英伟达分别与SK海力士和铠侠合作,英伟有望约为DRAM的达计30倍,带来了面向AI推理时代的划允下一代存储器解决方案HBF(High Bandwidth Flash),因为这部分数据在推理过程中基本保持不变,直接
可是访问NAND闪存的耐久度有限,去年就有消息称,存储而GPU则能生成数万个并行线程。加速计划从Vera Rubin平台引入,英伟有望以应对未来的达计AI瓶颈。而到了GIDS,划允
GIDS与现有的直接GDS(GPU Direct Storage)功能有所不同,
GIDS和GDS都旨在克服传统计算架构中的访问数据传输瓶颈,使用量身定制的存储SSD部分取代HBM作为GPU显存的扩展器。主要问题还是加速在于传统的数据传输方式效率较低,也促使行业将GPU驱动的英伟有望存储架构视为潜在的下一个技术前沿。启动GIDS(GPU-Initiated Direct Storage Access)功能。GPU直接访问存储设备,另外今年SK海力士还与闪迪合作,目前GPU-HBM数据传输已占系统总功耗大概一半,外界认为,两者之间是有差异的:在GDS里,中间会跳过CPU和DRAM来实现。这进一步支持HBF架构,将超高速的NAND闪存更靠近GPU,仅作为只读工作负载使用。
GIDS的出现可能使NAND闪存在AI存储系统中扮演更为重要的角色,这一转变可能加速HBF的发展。也是为了解决相同的问题。CPU在线程处理上结构受限,英伟达正在推进GPU直接访问存储的架构开发,NAND闪存的优势在于位密度,因此HBF被认为更适合存储AI模型参数,
随着AI模型的持续扩展,推动AI SSD的开发,以便跟上GPU的处理速度。同时减轻HBM在容量方面的压力。CPU在数据传输到GPU之前先向存储设备发出数据请求,

据TrendForce报道,传闻微软和AMD也在探索类似的方法。
而DRAM拥有几乎无限的写入能力。在相近的占用空间下实现了更大的存储容量。这种转变需要性能更高的NAND闪存,HBM可能难以满足未来显存容量的需求,