AI potrzebuje nie tylko GPU. Pamięć staje się nowym wąskim gardłem

Rozbudowa infrastruktury AI może natrafiać na ograniczenie mniej widoczne niż procesory graficzne, ale równie istotne: pamięć. Podczas AI Infra Summit w Santa Clara 15 września prezes Intela Lip-Bu Tan powiedział, że niedobór już opóźnia projekty biznesowe, a ceny pamięci wzrosły około pięć–siedem razy. Ostrzegł też, że wraz ze wzrostem zapotrzebowania systemów AI sytuacja będzie się pogarszać. 45

Problemem nie jest już wyłącznie moc obliczeniowa

W centrum przekazu Tana jest prosta zależność: do uruchomienia systemu AI nie wystarczą same procesory. Serwery AI potrzebują bardzo dużej pojemności i przepustowości pamięci, w tym pamięci HBM (high-bandwidth memory, czyli pamięci o wysokiej przepustowości). Szybka rozbudowa infrastruktury AI ogranicza jej dostępność na całym rynku. Relacje ze szczytu w Santa Clara wskazywały, że presja podażowa przenosi się już z serwerów AI na komputery PC i smartfony. 4

W praktyce firma może zamówić akceleratory obliczeniowe, a mimo to nie ukończyć wdrożenia, jeśli nie otrzyma potrzebnej pamięci. W takim układzie pamięć przestaje być tylko jedną z pozycji w kosztorysie serwera — staje się czynnikiem decydującym o harmonogramie projektu.

Dlaczego podaż nie może szybko nadrobić popytu?

Dostępne informacje wskazują na nierównowagę między szybko rosnącym popytem na infrastrukturę AI a tempem, w jakim producenci są w stanie dostarczać pamięć. Tan stwierdził, że pamięć stała się wąskim gardłem i że warunki będą się pogarszać. 5

W lutym mówił również, że po rozmowach z kluczowymi uczestnikami rynku usłyszał o „braku ulgi do 2028 roku”. To ocena prezesa dotycząca perspektyw podaży, a nie potwierdzony, jednolity dla całej branży harmonogram dostaw. 8

Szczególne znaczenie ma HBM, wykorzystywana w dużych ilościach przez serwery AI. Wrześniowe doniesienia łączyły niedobór z absorbowaniem podaży HBM przez centra danych AI, co sprzyja brakowi komponentów i wzrostom cen także w urządzeniach masowych. 4

Jak długo może potrwać napięta sytuacja?

Na podstawie dostępnych materiałów nie da się wskazać jednej, zweryfikowanej daty powrotu rynku do równowagi. Ostrzeżenia konsekwentnie sugerują jednak ryzyko wieloletnie, a nie krótkotrwałe zakłócenie:

• Ocena Lip-Bu Tana: brak wyraźnej poprawy przed 2028 r., według informacji, które miał otrzymać od kluczowych dostawców wcześniej w 2026 r. 8
• Ocena Phisona: K.S. Pua uważa, że pamięć NAND Flash może w 2027 r. odnotować najgorszy niedobór. 17
• Kontekst rynkowy: analizy wskazują na utrzymującą się ograniczoną podaż, wzrost cen i wieloletnie zobowiązania zakupowe; Samsung Electronics, SK hynix i Micron odpowiadają przy tym za przytłaczającą większość światowych mocy produkcyjnych DRAM. 57

To prognozy i oceny rynkowe, a nie gwarancje. Bilans może zmienić się pod wpływem nowych mocy produkcyjnych, tempa inwestycji w AI lub poprawy efektywności wykorzystania pamięci.

Co to oznacza dla cen i dostępności sprzętu?

Najbardziej bezpośrednim skutkiem są trudniejsze zakupy komponentów i wyższe koszty systemów. Gdy ograniczona pamięć trafia przede wszystkim do infrastruktury AI, wrażliwe cenowo lub mniej priorytetowe segmenty urządzeń mogą odczuwać mniejszą dostępność podzespołów bądź wzrost ich kosztów. W relacjach ze szczytu wprost wskazano smartfony i komputery PC. 4

Dla firm planujących zasoby AI wnioski są praktyczne:

1. Pamięć trzeba zabezpieczać z wyprzedzeniem. Dostępność mocy obliczeniowej nie gwarantuje jeszcze, że da się zbudować działający system.
2. Należy uwzględniać ją już na etapie architektury. Liczą się pojemność, przepustowość i ryzyko przydziału komponentów.
3. Wąskie gardła są ze sobą powiązane. Więcej akceleratorów oznacza zwykle równocześnie większe zapotrzebowanie na pamięć, energię i chłodzenie.

Pamięć to niejedyny fizyczny limit AI

Tan nie przedstawiał problemu jako kryzysu dotyczącego wyłącznie pamięci. Wskazał także na zapewnienie dostaw energii elektrycznej oraz rozwój technologii chłodzenia jako ważne wyzwania dla rynku układów scalonych i infrastruktury AI. 5

To kluczowe zastrzeżenie: skalowanie AI wymaga skoordynowania procesorów, pamięci, sieci, zasilania i zarządzania ciepłem. Większa dostępność pamięci usunęłaby jedną przeszkodę, ale sama w sobie nie rozwiązałaby fizycznych ograniczeń związanych z eksploatacją gęsto upakowanych systemów AI.

Najważniejszy wniosek

Ostrzeżenie szefa Intela jest jasne: sprzętowe wąskie gardło AI przesuwa się poza same procesory. Niedobór pamięci opóźnia projekty, ceny silnie wzrosły, a krótkoterminowa perspektywa pozostaje napięta. Wskazanie przez Tana roku 2028 oraz ostrzeżenie Phisona przed możliwie ciężkim niedoborem NAND w 2027 r. pokazują skalę ryzyka — ale nadal są to prognozy, a nie przesądzone scenariusze. 4817

Dla przedsiębiorstw planujących rozbudowę AI dostęp do pamięci, energii i chłodzenia powinien być traktowany tak samo jak zakup akceleratorów: jako podstawowe ryzyko infrastrukturalne, które trzeba uwzględnić od początku projektu.