Growing memory shortage cover

Druga połowa 2025 roku przyniosła nietypowy globalny niedobór pamięci operacyjnej i SSD. To nie jest tylko cykliczne spowolnienie ani przejście na nowe technologie, lecz przedłużający się, wieloletni kryzys. Ten kryzys wyraźnie wynika z gwałtownego wzrostu zapotrzebowania na infrastrukturę AI. 

Każdy serwer AI wymaga dziesiątek lub setek gigabajtów. To znacznie więcej niż przeciętny serwer WWW czy PC. A jaki jest tego skutek? Producenci chipów traktują priorytetowo HBM (pamięć o wysokiej przepustowości) i LPDDR (pamięć o niskim poborze energii i podwójnej szybkości przesyłu danych) dla AI, jednocześnie ograniczając wolumen tradycyjnej DRAM. We współczesnym języku nazywa się to RAMpocalypse. 

Czy brzmi to tylko śmiertelnie groźnie, czy jest to coś, czym musimy zająć się już teraz? Odpowiedź znajdziesz poniżej. 

* Przed przeczytaniem głównej części zalecamy przejrzeć ten artykuł oraz tę kartę przeglądową. 

Co dokładnie się wydarzyło?

Rok 2023 nie był tak dawno temu, ale wtedy SSD były tanie. Sprawcą tej zmiany był boom na datacenter AI, który do końca 2024 roku przekształcił rynek. Systemy AI, znane także jako duże modele językowe, są zasadniczo trenowane na ogromnych zbiorach danych. Przetwarzają tak dużo danych, że łatwo rozumieją kontekst i odpowiadają jak człowiek. LLM są zwykle wdrażane w klastrach GPU, czyli powiązanych sieciach węzłów obliczeniowych, z których każdy jest wyposażony w jeden lub dwa GPU. Każdy klaster GPU potrzebuje terabajtów pamięci, a projekty AI działają obecnie na tysiącach takich węzłów. Ich celem jest realizowanie złożonych zadań z zawrotną szybkością. Jednak uruchamianie LLM wymaga dużej ilości DRAM i pamięci flash. Firmy odchodzą od obciążeń LLM intensywnie wykorzystujących trening na rzecz wdrożeń skoncentrowanych na inferencji. Ponieważ inferencja wymaga częstego dostępu do dużych plików modeli, wzrósł popyt na pamięć masową bliskiego dostępu.

Projekt Stargate

Projekt ma zapewnić USA dalsze przywództwo w dziedzinie sztucznej inteligencji. Uważa się, że projekt ten “zreindustrializuje” Stany Zjednoczone, tworząc potencjał strategiczny do ochrony bezpieczeństwa narodowego Ameryki i jej sojuszników. Do głównych inwestorów należą SoftBank, OpenAI i Oracle. Uczestniczyć będą też firmy takie jak Microsoft, NVIDIA i Arm, lecz najwyraźniej jako partnerzy techniczni. 

Na czym polega projekt? Przede wszystkim oczekuje się utworzenia w Stanach Zjednoczonych kilku datacenter sztucznej inteligencji. Wspólne przedsięwzięcie firm rozpocznie się od dużego datacenter w Teksasie, a następnie rozszerzy się na inne stany. Twórcy obiecują, że stworzy ono “setki tysięcy” miejsc pracy i “zapewni amerykańskie przywództwo w dziedzinie AI”. Oczekuje się, że ukończenie Stargate zajmie od pięciu do sześciu lat.

OpenAI, Samsung i SK Hynix podpisały umowę na 900 000 wafli DRAM miesięcznie. To prawie 40% całej światowej produkcji. Taka sytuacja spowoduje w przyszłości poważny problem, przez który tradycyjne rynki PC i serwerów będą miały trudności z konkurowaniem. Nawet mechaniczne dyski twarde, które mogą wydawać się niezwiązane z AI, odnotowują wzrost cen o 10–15%.

Więcej fabryk, więcej pamięci?

W teorii tak. W rzeczywistości jednak ograniczenia finansowe i strukturalne utrudniają szybką ekspansję. 

Choć wyższe ceny sygnalizują potrzebę zwiększenia mocy produkcyjnych, czołowi producenci DRAM rezygnują ze skalowania tradycyjnej produkcji DRAM. Zamiast tego kierują inwestycje w pamięć o wysokiej przepustowości (HBM). Zapewnia ona lepsze marże, ale zużywa więcej wafli. 

Popyt nadchodzi z każdej strony. Twórcy AI, dostawcy chmur hyperscale i firmowe datacenter rywalizują o dostawy pamięci. Zwiększanie produkcji nie jest ani szybkie, ani tanie. Budowa nowych fabów wymagałaby ogromnych nakładów kapitałowych. Koszt waha się od 10 miliardów USD do ponad 20 miliardów USD. Tego nie da się zrealizować w jeden dzień. Takie projekty zwykle trwają 4–5 lat. Nawet wtedy rezultaty są niepewne. Sytuację dodatkowo komplikują niedobory wykwalifikowanych inżynierów. 

W rezultacie łączna produkcja standardowej DRAM pozostaje ograniczona. Producenci traktują priorytetowo klientów AI i datacenter hyperscale. W tych warunkach niedobory pamięci i wysokie ceny prawdopodobnie utrzymają się co najmniej do 2027 roku.

Prognozy na przyszłość

  • Przede wszystkim ten nienasycony apetyt AI spowoduje gwałtowny wzrost cen pamięci operacyjnej. Niedobory i wysokie ceny mogą utrzymać się przez pewien czas. W obliczu trwającego kryzysu na rynku pamięci firmy takie jak Apple, Lenovo i Dell mają podnieść ceny swoich urządzeń w pierwszej połowie 2026 roku. Oczywiście dotknie to również PC do gier i laptopów, które także odczują inflację. Wraz ze wzrostem kosztów sprzętu organizacje korzystają z proxy, aby zbierać dane metodą web scraping i uruchamiać procesy AI bez przeciążania systemów z ograniczoną pamięcią.
  • Stopniowe rozwiązanie kryzysu może rozpocząć się dopiero po latach 2027–2028, gdy nowa technologia pamięci zakłóci ten cykl. Do tego czasu należy oczekiwać, że SSD, DRAM i HDD pozostaną drogie, trudno dostępne i coraz bardziej zarezerwowane dla elity AI. 
  • Popyt na AI prawdopodobnie nie zmniejszy się znacząco, ponieważ duże modele, datacenter i usługi obliczeniowe nadal rosną. Oznacza to, że pamięć jako zasób pozostanie “gorącym” tematem także w kolejnych latach.
  • Innowacje w architekturze pamięci, takie jak połączenie pamięci CPU/GPU lub nowe typy RAM, mogą w dłuższej perspektywie wpłynąć na sytuację, lecz nie rozwiążą ostrych niedoborów z dnia na dzień. 

Powiązane artykuły

Share article: