centra danych

Amazon od dawna rozwija własne układy dla AI, lecz do tej pory trzymał je głównie pod dachem AWS. Teraz pojawia się ruch, który zmienia optykę całej sprawy. Firma nie chce już tylko taniej zasilać własnej chmury i poprawiać marż. Zaczyna mierzyć wyżej, bo celuje w rynek, na którym od lat ton nadaje NVIDIA. Tyle że między ambitną deklaracją a realnym przewrotem w serwerowniach stoi jeszcze kilka bardzo przyziemnych problemów.

Rynek pamięci HBM dawno przestał kręcić się wyłącznie wokół rekordów przepustowości. Dziś liczy się to, kto potrafi zmieścić więcej pamięci w niższym stosie, utrzymać temperatury w ryzach i zapewnić odpowiedni wolumen dla producentów akceleratorów AI. SK hynix wykonał kolejny krok. Po prezentacji HBM4E, firma zaczęła wysyłać próbki do klientów. To moment ważniejszy niż targowe demo, bo zaczynają testy pakietowania, uzysków i realnych wdrożeń.

Przez ostatnie dwa lata wokół generatywnej AI narosło przekonanie, że rosnący popyt usprawiedliwi wysokie koszty, agresywne inwestycje i ciągłe dokładanie kolejnych GPU. Problem w tym, że przychody i liczba użytkowników nie są jeszcze równoznaczne ze zdrowym modelem biznesowym. Najnowszy przeciek dokumentów finansowych OpenAI dobrze to pokazuje. Firma rośnie błyskawicznie, ale koszty treningu modeli, inferencji i sprzedaży rosną równie szybko.

W AI uwaga skupia się na GPU i pamięciach HBM, ale coraz częściej wąskim gardłem staje się dostęp do danych. Modele rosną, okna kontekstu się wydłużają, a serwery zaczynają ograniczać pamięć. AMD dostrzegło ten problem i przejęło MEXT. Jest to startup rozwijający oprogramowanie, które pozwala wykorzystywać pamięć flash w sposób bliższy DRAM. Cel jest prosty. Obniżyć koszty infrastruktury AI i zwiększyć gęstość upakowania zasobów w centrach danych.

LPDDR przez lata kojarzył się głównie ze smartfonami, ultrabookami i sprzętem, w którym liczy się każdy wat. Teraz się to zmienia, bo centra danych pod AI mają dokładnie ten sam problem, tylko w znacznie większej. Za mało pamięci, za dużo energii i coraz mniej miejsca na dokładanie kolejnych klasycznych modułów. JEDEC już wcześniej pokazał standard LPDDR6, ale dopiero obecny plan zdradza, po co naprawdę pcha go dalej.

Rynek akceleratorów AI zaczyna męczyć się własnym rozmachem. Modele rosną, zużycie energii też, a dokładanie kolejnych szaf z GPU przestaje wyglądać jak rozsądna odpowiedź na każdy problem. W takim momencie na scenę wchodzi Tensordyne z układem Napier i obietnicą, że da się pójść inną drogą, czyli zapewnić mniej mnożeń, więcej sprytu w matematyce, dużo SRAM i mniej bólu głowy przy rachunkach za zasilanie oraz chłodzenie.

Wyścig AI zwykle opisujemy przez pryzmat GPU, HBM i kolejnych rekordów TOPS. Tyle że im większa gęstość mocy w szafie, tym więcej zależy od układów, które kontrolują straty, temperaturę i stabilność zasilania. Korea Południowa dobrze wyczuła moment. Skoro na pamięciach zbudowała pozycję globalnego gracza, teraz próbuje podobny manewr wykonać w segmencie półprzewodników mocy dla AI, energetyki i przemysłu.

AI weszło w etap, w którym sama moc obliczeniowa przestała być jedynym problemem. Równie ważne stały się zasilanie, chłodzenie, działka pod serwerownię i czas potrzebny na postawienie całej infrastruktury. SpaceX próbuje ten supeł przeciąć po swojemu. Zamiast walczyć o kolejne gigawaty na Ziemi, chce wysłać część obliczeń na orbitę. Temu ma służyć satelita AI1 i nowa fabryka GigaSat w Teksasie. Pomysł wygląda jak miks Starlinka, klastra GPU i muskowego rozmachu.

Na rynku AI dawno skończył się etap, w którym wystarczał dobry model i kilka efektownych benchmarków. Dziś liczy się też to, kto ma dostęp do GPU, pamięci HBM, centrów danych i inwestorów gotowych podpisać czek z dziewięcioma zerami. Anthropic pokazuje to bez żadnych ozdobników i ogłasza finansowanie, które jeszcze niedawno wyglądałoby jak branżowa fantazja, a teraz jest kolejnym ruchem w wyścigu przed giełdowymi debiutami największych spółek AI.

Jensen Huang nie owijał w bawełnę, gdyż według niego Tajwan ma pozostać centrum rewolucji związanej ze sztuczną inteligencją. To zdanie wybrzmiało mocno, bo padło chwilę po miesiącach opowieści o wzmacnianiu produkcji w USA i uniezależnianiu Zachodu od azjatyckiego łańcucha dostaw. Problem w tym, że marketing to jedno, a realia projektowania, pakowania i składania serwerów z układami NVIDII to zupełnie inna historia.

Producenci pamięci HBM dokładają przepustowość, warstwy i pojemność, a fizyka cierpliwie wystawia rachunek. Im ciaśniej upchnięty pakiet obok GPU albo akceleratora, tym szybciej rośnie problem z temperaturą i spadkiem taktowań pod obciążeniem. SK hynix twierdzi, że znalazł sposób, by uderzyć dokładnie w to miejsce, które dotąd grzało się najmocniej. I tym razem nie chodzi o kosmetykę na wierzchu układu, tylko o zmianę w samym wnętrzu pakietu.

Branża AI przepala dziś nie tylko kolejne megawaty, ale też stare założenia o tym, gdzie w ogóle powinno stać centrum danych. Chiński projekt z rejonu Lingang pod Szanghajem rozwiązuje ten problem i zanurza go dosłownie na głębokość kilku metrów, łącząc serwery z morzem oraz farmą wiatrową offshore. Brzmi jak efekt zbyt długiej burzy mózgów, tylko że za tą konstrukcją stoją już konkretne liczby, partnerzy i komercyjny start.

Alphabet potwierdził rozmowy ze Space Exploration Technologies (SpaceX) i innymi firmami o przyszłych startach dla Project Suncatcher. Sam pomysł brzmi jak pokaz ambicji, ale sedno sprawy leży gdzie indziej i jest nieco bardziej... przyziemne. Centra danych budowane na powierzchni Ziemi coraz mocniej zderzają się z kosztami energii, wodą do chłodzenia i tempem rozbudowy sieci, którego branża AI zwyczajnie nie wytrzymuje.

Na rynku AI coraz trudniej oddzielić premierę modelu od walki o prąd, układy i miejsce w centrum danych. Najnowszy ruch Anthropic dobrze to pokazuje. Firma stojąca za popularnym modelem Claude kupuje dziś przede wszystkim moc obliczeniową i miejsce na dane, które pozwolą utrzymać tempo wzrostu. Umowa z Akamai Technologies wygląda jak finansowy konkret, lecz w praktyce mówi sporo o napięciach całego sektora.

Boom na centra danych zwykle opisujemy przez pryzmat akceleratorów GPU, megawatów energii i kolejnych kampusów AI. Tymczasem prawdziwe napięcie coraz częściej rodzi się niżej, w rurach, licznikach i lokalnych sieciach wodnych. Gdy serwerownia wchodzi do miasta szybciej niż administracja nadąża z pomiarem i rozliczeniem poboru, temat przestaje być branżową ciekawostką. Zaczyna dotyczyć rachunków, zaufania i lokalnej polityki.

Rozwój sztucznej inteligencji zabiera za sobą nie tylko pamięci RAM i nośniki danych, ale również mnóstwo energii, która potrzebna jest do zasilenia centrów danych. To właśnie do nich trafiają te podzespoły, jak i akceleratory graficzne... ale dziś nie o nich. Według raportu UBS do 2030 roku świat danych osiągnie 660 zettabajtów, z kolei IEA wskazuje, że same centra danych zabiorą w tym roku 945 TWh. Micron wychodzi naprzeciw z nowym nośnikiem SSD o naprawdę dużej pojemności.

W segmencie pamięci dla akceleratorów sztucznej inteligencji coraz rzadziej chodzi wyłącznie o wyższe taktowanie czy kolejną rewizję standardu. Intel i SoftBank sugerują, że wąskie gardło leży głębiej, czyli w samej fizyce stosu DRAM, sposobie prowadzenia połączeń i odprowadzaniu ciepła. Właśnie z tej tezy wyrasta pamięć HB3DM, czyli pierwszy publicznie opisany układ rozwijany w ramach szerszego programu Z-Angle Memory.

Na pierwszy rzut oka wygląda to jak statystyczna bomba. Pekin mówi o 1882 EFLOPS inteligentnej mocy obliczeniowej, a publiczne rankingi pokazują dla Chin ledwie ułamek tej wartości. Ktoś tu musi przesadzać, tylko niekoniecznie wiadomo kto. Nowa deklaracja nie jest prostym dowodem dominacji, ale też nie da się jej zbyć wzruszeniem ramion. Problem leży głębiej, bo obydwie strony liczą coś innego i robią to do zupełnie innych zastosowań.

Wyścig o przewagę w wyścigu o sztuczną inteligencję dawno przestał mieścić się w tabelkach z liczbą GPU. Coraz częściej decydują sprawy mniej efektowne, ale dużo ważniejsze, a mianowicie dostęp do mocy, czas przyłączenia do sieci i koszt utrzymania całej infrastruktury. Najnowsze dane z USA pokazują, że ten etap właśnie wchodzi w ostrzejszą fazę, a rachunek za ekspansję AI zaczyna być liczony nie tylko w dolarach, a dotyczy także ekologii.

Wyścig o sztuczną inteligencję dawno przestał dotyczyć jedynie modeli. Dziś równie ważne jest to, kto szybciej postawi infrastrukturę zdolną utrzymać tysiące akceleratorów, sieć o absurdalnej przepustowości i chłodzenie, które nie podda się przy pierwszym skoku poboru energii. Właśnie w tym miejscu pojawia się Fairwater, czyli projekt Microsoftu, o którym mówi się już nie jak o kolejnym centrum danych, ale o przemysłowej skali AI.

Najdroższy wyścig technologiczny bieżącej dekady nie rozbija się dziś jedynie o brak pomysłów, tylko o rzeczy dużo bardziej przyziemne. Place budowy, kolejki po sprzęt energetyczny, niedobór fachowców i coraz głośniejszy opór lokalnych społeczności zaczynają spowalniać inwestycje w centra danych, które miały wynieść sztuczną inteligencję na kolejny poziom. To moment, w którym wielkie obietnice zderzają się z energetyką, logistyką i polityką.

Najciekawsze ruchy w dziedzinie sztucznej inteligencji dzieją się dziś nie na scenie konferencyjnej, lecz w serwerowniach. Meta Platforms rozszerza układ z firmą Broadcom wokół własnych akceleratorów MTIA i robi to w skali, która mówi więcej niż jakiekolwiek marketingowe hasła. Gdy gigant zaczyna liczyć waty, przepustowość sieci i koszt pojedynczej odpowiedzi modelu, wiadomo, że stawka jest większa niż kolejna premiera potężnego procesora lub GPU.

Największy korek w branży układów związanych ze sztuczną inteligencją wcale nie musi powstawać w litografii. Coraz częściej zaczyna się później, na etapie pakowania gotowych układów, kiedy GPU, pamięć HBM i interposer trzeba zamienić w realny produkt. TSMC najwyraźniej uznało, że dalsze dokładanie mocy w samych fabrykach już nie wystarczy, skoro rynek blokuje inny fragment łańcucha. Chodzi o wykorzystanie starych fabryk 8-calowych wafli.

Wyścig o układy dla AI dawno przestał być prostą licytacją na nanometry. Coraz częściej o przewadze decyduje to, jak szybko i z jakimi stratami da się doprowadzić energię do coraz gęściej upakowanych bloków obliczeniowych. Intel Foundry pokazuje więc nie nowy procesor, lecz element mniej widowiskowy na prezentacjach, a być może ważniejszy w praktyce. Chodzi o bardzo cienki chiplet GaN zintegrowany z klasyczną logiką krzemową.

Rynek pamięci zwykle budzi emocje dopiero wtedy, gdy rosnące ceny modułów RAM i SSD psują sklepowe tabelki. Tym razem alarm wybrzmiał wcześniej. Michael Dell wygłosił prognozę, która brzmi jak przesada, ale dobrze trafia w nerw całej branży. Chodzi mu o to, że sztuczna inteligencja ma pożreć tyle pamięci, iż tradycyjny podział na segment serwerowy i konsumencki może przestać działać tak, jak było to przez ostatnie lata.

Wyścig twórców centrów danych o dominację w sztucznej inteligencji coraz rzadziej przypomina pokaz nowych akceleratorów, a coraz częściej jest to brutalny test infrastruktury. Gdy kolejne firmy stawiają farmy serwerów szybciej, niż lokalne sieci nadążają z rozbudową, inwestorzy zaczynają zadawać pytania, których branża długo unikała. Nie chodzi tu o marketing, nie o wizję, lecz o wodę, prąd, a także o realny koszt utrzymania tej machiny.

Rynek pamięci przez lata żył starym, zwykłym rytmem. Po okresie niedoborów potrzebnych układów przychodziła ich nadpodaż, a potem pojawiały się przeceny. Ten mechanizm zaczyna się zacinać. Najwięksi gracze zajmujący się sztuczną inteligencją wolą dzisiaj zapłacić za pamęci więcej, ale podpisać umowy na zapewnienie ciągłości dostaw na kilka lat, byle tylko zniwelować ryzyko zatrzymania rozbudowy centrów danych w połowie wyścigu.

Najciekawsze ruchy w branży rzadko wyglądają efektownie na slajdzie. Czasem mieszczą się w jednym komunikacie prasowym i kilku technicznych detalach, które dla większości odbiorców brzmią sucho, ale dla rynku znaczą bardzo dużo. Tak właśnie wygląda nowa współpraca IBM i Arm. Na pierwszy rzut oka to kolejny sojusz pod hasłem AI. Przy dokładniejszym przyjrzeniu się widać jednak próbę ruszenia segmentu, który zwykle zmienia się wolniej niż reszta branży.

Rynek akceleratorów sztucznej inteligencji dawno przestał ścigać się wyłącznie na suche liczby z tabeli. Dziś liczy się to, czy układ zmieści duży model w pamięci, utrzyma sensowne opóźnienia i nie zgubi rytmu po rozpięciu na wiele węzłów. Właśnie dlatego najnowszy wynik układu AMD Instinct MI355X w MLPerf 6.0 zasługuje na uwagę, nawet jeśli na pierwszy rzut oka wygląda jak kolejny rekord wrzucony do prezentacji dla inwestorów.

W świecie wielkich korporacji lojalność bywa pojęciem abstrakcyjnym, szczególnie gdy na horyzoncie pojawia się szansa na zdominowanie nowego, wartego biliony dolarów rynku. Najnowsze doniesienia z obozu Oracle nie pozostawiają złudzeń co do kierunku, w którym zmierza korporacja rządzona przez Larry'ego Ellisona. Tysiące pracowników na całym świecie rozpoczęło tydzień od wiadomości, która dla wielu oznacza koniec kariery u obecnego pracodawcy.

Do niedawna firma Arm sprzedawała innym projektantom plany budowy procesorów. Teraz sama przynosi gotowy układ na rynek i robi to tam, gdzie stawka jest najwyższa, czyli w centrach danych napędzających usługi związane ze sztuczną inteligencją. Z pozoru chodzi o kolejny serwerowy CPU, ale w praktyce to ruch, który może popsuć szyki nie tylko Intelowi i AMD, lecz także części dotychczasowych partnerów Arm.

Wyścig o akceleratory sztucznej inteligencji coraz rzadziej rozstrzyga się w laboratorium, a coraz częściej w polityce, logistyce i dostępności sprzętu. Chińska firma Huawei dobrze to rozumie, dlatego nie próbuje już udawać kopii NVIDII. Zamiast tego buduje swoją własną ścieżkę, skrojoną ściśle pod realia chińskiego rynku. Akcelerator Ascend 950PR jest kolejnym elementem tej układanki, ale tym razem stawka wydaje się wyższa niż zwykle.

Interkonekty scale-up, czyli połączenia spajające akceleratory w jeden wielki system obliczeniowy, od lat były domeną rozwiązań zastrzeżonych. Każdy producent chipów budował własny, zamknięty ekosystem. Miedź dotąd się sprawdzała, ale fizyka ma swoje ograniczenia, a wymagania modeli językowych rosną szybciej niż technologia transferu danych jest w stanie za nimi nadążyć. Branża właśnie wspólnie wyciągnęła z tego wniosek.

Pamięć komputerowa to od lat jedno z głównych wąskich gardeł infrastruktury związanej z AI. Modele językowe, agentyczne systemy AI i obliczenia HPC pożerają zasoby DRAM w tempie, za którym tradycyjne moduły RDIMM ledwo nadążają. Micron sięga po standard SOCAMM2 i właśnie ogłosił krok, który może zmienić reguły gry w segmencie serwerów nowej generacji, choć to, ile ta zmiana rzeczywiście przyniesie, pokaże dopiero rynek.

Barcelona co roku gości targi MWC, i co roku przynosi niespodzianki. W tym roku Huawei wysłało sygnał nie tyle do chińskiego rynku, ile do całego globalnego ekosystemu technologicznego. Na stoisku w Barcelonie stanął Atlas 950 SuperPoD, najpotężniejszy klaster AI tej firmy. W oficjalnych zestawieniach wygląda jak bezpośredni rywal platformy Vera Rubin NVIDII. To pierwsze publiczne pokazanie tej maszyny poza granicami Chin i wyraźna deklaracja ambicji.

Tajski Board of Investment zatwierdził projekt wartości 2,3 mld bahtów, który ma umocnić pozycję Tajlandii jako globalnego centrum produkcji HDD. WD otrzymało zielone światło na rozwój badań nad technologią HAMR, która ma pozwolić na produkcję nośników o pojemności ponad 100 TB. To bezpośrednia odpowiedź na eksplozję zapotrzebowania ze strony centrów danych obsługujących infrastrukturę AI, gdzie WD już teraz raportuje wyprzedanie całej produkcji na lata 2026-2028.