Σύνοψη
- Η Google επαναχρησιμοποιεί DDR4 μνήμη από αποσυρμένους servers για νέα συστήματα που υποστηρίζουν υποδομές AI.
- Η κίνηση αποκαλύπτει πόσο έντονη έχει γίνει η παγκόσμια έλλειψη DRAM, καθώς οι AI υποδομές απορροφούν τεράστιες ποσότητες μνήμης.
- Η Google έχει αναπτύξει ειδική διασύνδεση για να ενσωματώνει παλαιότερη μνήμη σε νεότερα συστήματα, χωρίς να έχει αποκαλύψει ακόμη το ακριβές πρότυπο.
- Δεν υπάρχουν στοιχεία ότι η DDR4 αντικαθιστά την HBM που χρησιμοποιούν οι TPU και άλλοι AI accelerators.
- Η Meta έχει ήδη παρουσιάσει παρόμοια προσέγγιση μέσω CXL, χρησιμοποιώντας DDR4 μαζί με DDR5.
- Σε συγκεκριμένο workload, η Meta ανέφερε έως και 25% λιγότερους servers και σημαντική μείωση του κόστους υποδομής.
- Η εξέλιξη δείχνει ότι η AI δεν δημιουργεί μόνο έλλειψη GPUs και HBM: πλέον πιέζει ολόκληρη την αλυσίδα μνήμης.
Η Google άρχισε να κοιτάζει στους παλιούς της servers για ένα εξάρτημα που μέχρι πρόσφατα θεωρούνταν σχεδόν αναλώσιμο: τη μνήμη RAM. Καθώς η παγκόσμια ζήτηση για υποδομές τεχνητής νοημοσύνης πιέζει την αγορά DRAM και οι νέες μνήμες γίνονται ολοένα ακριβότερες, η Alphabet επαναφέρει DDR4 από συστήματα που έχουν ήδη αποσυρθεί σε νεότερες υποδομές.
Η αποκάλυψη έγινε από τον Nikhil Cherian, senior director αρμόδιο για την υποδομή εφοδιαστικής αλυσίδας της Alphabet, στο SEMICON Taiwan 2026. Σύμφωνα με τα στοιχεία που παρουσιάστηκαν, η Google έχει δημιουργήσει ειδική διασύνδεση ώστε παλαιότερη μνήμη να μπορεί να αξιοποιηθεί σε νέα συστήματα, χωρίς ωστόσο να έχει δημοσιοποιήσει το πρότυπο σύνδεσης ή τις ακριβείς τεχνικές προδιαγραφές.
Η μνήμη έγινε το νέο bottleneck της AI
Για χρόνια, η συζήτηση γύρω από την AI επικεντρωνόταν σχεδόν αποκλειστικά στις GPUs και στους επιταχυντές. Η Nvidia έγινε το σύμβολο της έκρηξης των data centers και η μνήμη τύπου HBM εξελίχθηκε σε ένα από τα πιο κρίσιμα εξαρτήματα για τα σύγχρονα AI chips.
Τώρα, όμως, το πρόβλημα μετακινείται σε ολόκληρη την αρχιτεκτονική μνήμης. Σύμφωνα με παρουσίαση της Google στο SEMICON Taiwan, η μνήμη υψηλών επιδόσεων αντιπροσωπεύει πλέον πάνω από το 75% του κόστους υλικών ενός AI server. Η ίδια η Google περιγράφει τη μετάβαση από ένα compute-centric περιβάλλον σε μια κατάσταση όπου η μνήμη αποτελεί έναν από τους σημαντικότερους περιορισμούς της επέκτασης της AI υποδομής.
Η πίεση έχει ήδη περάσει στις τιμές. Σύμφωνα με στοιχεία που επικαλούνται αναλύσεις της αγοράς, οι τιμές συμβολαίων για συμβατική DRAM αυξήθηκαν κατά περίπου 80% έως 90% σε ένα τρίμηνο, ενώ η TrendForce έχει προβλέψει επιπλέον αυξήσεις μέσα στο τρίτο τρίμηνο του 2026.
Το αποτέλεσμα είναι ένα παράδοξο: οι εταιρείες κατασκευάζουν ολοένα ισχυρότερα AI συστήματα, αλλά πρέπει ταυτόχρονα να βρουν τρόπους να εξασφαλίσουν αρκετή μνήμη για να τα τροφοδοτήσουν.
Γιατί η Google δεν πετάει πλέον την παλιά DDR4
Η DDR4 δεν είναι γρήγορη σε σύγκριση με τη σύγχρονη DDR5 και, φυσικά, δεν αποτελεί υποκατάστατο της HBM. Αυτό όμως δεν σημαίνει ότι είναι άχρηστη.
Η Google μπορεί να χρησιμοποιήσει διαφορετικά επίπεδα μνήμης ανάλογα με τις απαιτήσεις ενός workload. Τα δεδομένα που χρειάζονται συνεχώς πρόσβαση μπορούν να παραμένουν σε ταχύτερη μνήμη, ενώ δεδομένα χαμηλότερης προτεραιότητας μπορούν να μετακινούνται σε μεγαλύτερη αλλά πιο αργή χωρητικότητα.
Αυτός είναι ο λόγος για τον οποίο η παλιά DDR4 αποκτά ξανά αξία. Ένας server μπορεί να έχει ήδη αποσυρθεί, ενώ οι μνήμες που βρίσκονται μέσα του να είναι πραγματικά χρυσάφι!
Η ίδια η Google αναφέρει ότι το 2024 ανέκτησε περίπου 8,8 εκατομμύρια εξαρτήματα από αποσυρμένο data-center hardware και ότι το 44% των components που χρησιμοποιήθηκαν σε Google-managed server builds, συντηρήσεις και αναβαθμίσεις προήλθαν από reused inventory.
Η επαναχρησιμοποίηση, επομένως, δεν ξεκινά τώρα. Αυτό που αλλάζει είναι η σημασία της: η κυκλική οικονομία του data center μετατρέπεται ταυτόχρονα σε μηχανισμό αντιμετώπισης της έλλειψης hardware.
Η Meta έχει ήδη δείξει ότι μπορεί να λειτουργήσει
Η Google δεν είναι η πρώτη hyperscaler που επιχειρεί να παρατείνει τη ζωή της παλιάς μνήμης.
Η Meta παρουσίασε το Vistara, ένα custom ASIC που επιτρέπει τη χρήση DDR4 μέσα σε νεότερους servers που βασίζονται σε DDR5. Η προσέγγιση χρησιμοποιεί το Compute Express Link, ή CXL, ώστε διαφορετικά επίπεδα μνήμης να μπορούν να συνυπάρχουν στο ίδιο σύστημα.
Στο configuration που παρουσίασε η Meta, υπάρχουν 768 GB DDR5-6400 και 256 GB DDR4-2400, δηλαδή συνολικά 1 TB μνήμης. Η τοπική DDR5 προσφέρει θεωρητικό bandwidth περίπου 614 GB/s, ενώ η CXL-connected DDR4 περίπου 76 GB/s, με αισθητά υψηλότερη καθυστέρηση.
Και όμως, η λύση έχει οικονομικό νόημα. Η Meta ανέφερε ότι σε συγκεκριμένο machine-learning parameter-server workload κατάφερε να μειώσει τον απαιτούμενο αριθμό servers κατά 25%, ενώ σε άλλες εφαρμογές distributed cache ανέφερε σημαντικές βελτιώσεις στη χρήση της υποδομής.
Το κρίσιμο σημείο είναι ότι η παλιά μνήμη δεν χρειάζεται να γίνει τόσο γρήγορη όσο η DDR5. Αρκεί να χρησιμοποιηθεί εκεί όπου η χαμηλότερη ταχύτητά της δεν καταστρέφει την απόδοση του συνολικού συστήματος.
Δεν σημαίνει ότι η Google βάζει DDR4 αντί για HBM
Εδώ χρειάζεται προσοχή, επειδή ο τίτλος «η Google ανακυκλώνει παλιά RAM για AI» μπορεί εύκολα να δημιουργήσει λάθος εντύπωση.
Δεν υπάρχει επιβεβαίωση ότι η DDR4 που ανακτά η Google από παλιούς servers αντικαθιστά την HBM που χρησιμοποιείται στους AI accelerators και στις TPU. Η εταιρεία έχει αποκαλύψει ότι ενσωματώνει παλαιότερη μνήμη σε νεότερα συστήματα μέσω ειδικής διασύνδεσης, αλλά δεν έχει δημοσιοποιήσει ακόμη ούτε το πρότυπο ούτε τη συγκεκριμένη θέση της μνήμης στην αρχιτεκτονική.
Η διάκριση είναι σημαντική. Η HBM είναι η πολύ γρήγορη μνήμη που βρίσκεται δίπλα στον AI επιταχυντή και του παρέχει τα δεδομένα που χρειάζεται με πολύ υψηλή ταχύτητα. Η DDR4 είναι αρκετά πιο αργή, αλλά μπορεί να προσφέρει επιπλέον χώρο για δεδομένα που δεν χρειάζεται να βρίσκονται συνεχώς στην ταχύτερη μνήμη. Έτσι, αντί η παλιότερη RAM να καταλήξει εκτός χρήσης μαζί με έναν αποσυρμένο server, μπορεί να αξιοποιηθεί ξανά για να αυξήσει τη συνολική διαθέσιμη μνήμη ενός νέου συστήματος.
Η Google ουσιαστικά προσπαθεί να κάνει κάτι που γίνεται όλο και πιο σημαντικό στα data centers: να σταματήσει να αντιμετωπίζει τη μνήμη ως ενιαίο προϊόν και να τη διαχειρίζεται ως ιεραρχία διαφορετικών επιπέδων κόστους, χωρητικότητας και ταχύτητας.
Η κρίση δεν αφορά πλέον μόνο τις AI εταιρείες
Η εξέλιξη έχει συνέπειες πολύ πέρα από τη Google, τη Meta και τους κατασκευαστές AI accelerators.
Οι μεγάλοι hyperscalers μπορούν να ανακτήσουν εκατομμύρια DIMMs από τους δικούς τους servers. Μικρότερες επιχειρήσεις και κατασκευαστές PCs, όμως, δεν διαθέτουν αντίστοιχα αποθέματα. Όσο μεγαλύτερο μέρος της παραγωγής DRAM κατευθύνεται προς data centers και AI, τόσο μεγαλύτερη είναι η πιθανότητα να αυξάνονται οι τιμές και να περιορίζεται η διαθεσιμότητα για PCs, smartphones και συμβατικούς servers.
Η κατάσταση γίνεται ακόμη πιο δύσκολη επειδή η παραγωγή νέων τσιπ μνήμης δεν μπορεί να αυξηθεί από τη μια μέρα στην άλλη. Η κατασκευή νέων εργοστασίων παραγωγής ημιαγωγών απαιτεί χρόνια και τεράστιες επενδύσεις. Την ίδια στιγμή, οι κατασκευαστές πρέπει να αυξήσουν την παραγωγή της HBM, της πολύ γρήγορης μνήμης που χρησιμοποιούν τα συστήματα τεχνητής νοημοσύνης, χωρίς όμως να αφήσουν την αγορά χωρίς τις πιο συνηθισμένες μνήμες DRAM.
Γι’ αυτό η επαναχρησιμοποίηση DDR4 από τη Google έχει μεγαλύτερη σημασία από την αξία των ίδιων των chips. Δείχνει ότι η κρίση έχει φτάσει σε σημείο όπου ακόμη και οι μεγαλύτεροι αγοραστές hardware στον κόσμο αναζητούν αποθέματα μέσα στα δικά τους data centers.
Η AI μπορεί να κάνει το «παλιό» hardware ξανά πολύτιμο
Η μεγαλύτερη αλλαγή ίσως βρίσκεται εδώ. Για δεκαετίες, η βιομηχανία των servers λειτουργούσε με σχετικά προβλέψιμους κύκλους ανανέωσης: νέο generation CPU, νέα RAM, νέο server και απόσυρση του προηγούμενου.
Η AI αλλάζει αυτή την εξίσωση. Η ζήτηση για υπολογιστική ισχύ αυξάνεται τόσο γρήγορα, ώστε η αξία δεν βρίσκεται πλέον μόνο στο νεότερο και ταχύτερο hardware. Βρίσκεται και στην ικανότητα μιας εταιρείας να στύψει περισσότερη υπολογιστική αξία από κάθε διαθέσιμο εξάρτημα.
Η Google έχει ήδη αποδείξει ότι η επαναχρησιμοποίηση hardware μπορεί να γίνει μέρος μεγάλης κλίμακας data-center στρατηγικής. Τώρα η έλλειψη μνήμης δίνει σε αυτή την πρακτική ένα ακόμη ισχυρότερο οικονομικό κίνητρο.
Το μήνυμα για την αγορά είναι ξεκάθαρο: η κούρσα της AI δεν κρίνεται πλέον μόνο στο ποιος έχει τις καλύτερες GPUs. Κρίνεται στο ποιος μπορεί να βρει αρκετή μνήμη, αρκετή ενέργεια, αρκετό χώρο και αρκετή υπολογιστική χωρητικότητα για να τις λειτουργήσει.
Και όταν η Google αρχίζει να ψάχνει DDR4 μέσα στους παλιούς της servers, αυτό αποτελεί ίσως την πιο χαρακτηριστική ένδειξη ότι η παγκόσμια AI υποδομή έχει αρχίσει να φτάνει στα όρια της εφοδιαστικής αλυσίδας.
