内存和存储急需变革,美光推出全系列产品应对智能时代到来

作者:任新勃   【原创】   2019-06-13 09:15:03

关键字: 存储 内存 美光

过去几十年IT环境一直是以CPU为中心,现在随着IT环境向着多元化发展,计算架构面临CPU、GPU、NPU、FPGA、ASIC等加速优化,存储架构面临DRAM、NVM、SSD、HDD等多元技术的升级。

随着云计算、大数据和人工智能技术的发展,人类正在迈向智能时代。而智能时代一个重要的特征就是数据的分析和应用。数据作为能够产生价值的资产已经成为全球共识。同时今天又进入一个海量数据增长的时代,每天会有2.5 EB (Exabyte) 的数据产生。如果无法在短时间内管理、存储、获取、并处理这些大量的数据,就无法从中获取价值。要获取数据中的价值,今天的IT环境和IT架构面临着重大的变革。

过去几十年IT环境一直是以CPU为中心,现在随着IT环境向着多元化发展,计算架构面临CPU、GPU、NPU、FPGA、ASIC等加速优化,存储架构面临DRAM、NVM、SSD、HDD等多元技术的升级。随着智能时代的到来,特别是对于深度学习、AI训练等需求,除了需要出色的计算能力,要构建面向未来的AI架构还需要考虑一个问题就是,内存和计算的平衡。

内存和存储急需变革,美光推出全系列产品应对智能时代到来

在Computex 2019上,美光计算与网络产品事业部高级副总裁兼总经理Thomas T.Eby在大会上发表了《智能加速,利用内存和存储提高AI性能》的主题演讲。

在2019年3月份,由美光委托Forrester 公司进行的调查显示,内存和存储对于构建更好的AI架构至关重要。

Thomas T.Eby分享了其中重要观点。超过九成受访者表示,AI时代内存和存储必须更邻近数据源,以及运算单元和内存必须更为邻近、更紧密地结合。

因为AI架构下,需要对海量数据进行更多的更快的运算。为减少对数据处理能力的影响,未来计算必须更靠近内存,甚至在内存中运算。

调查的一个重要发现是重新架构的必要性。随着IT架构的多元化,如何实现重新架构存储和内存等单元以更好地支持AI时代的数据利用需求成为重要挑战。

存储的带宽和容量成为影响AI训练的重要因素

人工智能应用的核心之一就是AI训练,Forrester在“影响AI训练过程”的相关调查中发现:在所有影响AI训练效能和结果的因素之中,内存的传输量和带宽影响最大。美光分享了医疗、无人驾驶以及制造领域的AI应用,来说明通过扩大内存带宽和传输量带来的变革。

内存和存储急需变革,美光推出全系列产品应对智能时代到来

内存和存储创新能够激发科学和医学新实践

以癌症侦测和治疗为例,癌症侦测和治疗分三个阶段,第一是侦测癌细胞,第二是决定潜在疗法是否有效果,第三是发展出更适合病患个体的个性化治疗方案。

传统上在寻找癌细胞时,需要8K到10K的高分辨率影像,且通常是人工去找,无法一次大规模地处理许多影像,也无法为病患做到个性化疗程。

美光提供AI推理解决方案,提供足够的内存带宽和容量,总共0.5TB的内存量,让高分辨率医疗影像可以存储在单一内存之中,不需要拆分成不同影像逐步传送。这不仅加快找到癌细胞的过程,较快验证相关疗程,并更有可能为病患发展出个性化疗程。

推动自动驾驶领域的边缘智能

未来每辆LEVEL 5自动驾驶汽车将配有八到十二片4K到8K分辨率的显示屏幕,内存带宽的需求将达到每秒150到300 GB,其所需的内存密度将是现今最先进汽车等级的八到十倍以上。

而自动驾驶所需的内存带宽更高,因该模式需要实时处理包括来自相机、光达、雷达、车对车、车对基础建设等相关数据,预估每秒需处理0.5到1TB的数据量。

自动驾驶车辆的使用周期中,会重复写入的数据量加起来将有 150 PB (Petabyte),所以对内存与存储的效能与耐用性要求会特别高。

美光在汽车内存解决方案领域已有超过25年的行业经验,针对高级驾驶辅助系统比如驾驶车道辅助、自适应巡航控制、停车辅助、已经不久将来的自动驾驶、无人驾驶,以及车载信息娱乐、车载体验等各个细分场景都有全套的易失性和非易失性内存产品组合。2018年年底,美光还推出了业内首款1 TB汽车级和工业级PCIe NVMe闪存存储,该系列产品基于美光的64层3D TLC NAND技术进行研发。应用PCIe接口,其读取速度比UFS2.1和SATA3接口快2倍以上,写入速度快1.5倍以上。

Thomas T.Eby分享到,现在自动驾驶汽车的某些技术愈来愈像飞机。未来自动驾驶汽车将会像飞机一样有黑盒子,以每 30 秒的速度持续录制片段,记录车内外状况,因此内存带宽需求将达每秒1 GB。

加快制造业产生关键洞见

美光在晶圆制造过程中,借助数据分析和人工智能提高了生产效率,并支持AI的发展。现在厂房使用复杂的IoT系统,以不同方式检测问题,包括应用声音去判断设备异常状况,进而及早做预测式维修,减少故障时间。并在「电性针测缺陷分类」(classification of electrical failure data)与「晶圆影像自动侦错分类」(Wafer Image defect classification)中,同样也运用人工智能。

半导体制造堪称地球上最复杂的任务之一,晶圆的产生需要在无尘室历经1500多个步骤才能完成。每一个步骤都需要及时监测,任何一个步骤异常,都会导致晶圆的失败,因此对每一个步骤的实施监控是是提升生产效率与安全的关键核心,而机器学习和人工智能能以极高精确度和极短时间完成这个任务,探测到熟练工作人员也较难感知到的异常。美光自从应用AI方案后,取得良好的成果,其中包含达到目标良率的成熟时间减少25%、同样设备生产量提高10%,以及相关质量缺失事件减少超过三分之一。

Thomas T.Eby表示目前是将AI模型在DGX上训练,在数据中心部署相关的推理(inference)模型,未来希望实现更轻量化应用,可能会转移到Raspberry Pi或NVIDIA Jetson 做推理,让AI分析更接近边缘的源头。

内存和存储急需变革,美光推出全系列产品应对智能时代到来

美光全系列内存和存储产品支持AI架构进化

随着AI、5G的发展,我们能看到的是更为多样化、离散型的数据中心架构出现。支持架构重构、支持异构平台对于存储提供商来讲越来越重要。基于未来的需求,美光不断推出全系列产品持续支持不同的AI架构和异构平台。包括提供更快速的DDR4,以及不久的将来的DDR5的芯片。

针对未来数据中心对存储架构的需求,美光是业界唯一能满足各方面需求的厂商,从低延时高性能的DRAM、3D XPoint、到高密度NAND方案,完全满足下一代数据中心需求。

内存和存储急需变革,美光推出全系列产品应对智能时代到来

美光也在进行持久性内存的研发,包括在DIMM里兼容DRAM的解决方案,保证断电时,数据依然有保障。过去DRAM中的数据未加密,未来需要更好的加密技术防护,持久性内存的走向可提升安全性。基于美光Authenta的安全SPI NOR,基于行业标准将安全元件和技术融合到现有芯片里。安全标准包括特殊的密匙材料、加密保护的代码完整性、可配置的测量引擎、可信凭证存储、TCG设备标识组合引擎、用于安全启动的完整性验证逻辑、芯片级恢复、测量认证,都集成到芯片中,为业内现有和未来PCB设计提供最广泛的支持。

Thomas T.Eby最后表示,未来美光也将继续与合作伙伴,包括CPU、GPU、FPGA生产厂商紧密地合作来实现让数据计算更靠近内存,甚至在内存内直接计算的解决方案。

    扫一扫

    分享文章到微信


    北京第二十六维信息技术有限公司(至顶网)版权所有. 京ICP备15039648号-7 京ICP证161336号京公网安备 11010802021500号
    举报电话:010-62641208-5060 举报email:jubao@zhiding.cn 安全联盟认证