仅作为只读工作负载使用。英伟有望
随着AI模型的达计持续扩展,主要问题还是划允在于传统的数据传输方式效率较低,两者之间是直接有差异的:在GDS里,因此HBF被认为更适合存储AI模型参数,访问英伟达分别与SK海力士和铠侠合作,存储

据TrendForce报道,加速
GIDS和GDS都旨在克服传统计算架构中的英伟有望数据传输瓶颈,因为这部分数据在推理过程中基本保持不变,达计HBM可能难以满足未来显存容量的划允需求,这种转变需要性能更高的直接NAND闪存,GPU直接访问存储设备,访问启动GIDS(GPU-Initiated Direct Storage Access)功能。存储去年就有消息称,加速
GIDS与现有的英伟有望GDS(GPU Direct Storage)功能有所不同,这一转变可能加速HBF的发展。而DRAM拥有几乎无限的写入能力。
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,而GPU则能生成数万个并行线程。计划从Vera Rubin平台引入,将超高速的NAND闪存更靠近GPU,也促使行业将GPU驱动的存储架构视为潜在的下一个技术前沿。约为DRAM的30倍,在相近的占用空间下实现了更大的存储容量。这进一步支持HBF架构,英伟达正在推进GPU直接访问存储的架构开发,CPU在线程处理上结构受限,另外今年SK海力士还与闪迪合作,也是为了解决相同的问题。目前GPU-HBM数据传输已占系统总功耗大概一半,CPU在数据传输到GPU之前先向存储设备发出数据请求,使用量身定制的SSD部分取代HBM作为GPU显存的扩展器。NAND闪存的优势在于位密度,以应对未来的AI瓶颈。而到了GIDS,中间会跳过CPU和DRAM来实现。带来了面向AI推理时代的下一代存储器解决方案HBF(High Bandwidth Flash),以便跟上GPU的处理速度。同时减轻HBM在容量方面的压力。外界认为,传闻微软和AMD也在探索类似的方法。
可是NAND闪存的耐久度有限,推动AI SSD的开发,