CXL 4.0 το 2026: Πώς το memory pooling και τα 128 GT/s αλλάζουν τους διακομιστές για AI και cloud computing

Η μνήμη έχει εξελιχθεί σε έναν από τους βασικούς περιοριστικούς παράγοντες για τις σύγχρονες υποδομές AI και cloud. Οι επεξεργαστές και οι επιταχυντές συνεχίζουν να γίνονται ταχύτεροι, όμως η προσθήκη επαρκούς μνήμης ώστε να τροφοδοτούνται αποτελεσματικά γίνεται όλο και πιο δύσκολη και δαπανηρή. Το Compute Express Link, γνωστότερο ως CXL, αντιμετωπίζει αυτό το πρόβλημα παρέχοντας μια συνεκτική σύνδεση μεταξύ επεξεργαστών, επιταχυντών και εξωτερικής μνήμης. Το CXL 4.0, που κυκλοφόρησε από το CXL Consortium τον Νοέμβριο του 2025, αυξάνει τον μέγιστο ρυθμό μεταφοράς δεδομένων από 64 GT/s σε 128 GT/s, διατηρώντας παράλληλα τις δυνατότητες pooling και διαμοιρασμού μνήμης που αναπτύχθηκαν στις προηγούμενες γενιές του CXL. Το 2026, αυτός ο συνδυασμός είναι ιδιαίτερα σημαντικός για AI inference, μεγάλους cloud servers και υπολογιστικά συστήματα κλίμακας rack. Δεν καθιστά την παραδοσιακή μνήμη DDR ή τη μνήμη υψηλού εύρους ζώνης περιττές, ούτε μετατρέπει άμεσα κάθε rack σε ένα τεράστιο ενιαίο σύστημα μνήμης. Προσφέρει όμως έναν πρακτικό τρόπο ώστε η μνήμη να αντιμετωπίζεται ως πιο ευέλικτος πόρος και όχι ως μια σταθερή ποσότητα που είναι μόνιμα συνδεδεμένη με έναν επεξεργαστή.

Γιατί το CXL 4.0 έχει σημασία για AI και cloud servers το 2026

Το CXL δημιουργήθηκε επειδή η παραδοσιακή σχέση μεταξύ επεξεργαστών και μνήμης γινόταν υπερβολικά περιοριστική για τα workloads των data centres. Ένας συμβατικός διακομιστής διαθέτει συγκεκριμένη ποσότητα τοπικής μνήμης μέσω των memory channels του CPU. Αυτή η διάταξη λειτουργεί καλά όταν τα workloads είναι προβλέψιμα, όμως τα cloud και AI συστήματα σπάνια παραμένουν προβλέψιμα για μεγάλο χρονικό διάστημα. Ένας διακομιστής μπορεί προσωρινά να χρειάζεται αρκετά terabytes μνήμης, ενώ ένας άλλος στο ίδιο rack μπορεί να διαθέτει μεγάλες ποσότητες ανεκμετάλλευτης DRAM. Η εγκατάσταση αρκετής τοπικής μνήμης σε κάθε server ώστε να καλύπτεται η μέγιστη πιθανή ζήτηση σημαίνει ότι ακριβή χωρητικότητα παραμένει αδρανής για μεγάλο μέρος του χρόνου. Το CXL αλλάζει αυτή τη σχέση επιτρέποντας σε συμβατές συσκευές μνήμης να βρίσκονται εκτός της συνηθισμένης διάταξης DIMM του επεξεργαστή, ενώ εξακολουθούν να είναι προσβάσιμες με λειτουργίες φόρτωσης και αποθήκευσης όπως η κανονική μνήμη. Οι προηγούμενες εκδόσεις του CXL καθιέρωσαν την επέκταση, τη μεταγωγή, το pooling και τον διαμοιρασμό. Το CXL 4.0 επικεντρώνεται σε μεγάλο βαθμό στην αύξηση του όγκου δεδομένων που μπορούν να περάσουν μέσα από αυτές τις συνδέσεις.

Η βασική αλλαγή είναι η μετάβαση στα 128 GT/s, δηλαδή στο διπλάσιο του μέγιστου ρυθμού δεδομένων των 64 GT/s που υποστήριζε το CXL 3.x. Το CXL 4.0 το επιτυγχάνει βασιζόμενο στη φυσική σηματοδοσία που ορίζεται από το PCI Express 7.0, του οποίου η τελική προδιαγραφή 1.0 κυκλοφόρησε τον Ιούνιο του 2025. Τα GT/s σημαίνουν giga-transfers ανά δευτερόλεπτο και δεν πρέπει να συγχέονται με τα gigabytes ανά δευτερόλεπτο. Η τιμή περιγράφει τον ρυθμό σηματοδοσίας κάθε lane, ενώ το πραγματικό αξιοποιήσιμο bandwidth εξαρτάται από παράγοντες όπως ο αριθμός των lanes, το protocol overhead και η διαμόρφωση της συσκευής. Το PCI Express 7.0, για παράδειγμα, μπορεί να παρέχει έως και 512 GB/s αμφίδρομου bandwidth με σύνδεση δεκαέξι lanes. Το CXL χρησιμοποιεί την ίδια φυσική βάση υψηλής ταχύτητας, αλλά προσθέτει τους μηχανισμούς συνοχής και τη συμπεριφορά μνήμης που χρειάζονται ώστε επεξεργαστές, επιταχυντές και συσκευές μνήμης να συνεργάζονται. Το αποτέλεσμα είναι σημαντικά μεγαλύτερη χωρητικότητα σύνδεσης χωρίς το λογισμικό να χρειάζεται να αντιμετωπίζει τη συνδεδεμένη μνήμη σαν κοινό storage ή σαν συμβατικό δικτυακό πόρο.

Ο υψηλότερος αυτός ρυθμός δεδομένων είναι σημαντικός επειδή η επέκταση μνήμης έχει πραγματική αξία μόνο όταν η διαδρομή προς αυτή τη μνήμη είναι αρκετά γρήγορη για το εκάστοτε workload. Η τοπική DRAM παραμένει η προτιμώμενη επιλογή για δεδομένα που είναι ιδιαίτερα ευαίσθητα στο latency, ενώ η HBM εξακολουθεί να είναι απαραίτητη όταν οι GPU και άλλοι επιταχυντές χρειάζονται εξαιρετικά υψηλό bandwidth κοντά στις μονάδες υπολογισμού τους. Η μνήμη CXL καταλαμβάνει διαφορετική θέση στην ιεραρχία. Μπορεί να προσφέρει πολύ μεγαλύτερη χωρητικότητα από αυτήν που μπορεί να εγκατασταθεί οικονομικά δίπλα σε κάθε επεξεργαστή ή επιταχυντή, με καλύτερα χαρακτηριστικά πρόσβασης από τη μεταφορά των ίδιων δεδομένων σε αποθηκευτικά μέσα SSD. Για τις υποδομές AI, αυτό δημιουργεί ένα επιπλέον χρήσιμο επίπεδο μνήμης μεταξύ της περιορισμένης τοπικής μνήμης υψηλής ταχύτητας και του πολύ πιο αργού storage. Για τους cloud operators, προσφέρει επίσης τη δυνατότητα να αντιστοιχίζουν τη διαθέσιμη χωρητικότητα μνήμης πιο στενά στις μεταβαλλόμενες ανάγκες των workloads, αντί να σχεδιάζουν κάθε server για το θεωρητικά χειρότερο σενάριο. Επομένως, η αξία του CXL 4.0 προκύπτει τόσο από την ευελιξία όσο και από τον καθαρό ρυθμό μεταφοράς του.

Τι αλλάζουν στην πράξη τα 128 GT/s

Ο διπλασιασμός μιας σύνδεσης από 64 GT/s σε 128 GT/s δεν σημαίνει ότι μια εφαρμογή θα λειτουργεί αυτόματα δύο φορές πιο γρήγορα. Πολλές εφαρμογές περιορίζονται από την απόδοση του επεξεργαστή, την ισχύ των επιταχυντών, τη συμπεριφορά του λογισμικού ή το latency της μνήμης και όχι από την ίδια τη σύνδεση CXL. Το επιπλέον bandwidth γίνεται σημαντικό όταν μεγάλες ποσότητες δεδομένων πρέπει να κινούνται ταυτόχρονα μεταξύ επεξεργαστών, επιταχυντών και επεκταμένης μνήμης. Ένας server που εκτελεί inference μεγάλων μοντέλων, αναλύσεις δεδομένων ή workloads in-memory βάσεων δεδομένων μπορεί να έχει πολλούς workers που διαβάζουν και γράφουν δεδομένα ταυτόχρονα. Σε αυτές τις περιπτώσεις, μια πιο αργή διασύνδεση μπορεί να μετατραπεί σε κοινό σημείο συμφόρησης, ακόμη κι όταν υπάρχει μεγάλη διαθέσιμη χωρητικότητα μνήμης πίσω από αυτήν. Το CXL 4.0 δίνει στους σχεδιαστές συστημάτων περισσότερο περιθώριο για τέτοια κίνηση δεδομένων. Το CXL Consortium διατήρησε επίσης τη δομή μεταφοράς σταθερού μεγέθους και την προστασία από σφάλματα που αναπτύχθηκαν για τη γενιά των 64 GT/s, επιτρέποντας την εισαγωγή του υψηλότερου ρυθμού χωρίς απλώς να γίνεται αποδεκτή μια ανάλογη αύξηση του protocol latency.

Το CXL 4.0 εισάγει επίσης τα bundled ports. Με απλά λόγια, πολλές φυσικές συνδέσεις CXL μπορούν να αντιμετωπίζονται ως μία λογική σύνδεση, όταν το επιτρέπουν ο σχεδιασμός της συσκευής και του host. Αυτό είναι χρήσιμο όταν μία μόνο σύνδεση δεν μπορεί να προσφέρει αρκετό bandwidth για έναν επιταχυντή υψηλών επιδόσεων ή για άλλο απαιτητικό εξάρτημα. Αντί το υπόλοιπο σύστημα να αντιμετωπίζει κάθε σύνδεση ως εντελώς ξεχωριστή διαδρομή συσκευής, τα bundled ports παρέχουν έναν καθορισμένο τρόπο συνδυασμού τους. Η προδιαγραφή υποστηρίζει επίσης native συνδέσεις x2, οι οποίες μπορούν να βοηθήσουν τους σχεδιαστές να συνδέσουν περισσότερες συσκευές όταν δεν απαιτείται μέγιστο bandwidth σε κάθε σύνδεση, και επιτρέπει έως τέσσερις retimers για μεγαλύτερη εμβέλεια του καναλιού. Αυτές οι αλλαγές είναι σημαντικές για πυκνούς servers και rack designs όπου τα εξαρτήματα δεν μπορούν πάντα να τοποθετηθούν ακριβώς δίπλα στον επεξεργαστή. Προσφέρουν περισσότερες επιλογές ως προς την ισορροπία μεταξύ πλάτους σύνδεσης, αριθμού συσκευών, απόστασης και bandwidth.

Η αξιοπιστία είναι εξίσου σημαντική όταν η μνήμη μεταφέρεται πέρα από τη μητρική πλακέτα. Η βλάβη ενός συμβατικού DIMM επηρεάζει συνήθως έναν server, ενώ η pooled ή shared μνήμη μπορεί να εξυπηρετεί πολλαπλά μηχανήματα ή κρίσιμα workloads. Για τον λόγο αυτό, το CXL 4.0 περιλαμβάνει πρόσθετες δυνατότητες αξιοπιστίας, διαθεσιμότητας και συντηρησιμότητας μνήμης, με στόχο τη βελτίωση της ανίχνευσης σφαλμάτων και της συντήρησης. Αυτό δεν εξαλείφει τις αστοχίες και οι operators εξακολουθούν να χρειάζονται redundancy, monitoring και σωστή κατανομή workloads. Ωστόσο, κάνει τη μνήμη CXL μεγάλης χωρητικότητας πιο εύκολη στη διαχείριση ως μέρος της υποδομής και όχι ως ένα ασυνήθιστο περιφερειακό. Η πλήρης συμβατότητα προς τα πίσω είναι ακόμη ένας πρακτικός παράγοντας. Τα συστήματα CXL 4.0 έχουν σχεδιαστεί ώστε να συνεργάζονται με προηγούμενες γενιές CXL όπου υπάρχει σχετική υποστήριξη, οπότε οι οργανισμοί δεν χρειάζεται να αντικαταστήσουν ολόκληρη την υπάρχουσα υποδομή CXL σε ένα μόνο στάδιο. Αυτό έχει σημασία το 2026, επειδή η αγορά αναπτύσσει ταυτόχρονα εξοπλισμό CXL 2.0 και 3.x, ενώ παράλληλα ξεκινά ο σχεδιασμός και η επικύρωση hardware CXL 4.0 στα 128 GT/s.

Memory pooling: από τη σταθερή μνήμη server σε κοινόχρηστη χωρητικότητα

Το memory pooling προϋπήρχε του CXL 4.0. Η συγκεκριμένη δυνατότητα εισήχθη με το CXL 2.0, μαζί με switching και ένα τυποποιημένο μοντέλο Fabric Manager. Το CXL 3.0 επέκτεινε στη συνέχεια την ιδέα με μεγαλύτερα fabrics, πολυεπίπεδο switching και coherent memory sharing. Η διάκριση είναι σημαντική. Memory pooling σημαίνει ότι μια ποσότητα μνήμης συνδεδεμένης μέσω CXL μπορεί να εκχωρείται σε διαφορετικούς hosts καθώς αλλάζει η ζήτηση. Ένα τμήμα που έχει εκχωρηθεί σε έναν server μπορεί αργότερα να απελευθερωθεί και να εκχωρηθεί αλλού. Το memory sharing προχωρά ακόμη περισσότερο, επιτρέποντας σε υποστηριζόμενες περιοχές μνήμης να είναι διαθέσιμες σε περισσότερους από έναν hosts, ενώ οι μηχανισμοί συνοχής διατηρούν συνεπή την εικόνα των δεδομένων. Το CXL 4.0 διατηρεί αυτές τις δυνατότητες, προσφέροντας ταυτόχρονα σημαντικά μεγαλύτερο bandwidth στο fabric. Το πρακτικό αποτέλεσμα δεν είναι μια νέα μορφή pooling που εμφανίστηκε το 2026, αλλά μια ταχύτερη διασύνδεση που καθιστά τα ήδη υπάρχοντα μοντέλα pooling και sharing πιο ελκυστικά για μεγαλύτερα συστήματα και βαρύτερα workloads.

Ένα απλό παράδειγμα δείχνει γιατί αυτό έχει σημασία. Φανταστείτε αρκετούς cloud servers, ο καθένας με αρκετή τοπική DRAM για τη συνηθισμένη λειτουργία του, συνδεδεμένους σε μια πρόσθετη τράπεζα μνήμης CXL. Ένας server μπορεί ξαφνικά να χρειαστεί εκατοντάδες επιπλέον gigabytes μνήμης για analytics, μια υπηρεσία AI inference ή μια μεγάλη βάση δεδομένων. Αντί αυτή η χωρητικότητα να πρέπει να είναι μόνιμα εγκατεστημένη στο συγκεκριμένο μηχάνημα, ένα μέρος του CXL pool μπορεί να του εκχωρηθεί. Όταν η ζήτηση μειωθεί, η χωρητικότητα μπορεί να επιστραφεί και να γίνει διαθέσιμη αλλού. Ένας Fabric Manager συντονίζει τους σχετικούς πόρους, ενώ το λειτουργικό σύστημα και το orchestration software καθορίζουν πώς θα χρησιμοποιηθεί η πρόσθετη μνήμη. Η ακριβής υλοποίηση διαφέρει ανά κατασκευαστή και εξακολουθεί να υπάρχει κόστος σε latency σε σύγκριση με την τοπική DRAM, όμως η βασική οικονομική λογική είναι απλή: μνήμη που διαφορετικά θα παρέμενε ανενεργή πίσω από έναν CPU μπορεί να μετατραπεί σε χωρητικότητα διαθέσιμη για άλλα workloads.

Αυτή η προσέγγιση στοχεύει στο πρόβλημα που είναι γνωστό ως stranded memory. Οι cloud servers συχνά διαμορφώνονται με βάση τις απαιτήσεις αιχμής και όχι τις μέσες απαιτήσεις, επειδή η έλλειψη μνήμης μπορεί να μειώσει σημαντικά την απόδοση ενός workload ή να το εμποδίσει να εκτελεστεί. Ως αποτέλεσμα, ένας server μπορεί να διαθέτει ελεύθερη DRAM την ίδια στιγμή που ένα γειτονικό σύστημα δεν έχει αρκετή χωρητικότητα. Το pooling μειώνει την ανάγκη κάθε μηχάνημα να διαθέτει το ίδιο μεγάλο περιθώριο ασφαλείας. Μπορεί επίσης να κάνει τις αναβαθμίσεις λιγότερο ενοχλητικές, επειδή πρόσθετη μνήμη μπορεί να εγκατασταθεί σε ένα κοινό υποσύστημα CXL αντί αποκλειστικά στα τοπικά memory channels του επεξεργαστή. Τα οικονομικά οφέλη εξακολουθούν να εξαρτώνται από τη συμπεριφορά των workloads, το κόστος των switches, την κατανάλωση ενέργειας, την υποστήριξη λογισμικού και τη διαφορά απόδοσης μεταξύ τοπικής και CXL-attached μνήμης. Επομένως, το CXL πρέπει να θεωρείται ένα επιπλέον επίπεδο μνήμης και όχι απόδειξη ότι η τοπική DRAM δεν είναι πλέον απαραίτητη. Οι πιο αποδοτικοί σχεδιασμοί συνήθως χρησιμοποιούν διαφορετικούς τύπους μνήμης για διαφορετικές εργασίες.

Γιατί το AI inference επωφελείται από pooled και tiered memory

Το AI inference είναι ένας από τους πιο σαφείς λόγους για το έντονο ενδιαφέρον γύρω από τη μνήμη CXL το 2026. Η εξυπηρέτηση μεγάλων γλωσσικών μοντέλων απαιτεί περισσότερα από την απλή αποθήκευση των model weights. Κάθε ενεργό request μπορεί επίσης να χρειάζεται προσωρινή κατάσταση, συμπεριλαμβανομένου του key-value cache που χρησιμοποιούν τα transformer models ώστε να μην υπολογίζουν ξανά πληροφορίες attention από προηγούμενα βήματα. Καθώς τα context windows μεγαλώνουν και οι servers διαχειρίζονται περισσότερους ταυτόχρονους χρήστες ή AI agents, αυτή η cache μπορεί να καταλαμβάνει σημαντική ποσότητα μνήμης. Η διατήρηση κάθε byte στην ακριβή HBM του επιταχυντή μπορεί να περιορίζει τον αριθμό των sessions που μπορεί να εξυπηρετήσει ένας server, ακόμη και όταν η GPU διαθέτει ανεκμετάλλευτη υπολογιστική ισχύ. Από την άλλη πλευρά, η μεταφορά όλων των επιπλέον δεδομένων σε SSD μπορεί να προκαλέσει πολύ μεγαλύτερες καθυστερήσεις πρόσβασης. Η μνήμη CXL προσφέρει ένα ενδιάμεσο επίπεδο, όπου επιλεγμένες πληροφορίες μπορούν να παραμένουν προσβάσιμες ως μνήμη χωρίς να καταναλώνουν την πιο πολύτιμη τοπική χωρητικότητα του επιταχυντή.

Αυτό δεν σημαίνει ότι ένας operator AI πρέπει απλώς να μεταφέρει ολόκληρο ένα μοντέλο από HBM σε μνήμη CXL. Τα δεδομένα που χρησιμοποιούνται συχνότερα εξακολουθούν να ωφελούνται από την τοποθέτησή τους όσο το δυνατόν πιο κοντά στον επιταχυντή, ενώ το bandwidth που προσφέρει η HBM είναι σημαντικά υψηλότερο από εκείνο ενός εξωτερικού CXL memory tier. Ένας πιο ρεαλιστικός σχεδιασμός διατηρεί τα latency-sensitive δεδομένα του μοντέλου στην HBM, κρατά τα κατάλληλα working data στην τοπική DRAM του συστήματος και χρησιμοποιεί χωρητικότητα CXL για πληροφορίες που πρέπει να παραμένουν άμεσα διαθέσιμες χωρίς να απαιτούν μέγιστο τοπικό bandwidth κάθε στιγμή. Το KV-cache tiering και το offload αποτελούν χαρακτηριστικά παραδείγματα που συζητούνται στον κλάδο του CXL το 2026. Όταν το λογισμικό μπορεί να προσδιορίσει ποια δεδομένα ανήκουν σε κάθε επίπεδο, ο server μπορεί να υποστηρίξει μεγαλύτερα contexts ή περισσότερα ταυτόχρονα inference requests χωρίς να απαιτείται αντίστοιχη αύξηση της ακριβής μνήμης του επιταχυντή. Το όφελος αφορά επομένως κυρίως την αποδοτική χρήση της χωρητικότητας και όχι τον ισχυρισμό ότι το CXL είναι εγγενώς ταχύτερο από την HBM.

Η ίδια αρχή ισχύει και πέρα από τα μεγάλα γλωσσικά μοντέλα. Τα recommendation systems μπορούν να διατηρούν πολύ μεγάλους embedding tables, τα workloads επεξεργασίας δεδομένων μπορούν να εργάζονται με datasets μεγαλύτερα από την τοπική DRAM και το CPU-based inference μπορεί να χρειάζεται περισσότερη μνήμη από όση μπορεί να προσφέρει οικονομικά μια συμβατική διαμόρφωση server. Το CXL μπορεί να επεκτείνει το διαθέσιμο memory footprint για αυτά τα workloads, διατηρώντας παράλληλα τα τυπικά memory access semantics. Το pooling προσθέτει ένα ακόμη επίπεδο ευελιξίας, επειδή η χωρητικότητα μπορεί να ακολουθεί τη ζήτηση αντί να παραμένει μόνιμα δεσμευμένη σε ένα μηχάνημα. Αυτό είναι ιδιαίτερα ελκυστικό σε κοινόχρηστες υποδομές AI, όπου διαφορετικές υπηρεσίες φτάνουν σε αιχμές ζήτησης σε διαφορετικές ώρες. Ένα batch job μπορεί να χρειάζεται σημαντική ποσότητα μνήμης τη νύχτα, ενώ μια υπηρεσία inference μπορεί να χρειάζεται την ίδια χωρητικότητα κατά τις εργάσιμες ώρες. Η δυναμική κατανομή δεν εξαλείφει όλους τους λειτουργικούς περιορισμούς και η μεταφορά χωρητικότητας μεταξύ hosts εξακολουθεί να απαιτεί διαχείριση από το λειτουργικό σύστημα και το λογισμικό υποδομής, όμως δίνει στους operators περισσότερες επιλογές από έναν σχεδιασμό server με απολύτως σταθερή μνήμη.

Πώς το CXL 4.0 αλλάζει τον σχεδιασμό servers και την οικονομική λογική του cloud

Η μακροπρόθεσμη αλλαγή που επιφέρει το CXL είναι περισσότερο αρχιτεκτονική παρά απλώς αριθμητική. Οι παραδοσιακοί servers σχεδιάζονται γύρω από πόρους που ανήκουν σε ένα μόνο μηχάνημα: οι επεξεργαστές, τα DIMMs και οι επιταχυντές εγκαθίστανται για τον συγκεκριμένο server και παραμένουν εκεί ακόμη κι όταν χρησιμοποιούνται ελάχιστα. Το CXL επιτρέπει σε ορισμένους από αυτούς τους πόρους, ιδιαίτερα στη μνήμη, να αντιμετωπίζονται πιο ανεξάρτητα. Ένα rack μπορεί να περιλαμβάνει συμβατικούς servers μαζί με CXL switches, συσκευές επέκτασης μνήμης και pooled memory systems, με τη χωρητικότητα να κατανέμεται σύμφωνα με τις απαιτήσεις των workloads. Το CXL 3.x παρέχει ήδη μεγάλο μέρος της fabric συμπεριφοράς που απαιτείται για αυτό το μοντέλο. Το CXL 4.0 προσθέτει σημαντικά μεγαλύτερο bandwidth συνδέσεων και νέες επιλογές συνδεσιμότητας, οι οποίες αποκτούν μεγαλύτερη σημασία καθώς αυξάνονται ο αριθμός των συσκευών και ο όγκος της κίνησης δεδομένων. Αυτό δεν μετατρέπει ένα rack σε έναν ενιαίο υπολογιστή, αλλά αποδυναμώνει την παραδοσιακή υπόθεση ότι κάθε χρήσιμο byte μνήμης πρέπει να είναι φυσικά εγκατεστημένο δίπλα στον CPU που τελικά θα το χρησιμοποιήσει.

Για τους cloud providers, το πιο προφανές οικονομικό όφελος είναι η δυνατότητα καλύτερης αξιοποίησης της μνήμης. Η DRAM αντιπροσωπεύει σημαντικό μέρος τόσο του κόστους όσο και της κατανάλωσης ενέργειας σε servers με υψηλές απαιτήσεις μνήμης. Αν κάθε server εξοπλίζεται ώστε να καλύπτει σπάνιες αιχμές ζήτησης, μεγάλο μέρος αυτής της επένδυσης μπορεί να παραμένει ανεκμετάλλευτο κατά την κανονική λειτουργία. Ένα κοινό memory pool μπορεί να επιτρέψει στους operators να αγοράζουν χωρητικότητα με βάση τη συνολική ζήτηση αντί να παρέχουν σε κάθε μηχάνημα αρκετή μνήμη για το ατομικό θεωρητικό μέγιστό του. Η εξοικονόμηση δεν είναι αυτόματη. Τα CXL switches, οι controllers, τα memory enclosures και το management software έχουν επίσης κόστος και καταναλώνουν ενέργεια, ενώ workloads που απαιτούν σταθερά χαμηλό memory latency μπορεί να εξακολουθούν να δικαιολογούν μεγάλες ποσότητες τοπικής DRAM. Το ισχυρότερο επιχειρηματικό όφελος εμφανίζεται επομένως εκεί όπου η ζήτηση μνήμης μεταβάλλεται σημαντικά μεταξύ hosts, όπου τα όρια χωρητικότητας είναι σημαντικότερα από το ελάχιστο latency ή όπου η πρόσθετη μνήμη επιτρέπει σε ακριβούς επεξεργαστές και επιταχυντές να παραμένουν παραγωγικοί αντί να περιμένουν δεδομένα που μεταφέρονται από storage.

Η λειτουργική ευελιξία μπορεί να αποδειχθεί εξίσου σημαντική με το κόστος του hardware. Μια cloud υπηρεσία μπορεί να αλλάξει σημαντικά κατά τη διάρκεια ζωής ενός server. Τα AI models μεγαλώνουν, οι βάσεις δεδομένων αυξάνονται και οι πελάτες μετακινούνται μεταξύ διαφορετικών instance types. Σε ένα μηχάνημα με σταθερή μνήμη, η αύξηση της χωρητικότητας μπορεί να απαιτεί μεταφορά του workload ή αντικατάσταση hardware. Η επέκταση και το pooling μέσω CXL δημιουργούν τη δυνατότητα αλλαγής της διαθέσιμης μνήμης χωρίς να χρειάζεται ανακατασκευή του compute node. Μπορούν επίσης να υποστηρίξουν πιο εξειδικευμένες διαμορφώσεις server: ορισμένα μηχανήματα μπορεί να διαθέτουν μεγάλη τοπική χωρητικότητα μνήμης, ενώ άλλα να βασίζονται περισσότερο σε κοινόχρηστη χωρητικότητα για workloads που ανέχονται το πρόσθετο latency. Η αξιοπιστία και η ασφάλεια παραμένουν κρίσιμες σε αυτό το μοντέλο. Η μνήμη πρέπει να επανεκχωρείται με ασφάλεια, οι αστοχίες πρέπει να απομονώνονται και οι πληροφορίες ενός workload δεν πρέπει να γίνονται ορατές σε άλλο. Καθώς το CXL εξελίσσεται προς multi-host και rack-scale χρήση, αυτές οι απαιτήσεις διαχείρισης γίνονται βασικό μέρος του σχεδιασμού και όχι προαιρετικές προσθήκες.

Τι να περιμένουμε από τις υλοποιήσεις CXL μετά το 2026

Η σημαντικότερη πραγματικότητα το 2026 είναι ότι η δημοσίευση της προδιαγραφής CXL 4.0 δεν σημαίνει ότι το hardware CXL στα 128 GT/s έχει ήδη γίνει καθολικό στα παραγωγικά data centres. Τα σημερινά εμπορικά και δοκιμαστικά συστήματα καλύπτουν πολλές διαφορετικές γενιές. Το MD220 CXL memory module της Samsung, για παράδειγμα, χρησιμοποιεί CXL 2.0 μέσω PCIe 5.0 και διατίθεται σε χωρητικότητες 128 GB και 256 GB, ενώ το rack-oriented σύστημα memory pooling CMM-B της Samsung χρησιμοποιεί επίσης τεχνολογία CXL 1.1 και 2.0. Η SK hynix εξακολουθούσε να παρουσιάζει λύσεις CMM-DDR5 κατηγορίας CXL 2.0 μέσα στο 2026, ενώ εκδηλώσεις του CXL Consortium την ίδια χρονιά περιλάμβαναν ζωντανές συνδέσεις και controllers CXL 3.2. Παράλληλα, προμηθευτές τεχνολογίας σχεδιασμού ημιαγωγών παρέχουν ήδη CXL 4.0 controllers, τεχνολογίες ασφάλειας και εργαλεία verification για chips που προορίζονται να λειτουργούν στα 128 GT/s. Με άλλα λόγια, η μετάβαση βρίσκεται σε εξέλιξη, όμως τα ώριμα προϊόντα του σήμερα και οι σχεδιασμοί 4.0 του αύριο συνυπάρχουν.

Αυτή η σταδιακή υιοθέτηση είναι φυσιολογική για μια διασύνδεση server. Μετά τη δημοσίευση μιας προδιαγραφής πρέπει να ακολουθήσουν controller designs, switches, retimers, επεξεργαστές, συσκευές μνήμης, firmware, υποστήριξη από λειτουργικά συστήματα, compliance testing και έλεγχοι διαλειτουργικότητας μεταξύ διαφορετικών κατασκευαστών, προτού οι μεγάλοι operators μπορέσουν να προχωρήσουν με σιγουριά σε ευρεία χρήση. Το CXL 4.0 έχει το πλεονέκτημα ότι συνεχίζει την αρχιτεκτονική των προηγούμενων εκδόσεων CXL και παραμένει backward compatible, επιτρέποντας στους κατασκευαστές να αξιοποιήσουν την υπάρχουσα εμπειρία σε software και design. Ο πρώτος λόγος για την υιοθέτησή του δεν θα είναι απαραίτητα η ανάγκη για τον αριθμό 128 GT/s από μόνο του. Οι operators είναι πιθανότερο να ενδιαφερθούν για το αν το πρόσθετο bandwidth επιτρέπει περισσότερες συσκευές μνήμης, μεγαλύτερη ταυτόχρονη κίνηση δεδομένων ή περισσότερη δραστηριότητα επιταχυντών χωρίς να δημιουργείται bottleneck. Καθώς τα CXL fabrics εξελίσσονται από απλή επέκταση μνήμης προς pooled και shared πόρους σε επίπεδο rack, το επιπλέον bandwidth γίνεται όλο και πιο χρήσιμο επειδή περισσότερα workloads ανταγωνίζονται για την ίδια χωρητικότητα διασύνδεσης.

Για τις υποδομές AI και cloud, το CXL 4.0 πρέπει επομένως να θεωρείται μέρος μιας ευρύτερης αλλαγής στον σχεδιασμό της μνήμης και όχι απλώς μια αναβάθμιση ταχύτητας μιας νέας γενιάς. Η τοπική DDR memory θα συνεχίσει να παρέχει σχετικά γρήγορη μνήμη για CPU, η HBM θα εξακολουθήσει να εξυπηρετεί επιταχυντές που απαιτούν εξαιρετικά υψηλό bandwidth και οι SSDs θα συνεχίσουν να προσφέρουν οικονομικά αποδοτική μόνιμη χωρητικότητα αποθήκευσης. Το CXL προσθέτει ένα ευέλικτο επίπεδο ανάμεσα σε αυτούς τους πόρους, επιτρέποντας στους servers να έχουν πρόσβαση σε μεγαλύτερα pools coherent memory και επιτρέποντας στη χωρητικότητα να κατανέμεται με λιγότερους φυσικούς περιορισμούς. Η γενιά των 128 GT/s δίνει σε αυτό το επίπεδο περισσότερο περιθώριο για κλιμάκωση. Βραχυπρόθεσμα, πολλά παραγωγικά συστήματα θα συνεχίσουν να χρησιμοποιούν CXL 2.0 ή 3.x, ενώ τα νέα chips θα κινούνται σταδιακά προς το CXL 4.0. Στις επόμενες γενιές servers, η σημαντικότερη αλλαγή είναι πιθανό να είναι η μετάβαση από το ερώτημα «πόση μνήμη είναι εγκατεστημένη σε έναν server;» στο «πόση κατάλληλη μνήμη μπορεί να γίνει διαθέσιμη σε ένα workload ακριβώς όταν τη χρειάζεται;».