AI ในสเกลระดับใหญ่: Data Center กำลังเปลี่ยนไปอย่างไร?
การพูดถึง Artificial Intelligence หรือ AI ในระดับสเกลใหญ่ ไม่ใช่เรื่องของอนาคตอีกต่อไป แต่กำลังเกิดขึ้นจริงในองค์กรและดาต้าเซ็นเตอร์ทั่วโลก
จากเดิมที่ Data Center ถูกมองเป็นเพียงระบบเบื้องหลัง สำหรับจัดเก็บและประมวลผลข้อมูล ปัจจุบันบทบาทกำลังเปลี่ยนไปสู่การเป็น Strategic Business Engine ที่ต้องรองรับทั้ง AI Workload, Advanced Analytics และ Real-time Processing ในระดับที่ซับซ้อนและเข้มข้นกว่าเดิม
การยกระดับโครงสร้างพื้นฐานให้ทันกับความต้องการเหล่านี้ จึงไม่ใช่เพียงเรื่องของการอัปเกรดเทคโนโลยี แต่เชื่อมโยงโดยตรงกับการแข่งขัน การเติบโต และ Business Continuity ขององค์กร
จากพื้นที่จัดเก็บข้อมูล สู่แพลตฟอร์มสำหรับเวิร์กโหลดที่ซับซ้อน
การเติบโตอย่างรวดเร็วของ AI ทำให้ Data Center ต้องรองรับ Workload ที่มีรูปแบบแตกต่างจากระบบดั้งเดิมอย่างชัดเจน ทั้งด้านขนาดข้อมูล ความต้องการ Compute Latency และรูปแบบการประมวลผลที่เปลี่ยนแปลงตลอดเวลา
โครงสร้างพื้นฐานยุคใหม่จึงต้องมีความสามารถ ขยายสเกลได้ ยืดหยุ่น และรองรับสภาพแวดล้อมแบบ Hybrid โดย Performance, Availability และ Operational Efficiency กลายเป็นองค์ประกอบที่เชื่อมโยงกันมากขึ้น
สำหรับองค์กรที่อยู่ระหว่าง Digital Transformation คำถามสำคัญจึงไม่ใช่แค่ว่า “ต้องการพลังประมวลผลเพิ่มเท่าใด” แต่รวมถึงว่าจะออกแบบ Infrastructure ให้รองรับการเติบโตของ AI ในระยะยาวอย่างไร
AI เพิ่มโจทย์ใหม่ให้ Data Center: พลังงาน ความร้อน และการใช้ทรัพยากร
AI ในระดับสเกลใหญ่ไม่ได้สร้างแรงกดดันเฉพาะด้าน Compute แต่ยังเพิ่มความท้าทายด้าน Power Consumption, Cooling และ Resource Utilization
เมื่อ Workload เติบโตขึ้น Energy Efficiency จึงกลายเป็นปัจจัยเชิงยุทธศาสตร์ เพราะส่งผลโดยตรงต่อ Operating Cost, Sustainability และความสามารถในการขยายระบบในอนาคต
Hardware Efficiency ไม่ใช่คุณสมบัติเสริมอีกต่อไป
เมื่อ Data Center ต้องรองรับ AI ในระดับที่ใหญ่ขึ้น ประสิทธิภาพของฮาร์ดแวร์จะไม่สามารถพิจารณา แยกออกจากต้นทุนและความยั่งยืนได้อีกต่อไป
องค์กรจึงต้องมองหาแพลตฟอร์ม ที่สามารถให้ Performance สูง พร้อมลดการใช้พลังงานต่อ Workload เพื่อควบคุมต้นทุน ลดข้อจำกัดของ Power Envelope และขยาย Infrastructure โดยไม่จำเป็นต้องเพิ่มทรัพยากรในอัตราเดียวกับ Compute Demand
EPYC + Instinct + Pensando + ROCm
AMD วาง Portfolio สำหรับ Data Center ยุค AI ให้ครอบคลุมตั้งแต่ General-purpose Compute ไปจนถึง AI Acceleration, Networking และ Open Software Ecosystem
General-purpose Compute
AI & HPC Acceleration
Network & Infrastructure
Open AI Software Ecosystem
Data Center ยุค AI ต้องรองรับทั้งระบบเดิมและโมเดล AI รุ่นใหม่
AMD มองว่าโครงสร้างพื้นฐาน AI ควรสามารถรองรับทั้ง Traditional Workload และ Advanced AI Model พร้อมรักษาความยืดหยุ่นในการเลือก Technology Stack และลดการผูกติดกับ Platform หรือผู้ให้บริการรายเดียว
การลงทุน Data Center กำลังกลายเป็นการตัดสินใจเชิงธุรกิจ
หากย้อนกลับไปในอดีต การลงทุนใน Server หรือ Data Center อาจถูกมองเป็นค่าใช้จ่ายด้าน IT ที่มีหน้าที่สนับสนุนระบบธุรกิจ
แต่ในยุค AI ความสามารถของ Infrastructure ส่งผลโดยตรงต่อความเร็วในการพัฒนา AI Service, การวิเคราะห์ข้อมูล, Automation ตลอดจนความสามารถขององค์กรในการสร้างผลิตภัณฑ์และบริการใหม่
ดังนั้น การเลือก Infrastructure ที่พร้อมรองรับ AI จึงไม่ได้เพิ่มเพียง Performance แต่ยังเกี่ยวข้องกับ Agility, Security, Scalability และความสามารถในการควบคุมต้นทุนในระยะยาว
AI Infrastructure ไม่ได้แข่งกันด้วย Compute เพียงตัวเลขเดียวอีกต่อไป
สิ่งที่น่าสนใจจากมุมมองของ AMD คือ Data Center ในยุค AI กำลังถูกประเมินจากหลายมิติพร้อมกัน ตั้งแต่ Compute Performance, Performance-per-Watt, Networking, Software Ecosystem ไปจนถึงต้นทุนในการขยายระบบ
ในระยะต่อไป องค์กรอาจไม่ได้ถามเพียงว่า “GPU หรือ CPU รุ่นใดเร็วที่สุด” แต่จะถามมากขึ้นว่า Infrastructure ชุดใดสามารถให้ Performance ที่ต้องการ ภายใต้ข้อจำกัดด้านพลังงาน Cooling, Cost และ Operational Complexity ได้ดีที่สุด
นั่นทำให้ Data Center Strategy และ AI Strategy เริ่มกลายเป็นเรื่องเดียวกันมากขึ้นเรื่อย ๆ


COMMENTS