Data Center Hardware Highlights: August 2026

ภาพรวม: AI ยุคใหม่ไม่ได้แข่งแค่ชิป แต่แข่งที่ “โครงสร้างพื้นฐาน”

ทิศทางเทคโนโลยีศูนย์ข้อมูล (Data Center) ล่าสุด ชี้ให้เห็นว่าการพัฒนา AI กำลังก้าวพ้นยุคของการพึ่งพา GPU เพียงอย่างเดียว ไปสู่การยกเครื่องโครงสร้างพื้นฐานแบบรอบด้าน “ข้อขวดใหม่” ของวงการไม่ได้อยู่แค่ที่กำลังการผลิตชิป แต่ย้ายไปอยู่ที่ กำลังไฟพร้อมใช้งาน (Power-ready capacity), วิกฤตวัตถุดิบ, และความเร็วของระบบเครือข่าย

สรุป 10 ประเด็นสำคัญเชิงฮาร์ดแวร์

1. เสียงสะท้อนจากผู้นำวงการ: GPU ปัจจุบันยังมีข้อจำกัดสูง

Pat Gelsinger (อดีต CEO ของ Intel) วิจารณ์ในงาน Ai4 ว่าการใช้ GPU จับคู่กับ HBM ในปัจจุบันนั้น กินไฟสูงเกินไปและขาดประสิทธิภาพในการประมวลผล ขณะที่ OpenAI ก็นำเสนอไปในทางเดียวกันว่าอุตสาหกรรมต้อง Redesign ระบบใหม่ทั้งหมดตั้งแต่การผลิตจนถึงการติดตั้งใช้งาน

2. วิกฤตแร่ธาตุ: “ทองแดง” กลายเป็นจุดคอขวดใหม่

การขยายตัวของ AI ทำให้เกิดวิกฤตซัพพลายเชนแร่ธาตุ โดยเฉพาะ ทองแดง ที่ใช้ในระบบกระจายไฟฟ้า เนื่องจากเกรดแร่ธรรมชาติลดลงและการกลั่นล่าช้า แม้ค่ายใหญ่อย่าง Hyperscaler จะใช้วิธีทุ่มเงินซื้อ แต่ก็ยิ่งกดดันให้ราคาตลาดพุ่ง สูง นำไปสู่ความจำเป็นในการทำสัญญาระยะยาวและการรีไซเคิลอย่างจริงจัง

3. Nvidia ลงทุน 5 แสนล้านดอลลาร์: ปลดล็อกเรื่องเงิน แต่ชนกำแพงเรื่องไฟ

โมเดลการจัดหาเงินทุนของ Nvidia ช่วยลดภาระงบการเงินของฝั่งผู้ให้บริการลงได้ แต่ ไม่ได้แก้ปัญหาคอขวดที่แท้จริง อย่างหม้อแปลง เทอร์ไบน์ และการขออนุญาตเชื่อมต่อสายส่งไฟฟ้า ส่งผลให้พื้นที่ที่มีระบบไฟฟ้าและสายส่งพร้อมใช้งานกลายเป็นสินทรัพย์ที่มีมูลค่าสูงขึ้นอย่างมาก

4. TSMC ขยายฐานผลิตในอริโซนา สู่งบ 2.65 แสนล้านดอลลาร์

TSMC เร่งขยายการผลิตชิปขั้นสูงในสหรัฐฯ เพิ่มทั้งโรงงาน (Fabs) และโรงประกอบชิป (Packaging) เพื่อเดินหน้าผลิตระดับ 2nm, 3nm และ 5nm รองรับความต้องการ GPU, CPU และชิปประมวลผล AI แบบสั่งทำพิเศษ (Custom Accelerators)

5. AMD ส่ง “Helios” ท้าชน Nvidia

AMD เปิดตัวระบบ AI ระดับตู้แร็ก (Rack-scale) ในชื่อ Helios ที่รวม CPU Epyc 9006 (Gen 6), GPU Instinct MI455X, ระบบเครือข่าย Pensando และซอฟต์แวร์ ROCm เข้าด้วยกัน เพื่อแข่งกับแพลตฟอร์ม Vera Rubin/NVL72 ของ Nvidia โดยชูจุดเด่นเรื่องความหนาแน่นของการประมวลผลและประสิทธิภาพต่อราคา (Tokens-per-dollar) ที่คุ้มค่ากว่า

6. เข้าสู่ยุค Network Supercycle: เครือข่ายกลายเป็นส่วนหนึ่งของคอมพิวเตอร์

เครือข่าย AI คลัสเตอร์ยุคใหม่ต้องการแบนด์วิดท์เพิ่มขึ้น 10–100 เท่า พร้อมความหน่วงต่ำเป็นพิเศษ (Ultra-low latency) เพื่อไม่ให้ GPU นับพันตัวเกิดอาการรอข้อมูล (Idle) การเติบโตของ Agentic AI ทำให้เกิดการอัปเกรดระบบเครือข่ายครั้งใหญ่ทั้งสวิตช์, สายสัญญาณแสง (Optics) และสถาปัตยกรรมเครือข่าย

7. IBM หุ้นร่วง ชี้ลูกค้าโยกงบซื้อฮาร์ดแวร์ก่อนซอฟต์แวร์

รายได้และกำไรของ IBM ต่ำกว่าคาด เนื่องจากองค์กรต่างๆ โยกงบประมาณไปกว้านซื้อฮาร์ดแวร์ (เซิร์ฟเวอร์, Storage, Memory) เพื่อล็อกอุปทานและราคาก่อน ส่งผลให้โครงการฝั่งซอฟต์แวร์และบริการให้คำปรึกษาต้องถูกชะลอออกไปก่อน

8. IBM Z ปรับโฉมลงตู้แร็ก 19 นิ้ว

IBM ปรับแบบระบบ z17 และ LinuxONE ให้สามารถติดตั้งใน ตู้แร็กมาตรฐานขนาด 19 นิ้ว ได้ ช่วยให้องค์กรนำระบบ เมนเฟรมไปประยุกต์ใช้ร่วมกับศูนย์ข้อมูลเดิมได้ง่ายขึ้น ประหยัดพื้นที่ และจัดการระบบระบายความร้อนได้สะดวกกว่าเดิม

9. Quantum ผสาน Data Center: ยุคของ Hybrid Systems

เทคโนโลยีควอนตัมเปลี่ยนทิศทางจากการแข่งกันที่จำนวน Qubit ไปสู่ การทำงานร่วมกับระบบ GPU/CPU (Hybrid) โดยเน้นการวางระบบใกล้กันเพื่อประมวลผลร่วมกันอย่างรวดเร็ว ส่งผลให้ Data Center ต้องปรับตัวรองรับระบบทำความเย็นจัด (Cryogenics) และการแยกแรงสั่นสะเทือน

10. Network Redundancy ยังคงเป็นหัวใจสำคัญ

ความเสถียรของระบบเครือข่ายยังคงเป็นพื้นฐานสำคัญ โดย Data Center ต้องเน้นการทำ Redundancy ที่แท้จริง ทั้งการใช้ ISP หลายราย, ทางเข้าสายที่หลากหลาย, อุปกรณ์สำรองแบบคู่ และระบบ Failover อัตโนมัติ เพื่อป้องกันระบบล่มแบบ 100%

บทสรุปเชิงกลยุทธ์

ภาพรวมทั้งหมดชี้ให้เห็นว่า สนามแข่งขัน AI ในปัจจุบันไม่ได้อยู่แค่เรื่อง “ชิปตัวไหนแรงที่สุด” อีกต่อไป แต่เป็นการแข่งกันที่ “ประสิทธิภาพเชิงระบบแบบครบวงจร” ตั้งแต่การเข้าถึงแหล่งพลังงาน ซัพพลายเชนแร่ธาตุ ระบบระบายความร้อน การเชื่อมต่อเครือข่ายความเร็วสูง ไปจนถึงการออกแบบฮาร์ดแวร์ระดับตู้แร็กเพื่อดึงประสิทธิภาพออกมาให้คุ้มค่าที่สุด

ที่มา : Datacenterknowledge