如果不能播放,请刷新页面或者试试其它播放地址哦!
随着AI模型的存储持续扩展,CPU在数据传输到GPU之前先向存储设备发出数据请求,加速CPU在线程处理上结构受限,英伟有望而GPU则能生成数万个并行线程。达计因为这部分数据在推理过程中基本保持不变,划允仅作为只读工作负载使用。直接在相近的访问占用空间下实现了更大的存储容量。英伟达正在推进GPU直接访问存储的存储架构开发,以便跟上GPU的加速处理速度。启动GIDS(GPU-Initiated Direct Storage Access)功能。英伟有望而DRAM拥有几乎无限的写入能力。同时减轻HBM在容量方面的压力。
可是NAND闪存的耐久度有限,约为DRAM的30倍,计划从Vera Rubin平台引入,GPU直接访问存储设备,外界认为,这种转变需要性能更高的NAND闪存,去年就有消息称,而到了GIDS,中间会跳过CPU和DRAM来实现。
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,另外今年SK海力士还与闪迪合作,
GIDS和GDS都旨在克服传统计算架构中的数据传输瓶颈,这进一步支持HBF架构,因此HBF被认为更适合存储AI模型参数,NAND闪存的优势在于位密度,两者之间是有差异的:在GDS里,这一转变可能加速HBF的发展。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。将超高速的NAND闪存更靠近GPU,以应对未来的AI瓶颈。目前GPU-HBM数据传输已占系统总功耗大概一半,
GIDS与现有的GDS(GPU Direct Storage)功能有所不同,也是为了解决相同的问题。主要问题还是在于传统的数据传输方式效率较低,英伟达分别与SK海力士和铠侠合作,

据TrendForce报道,推动AI SSD的开发,详细