ชิปหน่วยความจำ คอขวดยุค AI ทำความเข้าใจ “Memory กับ Storage” ต่างกันยังไง?

หลายปีที่ผ่านมานี้ การแข่งขันด้าน AI ถูกผลักดันด้วยความต้องการชิปประมวลผลอย่าง GPU ของ Nvidia ที่กลายเป็นหัวใจสำคัญของการเทรนโมเดล AI ขนาดใหญ่ แต่เมื่ออุตสาหกรรมเริ่มขยายจาก Generative AI ไปสู่ Agentic AI ตลอดจน AI ขนาดใหญ่สำหรับองค์กร โลกเทคโนโลยีก็เริ่มพบคอขวดใหม่ที่สำคัญไม่แพ้ GPU นั่นคือ “หน่วยความจำ” และ “ระบบจัดเก็บข้อมูล”

เพราะต่อให้มี GPU จำนวนมาก แต่หากระบบส่งข้อมูลได้ไม่เร็วพอ หรือเก็บข้อมูลได้ไม่เพียงพอ AI ก็ไม่สามารถทำงานได้เต็มประสิทธิภาพ จึงเป็นเหตุผลที่ตลาดเริ่มจับตาหุ้นในกลุ่ม Memory และ Storage มากขึ้นเรื่อย ๆ โดยเฉพาะในช่วงที่หลายส่วนของอุตสาหกรรมกำลังเผชิญภาวะ “ขาดแคลน”

Memory คืออะไร?

Memory คือ “หน่วยความจำชั่วคราว” ที่ใช้สำหรับส่งข้อมูลให้ AI Accelerator อย่าง GPU, TPU หรือ NPU แบบเรียลไทม์ระหว่างการประมวลผล หรือเป็นพื้นที่ที่ AI ใช้ “ตอนกำลังคิด”

หน้าที่ของ Memory คือช่วยให้ AI เข้าถึงข้อมูลได้เร็วที่สุด เพราะ AI สมัยใหม่ต้องประมวลผลข้อมูลจำนวนมหาศาลในเวลาเดียวกัน ไม่ว่าจะเป็นข้อความ รูปภาพ วิดีโอ หรือข้อมูลจากผู้ใช้งานจำนวนมาก

แต่ปัญหาสำคัญ คือ ในยุค AI ความต้องการ Memory เพิ่มขึ้นเร็วกว่ากำลังผลิต จนเริ่มกลายเป็นคอขวดของทั้งอุตสาหกรรม โดยเฉพาะ HBM หรือ High Bandwidth Memory ซึ่งถูกออกแบบมาเพื่อ AI โดยเฉพาะ นับว่าเป็นดาวเด่นและกำลัง “ขาดตลาด”

• HBM

HBM มีจุดเด่นคือ ส่งข้อมูลได้เร็วมาก รับส่งข้อมูลพร้อมกันได้มหาศาล ใช้พลังงานต่ำกว่า DRAM ทั่วไป และเหมาะกับ AI Training และ LLM ซึ่งชิป AI ระดับสูงอย่าง Nvidia H100 หรือ Blackwell จำเป็นต้องใช้ HBM เพื่อดึงประสิทธิภาพออกมาเต็มที่

แต่ปัญหาคือ HBM ผลิตยากมาก เพราะต้องใช้เทคโนโลยีขั้นสูง เช่น การซ้อนชิปแบบ 3D ระบบ Advanced Packaging ตลอดจนการเชื่อมต่อความเร็วสูง ทำให้กำลังผลิต HBM ของโลกยังมีจำกัด ขณะที่ความต้องการจากบริษัท AI, Cloud และ Data Center พุ่งขึ้นอย่างรวดเร็ว

ทั้งนี้ บริษัทที่ได้อานิสงส์จาก HBM ผู้เล่นที่ถูกจับตามากที่สุดคือ SK hynix ที่กลายเป็น Supplier สำคัญของ Nvidia และถูกมองว่าเป็นผู้นำตลาด HBM ในปัจจุบัน ขณะที่ Samsung Electronics อีกหนึ่งผู้เล่นจากเกาหลีใต้ ก็กำลังเร่งแข่งขันเพื่อเพิ่มส่วนแบ่งตลาด HBM และขยายกำลังการผลิตรองรับกระแส AI บูม

ส่วน Micron Technology บริษัทหน่วยความจำรายใหญ่ของสหรัฐฯ ก็ได้รับประโยชน์โดยตรงจากความต้องการ AI Server และ Data Center ที่เพิ่มขึ้นทั่วโลก

• DRAM และ SRAM 

แม้ HBM จะเป็นดาวเด่น แต่ระบบ AI ยังต้องใช้หน่วยความจำอีกหลายประเภท โดยอีกหนึ่งตัวที่สำคัญคือ DRAM หน่วยความจำหลักของ Server และ Data Center ถูกใช้ทั่วไปในระบบคลาวด์และโครงสร้างพื้นฐานดิจิทัลทั่วโลก แม้จะไม่เร็วเท่า HBM แต่ AI System ยังคงต้องใช้ DRAM จำนวนมหาศาลในการจัดการข้อมูล

ส่วน SRAM คือหน่วยความจำความเร็วสูงที่อยู่ภายในชิป ใช้สำหรับลด Latency หรือความหน่วงในการเข้าถึงข้อมูล ทำให้ CPU และ GPU สามารถประมวลผลได้เร็วขึ้น ทั้งนี้ แม้ SRAM จะเร็วมาก แต่ก็มีต้นทุนสูงและใช้พื้นที่บนชิปมาก จึงถูกใช้เฉพาะในส่วนที่ต้องการประสิทธิภาพสูงที่สุด

แล้ว Storage คืออะไร?

หาก Memory คือ “พื้นที่ทำงานชั่วคราว” Storage ก็คือ “คลังเก็บข้อมูลระยะยาว” ของ AI โดย Storage จะใช้เก็บ Dataset โมเดล AI ข้อมูลสำหรับ RAG เซ็ตข้อมูลแบบ Vector Database ข้อมูลผู้ใช้งาน ตลอดจน Log และข้อมูลที่ AI สร้างขึ้น

เพราะเมื่อ AI ยิ่งฉลาดขึ้น ก็ยิ่งต้องใช้ข้อมูลมากขึ้น จนหลายฝ่ายมองว่า กำลังเกิด “Data Explosion” หรือการระเบิดของข้อมูลครั้งใหม่ให้กับโลกเทคโนโลยี ที่ข้อมูลจะเพิ่มขึ้นมหาศาลและรวดเร็ว จนระบบแบบเดิม ๆ อาจจะรองรับไม่ได้

• SSD และ NAND Flash

Storage ที่สำคัญที่สุดในยุค AI คงหนีไม่พ้น SSD และ NAND Flash ระบบเก็บข้อมูลความเร็วสูง มีจุดเด่นคือ อ่านและเขียนข้อมูลเร็ว ช่วยเร่งท่อส่งข้อมูลหรือ AI Data Pipeline และยังรองรับการดึงข้อมูลสำหรับ AI Inference

ปัจจุบัน AI Data Center ต้องใช้ SSD จำนวนมหาศาล เพราะโมเดล AI ยุคใหม่ต้องเข้าถึงข้อมูลอย่างรวดเร็วตลอดเวลา

และผู้เล่นสำคัญในกลุ่มนี้ ตัวอย่างเช่น Western Digital และ SanDisk โดย SanDisk ถือเป็นแบรนด์สำคัญด้าน NAND Flash และ SSD สำหรับระบบจัดเก็บข้อมูลและกำลังถูกจับตาอย่างหนักในตลาด

• HDD 

แม้ SSD จะเติบโตเร็ว แต่ HDD ยังมีบทบาทสำคัญมากในยุค AI เพราะการเทรน AI ต้องใช้ข้อมูลขนาดมหึมา ตั้งแต่วิดีโอ รูปภาพ ไปจนถึงข้อมูล Synthetic Data ส่งผลให้กลุ่ม Hyperscale หรือ Data Center ขนาดใหญ่จึงยังต้องใช้ HDD จำนวนมากเพื่อเก็บข้อมูล ในต้นทุนที่ต่ำและระยะยาว

ผู้นำสำคัญในตลาดนี้ คือ Seagate Technology และ Western Digital

• Cloud Storage 

AI ยุคใหม่ไม่ได้ทำงานบนเครื่องเดียวอีกต่อไป แต่ต้องพึ่งพา Cloud และ Distributed Storage เพื่อรองรับผู้ใช้งานและข้อมูลระดับมหาศาล ซึ่งระบบเหล่านี้ช่วยให้ AI ดึงข้อมูลจากหลายศูนย์ข้อมูลได้ สามารถทำงานพร้อมกันจำนวนมาก อีกทั้งยังรองรับ AI Agent และ Enterprise AI

โดยบริษัทที่อยู่ในธีมนี้ เช่น Dell Technologies และ NetApp ซึ่งเป็นผู้เล่นสำคัญด้าน Server, Storage และระบบจัดการข้อมูลสำหรับองค์กร

ความต้องการในโลกเทคโนโลยีทุกวันนี้ สะท้อนให้เห็นว่า “Memory และ Storage” คือหัวใจใหม่ของ AI เพราะเมื่อโมเดล AI ใหญ่ขึ้นเรื่อย ๆ ปัญหาสำคัญจึงไม่ใช่แค่ “การคำนวณ” แต่คือ “การเคลื่อนย้ายข้อมูล” จึงทำให้ Memory และ Storage กลายเป็นอีกโครงสร้างพื้นฐานใหม่ที่โลกกำลังเร่งลงทุน และเป็นอีกหนึ่งธีมสำคัญที่นักลงทุนทั่วโลกจับตามองอย่างใกล้ชิดในยุค AI Boom

รวบรวมข้อมูลโดย Thairath Money

ติดตามเพจ Facebook: Thairath Money ได้ที่ลิงก์นี้ - https://www.facebook.com/ThairathMoney