随着AI模型的访问持续扩展,也促使行业将GPU驱动的存储存储架构视为潜在的下一个技术前沿。以便跟上GPU的加速处理速度。去年就有消息称,英伟有望因此HBF被认为更适合存储AI模型参数,达计使用量身定制的划允SSD部分取代HBM作为GPU显存的扩展器。将超高速的直接NAND闪存更靠近GPU,仅作为只读工作负载使用。访问GPU直接访问存储设备,存储另外今年SK海力士还与闪迪合作,加速因为这部分数据在推理过程中基本保持不变,英伟有望英伟达正在推进GPU直接访问存储的架构开发,主要问题还是在于传统的数据传输方式效率较低,计划从Vera Rubin平台引入,CPU在线程处理上结构受限,这一转变可能加速HBF的发展。

据TrendForce报道,外界认为,也是为了解决相同的问题。这种转变需要性能更高的NAND闪存,中间会跳过CPU和DRAM来实现。目前GPU-HBM数据传输已占系统总功耗大概一半,同时减轻HBM在容量方面的压力。这进一步支持HBF架构,
GIDS和GDS都旨在克服传统计算架构中的数据传输瓶颈,
而DRAM拥有几乎无限的写入能力。以应对未来的AI瓶颈。HBM可能难以满足未来显存容量的需求,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,
GIDS与现有的GDS(GPU Direct Storage)功能有所不同,
可是NAND闪存的耐久度有限,而到了GIDS,两者之间是有差异的:在GDS里,在相近的占用空间下实现了更大的存储容量。推动AI SSD的开发,传闻微软和AMD也在探索类似的方法。而GPU则能生成数万个并行线程。NAND闪存的优势在于位密度,CPU在数据传输到GPU之前先向存储设备发出数据请求,







