AI-drevet hukommelsesmangel ændrer hardware-design

Hvad er nyheden om den AI-inducerede hukommelsesmangel?

Den massive vækst i kunstig intelligens har skabt en ubalance i produktionen af hukommelseschips, hvilket presser især mindre hardwareproducenter. Situationen er så kritisk, at producenter som Jolla og Framework må redesigne deres hardware eller foretage omfattende tests for at undgå falske chips, da tilgængelighed nu er et større problem end selve prisen.

Hvilke konkrete ændringer medfører manglen for hardwaren?

Manglen tvinger producenterne væk fra standardiserede designs mod mere fleksible arkitekturer. For at imødegå usikkerheden i leverancerne implementerer nogle firmaer dual-motherboard designs, der kan skifte mellem forskellige chip-pakker alt efter hvad der er på lager. Andre satser på ekstrem modularitet, så slutbrugeren selv kan indsætte hukommelse fra ældre enheder eller købe løse moduler i stedet for at være låst til producentens faste konfigurationer.

Dette skift betyder, at vi ser en renæssance for modulær hardware. Når prisen på fabriksmonteret RAM stiger voldsomt, bliver muligheden for selv at opgradere via SO-DIMM eller lignende standarder en økonomisk nødvendighed fremfor blot et ønske om fleksibilitet.

Hvordan påvirker hukommelseskrisen det danske marked?

For danske forbrugere betyder krisen, at vi vil se større prisudsving på nye laptops og smartphones, især i budget- og mellemklassen. Da mange danske købere prioriterer langtidsholdbarhed, bliver modulære løsninger og genbrugt hardware mere relevante. Det giver god mening at kigge mod certificerede brugte enheder, hvor hukommelsen allerede er installeret, fremfor at vente på nye modeller, der kan blive ramt af leveringsforsinkelser eller prisstigninger grundet DRAM-mangel.

I en dansk kontekst betyder det også, at kompatibilitet bliver et nøgleord. Hvis man køber en computer med mulighed for opgradering, skal man være opmærksom på den specifikke DRAM type, da priserne på visse standarder kan stige hurtigere end andre. For dem, der ønsker at undgå de dyreste nye AI-konfigurationer, er opgradering af eksisterende udstyr via upcycle it reservedele en effektiv måde at forlænge levetiden på.

For aktuel pris og lagerstatus på kompatible komponenter henvises til produktkarrusellen ved denne artikel.

Pris & tilgængelighed

Forårsager AI reelt hukommelsesmanglen?

Ja, AI er den primære driver bag den nuværende krise. Dette skyldes ikke kun, at AI-modeller kræver enorme mængder RAM for at køre lokalt, men i højere grad, at producenterne flytter deres produktionslinjer fra standard DRAM til HBM (High Bandwidth Memory). Da HBM fylder mere i produktionen og er mere kompleks at fremstille, reduceres udbuddet af de chips, der normalt lander i din laptop eller smartphone.

Dette skaber en dominoeffekt, hvor priserne på standardhukommelse stiger, fordi udbuddet falder, mens efterspørgslen stiger, da moderne operativsystemer nu integrerer AI-funktioner direkte i kernen. For at forstå dynamikken bag prisstigningerne kan du læse mere om RAM, grafikkort og SSD krise.

Hvor meget RAM har en lokal AI egentlig brug for?

Behovet afhænger af modellens størrelse (målt i parametre) og kvantisering. For at køre mindre sprogmodeller (LLM'er) flydende kræves typisk minimum 16-32 GB RAM, men for professionel brug eller større modeller er 64 GB eller mere nødvendigt for at undgå 'swap', hvor systemet bruger den langsomme harddisk som midlertidig hukommelse.

Hvis man ønsker at bygge en maskine til dette formål, bør man kigge på løsninger med høj båndbredde. For dem, der overvejer professionelt udstyr, er Apple MacBook Pro [upcycle it] ofte et stærkt valg pga. den integrerede hukommelsesarkitektur (Unified Memory), som giver AI-modeller hurtig adgang til data.

Hvilke overvejelser skal man gøre sig ved valg af RAM-kapacitet nu?

Med AI's indtog kræver software markant mere hukommelse, hvilket gør det risikabelt at købe enheder med minimumskrav. Hvor 16 GB tidligere var rigeligt til de fleste, er det nu ofte minimummet for blot at køre moderne browsere og basisprogrammer flydende. Hvis man investerer i en ny maskine nu, bør man prioritere højere kapacitet eller muligheden for senere udvidelse, da priserne på løse moduler kan være volatile.

For brugere af professionelt udstyr, hvor hukommelsen er loddet fast, er valget af kapacitet ved køb kritisk. Her bliver brugt hardware i højere konfigurationer ofte et bedre køb end en ny model med for lidt RAM. Dette gælder også for tablets; en upcycle it iPad med højere lager og hukommelse kan være mere fremtidssikret end en billigere ny model.

Hvorfor er modulært design og genbrug blevet en strategisk fordel?

Modulært design fungerer som en forsikring mod forsyningskriser. Ved at adskille hukommelsen fra resten af bundkortet kan producenterne undgå at skulle redesigne hele maskinen, hver gang en specifik chip bliver utilgængelig. For forbrugeren betyder det, at man ikke behøver at udskifte hele sin computer, hvis man har brug for mere RAM til nye AI-værktøjer.

Genbrug af hardware spiller her en central rolle. Ved at benytte upcycle it mobiltelefoner eller tablets, køber man ind i et økosystem, hvor komponenterne allerede er produceret og leveret. Det mindsker presset på den nye produktionskæde og giver ofte mere værdi for pengene, da man får højere specifikationer fra tidligere topmodeller til en lavere pris.

Hvor længe vil RAM-manglen vare, og kommer der en CPU-mangel?

Ifølge prognoserne fra SK Hynix skal vi forvente, at manglen på hukommelse varer frem til 2030. Det er ikke nødvendigvis fordi, der mangler silicium generelt, men fordi den specifikke produktionskapacitet til DRAM er begrænset af prioriteringen af AI-chips. Hvad angår CPU'er, ser vi ikke samme kritiske mangel lige nu, da processorproduktion er mere diversificeret, men presset på hukommelsen kan indirekte bremse salget af nye CPU'er, hvis der ikke er RAM nok til at parre dem med.

For dem, der bygger egne systemer, betyder det, at man bør sikre sig sine RAM-moduler tidligt i byggeprocessen. Man kan med fordel læse om LPDDR6 hukommelse for at se, hvilke nye standarder der kan afhjælpe presset på sigt.

Typiske fejl ved valg af hardware under hukommelsesmangel

Når markedet er præget af mangel og prisstigninger, begår mange købere tekniske fejl i håbet om at spare penge. Her er de mest kritiske faldgruber:

1. At vælge LPDDR (loddet) fremfor SO-DIMM til AI-arbejde: Mange køber kompakte laptops med loddet hukommelse for at få højere hastighed. Men i en periode med ekstrem mangel og stigende softwarekrav er dette en fatal fejl, da du ikke kan opgradere, hvis dine lokale AI-modeller kræver mere plads end forventet.
2. At ignorere 'Refurbished' markedet ved højkapacitetsbehov: I stedet for at betale overpris for en ny budgetmaskine med 16 GB, overser mange muligheden for at købe en tidligere topmodel via certificeret genbrug. En ældre professionel maskine har ofte 32 eller 64 GB RAM, hvilket er langt mere værdifuldt i dagens AI-klima end en ny billig maskine.
3. Køb af ubrandede moduler fra usikre kilder: Som Fairphone og Jolla påpeger, stiger risikoen for falske eller 'refurbished' chips solgt som nye. At købe ekstremt billige RAM-moduler uden producentgaranti øger risikoen for systemnedbrud (BSOD) og ustabilitet markant.
4. At undervurdere behovet for høj båndbredde: Mange fokuserer kun på GB, men glemmer hastigheden. At installere langsomme moduler i en AI-optimeret maskine skaber en flaskehals, der gør selv store mængder RAM ineffektive til lokale LLM'er.