ข่าว 
ข้อมูลเหรียญ 
แนะนำสื่อ 
ศูนย์กลางการแข่งขันของดาต้าเซ็นเตอร์ AI กำลังขยายจากการแย่งชิงชิปประมวลผลกราฟิก (GPU) ไปสู่โครงสร้างการจัดเก็บข้อมูล นักวิเคราะห์ชี้ว่าเมื่อข้อมูลยังคงสะสมอยู่หลังการเทรนโมเดลและการอนุมานเสร็จสิ้น อุปกรณ์จัดเก็บข้อมูลได้กลายเป็น 'คอขวด' ใหม่ของโครงสร้างพื้นฐาน AI
เวสเทิร์น ดิจิทัล(Western Digital, WDC) ระบุในบล็อกอย่างเป็นทางการเมื่อวันที่ 23 กรกฎาคม (เวลาท้องถิ่น) โดยอ้างอิงการคาดการณ์ Global DataSphere ของ IDC ว่า ปริมาณข้อมูลใหม่ที่เกิดขึ้นทั่วโลกต่อปีจะแตะระดับ 718ZB ภายในปี 2030 บริษัทอธิบายว่าหากออกแบบโครงสร้างพื้นฐาน AI โดยยึดเพียงประสิทธิภาพของ GPU ปัญหาด้านต้นทุน การสืบค้น และการกู้คืนข้อมูลอาจขยายตัวมากขึ้นในระยะยาวของการใช้งาน
ระบบ AI ไม่ได้จบลงเพียงการประมวลผลครั้งเดียว ข้อมูลการเทรน จุดตรวจสอบโมเดล (checkpoint) เวกเตอร์ฝังตัว (embedding vector) บันทึกการอนุมาน พรอมต์ ผลลัพธ์ที่ได้ และข้อมูลการประเมินยังคงถูกเก็บไว้ต่อเนื่อง ข้อมูลเหล่านี้สามารถนำกลับมาใช้ได้อีกในการปรับปรุงโมเดล ประเมินคุณภาพ ตรวจสอบการปฏิบัติตามกฎระเบียบ และวิเคราะห์ข้อผิดพลาด
เวสเทิร์น ดิจิทัลระบุว่า ด้วยเหตุนี้จึงควรมองโครงสร้างพื้นฐาน AI ในฐานะ 'ระบบข้อมูล' ไม่ใช่เพียงสภาพแวดล้อมการประมวลผล การออกแบบที่มุ่งเพิ่มอัตราการใช้งาน GPU เพียงอย่างเดียวยากที่จะสะท้อนต้นทุนการดำเนินงานและภาระการจัดการหลังข้อมูลสะสมมากขึ้นได้อย่างเพียงพอ
หัวใจสำคัญไม่ใช่การแข่งขันด้านประสิทธิภาพของอุปกรณ์จัดเก็บข้อมูลเพียงอย่างเดียว แต่เป็นการแบ่งชั้นการจัดเก็บตามเกณฑ์ว่าข้อมูลใดถูกเรียกใช้บ่อยแค่ไหน ต้องกู้คืนได้เร็วเพียงใด และมีต้นทุนเท่าไรหากต้องสร้างข้อมูลนั้นขึ้นใหม่
เวสเทิร์น ดิจิทัลเสนอแนวทางให้เก็บข้อมูลการเทรนที่ใช้งานอยู่และข้อมูลการอนุมานแบบเรียลไทม์ไว้ในอุปกรณ์จัดเก็บแบบแฟลชประสิทธิภาพสูง ส่วนข้อมูลที่เก็บระยะยาว บันทึกเก่า และข้อมูลที่เข้าถึงไม่บ่อย ให้จัดเก็บไว้ในฮาร์ดดิสก์ไดรฟ์ (HDD) ความจุสูงและระบบจัดเก็บแบบอ็อบเจกต์ (object storage) บริษัทอธิบายว่าการกำหนดตำแหน่งจัดเก็บให้แตกต่างกันตามลักษณะการใช้งานข้อมูลจะช่วยลดต้นทุนโดยรวมได้
เซตตะไบต์(ZB) เป็นหน่วยวัดข้อมูลขนาดใหญ่ โดย 1ZB เทียบเท่ากับประมาณ 1 ล้านล้านกิกะไบต์ (GB) เมื่อขนาดข้อมูลขยายไปถึงระดับเพตะไบต์(PB) และเอกซะไบต์(EB) การเก็บข้อมูลทั้งหมดไว้ในอุปกรณ์จัดเก็บประสิทธิภาพสูงอาจสร้างภาระด้านต้นทุนและการใช้พลังงานมากขึ้น
เอกสารด้านโครงสร้างพื้นฐานจัดเก็บข้อมูล AI ของเวสเทิร์น ดิจิทัลระบุว่า ข้อมูลคลาวด์และ AI ราวร้อยละ 80 ถูกจัดเก็บไว้ใน HDD นอกจากนี้ผลสำรวจลูกค้าประจำปี 2026 ของบริษัทพบว่า ร้อยละ 87 ของผู้ตอบแบบสอบถามให้ความสำคัญกับการขยายความจุและการเพิ่มประสิทธิภาพต้นทุนรวมในการเป็นเจ้าของ (TCO) ในการวางแผนโครงสร้างพื้นฐาน AI
ในกลุ่มผู้ตอบแบบสอบถามจากองค์กรขนาดใหญ่ ร้อยละ 70 ระบุว่ามีโครงสร้างที่ HDD คิดเป็นสัดส่วนมากกว่าครึ่งหนึ่งของความจุจัดเก็บข้อมูลทั้งหมดที่ใช้งานอยู่ นั่นหมายความว่ายิ่งข้อมูล AI เพิ่มมากขึ้นเท่าใด โครงสร้างการจัดเก็บแบบแบ่งชั้นที่ผสมผสานแฟลชประสิทธิภาพสูงกับ HDD ความจุสูงก็ยิ่งมีความสำคัญมากขึ้นเท่านั้น
การเปลี่ยนแปลงนี้ยังเป็นสัญญาณให้บริษัทในประเทศทบทวนโครงสร้างต้นทุนหลังการซื้อ GPU อีกครั้ง เมื่อบริการ AI ก้าวผ่านขั้นทดลองเข้าสู่ขั้นดำเนินงานจริง บันทึกการอนุมานและข้อมูลผลลัพธ์จะเกิดขึ้นใหม่ทุกวัน หากเก็บข้อมูลทั้งหมดไว้ในอุปกรณ์จัดเก็บประสิทธิภาพสูง ภาระต้นทุนจะเพิ่มขึ้น แต่หากลบทิ้งก็อาจทำให้ข้อมูลสำหรับตรวจสอบความถูกต้องของโมเดลและการตรวจสอบภายในลดลง
ความเชื่อมโยงกับอุตสาหกรรมในประเทศยังสะท้อนอยู่ในกระแสการลงทุนดาต้าเซ็นเตอร์ AI ก่อนหน้านี้ ทางสำนักข่าวเคยรายงานว่า เทคโนโลยีที่รับมือกับคอขวดด้านการจัดเก็บและส่งผ่านข้อมูลของดาต้าเซ็นเตอร์ AI กำลังส่งผลต่อความต้องการชิปเซมิคอนดักเตอร์ประสิทธิภาพสูงและอุปกรณ์จัดเก็บข้อมูล อุปกรณ์จัดเก็บข้อมูลไม่ได้เป็นเพียงอุปกรณ์เสริมที่ตามหลังอุปกรณ์ประมวลผลอีกต่อไป แต่กำลังถูกประเมินใหม่ในฐานะองค์ประกอบหลักของการออกแบบดาต้าเซ็นเตอร์
อย่างไรก็ตาม ข้อมูลชุดนี้ไม่ได้เชื่อมโยงโดยตรงกับราคาของสกุลเงินดิจิทัลหรือโทเคนใดเป็นการเฉพาะ โครงสร้างต้นทุนของ AI และการเปลี่ยนแปลงในการออกแบบดาต้าเซ็นเตอร์อาจเป็นดัชนีพื้นฐานสำหรับมองอุตสาหกรรมที่เกี่ยวข้องได้ แต่ยากที่จะตีความเป็นคำแนะนำการลงทุนหรือการคาดการณ์ราคา
เวสเทิร์น ดิจิทัลมองว่า เกณฑ์การประเมินโครงสร้างพื้นฐาน AI ในอนาคตอาจไม่ได้จำกัดอยู่แค่จำนวน GPU แต่จะขยายไปถึงต้นทุนจัดเก็บข้อมูลต่อ PB การใช้พลังงาน ประสิทธิภาพการกู้คืนข้อมูล และความสามารถในการจัดการวงจรชีวิตข้อมูล บริษัทต่างๆ กำลังเข้าสู่ขั้นตอนที่ต้องพิจารณาไปพร้อมกันว่าจะเก็บข้อมูล AI ไว้นานเท่าใด ด้วยความเร็วเท่าใด และภายใต้โครงสร้างต้นทุนแบบใด
แหล่งอ้างอิงเพื่อการตรวจสอบ: บล็อกเวสเทิร์น ดิจิทัล “Not All Data Deserves the Same Infrastructure” https://blog.westerndigital.com/tiered-storage-for-ai-data-placement-strategy/ และ เวสเทิร์น ดิจิทัล AI Storage Infrastructure https://www.westerndigital.com/solutions/ai-storage-infrastructure/
ความคิดเห็น 0