โครงสร้างพื้นฐานที่มองทั้งระบบ ไม่ใช่แค่ชิป
โครงสร้างพื้นฐาน AI และ HPC คือชุดระบบประมวลผล หน่วยความจำ จัดเก็บและส่งผ่านข้อมูล ตลอดจนการระบายความร้อน ที่ทำงานร่วมกันเพื่อรองรับงานคำนวณขนาดใหญ่และต่อเนื่อง เลอโนโวประกาศผลิตภัณฑ์และบริการชุดใหม่เมื่อวันที่ 10 พฤศจิกายน 2026 โดยวางโจทย์ไว้ตั้งแต่ศูนย์ข้อมูลขององค์กร สภาพแวดล้อมแบบไฮบริด ไปจนถึงศูนย์ข้อมูลแบบโคโลเคชัน
ทิศทางนี้สะท้อนความจริงที่มักถูกมองข้ามในการลงทุนด้าน AI คือกำลังประมวลผลสูงเพียงอย่างเดียวไม่พอ เมื่อการอนุมานทำงานต่อเนื่อง เอเจนต์เริ่มรับภารกิจ และงานวิทยาศาสตร์ใช้ข้อมูลมากขึ้น คอขวดอาจอยู่ที่แบนด์วิดท์หน่วยความจำ การเคลื่อนย้ายข้อมูล หรือความสามารถในการระบายความร้อนก็ได้ จุดแข็งของการประกาศครั้งนี้จึงอยู่ที่การเชื่อมองค์ประกอบเหล่านั้นเป็นพอร์ตโฟลิโอเดียว มากกว่าการนำเสนอเซิร์ฟเวอร์รุ่นใหม่โดด ๆ
สก็อตต์ แพตตี้ รองประธานกลุ่มธุรกิจโครงสร้างพื้นฐานของเลอโนโว ระบุเป้าหมายว่าเป็นการดึงประสิทธิภาพที่นำไปใช้ได้มากขึ้นจากทุกวัตต์ ถ้อยคำนี้ชี้ประเด็นสำคัญของศูนย์ข้อมูลยุคใหม่ได้ตรงกว่าโฆษณาเรื่องความเร็วเพียงอย่างเดียว เพราะข้อจำกัดด้านพลังงานและความร้อนเป็นส่วนหนึ่งของการออกแบบระบบตั้งแต่ต้น

เซิร์ฟเวอร์ AMD EPYC กับทางเลือกด้านความร้อนและการจัดสรรงาน
หัวใจด้านประมวลผลคือเซิร์ฟเวอร์ Lenovo ThinkSystem ที่ใช้โปรเซสเซอร์ AMD EPYC 9006 SP7 เจเนอเรชันที่ 6 โดยมีทั้ง ThinkSystem SC755 แบบสองซ็อกเก็ตและ ThinkSystem SR755 ซึ่งออกแบบให้รองรับงานที่ต้องการความหนาแน่นในการคำนวณและแบนด์วิดท์หน่วยความจำสูง การวางรุ่นสำหรับภาระงานต่างกันมีน้ำหนักมากกว่าการไล่ตัวเลขสมรรถนะ เพราะองค์กรต้องจับคู่ระบบกับรูปแบบงานจริง
SC755 ใช้เทคโนโลยีระบายความร้อนด้วยของเหลว Neptune และมี Dynamic Partitioning สำหรับปรับการจัดสรรจากระบบสองซ็อกเก็ตสองชุดให้เป็นระบบซ็อกเก็ตเดี่ยว รวมถึงสลับกลับได้ เลอโนโวระบุว่าเซิร์ฟเวอร์รุ่นนี้สามารถระบายความร้อนออกด้วยน้ำได้สูงสุด 100% และให้ประสิทธิภาพต่อเนื่องสูงกว่าระบบระบายความร้อนด้วยอากาศที่ใกล้เคียงกันได้สูงสุด 40% ตัวเลขดังกล่าวมาจากการทดสอบภายในและขึ้นกับการกำหนดค่า ภาระงาน อุณหภูมิน้ำ และสภาพแวดล้อมของศูนย์ข้อมูล
ส่วน SR755 มุ่งรองรับงานอย่างโครงสร้างพื้นฐาน AI แบบเอเจนต์ การออกแบบอิเล็กทรอนิกส์ การสร้างแบบจำลองทางการเงิน งานวิศวกรรม และการจำลองเสมือนขนาดใหญ่ เลอโนโวระบุว่าการวิเคราะห์ภายในพบการใช้พลังงานและความคุ้มค่าที่ดีกว่าการกำหนดค่าแบบสองซ็อกเก็ต แต่ผลจริงย่อมขึ้นกับการใช้งาน ข้อสรุปสำหรับผู้ซื้อจึงไม่ใช่ว่ารุ่นใดดีที่สุดเสมอไป หากเป็นการประเมินภาระงานและข้อจำกัดของระบบก่อนเลือก

ระบบจัดเก็บและบริการโรงงาน AI เติมส่วนที่เซิร์ฟเวอร์ทำเองไม่ได้
การประกาศยังรวมระบบจัดเก็บข้อมูลและการเชื่อมต่อ ซึ่งจำเป็นต่อการป้อนข้อมูลให้การประมวลผลโดยไม่สร้างคอขวด ThinkSystem DE6800 ถูกระบุว่าออกแบบสำหรับแอปพลิเคชันที่ต้องการความน่าเชื่อถือและปริมาณงานรับส่งข้อมูลสูง การมีระบบจัดเก็บอยู่ในแผนเดียวกับเซิร์ฟเวอร์จึงเป็นเรื่องสมเหตุผล เพราะงาน AI และ HPC ไม่ได้จบที่การคำนวณ แต่ต้องนำข้อมูลเข้าออกได้ทันจังหวะด้วย
อีกส่วนคือบริการโรงงาน AI ซึ่งเลอโนโวขยายขอบเขตให้รองรับตั้งแต่องค์กรไปจนถึงการติดตั้งขนาดใหญ่ พร้อมบริการ Hybrid AI การเพิ่มบริการมีความหมายในเชิงปฏิบัติ เพราะองค์กรต้องวางระบบ บริหาร และขยายงานที่ซับซ้อน ไม่ใช่เพียงซื้ออุปกรณ์แล้วคาดหวังให้ AI พร้อมใช้งานทันที อย่างไรก็ดี ข้อมูลที่ประกาศไม่ได้แจกแจงรายละเอียดบริการหรือผลลัพธ์ที่รับประกัน จึงควรมองเป็นส่วนหนึ่งของข้อเสนอโดยรวม ไม่ใช่หลักฐานว่าทุกองค์กรจะติดตั้งได้โดยไร้ความท้าทาย
ภาพรวมนี้ทำให้โครงสร้างพื้นฐาน AI มีความหมายกว้างกว่ากลุ่มเซิร์ฟเวอร์ โดยรวมพลังคำนวณ ระบบจัดเก็บ เครือข่าย การระบายความร้อน และบริการเข้าด้วยกัน แนวทางดังกล่าวน่าสนใจสำหรับองค์กรที่ต้องการรองรับระบบในศูนย์ข้อมูลตนเอง แบบไฮบริด หรือโคโลเคชัน แต่คุณค่าจริงจะขึ้นกับการเลือกองค์ประกอบให้เหมาะกับภาระงานและทรัพยากรของแต่ละแห่ง
เมื่อ AI ผสานกับ HPC งานวิจัยต้องการแพลตฟอร์มที่พร้อมกว่าเดิม
การบรรจบกันของ AI กับระบบ HPC เห็นได้ชัดในงานวิจัย ตั้งแต่การสร้างแบบจำลอง AI ไปจนถึงการจำลองทางวิทยาศาสตร์ขนาดใหญ่ เนื้อหาจากเลอโนโวและ AMD ยกตัวอย่างมหาวิทยาลัยขอนแก่น ซึ่งพัฒนาแพลตฟอร์ม AI ภายในโดยใช้คลัสเตอร์ Kaen-Coon ที่อาศัยเซิร์ฟเวอร์ ThinkSystem SR675 V3 พร้อมโปรเซสเซอร์ AMD EPYC และหน่วยประมวลผลกราฟิก
กรณีดังกล่าวแสดงให้เห็นว่า HPC ไม่ได้หมดบทบาทเมื่อ AI เติบโตขึ้น แต่กลายเป็นฐานให้การฝึกและใช้งานโมเดลที่ซับซ้อนขึ้น โดยนักศึกษาและนักวิจัยใช้แพลตฟอร์มเดียวกันกับงานตั้งแต่การวิเคราะห์ภาพทางการแพทย์ไปจนถึงการตรวจจับข้อบกพร่องในภาคอุตสาหกรรม ตัวอย่างนี้ช่วยเชื่อมภาพระดับดาต้าเซ็นเตอร์กับการใช้งานจริงในสถาบันวิจัย แม้จะไม่ใช่หลักประกันว่ารูปแบบเดียวกันเหมาะกับทุกองค์กร
ข้อสรุปคือการขยายพอร์ตโฟลิโอครั้งนี้ตอบโจทย์ทิศทางที่ AI และ HPC ต้องใช้ทรัพยากรร่วมกันมากขึ้น จุดน่าจับตาไม่ใช่เพียงเซิร์ฟเวอร์ AMD EPYC รุ่นใหม่ แต่คือการประกอบระบบตั้งแต่หน่วยคำนวณและข้อมูลไปจนถึงความร้อนและบริการ สำหรับผู้วางแผนลงทุน สิ่งสำคัญคือทดสอบกับภาระงานจริงและคำนวณข้อจำกัดด้านพลังงานก่อนตัดสินใจ เพราะโครงสร้างพื้นฐานที่ดีต้องส่งมอบผลลัพธ์ได้ต่อเนื่อง ไม่ใช่แค่มีสมรรถนะสูงบนเอกสาร






