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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。