XCENA ทุ่ม 135 ล้านดอลลาร์ฯ แก้ปัญหาคอขวด AI: เมื่อข้อมูลย้ายช้าเกินไป แม้จะใช้ชิปแรงแค่ไหนก็ตาม

โครงสร้างพื้นฐานของ AI มีความลับดำมืดอยู่เรื่องหนึ่ง นั่นคือ การย้ายข้อมูลไปมาระหว่างหน่วยความจำและหน่วยประมวลผล กำลังกลายเป็นปัญหาคอขวดครั้งใหญ่ที่แซงหน้าเรื่องพลังการคำนวณไปเสียแล้ว ในขณะที่โมเดลและชุดข้อมูลมีขนาดใหญ่ขึ้นเรื่อยๆ ต้นทุนด้านพลังงานและความหน่วง (Latency) ที่เกิดจากการขนย้ายข้อมูลไปมาก็ทำให้ 'หน่วยความจำ' กลายเป็นจุดวิกฤต สตาร์ทอัพจากเกาหลีใต้ที่ชื่อ XCENA เชื่อว่าพวกเขามีคำตอบ และนักลงทุนก็เพิ่งเดิมพันวิทยานิพนธ์นี้ด้วยเช็คมูลค่า 135 ล้านดอลลาร์สหรัฐฯ

เมื่อวันที่ 29 พฤษภาคม 2026 XCENA ได้ประกาศระดมทุนรอบ Series B มูลค่า 135 ล้านดอลลาร์สหรัฐฯ (ประมาณ 2.02 แสนล้านวอน) พร้อมด้วยมูลค่ากิจการ (Valuation) ที่รายงานไว้ราว 570 ล้านดอลลาร์ฯ ส่งผลให้ยอดระดมทุนทั้งหมดของบริษัทอยู่ที่ 185 ล้านดอลลาร์สหรัฐฯ บริษัทซึ่งก่อตั้งขึ้นครั้งแรกในชื่อ MetisX เมื่อต้นปี 2022 และเปลี่ยนชื่อเป็น XCENA ในปลายปี 2024 มีแผนจะใช้เงินทุนก้อนนี้เพื่อขยายธุรกิจไปทั่วโลก ผลักดันการใช้งานโดยลูกค้า รวมถึงพัฒนาผลิตภัณฑ์ Computational Memory รุ่นต่อไป

แนวคิดหลักที่ผลักดันให้เกิดการลงทุนนี้ ไม่ใช่เพราะพวกเขากำลังสร้างคู่แข่ง GPU ตัวใหม่ แต่เป็นเพราะ XCENA วางตำแหน่งผลิตภัณฑ์แรกของบริษัทที่ชื่อว่า MX1 ให้เป็นอุปกรณ์ในหมวดหมู่ที่แตกต่างไปจากเดิมอย่างสิ้นเชิง นั่นคือ 'หน่วยความจำเชิงคำนวณ' (Computational Memory) ที่รวมเอาพลังในการประมวลผลเข้าไปไว้ในชั้นหน่วยความจำนั่นเอง

ปัญหาหลัก: เมื่อการย้ายข้อมูลกลายเป็นคอขวด

ในสถาปัตยกรรมเซิร์ฟเวอร์แบบดั้งเดิม เมื่อข้อมูลจำเป็นต้องถูกประมวลผล ข้อมูลนั้นจะต้องเดินทางไป-กลับระหว่าง DRAM และ CPU หรือ GPU ซึ่งมีต้นทุนที่สูงมาก สำหรับเวิร์กโหลด AI อย่างการอนุมานขนาดใหญ่ การวิเคราะห์ข้อมูลแบบเรียลไทม์ และการสืบค้นฐานข้อมูลเวกเตอร์ การเคลื่อนย้ายข้อมูลตลอดเวลาเช่นนี้ก่อให้เกิดความหน่วง ใช้พลังงานมาก และสร้างปัญหาที่รู้จักกันดีในชื่อ 'กำแพงหน่วยความจำ' (Memory Wall)

ข้อมูลเชิงลึกในการก่อตั้งของ XCENA ก็คือ การทำงานที่ต้องใช้ข้อมูลมหาศาลเหล่านี้หลายงานไม่ได้จำเป็นต้องใช้พลังการประมวลผลแบบขนานเฉพาะทางของ GPU เลยด้วยซ้ำ งานประจำอย่างการกรอง ค้นหา และวิเคราะห์ข้อมูล สามารถจัดการได้ด้วยคอร์ประมวลผลที่เรียบง่ายกว่าและประหยัดพลังงานกว่า หากนำมันไปวางไว้ข้างๆ ชิปหน่วยความจำ วิธีนี้จะช่วยหลีกเลี่ยงการเดินทางไป-กลับของข้อมูลได้อย่างสิ้นเชิง แนวทางนี้เรียกว่า Near-Data Processing (NDP) หรือการประมวลผลใกล้ข้อมูล ซึ่งมีเป้าหมายเพื่อแบ่งเบาภาระของ CPU มากกว่าที่จะเข้าไปแทนที่

ภายใน MX1: อาวุธลับใหม่ของเซิร์ฟเวอร์ ไม่ใช่คู่แข่งของ GPU

MX1 ถูกอธิบายว่าเป็นผลิตภัณฑ์ Computational Memory ตัวแรกของโลกที่รองรับทั้ง PCIe 6.0 และมาตรฐาน CXL 3.2 CXL หรือ Compute Express Link เป็นเทคโนโลยีที่เชื่อมต่อระหว่างหน่วยประมวลผลและหน่วยความจำด้วยความเร็วสูงและความหน่วงต่ำ เสมือนเป็นช่องทางด่วนเฉพาะ ทำให้มันเป็นกระดูกสันหลังที่สมบูรณ์แบบสำหรับอุปกรณ์ที่ถูกออกแบบมาให้อยู่ในระดับหน่วยความจำ

สถาปัตยกรรมและสเปกหลัก

แทนที่จะเป็นตัวเร่งความเร็ว (Accelerator) แบบเสาหิน MX1 คืออุปกรณ์ที่อัดแน่นไปด้วยคอร์ RISC-V แบบปรับแต่งได้นับพันตัว เอกสารของ XCENA ระบุว่ามันคือ "คอร์ RISC-V ความถี่ 1.4GHz นับพันตัว" ที่ผนวกรวมเข้าไปในระบบย่อยของหน่วยความจำโดยตรง คอร์เหล่านี้สามารถดำเนินการคล้ายฐานข้อมูล (ผ่านไลบรารีซอฟต์แวร์ XFLARE ของ XCENA) ณ จุดที่ข้อมูลอยู่ โดยไม่ต้องย้ายข้อมูลไปให้ CPU หลักประมวลผล

แนวทางทางเทคนิคของ XCENA ใช้เส้นทางการขยายที่แยกออกไปผ่าน SSD บน PCIe 6.0 ทำให้เกิดสิ่งที่บริษัทเรียกว่า "Infinite Memory" หรือหน่วยความจำไร้ขีดจำกัด ฟีเจอร์นี้สามารถขยายพูลหน่วยความจำที่เครื่องแม่ข่ายเข้าถึงได้ในทางทฤษฎีให้อยู่ในระดับเพตะไบต์ (Petabyte) โดยใช้ SSD ที่เชื่อมต่อผ่าน CXL ทำให้แอปพลิเคชันสามารถจัดการชุดข้อมูลขนาดใหญ่ขึ้นได้ โดยมีความหน่วงที่ต่ำกว่าการเข้าถึงที่เก็บข้อมูลแบบเดิม

โรดแมปของบริษัทเผยให้เห็นแผนการทำซ้ำอย่างรวดเร็ว:

• MX1: เจเนอเรชันแรก โดยมีตัวอย่างที่ใช้งานได้ส่งมอบให้พาร์ทเนอร์บางรายเริ่มตั้งแต่เดือนตุลาคม 2025 และเวอร์ชันพร้อมผลิตจริงมีแผนในปี 2026
• MX1P: เวอร์ชันที่ได้รับการปรับปรุงประสิทธิภาพ วางแผนไว้ในปี 2025
• MX1S: ชิปเจเนอเรชันถัดไป มีลิงก์ PCIe Gen6 x8 แบบคู่ ฟีเจอร์เพิ่มเติม และรองรับ CXL 3.2 กำหนดการในปี 2026

การ์ดเหล่านี้รองรับ DDR5 DIMM สูงสุด 256GB เพื่อความจุ 1TB และใช้ตัวควบคุมหน่วยความจำ DDR5-8400 ในงาน FMS 2025 (Future of Memory and Storage) MX1 ยังได้รับรางวัลเทคโนโลยี Computational Memory ที่ล้ำสมัยที่สุด

การแข่งขันในสนามที่แตกต่าง

สิ่งสำคัญคือต้องเข้าใจว่า XCENA กำลังทำอะไรที่ไม่ใช่ พวกเขาไม่ได้ออกแบบชิปเพื่อเทรนโมเดล Foundation Model ขนาดใหญ่ให้เร็วกว่า H100 หรือ B200 ของ Nvidia MX1 ถูกวางตำแหน่งให้เป็น Co-processor สำหรับงานที่ใช้ข้อมูลหนักหน่วง โดยทำงานร่วมกับ CPU และ GPU ที่มีอยู่ แทนที่จะเข้าไปแทนที่

สำหรับการอนุมาน AI ที่โมเดลต้องสแกนพูลหน่วยความจำขนาดใหญ่ซ้ำๆ หรือสำหรับเวิร์กโหลดที่ต้องใช้ฐานข้อมูลหนักๆ เช่น การวิเคราะห์แบบเรียลไทม์และการค้นหาเวกเตอร์ กลยุทธ์ของ XCENA คือการลดภาระของหน่วยประมวลผลหลัก โดยจัดการส่วนที่ใช้ 'หน่วยความจำหนัก' ให้เสร็จที่ต้นทาง เป้าหมายคือการสร้างดาต้าเซ็นเตอร์ที่ข้อมูลทุกชิ้นไม่จำเป็นต้องเดินทางผ่านหน่วยประมวลผลที่แพงและกินไฟมากที่สุดเสมอไป

คำถามมูลค่า 135 ล้านดอลลาร์: มันจะใช้งานได้จริงหรือไม่?

มูลค่ากิจการ 570 ล้านดอลลาร์สหรัฐฯ ที่มากับการระดมทุนรอบ Series B ครั้งนี้ ส่งสัญญาณถึงความเชื่อมั่นอย่างแรงกล้าของนักลงทุนว่า การประมวลผลที่เน้นหน่วยความจำเป็นศูนย์กลาง (Memory-Centric Computing) จะมีบทบาทสำคัญในโครงสร้างพื้นฐานของ AI ขณะนี้ MX1 กำลังอยู่ในขั้นการสำรวจความเป็นไปได้กับพาร์ทเนอร์บางรายเพื่อตรวจสอบประสิทธิภาพที่เพิ่มขึ้นจริงในระดับระบบและความคุ้มค่า

อย่างไรก็ตาม เรื่องราวการพิสูจน์ยังคงถูกเขียนต่อไป รางวัลจาก FMS และสเปกที่รายงานออกมาดีนั้นเป็นสัญญาณที่น่าสนใจ แต่การนำไปใช้จริงในวงกว้างและผลการทดสอบอิสระต่างหากคือบททดสอบที่แท้จริงสำหรับเทคโนโลยีที่เสนอให้ปรับโครงสร้างชิ้นส่วนพื้นฐานของระบบเซิร์ฟเวอร์ใหม่ทั้งหมด สิ่งที่ XCENA เดิมพันก็คือ อุตสาหกรรม AI พร้อมแล้วที่จะหยุดเคลื่อนย้ายข้อมูล และเริ่มประมวลผลมัน ณ จุดที่มันอยู่