ค้นพบความสนใจของคุณ ไปด้วยกัน

ดีลจริง รีวิวตรงไปตรงมา และเรื่องราวการช้อปปิ้งจากคนที่มีความสนใจเดียวกับคุณ — ทุกวันบน ZestBuy

ค้นพบความสนใจของคุณ ไปด้วยกันดีลจริง รีวิวตรงไปตรงมา และเรื่องราวการช้อปปิ้งจากคนที่มีความสนใจเดียวกับคุณ — ทุกวันบน ZestBuy

เลอโนโวขยายโครงสร้างพื้นฐาน AI และ HPC ด้วยเซิร์ฟเวอร์ AMD EPYC

เลอโนโวขยายโครงสร้างพื้นฐาน AI และ HPC ด้วยเซิร์ฟเวอร์ AMD EPYC
ความสนใจ|วิเคราะห์ข้อมูลด้วย AI

ขยายจากชิปสู่ระบบพร้อมใช้งาน

โครงสร้างพื้นฐาน AI และ HPC คือชุดระบบคำนวณ จัดเก็บ เชื่อมต่อ และบริการติดตั้งที่ทำงานร่วมกัน เพื่อรองรับการฝึกและใช้งานโมเดล AI ควบคู่กับการจำลองและวิเคราะห์ข้อมูลขนาดใหญ่ เลอโนโวประกาศโครงสร้างพื้นฐานชุดใหม่เมื่อวันที่ 10 พฤศจิกายน 2026 โดยรวมเซิร์ฟเวอร์ ThinkSystem ที่ใช้โปรเซสเซอร์ AMD EPYC SP7 รุ่นที่ 6 ระบบจัดเก็บข้อมูล ระบบเชื่อมต่อ และบริการโรงงาน AI ที่ขยายเพิ่มเติมเข้าไว้ในพอร์ตโฟลิโอเดียว จุดที่น่าสนใจไม่ใช่การเพิ่มเซิร์ฟเวอร์อีกไม่กี่รุ่น แต่คือการยอมรับว่า AI และ HPC ต้องวางแผนในระดับระบบ ศูนย์ข้อมูลของลูกค้า สภาพแวดล้อมแบบไฮบริด และศูนย์ข้อมูลแบบโคโลเคชันต่างต้องจัดการทั้งกำลังไฟ ความร้อน และการไหลของข้อมูล หากมีแต่ชิปแรง แต่ส่วนอื่นตามไม่ทัน กำลังคำนวณที่ซื้อไว้ก็อาจใช้ได้ไม่เต็มที่

เหตุใดกำลังประมวลผลอย่างเดียวจึงไม่พอ

เหตุผลที่การออกแบบแบบครบชุดสำคัญขึ้น คือศูนย์ HPC เดิมต้องรองรับทั้งการฝึกและอนุมาน AI การวิเคราะห์ข้อมูล และการจำลองทางวิทยาศาสตร์ในสภาพแวดล้อมเดียวกัน ยิ่งมีการอนุมานต่อเนื่องและเอเจนต์ทำงานอัตโนมัติมากขึ้น ประสิทธิภาพก็ยิ่งขึ้นกับแบนด์วิดท์หน่วยความจำ พื้นที่จัดเก็บ การเคลื่อนย้ายข้อมูล และการระบายความร้อน ไม่ใช่จำนวนคอร์เพียงอย่างเดียว นี่เป็นการเปลี่ยนโจทย์จาก “ซื้อเครื่องที่แรงที่สุด” ไปสู่ “ทำให้ทุกส่วนป้อนงานให้กันได้ทัน” ซึ่งเป็นมุมมองที่เหมาะกับงานจริงกว่า ThinkSystem SC755 แบบสองซ็อกเก็ตใช้ระบบระบายความร้อนด้วยของเหลว Neptune ผลทดสอบภายในของเลอโนโวระบุว่าระบายความร้อนด้วยน้ำได้สูงสุด 100% และมีประสิทธิภาพต่อเนื่องสูงกว่าระบบระบายความร้อนด้วยอากาศที่ใกล้เคียงกันได้สูงสุด 40% โดยผลจริงขึ้นกับการกำหนดค่า ภาระงาน และสภาพแวดล้อมศูนย์ข้อมูล

เซิร์ฟเวอร์ ข้อมูล และเครือข่ายต้องเดินไปด้วยกัน

ThinkSystem SR755 เน้นความหนาแน่นของกำลังคำนวณและแบนด์วิดท์หน่วยความจำ สำหรับงานอย่าง AI แบบเอเจนต์ การออกแบบอิเล็กทรอนิกส์ การสร้างแบบจำลองทางการเงิน วิศวกรรม และการจำลองเสมือนขนาดใหญ่ ส่วน SC755 มี Dynamic Partitioning ให้ปรับระบบสองซ็อกเก็ตสองเครื่องเป็นระบบซ็อกเก็ตเดี่ยวและปรับกลับได้ ช่วยให้จัดสรรทรัพยากรตามภาระงานยืดหยุ่นขึ้น ด้านข้อมูล DE6800 มุ่งรองรับงานที่ต้องการความน่าเชื่อถือและปริมาณรับส่งสูง ขณะที่ DE6500 เน้นประสิทธิภาพคุ้มค่าและการจัดการที่ง่าย ทั้งคู่รองรับงานจัดเก็บแบบบล็อกที่ไวต่อเวลาแฝง ส่วนการตรวจสอบระบบเชื่อมต่อ Cornelis CN5000 เพิ่มทางเลือกเพื่อลดคอขวดการเคลื่อนข้อมูล การจับคู่เช่นนี้มีเหตุผล เพราะโมเดลและงานจำลองต้องอ่านเขียนข้อมูลอย่างต่อเนื่อง เซิร์ฟเวอร์ที่คำนวณเร็วแต่รอข้อมูลย่อมไม่ช่วยเร่งผลลัพธ์

ขนาดของโจทย์เห็นได้จากกรณีศึกษาหนึ่งของเลอโนโว ซึ่งระบุระบบที่มีคอร์ CPU เซิร์ฟเวอร์ AMD EPYC 60,000 คอร์ และ GPU NVIDIA 1,552 ตัว พร้อมคำขอวิจัยรวม 33 ล้านรายการในช่วงหนึ่งปี ตัวเลขนี้ไม่ได้แปลว่าทุกองค์กรต้องสร้างระบบระดับเดียวกัน แต่ชี้ให้เห็นว่าการเตรียมระบบจัดเก็บและเครือข่ายให้รับปริมาณงานได้เป็นเรื่องจำเป็นพอ ๆ กับการเพิ่มตัวประมวลผล

โรงงาน AI คือส่วนต่อจากวันที่ส่งมอบฮาร์ดแวร์

บริการโรงงาน AI แบบไฮบริดครอบคลุมการติดตั้ง การกำหนดค่า และการปรับแต่ง GPU พร้อมการรองรับหลายโหนดสำหรับ Red Hat AI Enterprise และ NVIDIA AI Enterprise ร่วมกับ NVIDIA Run:ai สำหรับโครงการขนาดใหญ่ บริการ Gigafactory ครอบคลุมตั้งแต่วางแนวคิดและก่อสร้าง ไปจนถึงติดตั้งและปรับแต่งระบบเพื่อการผลิตจริง คุณค่าของบริการเหล่านี้อยู่ที่การลดช่องว่างระหว่างการได้รับอุปกรณ์กับการเปิดใช้เวิร์กโหลด ไม่ใช่เพียงการส่งมอบเครื่องแล้วปล่อยให้ทีมลูกค้าประกอบทุกชิ้นเข้าด้วยกันเอง แนวทางนี้ยังตอบโจทย์ข้อจำกัดด้านกำลังไฟและความสามารถรองรับของศูนย์ข้อมูล ซึ่งเป็นเงื่อนไขกำหนดว่ากำลังคำนวณจะนำไปใช้ได้มากน้อยเพียงใด อย่างไรก็ดี ตัวเลขประสิทธิภาพที่ผู้ผลิตรายงานควรอ่านเป็นผลตามการกำหนดค่าและภาระงาน ไม่ใช่คำรับรองว่าจะได้ผลเท่ากันทุกแห่ง

ข้อสรุป: มูลค่าอยู่ที่การประสานทั้งระบบ

การขยายชุดเซิร์ฟเวอร์ AMD EPYC ครั้งนี้น่าสนใจเพราะเลอโนโวไม่ได้วางตัวประมวลผลเป็นคำตอบเดี่ยว แต่รวมเซิร์ฟเวอร์ ระบบจัดเก็บ การเชื่อมต่อ การระบายความร้อน และบริการติดตั้งไว้ในภาพเดียว สำหรับองค์กรที่ทำ AI และระบบ HPC แนวคิดนี้ตรงกับความจริงของงาน: ข้อมูลต้องไปถึงตัวประมวลผลทัน ความร้อนต้องจัดการได้ และซอฟต์แวร์ต้องพร้อมใช้งานในสภาพแวดล้อมจริง การลงทุนจึงควรประเมินทั้งกำลังคำนวณที่ใช้ได้ต่อเนื่องและความพร้อมของศูนย์ข้อมูล ไม่ใช่ดูสเปกชิปอย่างเดียว ส่วนโรงงาน AI ช่วยเชื่อมจากฮาร์ดแวร์ไปสู่การใช้งาน แต่ไม่ได้ลบความจำเป็นในการประเมินภาระงานและข้อจำกัดของแต่ละองค์กร สรุปแล้ว ความได้เปรียบของแพลตฟอร์มนี้อยู่ที่การลดคอขวดตลอดเส้นทาง ตั้งแต่ข้อมูลเข้าเครื่องจนถึงการนำผลลัพธ์ไปใช้

ZestBuy ได้รับค่าคอมมิชชั่นเมื่อคุณช้อปผ่านลิงก์ของเรา โดยคุณไม่ต้องจ่ายเพิ่ม

You May Also Like

Comments
พูดอะไรบางอย่าง...
ยังไม่มีความคิดเห็น มาเป็นคนแรกที่แบ่งปันความคิดเห็นของคุณ!