องค์กรธุรกิจในหลายภาคส่วนกำลังนำ AI มาช่วยจัดการกับปัญหาข้อมูลล้นจนเกินขีดความสามารถที่คนจะจัดการได้ ทั้งในแง่ของความเร็วและความเป็นไปได้ ซึ่งการปฏิวัติ AI ทำให้มีความต้องการด้านพลังการประมวลผลที่เอดจ์อย่างมาก เช่นเดียวกับกระแสการเก็บรวบรวมและวิเคราะห์ข้อมูลที่เกิดขึ้นในช่วงไม่กี่ปีที่ผ่านมานี้ แต่ในครั้งนี้ มีความต้องการสูงกว่าที่ผ่านมามาก เนื่องจาก AI ต้องใช้ความหนาแน่นของแร็คในการประมวลผลที่เอดจ์สูงมากเป็นพิเศษ ซึ่งจุดนี้ โมดูลาร์ ดาต้าเซ็นเตอร์ ช่วยตอบโจทย์ได้อย่างดี โดยช่วยให้องค์กรมีโครงสร้างที่ยืดหยุ่นและสามารถขยายศักยภาพรองรับการเติบโตที่รวดเร็วของ AI ได้อย่างมีประสิทธิภาพ มีการคาดการณ์ว่า AI จะเติบโตในอัตราเฉลี่ย 33% ต่อปีระหว่างปี 2023 ถึง 2030 เพราะการพัฒนา Generative AI คือหนึ่งในปัจจัยสำคัญที่ช่วยผลักดันกระแสของ AI โดยหลายองค์กรกำลังนำ AI มาใช้แทนที่หรือมาช่วยงานมนุษย์ในด้านต่างๆ เพื่อเพิ่มประสิทธิภาพและศักยภาพในการทำงานมากขึ้น เครื่องมืออย่าง ChatGPT และ Microsoft Copilot กำลังช่วยให้ทุกคนในองค์กรสามารถเข้าถึงและใช้ AI ได้ง่ายขึ้น

การใช้งาน AI นั้นแทบจะไม่มีขีดจำกัด ไม่ว่าจะเป็นเรื่องเฮล์ธแคร์ การเงิน การผลิต การขนส่ง ตลอดจนความบันเทิง แม้แต่งานต่างๆ อย่างการทำพรีเซนเทชันหรือการทำรายงานการขาย ก็สามารถทำได้รวดเร็ว เพียงป้อนข้อมูลที่เกี่ยวข้องไปในระบบ AI และขอให้ AI จัดการกับข้อมูลตามรูปแบบที่ต้องการ

นอกจากนี้ องค์กรมากมายต่างกำลังนำเทคโนโลยี AI มาช่วยในการวิเคราะห์เชิงคาดการณ์ บริหารจัดการซัพพลายเชนได้อย่างฉลาด รวมถึงปรับบริการให้ตรงกับความต้องการเฉพาะของลูกค้ามากขึ้น ซึ่งความต้องการด้านข้อมูลที่เกี่ยวข้องกับ AI กำลังผลักดันให้เกิดการพัฒนาเทคโนโลยีชิปและเซิร์ฟเวอร์รุ่นใหม่ ทำให้ความหนาแน่นของพลังงานต่อแร็คสูงขึ้นมาก ขณะที่ความต้องการพลังประมวลผลที่มีความหนาแน่นสูงก็เพิ่มขึ้นต่อเนื่องเช่นกัน

ความต้องการใช้งาน AI ที่เอดจ์

นอกจาก AI ช่วยสร้างโอกาสทางธุรกิจมากมายจากการพัฒนาและนำความสามารถใหม่ๆ มาใช้ แต่ก็มาพร้อมความท้าทายเช่นกัน โดยเฉพาะเรื่องการติดตั้งฮาร์ดแวร์และโครงสร้างพื้นฐานของดาต้าเซ็นเตอร์ที่จำเป็นต่องาน AI ทำให้ต้องมีแนวทางใหม่สำหรับเอดจ์ เช่น การใช้โครงสร้างดาต้าเซ็นเตอร์แบบโมดูลาร์ที่สามารถปรับขยายได้ตามต้องการ

การนำความสามารถด้าน AI ไปไว้ที่เอดจ์ จะเป็นเหตุผลลักษณะเดียวกับการผลักดันให้บริษัทต่างๆ หันมาใช้เอดจ์ตั้งแต่แรก

AI เป็นเทคโนโลยีที่ต้องอาศัยข้อมูลจำนวนมาก เนื่องจากมีงานหลักอยู่ 2 ส่วนด้วยกัน คือการฝึก AI และการสรุปผลลัพธ์ (inference) ซึ่งในขั้นตอนการฝึกโมเดล ต้องมีการฟีดข้อมูลจำนวนมหาศาลเพื่อให้ AI มีฐานความรู้ที่แน่นมากขึ้น ยิ่งมีข้อมูลป้อนให้อัลกอริธึมมากเท่าไหร่ ก็จะยิ่งทำให้ AI ฉลาดมากขึ้นเท่านั้น หลังจากนั้น โมเดลจะนำความรู้ที่ได้มาใช้ในการสรุปผลลัพธ์เพื่อแก้ปัญหาต่างๆ และทำงานได้อย่างมีประสิทธิภาพ

ความท้าทายของโครงสร้างพื้นฐาน IT

ในแง่ของโครงสร้างพื้นฐาน AI ต้องการพลังประมวลผลสูงมาก โดยปกติแล้ว ในหนึ่งเซิร์ฟเวอร์แร็คจะใช้พลังงานประมาณ 10 กิโลวัตต์ แต่ปัจจุบันความต้องการพลังงานไปไกลถึง 50–100 กิโลวัตต์ ตัวอย่างเช่น ชไนเดอร์ อิเล็คทริค กำลังพัฒนาดีไซน์อ้างอิงเพื่อรองรับแร็คเซิร์ฟเวอร์พลังงานสูงเกือบ 90 กิโลวัตต์ ซึ่งพร้อมใช้งานตั้งแต่ปลายปี 2024  โดยเซิร์ฟเวอร์ที่ออกแบบมาสำหรับ AI นอกจากจะมีหน่วยประมวลผลหลายตัวแล้ว ยังต้องใช้ชิปเซ็ตขั้นสูงเพื่อเพิ่มพลังการประมวลผลและช่วยให้ทำงานได้อย่างมีประสิทธิภาพ ซึ่งความหนาแน่นสูงระดับนี้ อาจทำให้เกิดความร้อนปริมาณมาก ซึ่งระบบระบายความร้อนแบบเดิมอาจรับมือไม่ไหว

ดังนั้น จึงมีการนำเทคโนโลยีระบายความร้อนด้วยของเหลวมาใช้ เพื่อช่วยกระจายความร้อนจากตัวประมวลผล ด้วยการส่งผ่านน้ำหรือของเหลวชนิดอื่นไปยังชิปผ่านหน่วยกระจายสารหล่อเย็น (Coolant Distribution Unit - CDU) เพื่อดูดซับความร้อน จากนั้นของเหลวในลูปที่สองจะถูกส่งต่อไปยังหน่วยทำความเย็น (Chiller Unit) และส่งกลับมายัง CDU อีกครั้ง ซึ่งกระบวนการนี้จะส่งผลต่อโครงสร้างพื้นฐาน และทำให้ต้องเพิ่มท่อ และท่อร่วม (Manifolds) เพื่อส่งของเหลวผ่านแร็คและระบายออกไปยังนอกอาคาร ซึ่งอาจสร้างความซับซ้อนเพิ่มขึ้น เพราะการที่โครงสร้างพื้นฐานต้องรองรับระบบท่อเพิ่ม ทำให้กินพื้นที่ โดยเฉพาะอย่างยิ่งในพื้นที่เอจด์ที่มีขนาดจำกัด

ด้วยภาระงานที่หลากหลาย ไม่ว่าจะเป็นความต้องการพลังงานที่เพิ่มขึ้น โซลูชั่นระบายความร้อนที่ดีขึ้น และระบบแร็คไอทีที่ซับซ้อน ทำให้ต้องมีการออกแบบโครงสร้างพื้นฐานดาต้าเซ็นเตอร์ที่ให้ความล้ำหน้าและวางวิศวกรรมที่ให้ความยืดหยุ่น เพื่อรองรับ AI ยุคใหม่

คาดว่าในปี 2028 งานที่เกี่ยวข้องกับ AI จะใช้ 20% ของพลังงานทั้งหมดในดาต้าเซ็นเตอร์ ซึ่งดาต้าเซ็นเตอร์แบบโมดูลาร์สามารถตอบสนองความต้องการของธุรกิจที่ใช้ AI ที่เอดจ์ได้อย่างตรงจุด ทั้งเรื่องของระบบโครงสร้างพื้นฐาน การประมวลผล และพลังงานไฟฟ้า รวมถึงระบบระบายความร้อนที่จำเป็นต่อการฝึกโมเดล AI และการสรุปผลลัพธ์

ซึ่งแต่ละยูนิตในโครงสร้างสร้างพื้นฐาน จะถูกออกแบบเพื่อให้ทำงานแยกส่วนเป็นโมดูลได้ตามกรณีการใช้งานแต่ละประเภท โดยดีไซน์นี้ มีการเปิดตัวไปในปีที่ผ่านมา และสามารถขยายเป็นคลัสเตอร์ที่ทำซ้ำๆ ได้  เพื่อช่วยให้ติดตั้งได้อย่างรวดเร็วและยืดหยุ่นในทุกที่ต้องการโครงสร้างพื้นฐานเพื่อรองรับการใช้ AI ในเชิงกลยุทธ์ได้ตามเป้าหมาย ดีไซน์ดังกล่าว ทำให้ชไนเดอร์ อิเล็คทริค สามารถช่วยลูกค้าแก้ปัญหาท้าทายในการใช้ AI ได้อย่างมีประสิทธิภาพ โดยช่วยให้องค์กรใช้เทคโนโลยีได้อย่างเต็มศักยภาพเพื่อสร้างข้อได้เปรียบในการแข่งขัน 

เมื่อมีการใช้ AI แพร่หลายมากยิ่งขึ้น คำถามจะไม่ใช่ประเด็นที่ว่าองค์กรจะขยายโครงสร้างพื้นฐานไอทีหรือไม่ แต่อยู่ที่จะขยายเมื่อไหร่ เพื่อให้ตอบโจทย์การใช้โซลูชั่น AI ที่ต้องอาศัยทรัพยากรจำนวนมากทั้งข้อมูล พลังงาน และระบบระบายความร้อน ทั้งนี้ หากองค์กรต้องการเตรียมความพร้อมในการใช้งาน AI สามารถศึกษาแนวทางปฏิบัติที่ดีที่สุด รวมถึงเอกสารวิชาการ และเข้าร่วมงานสัมมนาผ่านเว็บ และ ฯลฯ ได้ที่ "Transitioning to AI-Ready Data Centers"

- 030