2023年10月19日,中国上海 —— Micron Technology Inc.(美光科技股份有限公司,纳斯达克股票代码:MU)今日宣布已将业界领先的1β(1-beta)制程技术应用于16Gb容量版本的 DDR5内存。美光1β DDR5 DRAM在系统内的速率高达7,200 MT/s,现已面向数据中心及PC市场的所有客户出货。基于1β节点的美光DDR5内存采用先进的High-K CMOS器件工艺、四相时钟和时钟同步技术[[1]],相比上一代产品,性能提升高达50%[[2]],每瓦性能提升33%[[3]]。
随着CPU内核数量的不断增加以满足数据中心工作负载需求,系统对更高的内存带宽与容量的需求也显著增长,从而在应对“内存墙”挑战的同时优化客户的总体拥有成本。美光1β DDR5 DRAM支持计算能力向更高的性能扩展,能支持数据中心和客户端平台上的人工智能(AI)训练和推理、生成式AI、数据分析和内存数据库(IMDB)等应用。全新1β DDR5 DRAM产品线提供速率从4,800 MT/s到7,200 MT/s的现有模块密度,能够满足数据中心和客户端的应用需求。
美光核心计算设计工程部门企业副总裁Brian Callaway表示:“面向客户端和数据中心平台的1β DDR5 DRAM量产及出货,标志着行业的一个重要里程碑。我们与生态系统合作伙伴及客户紧密合作,将推动高性能内存产品的市场普及。”
美光的1β技术已应用至公司广泛的内存解决方案,包括采用16Gb、24Gb和32Gb DRAM裸片的DDR5 RDIMM和MCRDIMM;采用16Gb和24Gb DRAM裸片的LPDDR5X;HBM3E和GDDR7。全新的美光16Gb DDR5内存将通过直销及渠道合作伙伴供货。
行业引语:
华硕消费性产品事业处协理陈奕彰表示:“华硕是消费类和游戏应用领域高性能笔记本电脑的领导厂商。内存子系统向DDR5过渡是华硕重点关注的领域。我们很高兴推出搭载美光1β DDR5内存的华硕和ROG笔记本电脑,从而为客户提供卓越的用户体验。”
Ampere Computing首席产品官Jeff Wittich表示:“Ampere的云原生处理器搭载美光领先的1β DDR5提供了一流的计算解决方案,能够满足超大规模数据中心的性能、可扩展性和功耗需求。在AmpereOne™平台上使用速率高达7,200MT/s的美光1β DDR5,将持续推动人工智能、机器学习和所有高性能计算应用的发展。”
Cadence 高级副总裁兼IP事业部总经理Boyd Phelps表示:“我们很高兴与美光合作,利用我们业界领先的DDR5、LPDDR5X、GDDR6和HBM3 IP系统解决方案搭配美光先进的内存产品组合,为针对特定应用进行优化的下一代平台提供支持。通过搭载美光先进的1β DDR5内存,我们评估和验证了高性能DDR5 IP速率可高达7,200MT/s。
[[1]] JEDEC可选的SRX/NOP时钟同步(CLK_SYNC)功能旨在减轻美光1βnm器件支持的四相时钟架构中主处理器与DRAM之间的工作周期失真效应。
[[2]] 基于理论最大带宽,器件级性能提升为(7200-4800)/4800。
[[3]] 每瓦性能(理论最大带宽,器件级):Y52K 7200MT/s与Y32A 4800MT/s。根据预测的Gstress总线利用率7200MT/s(58%)计算,并在SPR E-step系统中测量。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。