ทำความเข้าใจ Memory กับ Storage ต่างกันยังไง? คอขวดยุค AI ที่ต้องรู้

หลายปีที่ผ่านมา การแข่งขันด้าน AI ถูกขับเคลื่อนด้วยความต้องการชิปประมวลผลอย่าง GPU ของ Nvidia ซึ่งกลายเป็นหัวใจสำคัญในการฝึกฝนโมเดล AI ขนาดใหญ่ แต่เมื่ออุตสาหกรรมขยายจาก Generative AI สู่ Agentic AI และ AI สำหรับองค์กรขนาดใหญ่ โลกเทคโนโลยีเริ่มพบคอขวดใหม่ที่สำคัญไม่แพ้ GPU นั่นคือ "หน่วยความจำ" และ "ระบบจัดเก็บข้อมูล" เพราะต่อให้มี GPU จำนวนมาก หากระบบส่งข้อมูลไม่เร็วพอ หรือเก็บข้อมูลไม่เพียงพอ AI ก็ไม่สามารถทำงานได้เต็มประสิทธิภาพ ตลาดจึงเริ่มจับตาหุ้นกลุ่ม Memory และ Storage มากขึ้น โดยเฉพาะในช่วงที่หลายส่วนของอุตสาหกรรมกำลังเผชิญภาวะขาดแคลน

Memory คืออะไร?

Memory คือ "หน่วยความจำชั่วคราว" ที่ใช้ส่งข้อมูลให้ AI Accelerator เช่น GPU, TPU หรือ NPU แบบเรียลไทม์ระหว่างการประมวลผล หรือเป็นพื้นที่ที่ AI ใช้ในขณะกำลังคิด หน้าที่ของ Memory คือช่วยให้ AI เข้าถึงข้อมูลได้เร็วที่สุด เพราะ AI สมัยใหม่ต้องประมวลผลข้อมูลจำนวนมหาศาลพร้อมกัน ไม่ว่าจะเป็นข้อความ รูปภาพ วิดีโอ หรือข้อมูลจากผู้ใช้งานจำนวนมาก ปัญหาสำคัญคือในยุค AI ความต้องการ Memory เพิ่มขึ้นเร็วกว่ากำลังผลิต จนเริ่มกลายเป็นคอขวดของทั้งอุตสาหกรรม โดยเฉพาะ HBM หรือ High Bandwidth Memory ซึ่งถูกออกแบบมาเพื่อ AI โดยเฉพาะ ถือเป็นดาวเด่นที่กำลังขาดตลาด

HBM (High Bandwidth Memory)

HBM มีจุดเด่นคือส่งข้อมูลได้เร็วมาก รับส่งข้อมูลพร้อมกันได้มหาศาล ใช้พลังงานต่ำกว่า DRAM ทั่วไป และเหมาะกับ AI Training และ LLM ชิป AI ระดับสูงอย่าง Nvidia H100 หรือ Blackwell จำเป็นต้องใช้ HBM เพื่อดึงประสิทธิภาพออกมาเต็มที่ แต่ปัญหาคือ HBM ผลิตยากมาก เพราะต้องใช้เทคโนโลยีขั้นสูง เช่น การซ้อนชิปแบบ 3D, Advanced Packaging และการเชื่อมต่อความเร็วสูง ทำให้กำลังผลิต HBM ของโลกยังมีจำกัด ขณะที่ความต้องการจากบริษัท AI, Cloud และ Data Center พุ่งสูงขึ้นอย่างรวดเร็ว บริษัทที่ได้อานิสงส์จาก HBM ได้แก่ SK hynix ซึ่งเป็นซัพพลายเออร์สำคัญของ Nvidia และถูกมองว่าเป็นผู้นำตลาด HBM ขณะที่ Samsung Electronics ก็กำลังเร่งแข่งขันเพื่อเพิ่มส่วนแบ่งตลาด HBM และขยายกำลังการผลิต ส่วน Micron Technology บริษัทหน่วยความจำรายใหญ่ของสหรัฐฯ ก็ได้รับประโยชน์โดยตรงจากความต้องการ AI Server และ Data Center ที่เพิ่มขึ้นทั่วโลก

—

DRAM และ SRAM

แม้ HBM จะเป็นดาวเด่น แต่ระบบ AI ยังต้องใช้หน่วยความจำอีกหลายประเภท DRAM เป็นหน่วยความจำหลักของ Server และ Data Center ถูกใช้ทั่วไปในระบบคลาวด์และโครงสร้างพื้นฐานดิจิทัลทั่วโลก แม้จะไม่เร็วเท่า HBM แต่ AI System ยังต้องใช้ DRAM จำนวนมหาศาลในการจัดการข้อมูล ส่วน SRAM คือหน่วยความจำความเร็วสูงที่อยู่ภายในชิป ใช้สำหรับลด Latency หรือความหน่วงในการเข้าถึงข้อมูล ทำให้ CPU และ GPU ประมวลผลได้เร็วขึ้น แม้ SRAM จะเร็วมาก แต่มีต้นทุนสูงและใช้พื้นที่บนชิปมาก จึงถูกใช้เฉพาะในส่วนที่ต้องการประสิทธิภาพสูงที่สุด

Storage คืออะไร?

หาก Memory คือพื้นที่ทำงานชั่วคราว Storage ก็คือคลังเก็บข้อมูลระยะยาวของ AI โดย Storage ใช้เก็บ Dataset, โมเดล AI, ข้อมูลสำหรับ RAG, เซ็ตข้อมูลแบบ Vector Database, ข้อมูลผู้ใช้งาน ตลอดจน Log และข้อมูลที่ AI สร้างขึ้น เพราะเมื่อ AI ยิ่งฉลาดขึ้น ก็ยิ่งต้องใช้ข้อมูลมากขึ้น จนหลายฝ่ายมองว่ากำลังเกิด Data Explosion หรือการระเบิดของข้อมูลครั้งใหม่ ที่ข้อมูลจะเพิ่มขึ้นมหาศาลและรวดเร็ว จนระบบแบบเดิมอาจรองรับไม่ไหว

SSD และ NAND Flash

Storage ที่สำคัญที่สุดในยุค AI คือ SSD และ NAND Flash ระบบเก็บข้อมูลความเร็วสูง มีจุดเด่นคืออ่านและเขียนข้อมูลเร็ว ช่วยเร่งท่อส่งข้อมูลหรือ AI Data Pipeline และรองรับการดึงข้อมูลสำหรับ AI Inference ปัจจุบัน AI Data Center ต้องใช้ SSD จำนวนมหาศาล เพราะโมเดล AI ยุคใหม่ต้องเข้าถึงข้อมูลอย่างรวดเร็วตลอดเวลา ผู้เล่นสำคัญในกลุ่มนี้ ได้แก่ Western Digital และ SanDisk ซึ่งเป็นแบรนด์สำคัญด้าน NAND Flash และ SSD สำหรับระบบจัดเก็บข้อมูล

HDD

แม้ SSD จะเติบโตเร็ว แต่ HDD ยังมีบทบาทสำคัญในยุค AI เพราะการเทรน AI ต้องใช้ข้อมูลขนาดมหึมา ตั้งแต่วิดีโอ รูปภาพ ไปจนถึงข้อมูล Synthetic Data ส่งผลให้กลุ่ม Hyperscale หรือ Data Center ขนาดใหญ่ยังต้องใช้ HDD จำนวนมากเพื่อเก็บข้อมูลในต้นทุนที่ต่ำและระยะยาว ผู้นำสำคัญในตลาดนี้คือ Seagate Technology และ Western Digital

Cloud Storage

AI ยุคใหม่ไม่ได้ทำงานบนเครื่องเดียวอีกต่อไป แต่ต้องพึ่งพา Cloud และ Distributed Storage เพื่อรองรับผู้ใช้งานและข้อมูลระดับมหาศาล ระบบเหล่านี้ช่วยให้ AI ดึงข้อมูลจากหลายศูนย์ข้อมูลได้ สามารถทำงานพร้อมกันจำนวนมาก อีกทั้งยังรองรับ AI Agent และ Enterprise AI บริษัทที่อยู่ในธีมนี้ เช่น Dell Technologies และ NetApp ซึ่งเป็นผู้เล่นสำคัญด้าน Server, Storage และระบบจัดการข้อมูลสำหรับองค์กร

บทสรุป

ความต้องการในโลกเทคโนโลยีปัจจุบันสะท้อนให้เห็นว่า Memory และ Storage คือหัวใจใหม่ของ AI เพราะเมื่อโมเดล AI ใหญ่ขึ้นเรื่อยๆ ปัญหาสำคัญจึงไม่ใช่แค่การคำนวณ แต่คือการเคลื่อนย้ายข้อมูล ทำให้ Memory และ Storage กลายเป็นโครงสร้างพื้นฐานใหม่ที่โลกกำลังเร่งลงทุน และเป็นอีกหนึ่งธีมสำคัญที่นักลงทุนทั่วโลกจับตามองอย่างใกล้ชิดในยุค AI Boom