่านมาความสนใจส่วนใหญ่จะมุ่งไปที่ชิปประมวลผล (GPU/Accelerator) แต่ในปัจจุบัน "หน่วยความจำ (Memory)" และ "ระบบจัดเก็บข้อมูล (Storage)" ได้กลายเป็นคอขวดสำคัญที่จำกัดประสิทธิภาพของ AI มากกว่าแค่พลังในการคำนวณ โดยประสิทธิภาพของ AI ยุคนี้ขึ้นอยู่กับการเคลื่อนย้ายและการเข้าถึงข้อมูลที่มีความหน่วงต่ำ (Low Latency) หากระบบจัดเก็บข้อมูลไม่สามารถรับส่งข้อมูลให้ทันกับ GPU ได้ จะทำให้เกิดปัญหาการรอคอยข้อมูล (Data Bottleneck)

สอดคล้องกับข้อมูลจากหน่วยงานและบริษัทเทคโนโลยีชั้นนำอย่าง ไมครอน เทคโนโลยี (Micron Technology) ที่ระบุว่ากลยุทธ์โครงสร้างพื้นฐาน AI กำลังเปลี่ยนจากเรื่องการคำนวณมาเป็นเรื่องความเร็วและแบนด์วิดท์ของข้อมูล ด้าน บล็อกของเอ็นวิเดีย (NVIDIA Blog) ยืนยันว่าระบบจัดเก็บข้อมูลไม่ใช่พื้นที่เก็บข้อมูลแบบเฉื่อยชาอีกต่อไป แต่ต้องทำหน้าที่เป็นส่วนหนึ่งของเส้นทางข้อมูล (Data Path) ที่ทำงานร่วมกับ GPU อย่างใกล้ชิด ขณะที่ศูนย์ศึกษายุทธศาสตร์และการระหว่างประเทศ (CSIS) รายงานว่าความต้องการชิปหน่วยความจำ เช่น เอชบีเอ็ม (HBM) ที่พุ่งสูงจนล้นกำลังการผลิต ได้กลายเป็นข้อจำกัดเชิงยุทธศาสตร์ในการปรับใช้ AI ในระดับอุตสาหกรรมด้วย