เมื่อ GPU ต้องทำงานร่วมกันมากขึ้น โครงสร้างพื้นฐานต้องรองรับทั้งการรับส่งข้อมูล กำลังไฟ และการขยายระบบ Panduit เปิดมุมมองการออกแบบดาต้าเซ็นเตอร์สำหรับ AI พร้อมแนวทางทยอยลงทุนตามความต้องการธุรกิจ
การเติบโตของ AI กำลังเปลี่ยนโจทย์การออกแบบดาต้าเซ็นเตอร์ ทั้งระบบเครือข่ายที่ต้องรับส่งข้อมูลระหว่าง GPU เซิร์ฟเวอร์ และระบบจัดเก็บข้อมูล ตลอดจนระบบไฟฟ้าที่ต้องรองรับกำลังไฟสูงขึ้นในพื้นที่จำกัด การลงทุนจึงต้องวางแผนให้ระบบประมวลผล การเชื่อมต่อ และการจ่ายไฟทำงานสอดคล้องกันตั้งแต่ต้น พร้อมรองรับการขยายตามความต้องการของธุรกิจ เพราะความพร้อมของโครงสร้างพื้นฐานแต่ละส่วนมีผลต่อประสิทธิภาพ ความปลอดภัย และความต่อเนื่องในการใช้งาน AI
ซิมิน ซิรุน (Simin Sirun) ผู้อำนวยการฝ่ายธุรกิจประจำภูมิภาคอาเซียน อินเดีย และเกาหลี บริษัท แพนดุต (Panduit) มองว่า การนำ AI คลาวด์คอมพิวติ้ง และแอปพลิเคชันที่ประมวลผลข้อมูลจำนวนมากมาใช้ กำลังเพิ่มความสำคัญให้กับโครงสร้างพื้นฐานทางกายภาพที่รองรับระบบเหล่านี้ ขณะที่องค์กรขยายขีดความสามารถด้านดิจิทัล ก็ต้องเตรียมระบบพลังงาน การเชื่อมต่อ และความสามารถในการขยายระบบไปพร้อมกัน
“ความพร้อมด้าน AI ไม่ได้ขึ้นอยู่กับการนำเทคโนโลยีใหม่ ๆ มาใช้เพียงอย่างเดียว แต่เริ่มต้นจากการวางรากฐานที่เหมาะสม” เขากล่าว
AI เพิ่มความซับซ้อนของระบบเชื่อมต่อ
เควิน ชุง (Kevin Choong) ผู้จัดการธุรกิจอาวุโส แผนกโครงสร้างพื้นฐานระบบเครือข่าย ประจำประเทศมาเลเซีย อินโดนีเซีย และสิงคโปร์ กล่าวว่า เบื้องหลังแอปพลิเคชัน AI ที่ผู้คนใช้งานคือดาต้าเซ็นเตอร์ที่ทำหน้าที่ประมวลผล ฝึกโมเดล และนำโมเดลมาใช้งาน ภายในประกอบด้วย GPU เซิร์ฟเวอร์ สวิตช์ และระบบจัดเก็บข้อมูล ซึ่งต้องเชื่อมต่อถึงกัน ภาพ AI Cluster ที่เขานำเสนอจึงแสดงให้เห็นเส้นเชื่อมต่อจำนวนมากระหว่างอุปกรณ์ เพื่ออธิบายขนาดและความซับซ้อนของระบบเครือข่ายที่รองรับการทำงานของ AI
จิรายุ นพวงศ์ ผู้จัดการฝ่ายเทคนิคประจำภูมิภาคอาเซียน และผู้จัดการฝ่ายช่องทางการจำหน่ายประจำประเทศไทย กล่าวเสริมว่า ระบบเชื่อมต่อในดาต้าเซ็นเตอร์สำหรับ AI ที่บริษัทกล่าวถึงมีความเร็วระดับ 400–800 กิกะบิตต่อวินาที ทำให้คุณภาพของสายไฟเบอร์ออปติกและความเหมาะสมกับอุปกรณ์เป็นเรื่องสำคัญ การเลือกสายจึงต้องพิจารณาร่วมกับรุ่นของเซิร์ฟเวอร์ สวิตช์ และอุปกรณ์รับส่งสัญญาณ รวมถึงจำนวนจุดเชื่อมต่อและรูปแบบการติดตั้ง เพื่อให้ระบบที่ออกแบบสามารถนำไปใช้งานได้ตามความต้องการ
ตัวอย่างที่ Panduit นำเสนอ คือระบบเชื่อมต่อไฟเบอร์ออปติกแบบ MPO ซึ่งรวมเส้นใยแก้วนำแสงหลายเส้นไว้ในหัวต่อ และมีรูปแบบสายเข้าหัวสำเร็จรูปสำหรับเชื่อมต่ออุปกรณ์ บริษัทมีคู่มือ NVIDIA AI Application Guide เพื่อช่วยเลือกองค์ประกอบการเชื่อมต่อให้เหมาะกับอุปกรณ์ที่ใช้งาน ประเด็นสำคัญจึงอยู่ที่การวางระบบตั้งแต่ขั้นออกแบบ ทั้งชนิดสาย หัวต่อ และการจัดระเบียบสาย เพราะเมื่อจำนวนการเชื่อมต่อเพิ่มขึ้น การติดตั้ง การเข้าถึงอุปกรณ์ และการขยายระบบก็เป็นส่วนหนึ่งของโจทย์เดียวกัน
ระบบไฟฟ้าต้องรองรับความหนาแน่นของ GPU
ความต้องการของ AI ยังเปลี่ยนโจทย์ด้านกำลังไฟและพื้นที่ติดตั้ง เวิร์กโหลด GPU ที่มีความหนาแน่นสูงอาจต้องใช้กำลังไฟ 30–100 กิโลวัตต์ต่อแร็ก ซึ่งสร้างความท้าทายทั้งการจ่ายไฟ การระบายความร้อน การใช้พื้นที่ และความน่าเชื่อถือของระบบ ตัวเลขนี้สะท้อนลักษณะงานที่บริษัทใช้ยกตัวอย่าง และทำให้เห็นเหตุผลที่การออกแบบดาต้าเซ็นเตอร์สำหรับ AI ต้องพิจารณาความพร้อมของระบบสนับสนุนควบคู่กับอุปกรณ์ประมวลผล
อีธาน เหลียง (Ethan Liang) ผู้จัดการฝ่ายธุรกิจ กลุ่มโครงสร้างพื้นฐานระบบไฟฟ้าประจำภูมิภาคอาเซียน อธิบายผ่านการแบ่งพื้นที่ดาต้าเซ็นเตอร์เป็น White Space และ Gray Space โดย White Space คือพื้นที่ติดตั้งอุปกรณ์ไอที เช่น ตู้แร็ก เซิร์ฟเวอร์ และระบบจัดเก็บข้อมูล ส่วน Gray Space เป็นพื้นที่ของระบบสนับสนุน เช่น ระบบจ่ายไฟ เครื่องสำรองไฟฟ้า UPS และระบบระบายความร้อน ระบบในพื้นที่สนับสนุนเหล่านี้มีหน้าที่ทำให้พื้นที่ประมวลผลทำงานได้อย่างราบรื่น จึงต้องได้รับการวางแผนให้รองรับความต้องการของอุปกรณ์ไอทีตั้งแต่ต้น
ภายใต้การใช้งานที่ต้องการกำลังไฟสูงขึ้น รายละเอียดของอุปกรณ์ไฟฟ้ามีผลต่อความปลอดภัยและความต่อเนื่องในการดำเนินงาน ตัวอย่างที่อีธานนำเสนอ ได้แก่ ระบบสายดินและการเชื่อมต่อส่วนที่เป็นโลหะ หัวต่อสายไฟ และอุปกรณ์ยึดสายไฟหรือ Cable Cleats ซึ่งช่วยยึดสายให้อยู่กับที่เมื่อเกิดแรงจากกระแสลัดวงจร ขณะที่จิรายุ กล่าวเพิ่มเติมว่า การเลือกหัวต่อและขนาดอุปกรณ์ให้เหมาะสม รวมถึงการติดตั้งตามมาตรฐาน เป็นส่วนสำคัญในการลดความเสี่ยงต่ออุปกรณ์และผู้ปฏิบัติงานภายในดาต้าเซ็นเตอร์
ออกแบบระบบให้ขยายได้ ทยอยลงทุนตามการใช้งาน
เมื่อทั้งอุปกรณ์ประมวลผล และโครงสร้างพื้นฐานต้องใช้งบลงทุนสูง คำถามขององค์กรจึงอยู่ที่การกำหนดขนาดการลงทุนให้สอดคล้องกับการใช้งาน ซิมิน กล่าวว่า แนวทางของลูกค้าองค์กรจำนวนมากเป็นการทยอยลงทุนตามความจำเป็นและกลยุทธ์ธุรกิจ โดยพิจารณาว่าจะนำ AI ไปเพิ่มประสิทธิภาพในส่วนใด และเมื่อใดจึงต้องเพิ่มขีดความสามารถของระบบ การทำความเข้าใจความต้องการเหล่านี้เป็นจุดเริ่มต้นของการออกแบบโครงสร้างพื้นฐานให้เหมาะกับลูกค้าแต่ละราย
เควิน ยกตัวอย่างการออกแบบระบบให้รองรับขนาดเต็มตามแผน แต่เริ่มลงทุนประมาณ 30% แล้วค่อยเพิ่มระบบสายเชื่อมต่อพร้อมกับอุปกรณ์ตามการเติบโตของธุรกิจ แนวทางนี้ช่วยให้องค์กรเริ่มจากส่วนที่จำเป็นต่อการใช้งาน และมีแผนสำหรับขยายระบบในระยะต่อไป ทั้งนี้ สัดส่วน 30% เป็นตัวอย่างที่เขาใช้ประกอบคำอธิบายเรื่องการทยอยลงทุน การกำหนดงบและขนาดระบบจริงยังต้องพิจารณาตามความต้องการของแต่ละองค์กร
การใช้โครงสร้างพื้นฐานแบบโมดูลาร์ ที่สามารถเพิ่มส่วนประกอบได้ตามต้องการ และทยอยปรับปรุงระบบเป็นระยะ ช่วยให้องค์กรบริหารต้นทุนควบคู่กับการเพิ่มประสิทธิภาพได้ การออกแบบต้องคำนึงถึงทั้งการใช้งานปัจจุบันและการขยายในอนาคต ตั้งแต่การเลือกอุปกรณ์ การจัดพื้นที่ ระบบเชื่อมต่อ ไปจนถึงการจ่ายไฟ เพื่อให้สามารถเพิ่มขีดความสามารถตามภาระงานที่เติบโตขึ้น โดยไม่ต้องลงทุนเต็มขนาดตั้งแต่เริ่มต้น
ความพร้อมของดาต้าเซ็นเตอร์ เริ่มตั้งแต่การส่งมอบและติดตั้ง
การทำให้ดาต้าเซ็นเตอร์พร้อมใช้งานตามกำหนด ยังขึ้นอยู่กับการจัดหาอุปกรณ์และวัตถุดิบ ซิมิน กล่าวว่า Panduit เผชิญความท้าทายด้านวัตถุดิบแก้วคุณภาพสูงสำหรับไฟเบอร์ออปติก รวมถึงหัวเชื่อมต่อบางประเภท ซึ่งกระทบทั้งราคาและระยะเวลาส่งมอบ บริษัทจึงต้องทำงานกับลูกค้าตั้งแต่ช่วงวางแผนโครงการ เพื่อเตรียมวัตถุดิบและการผลิตล่วงหน้า โดยเฉพาะลูกค้า AI Factory ที่ต้องการให้ระบบพร้อมใช้งานอย่างรวดเร็วเมื่อได้รับ GPU มาแล้ว
สำหรับประเทศไทย จิรายุ กล่าวว่า การวางแผนต้องครอบคลุมตัวแทนจำหน่ายและผู้ติดตั้งด้วย เพราะ Panduit เป็นผู้ผลิตสินค้า ส่วนงานติดตั้งดำเนินการผ่านพันธมิตร บริษัทจึงให้ความสำคัญกับการฝึกอบรมและรับรองผู้ติดตั้ง เพื่อให้การติดตั้งและทดสอบระบบเป็นไปตามมาตรฐาน เขายังชี้ให้เห็นความต่างของอายุใช้งาน ระหว่างอุปกรณ์อย่างเซิร์ฟเวอร์หรือสวิตช์ กับระบบสายสัญญาณ ซึ่งอาจอยู่ในโครงสร้างพื้นฐานเป็นเวลานานกว่า การเลือกผลิตภัณฑ์และคุณภาพการติดตั้ง ตั้งแต่เริ่มต้นจึงมีผลต่อการใช้งานในระยะยาว
ซิมิน กล่าวว่า Panduit มียอดขายในไทยทำสถิติต่อเนื่อง 2 ปี โดยมีความต้องการจากกลุ่มธนาคาร ผู้ให้บริการดาต้าเซ็นเตอร์ และลูกค้าที่เกี่ยวข้องกับ AI เป็นแรงสนับสนุน อย่างไรก็ตาม สิ่งที่บริษัทต้องเตรียมรับการเติบโตครอบคลุมทั้งบุคลากร การออกแบบ ห่วงโซ่อุปทาน และพันธมิตรติดตั้ง ภาพจากผู้ให้บริการโครงสร้างพื้นฐานรายนี้จึงแสดงให้เห็นว่า การรองรับ AI ต้องอาศัยการวางแผนตั้งแต่การเลือกอุปกรณ์ไปจนถึงการส่งมอบและดูแลระบบ เพื่อให้การลงทุนด้านประมวลผลสามารถนำมาใช้งานได้ตามเป้าหมายของธุรกิจ
ข่าวอื่น ๆ ที่น่าสนใจ
ทรูชี้มาตรฐานไซเบอร์โจทย์ SME คู่ค้าองค์กรใหญ่
ศิริราช–พญาไท–AWS ใช้ AI การแพทย์ ตอบโจทย์โรงพยาบาล
