เจาะลึก Data Center ยุค AI: จากโครงสร้างพื้นฐานแบบเดิมสู่ขุมพลัง GPU Cluster
ในยุคที่ Artificial Intelligence (AI) เข้ามามีบทบาทสำคัญในทุกอุตสาหกรรม โครงสร้างพื้นฐานอย่าง Data Center จึงต้องเกิดการปฏิรูปครั้งใหญ่ จากเดิมที่เน้นการประมวลผลผ่าน CPU ทั่วไป สู่การใช้ GPU Clusters เพื่อรองรับการประมวลผลมหาศาล
1. แนวโน้มตลาดและการเติบโตที่หยุดไม่อยู่
อุตสาหกรรม Data Center กำลังเข้าสู่ยุคทอง โดยมีการคาดการณ์ว่ามูลค่าตลาดจะพุ่งสูงถึง 77.15 พันล้านดอลลาร์ในปี 2035 ซึ่งเป็นการเติบโตแบบก้าวกระโดดจากปี 2025 ที่มีมูลค่าราว 10.51 พันล้านดอลลาร์ ด้วยอัตราการเติบโตเฉลี่ยต่อปี (CAGR) สูงถึง 22.06%
- Asia Pacific: เป็นภูมิภาคที่เติบโตเร็วที่สุดและกำลังกลายเป็นศูนย์กลางแห่งใหม่ของการลงทุนระดับ Hyper-scale เพื่อรองรับ AI
- Transition: ตลาดกำลังเปลี่ยนผ่านจากยุคการเทรนโมเดล (Training) ไปสู่ยุคการนำไปใช้งานจริง (Inference) ในระดับอุตสาหกรรมอย่างเต็มตัว
2. การปฏิรูปโครงสร้างสู่ “GPU-Ready”
เมื่อความต้องการเปลี่ยน อุปกรณ์ภายในก็ต้องเปลี่ยนตาม การออกแบบ Data Center ยุคใหม่ต้องคำนึงถึงปัจจัยหลัก 3 ประการ:
- ความหนาแน่นของพลังงาน (Power Density): ดาต้าเซ็นเตอร์ทั่วไปใช้ไฟเพียง 5-8 kW ต่อแร็ค แต่สำหรับยุค AI ความต้องการพลังงานพุ่งสูงขึ้นถึง 30-50 kW ต่อแร็ค หรือเพิ่มขึ้น 3-6 เท่าตัว
- ระบบเครือข่ายความเร็วสูง: เพื่อให้ GPU ทำงานร่วมกันได้อย่างไม่มีสะดุด จึงมีการนำเทคโนโลยีอย่าง InfiniBand ที่โดดเด่นด้าน Latency ต่ำสำหรับการ Training และ Ultra Ethernet ที่เน้นความคุ้มค่าและความยืดหยุ่นมาใช้งาน
- ระบบระบายความร้อนด้วยของเหลว (Liquid Cooling): เนื่องจากการระบายความร้อนด้วยอากาศ (Air Cooling) แบบเดิมไม่เพียงพอต่อความร้อนมหาศาลที่เกิดจาก GPU การใช้ Liquid Cooling จึงกลายเป็นสิ่งจำเป็น
3. การเปรียบเทียบ: CPU แบบเดิม vs GPU-Ready
เพื่อให้เห็นภาพความคุ้มค่า นี่คือการเปรียบเทียบเมื่อต้องรันภาระงาน (Workload) ในปริมาณที่เท่ากัน:
| หัวข้อเปรียบเทียบ | Data Center แบบ CPU เดิม | Data Center แบบ GPU-Ready |
| จำนวนแร็คที่ใช้ (Racks) | 1,119 แร็ค | 30 แร็ค |
| พลังงานที่ใช้ (Total Power) | 24,752 kW | 648 kW |
| พื้นที่ใช้งาน (Footprint) | ใหญ่กว่า 40 เท่า | ประหยัดพื้นที่ได้มหาศาล |
เรียบเรียงโดย: คณิศร วรันต์กุล
บทความน่าสนใจคลิกที่นี้: Homepage – ITBT Communication
อ่านเพิ่มเติม : https://www.scalecomputing.com/resources/what-is-a-gpu-cluster
