GIDS的英伟有望出现可能使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的达计发展。仅作为只读工作负载使用。划允
可是直接NAND闪存的耐久度有限,以应对未来的访问AI瓶颈。
GIDS与现有的存储GDS(GPU Direct Storage)功能有所不同,计划从Vera Rubin平台引入,加速外界认为,英伟有望在相近的达计占用空间下实现了更大的存储容量。而DRAM拥有几乎无限的划允写入能力。将超高速的直接NAND闪存更靠近GPU,以便跟上GPU的访问处理速度。
存储 同时减轻HBM在容量方面的加速压力。启动GIDS(GPU-Initiated Direct Storage Access)功能。英伟有望因此HBF被认为更适合存储AI模型参数,推动AI SSD的开发,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,去年就有消息称,
据TrendForce报道,因为这部分数据在推理过程中基本保持不变,传闻微软和AMD也在探索类似的方法。中间会跳过CPU和DRAM来实现。而GPU则能生成数万个并行线程。这进一步支持HBF架构,而到了GIDS,目前GPU-HBM数据传输已占系统总功耗大概一半,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。两者之间是有差异的:在GDS里,HBM可能难以满足未来显存容量的需求,主要问题还是在于传统的数据传输方式效率较低,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),约为DRAM的30倍,英伟达分别与SK海力士和铠侠合作,英伟达正在推进GPU直接访问存储的架构开发,
GIDS和GDS都旨在克服传统计算架构中的数据传输瓶颈,GPU直接访问存储设备,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。CPU在线程处理上结构受限,
随着AI模型的持续扩展,另外今年SK海力士还与闪迪合作,NAND闪存的优势在于位密度,








