เจาะประเด็น
Semiconductors / AI Infra
XCENA เปิดสถาปัตยกรรม MX1: ถึงเวลาที่ AI ต้องเลิกพึ่งแต่แรมแพงๆ แล้ว
บริษัทชิปหน้าใหม่โชว์ของจริงที่ Hot Chips 2026 — เครื่องเดียวเอาอยู่ทั้งขยายหน่วยความจำ เพิ่มสตอเรจ และช่วยประมวลผลใกล้ชิป
ทีมข่าว เอไอไทย.com
⏱ อ่าน 4 นาที
ถ้าปัญหาคอขวดของ AI ไม่ใช่ "ชิปประมวลผล" แต่เป็น "หน่วยความจำ" แล้วล่ะก็... เราอาจกำลังดูสถาปัตยกรรมที่จะเปลี่ยนโฉมหน้าดาต้าเซ็นเตอร์ทั้งอุตสาหกรรม
บริษัทชิปหน้าใหม่อย่าง XCENA เปิดตัวสถาปัตยกรรม MX1 อย่างเป็นทางการในงาน Hot Chips 2026 เมื่อไม่นานมานี้ และบอกเลยว่านี่ไม่ใช่การโชว์สไลด์มั่วๆ เพราะพวกเขามี "ตัวเลขวัดประสิทธิภาพจริง" มาโชว์ด้วย ไม่ใช่แค่สัญญากับอนาคต
พูดกันตรงๆ วงการ AI ตอนนี้กำลังเจอปัญหาที่หลายคนมองข้าม นั่นคือ "คอขวดของหน่วยความจำ" โมเดลใหญ่ขึ้นทุกวัน แต่แรมในเครื่องไม่ได้โตตาม และที่แย่กว่านั้นคือราคา HBM (High Bandwidth Memory) ที่แพงจนน่าตกใจ แทนที่จะโฟกัสแต่การเพิ่มพลังประมวลผลอย่างเดียว บริษัทอย่าง XCENA กลับมองว่าต้องแก้ที่โครงสร้างพื้นฐานของหน่วยความจำก่อน
Harry Kim ประธานเจ้าหน้าที่ฝ่ายผลิตภัณฑ์ของ XCENA เป็นคนขึ้นเวทีนำเสนอผลงานชิ้นนี้เอง โดยใช้ชื่อเซสชันว่า "Memory Session" ในงาน Hot Chips 2026 ซึ่งถือเป็นเวทีที่คัดเลือกงานนำเสนออย่างเข้มข้นผ่านคณะกรรมการวิชาการ เรียกว่าผ่านด่านมาไม่ใช่ง่ายๆ
หัวใจของ MX1 คือการรวมสามอย่างเข้าไว้ในอุปกรณ์ CXL Type 3 ตัวเดียว นั่นคือ การขยายหน่วยความจำขนาดใหญ่, ความจุที่รองรับด้วย SSD และการประมวลผลแบบ near-memory computing ที่ตั้งโปรแกรมได้ ซึ่งไอเดียคือการเอาความสามารถทั้งหมดมารวมอยู่ในชิปตัวเดียว แทนที่จะต้องซื้ออุปกรณ์แยกกันหลายชิ้น
ทำไมเรื่องนี้ถึงสำคัญ? เพราะการที่โมเดล AI โตขึ้นเรื่อยๆ ระบบโดยรวมกลับถูกจำกัดด้วยสามปัจจัยหลัก: ความจุหน่วยความจำ, การเคลื่อนย้ายข้อมูล และต้นทุนของการขยาย HBM ซึ่งมันไม่ได้ถูกจำกัดด้วยพลังการประมวลผลอย่างเดียวอีกต่อไปแล้ว
MX1 ออกแบบมาเพื่อทำงานร่วมกับ CPU, GPU และ AI accelerator ที่มีอยู่แล้ว โดยทำหน้าที่ขยายความจุหน่วยความจำและรับงานที่เกี่ยวกับหน่วยความจำหนักๆ ไปทำแทน เช่น การค้นหาเวกเตอร์ (vector search), การดึงข้อมูล KV-cache และการประมวลผลข้อมูลล่วงหน้า (data preprocessing) ซึ่งงานเหล่านี้กินทรัพยากรหน่วยความจำมหาศาล แต่ไม่ได้ต้องการพลังประมวลผลมากนัก
ข้อดีคือเมื่อ offload งานพวกนี้ออกไปจากตัวประมวลผลหลักแล้ว เจ้าบ้านอย่าง CPU หรือ GPU จะได้โฟกัสกับงานที่ต้องใช้การคำนวณหนักๆ จริงๆ อย่างการ inference แบบเต็มรูปแบบ ประสิทธิภาพโดยรวมของระบบก็จะดีขึ้นโดยไม่ต้องไปควักเงินซื้อ HBM เพิ่ม
ขยายหน่วยความจำ
เพิ่มความจุให้ระบบโดยไม่ต้องเปลี่ยนฮาร์ดแวร์เดิมทั้งหมด ผ่านมาตรฐาน CXL ที่เปิดกว้าง
SSD-backed Capacity
ใช้ SSD เป็นเลเยอร์เก็บข้อมูลรอง ทำให้ต้นทุนต่อหน่วยความจุถูกลงมากเมื่อเทียบกับแรมล้วนๆ
Near-Memory Computing
ประมวลผลงานที่เกี่ยวกับหน่วยความจำในตัวอุปกรณ์เลย ลดการเดินทางของข้อมูลระหว่างชิป
แต่ที่น่าสนใจไม่แพ้กันคือการที่ XCENA เลือกมาเปิดตัวที่ Hot Chips ซึ่งเป็นงานที่เหล่าวิศวกรและสถาปนิกชิปตัวจริงมารวมตัวกัน นี่ไม่ใช่งานเปิดตัวสินค้าสำหรับตลาดมวลชน แต่เป็นการประกาศศักดาว่า "เราเอาจริง และเรามีของ" ต่อหน้าคนที่เข้าใจเทคโนโลยีลึกที่สุดในโลก
มุมมองของผมคือ แนวคิดแบบนี้ถูกทางแล้ว เพราะการที่เราจะผลักดัน AI ให้ไปต่อได้จริง เราไม่สามารถพึ่งพาแค่การเพิ่มพลังประมวลผลอย่างเดียวได้อีกต่อไป ต้นทุนของ HBM จะยิ่งสูงขึ้นเรื่อยๆ และการแก้ที่สถาปัตยกรรมหน่วยความจำคือทางรอดระยะยาว
การที่ XCENA เอา "ผลการวัดประสิทธิภาพ" มาโชว์ ไม่ใช่แค่สไลด์แนวคิด บอกอะไรได้อย่างหนึ่งว่า พวกเขาพร้อมจะแข่งขันในตลาดจริง ไม่ใช่แค่มาขายวิสัยทัศน์ นี่คือความต่างระหว่าง "นักวิจัย" กับ "นักธุรกิจที่เข้าใจเทคโนโลยี"
ถ้า MX1 ทำได้จริงตามที่เคลม วงการ AI infrastructure จะไม่เหมือนเดิมอีกต่อไป เพราะมันคือการบอกว่า "เลิกพึ่งแรมแพงๆ เถอะ แล้วหันมาใช้สถาปัตยกรรมที่ฉลาดกว่า" นี่คือทิศทางที่ถูกต้อง และผมอยากเห็นใครก็ตามที่กล้าทำอะไรแบบนี้ออกมาเยอะๆ
ที่มา: TechPowerUp — อ่านต้นฉบับ
ความคิดเห็น 3
กำลังโหลดความคิดเห็น...