无晶圆厂SSD和电源管理控制器制造商FADU正在减少对CXL交换机的投资,并认为对高带宽闪存的热情过度了。
这家韩国无晶圆厂公司利用流水线阶段并行处理技术开发了SSD控制器芯片硬件技术,向服务器OEM厂商和超大规模数据中心提供其技术。该公司还开发了电源管理集成电路(PMIC)技术,为NAND和DRAM设备提供更高效的电源管理,并正在开发SSD控制器/PMIC组合单元。
该公司最近宣布营收实现2.5倍增长,从2024年第三季度的101亿韩元(6.9亿美元)增长到2025年第三季度的256亿韩元(8.6亿美元),增长主要由AI数据中心对SSD需求加速推动。FADU最近连续四个月赢得了一系列大规模合同,预计明年营收将大幅增长。
在关于财报的媒体简报会上,据韩国Citrini Research分析师jukan05在X平台报道,联合创始人兼首席技术官Eyee Hyun Nam表示,FADU正在开发PCIe第六代SSD控制器,并将在明年推出DRAM PMIC模块,这将比竞争对手的芯片提供更高的功耗效率。他指出,竞争对手将SSD控制器和PMIC作为独立设备供应,而非集成在统一封装中。
与Panmnesia类似,FADU通过其EEUM子公司一直在开发连接CXL 3.0内存共享设备的交换机。但由于英伟达的NVlink技术在DGX/HGX机架内提供内存池化功能变得更强大,该公司正在减少这方面的投资。CXL市场的发展速度没有达到FADU和其他公司的预期。
该公司将以FPGA形式开发其CXL交换机至概念验证阶段,然后暂停开发,直到CXL内存共享市场变得足够大(如果真的会发展起来的话)。
FADU首席执行官兼联合创始人李志友讨论了正在由SanDisk和SK海力士推广和标准化的高带宽闪存(HBF)技术。这两家公司认为HBF可以补充GPU本地高带宽内存(HBM)。英伟达作为市场上最大的HBM买家,因此也是最重要的潜在HBF消费者,但尚未公开表态支持HBF。
FADU提出了阻碍HBF发展的三个障碍。GPU加速器可以在比NAND能够承受的更高温度下运行。TLC和QLC NAND的写入耐久性有限,与DRAM相比非常有限,这将限制HBF堆栈的使用寿命。不同类型NAND之间没有或兼容性有限,使得像FADU这样的NAND控制器供应商很难为HBF控制器找到足够大的市场。
Q&A
Q1:FADU为什么要减少对CXL交换机的投资?
A:FADU减少CXL投资主要因为英伟达的NVlink技术在DGX/HGX机架内提供内存池化功能变得更强大,而CXL市场发展速度没有达到预期。该公司将以FPGA形式开发CXL交换机至概念验证阶段后暂停,直到CXL内存共享市场变得足够大。
Q2:FADU认为高带宽闪存技术面临哪些挑战?
A:FADU认为高带宽闪存面临三大障碍:GPU加速器运行温度比NAND能承受的更高;TLC和QLC NAND写入耐久性有限,会限制HBF堆栈使用寿命;不同类型NAND兼容性有限,控制器供应商难以找到足够大的市场。
Q3:FADU在2024年的业务表现如何?
A:FADU在2024年表现出色,营收实现2.5倍增长,从2024年第三季度的101亿韩元增长到2025年第三季度的256亿韩元。增长主要由AI数据中心对SSD需求加速推动,该公司连续四个月赢得大规模合同,预计明年营收将大幅增长。
好文章,需要你的鼓励
Anthropic推出Claude Code的Slack集成功能,让开发者能直接在聊天线程中委托编程任务。这项测试功能于周一以研究预览版形式发布,基于现有Slack集成增加了完整工作流自动化。开发者现在可以标记@Claude启动完整编程会话,Claude会分析消息确定合适的代码库,在线程中发布进度更新并分享审查链接。这反映了行业趋势:AI编程助手正从IDE迁移到团队协作工具中。
波恩大学研究团队首次量化AI训练的材料成本,发现一块GPU含32种元素,93%为重金属。训练GPT-4需消耗约7吨金属材料,其中多为有毒重金属。研究建立了从计算需求到硬件消耗的评估框架,发现通过软硬件优化可减少93%的资源消耗。该研究揭示了AI发展的隐性环境代价,呼吁行业从规模竞赛转向效率革命,实现可持续发展。
AI发展推动数据中心行业迎来前所未有的挑战与机遇。Switch公司消耗内华达州三分之一电力,展现了AI对电力需求的巨大规模。核能成为AI未来发展的关键,单个AI机架功耗可达1.7MW。预计到2030年,数据中心行业将消耗200GW电力。创新的星形配置设计和差异化备电策略正在重新定义数据中心的弹性架构,仅20%的工作负载需要发电机备份。
南开大学团队构建了迄今最大规模的结肠镜AI数据库COLONVQA,包含110万视觉问答条目。他们发现现有AI模型存在泛化能力不足和容易被误导等问题,因此开发了首个具备临床推理能力的结肠镜AI模型COLONR1。该模型采用多专家辩论机制生成推理数据,在综合评估中准确率达56.61%,比传统方法提升25.22%,为智能结肠镜诊断从图像识别向临床推理的转变奠定了基础。