อดีตซีอีโอ Intel สับ HBM ยับ! ชี้เป็นหน่วยความจำที่มีข้อจำกัดเพียบ แต่ยังเป็นทางเลือกที่ดีที่สุด ขณะที่ RAM โลกอาจขาดแคลนถึงปี 2028

Pat Gelsinger อดีตซีอีโอ Intel กลับมาวิพากษ์วิจารณ์หน่วยความจำ High-Bandwidth Memory (HBM) อีกครั้ง โดยมองว่าแม้เทคโนโลยีนี้จะมีข้อจำกัดหลายด้าน ทั้งความหนาแน่นของข้อมูล ความร้อน การใช้พลังงาน และข้อจำกัดด้านการออกแบบชิป แต่ก็ยังเป็นทางเลือกที่ดีที่สุดเท่าที่อุตสาหกรรมมีอยู่ในปัจจุบัน

ขณะเดียวกัน Nanya ผู้ผลิตหน่วยความจำจากไต้หวัน เตือนว่าปัญหาขาดแคลน DRAM อาจลากยาวไปจนถึงช่วงต้นปี 2028 เนื่องจากกระแส AI ทำให้ผู้ผลิตหันไปให้ความสำคัญกับ HBM มากขึ้น จนส่งผลกระทบต่อกำลังการผลิตหน่วยความจำทั่วไปสำหรับคอมพิวเตอร์และอุปกรณ์อิเล็กทรอนิกส์

Pat Gelsinger ชี้ HBM มีข้อจำกัดมากกว่าที่หลายคนคิด

ในการให้สัมภาษณ์กับ a16z Gelsinger อธิบายว่า HBM เป็นเทคโนโลยีหน่วยความจำที่มีข้อจำกัดด้านความหนาแน่นของข้อมูล การส่งผ่านข้อมูล พลังงาน และการจัดการความร้อน โดยเฉพาะเมื่อนำมาใช้งานร่วมกับชิปประมวลผล AI ที่ต้องรับส่งข้อมูลปริมาณมหาศาลอย่างต่อเนื่อง

เขาเคยวิจารณ์ HBM มาแล้วเมื่อเดือนกรกฎาคม โดยเรียกว่าเป็นหน่วยความจำที่มีข้อบกพร่องมาก และครั้งนี้ก็ยังคงยืนยันมุมมองเดิม แม้จะยอมรับว่า HBM เป็นทางเลือกที่ดีที่สุดที่มีอยู่ในขณะนี้ก็ตาม

เหตุผลสำคัญอยู่ที่ลักษณะการออกแบบของ HBM ซึ่งเน้นการรับส่งข้อมูลผ่านบัสที่กว้างมาก แทนการเพิ่มความเร็วของการเชื่อมต่อเพียงอย่างเดียว ช่วยให้ได้แบนด์วิดท์สูงและเหมาะกับงาน AI แต่ต้องแลกมาด้วยความซับซ้อนในการออกแบบและผลิต

ปัญหา Shoreline Bandwidth ข้อจำกัดที่เพิ่มขึ้นตามขนาดชิป

หนึ่งในข้อจำกัดที่ Gelsinger กล่าวถึงคือ Shoreline Bandwidth ซึ่งเกี่ยวข้องกับพื้นที่ขอบของชิปประมวลผลที่ใช้ติดตั้งวงจรเชื่อมต่อกับ HBM

ตัวอย่างเช่น HBM3 และ HBM3E ใช้บัสข้อมูลกว้าง 1,024 บิตต่อชุดเชื่อมต่อ ขณะที่ HBM4 เพิ่มความกว้างเป็น 2,048 บิต ทำให้ต้องมีจุดเชื่อมต่อทางกายภาพจำนวนมากระหว่างชิปประมวลผลกับหน่วยความจำ

วงจร PHY ซึ่งทำหน้าที่รับส่งสัญญาณระหว่างชิปประมวลผลกับ HBM จึงต้องใช้พื้นที่บนชิปไม่น้อย และจำเป็นต้องจัดวางใกล้ขอบชิปเพื่อเชื่อมต่อกับหน่วยความจำที่อยู่ข้างเคียง

ข้อจำกัดนี้ทำให้การเพิ่มจำนวน HBM Stack ไม่สามารถทำได้อย่างอิสระ เพราะต้องคำนึงถึงพื้นที่ขอบชิป ตำแหน่งของวงจรเชื่อมต่อ และพื้นที่สำหรับระบบรับส่งข้อมูลอื่น ๆ ด้วย

ยิ่งไปกว่านั้น วงจร PHY ยังเป็นแหล่งกำเนิดความร้อนอีกจุดหนึ่ง เมื่อทำงานร่วมกับ GPU และหน่วยความจำที่ใช้พลังงานสูง ก็ยิ่งเพิ่มความท้าทายด้านการออกแบบระบบระบายความร้อน โดยเฉพาะในเซิร์ฟเวอร์ AI ที่ต้องทำงานต่อเนื่องเป็นเวลานาน

HBM ยังมีข้อแลกเปลี่ยนด้านความหนาแน่นหน่วยความจำ

แม้ HBM จะสามารถให้แบนด์วิดท์สูงมาก แต่การผลิตหน่วยความจำชนิดนี้มีความซับซ้อนกว่าการผลิต DRAM ทั่วไป เพราะต้องนำชิป DRAM หลายชั้นมาซ้อนกันและเชื่อมต่อผ่านเทคโนโลยี Through-Silicon Via (TSV)

TSV ช่วยให้ข้อมูลเดินทางระหว่างชิปหน่วยความจำแต่ละชั้นได้อย่างรวดเร็ว แต่พื้นที่ที่ใช้สำหรับโครงสร้างการเชื่อมต่อก็ทำให้พื้นที่บางส่วนไม่สามารถนำไปใช้สร้างเซลล์เก็บข้อมูลได้โดยตรง

ดังนั้น HBM จึงมีข้อแลกเปลี่ยนระหว่างแบนด์วิดท์ ความหนาแน่นของข้อมูล ต้นทุนการผลิต และการจัดการความร้อน แม้เมื่อพิจารณาหน่วยความจำรวมทั้ง Stack จะสามารถให้ความจุสูงในพื้นที่ที่ใช้ติดตั้งได้ก็ตาม

วิกฤต RAM อาจยืดเยื้อถึงต้นปี 2028

ผลกระทบไม่ได้จำกัดอยู่แค่ผู้พัฒนาชิป AI เพราะการผลิต HBM ต้องใช้กำลังการผลิตและทรัพยากรในโรงงานจำนวนมาก โดยมีรายงานว่า HBM ใช้กำลังการผลิตเวเฟอร์มากกว่าหน่วยความจำ DRAM ทั่วไปที่มีขนาดใกล้เคียงกันประมาณ 3 เท่า

เมื่อผู้ผลิตเร่งตอบสนองความต้องการจากตลาด AI ก็อาจทำให้กำลังการผลิตที่เหลือสำหรับ DRAM ทั่วไปมีข้อจำกัดมากขึ้น ส่งผลต่อ RAM สำหรับพีซี โน้ตบุ๊ก และอุปกรณ์อิเล็กทรอนิกส์อื่น ๆ

ล่าสุด Nanya ระบุในการแถลงผลประกอบการว่า AI กำลังเปลี่ยนแปลงโครงสร้างของอุตสาหกรรมหน่วยความจำ และประเมินว่าภาวะขาดแคลน DRAM อาจดำเนินต่อไปจนถึงช่วงต้นปี 2028

นั่นหมายความว่า ผู้บริโภคอาจยังต้องเผชิญกับความเสี่ยงที่ราคา RAM จะทรงตัวในระดับสูง หรือปรับเพิ่มขึ้นตามสถานการณ์อุปทาน แม้ความต้องการในตลาดคอมพิวเตอร์ทั่วไปจะไม่ได้เติบโตเร็วเท่ากับตลาด AI ก็ตาม

ท้ายที่สุด HBM ยังคงเป็นเทคโนโลยีสำคัญสำหรับระบบ AI เพราะช่วยให้ชิปเข้าถึงข้อมูลได้รวดเร็วและมีแบนด์วิดท์สูง แต่ข้อจำกัดด้านการผลิต พลังงาน และความร้อนก็เป็นโจทย์ที่อุตสาหกรรมต้องแก้ไขต่อไป ขณะที่การทุ่มทรัพยากรให้หน่วยความจำสำหรับ AI ก็กำลังสร้างแรงกดดันให้ตลาด RAM ทั่วไปอย่างหลีกเลี่ยงไม่ได้

ที่มา: Wccftech