在数据存储需求呈指数级增长的背景下,“性能”和“节能”两大需求正共同推动着新型存储技术的快速发展。例如,20世纪70年代对存储的需求只有高读写速度,功能及PC时代专为代码存储,要求小体积。智能终端时代要求存储数据,高速度、高容量、低成本的存储器。如今的高性能计算时代下对存储的要求转变为提升能耗比和能效比,新型存储技术即将迎来爆发。
新兴应用场景推动新型存储市场增长
根据云岫资本,AI、智能汽车等新兴应用对数据存储在速度、功耗、容量、可靠性等层面提出了更高要求,新型的存储技术旨在集成SRAM的开关速度和DRAM的高密度特性,并具有Flash的非易失特性,具备千亿市场空间。根据云岫资本,不同的存储器类型其技术路线也不同。例如:PCRAM具有低延时、读写时间均衡;寿命长,耐写能力远超过闪存;功耗低,没有机械转动装置;密度高的特点,部分PCM采用非晶体管设计;抗辐照特性好,能满足国防和航天的需求。MRAM具有非易失性,铁磁体的磁性不会由于断电而消失;写入速度快、功耗低的特点,可实现瞬间开关机并延长便携机的电池使用时间;和逻辑芯片整合度高,具备在逻辑电路上构造大规模内存阵列的潜力。但存储单元之间存在干扰,高密度情况下相邻单元间的磁场交叠会愈加严重。RRAM 具有高速度,擦写速度由触发电阻转变的脉冲宽度决定,一般小于100ns;耐久性高,读写采用可逆无损害模式等的特点;具备多位存储能力,可提高存储密度。FRAM 具有写入速度快,为EEPROM、Flash的1000倍以上;功耗低,写入时的功耗大为降低,为EEPROM、Flash的1/1000~1/100000;寿命长,读写次数高的特点。这四种种技术都有其独特的优势和挑战,适用于不同的应用场景和市场需求。随着技术的发展和市场需求的变化,这些新型存储技术有望在未来的存储市场中扮演更加重要的角色。
图:新兴应用场景推动新型存储市场增长
亟需高性能芯片提升AI基础设施计算效率
目前分布式AI集群系统已经从计算约束转换为网络通信约束,制约了基础设施整体计算效率的提升。根据云岫资本,目前运力端与算力端之间供需并不匹配。由于AI大模型推动高算力需求呈几何式增长,大模型训练对算力的需求约每3个月翻一倍。IDC预计,2021-2026年中国智能算力规模年复合增长率达52.3%。为了满足AI时代模型训练的算力需求,AI加速硬件GPU的算力持续增长,GPU厂商加速布局。而运力端缺乏大规模、高性能、低延时的网络互联基础。过去5年,GPU算力增长近90倍,而网络带宽仅增长10倍,当GPU集群达到一定规模后,随着计算节点数的增加,节点之间的通信代价随之增加。集群训练效率不增反降。
图:受网络通信能力限制,分布式AI集群的运算效率无法随算力规模线性增长
预计到2027年,AI市场的规模将接近1万亿美元,其中AI硬件和服务市场的年增长率可能达到40%至55%。随着AI模型规模的扩大,如OpenAI的GPT模型参数从1.7亿个激增至1万亿个,对算力的需求急剧增加高性能芯片的发展对于提升AI基础设施的计算效率至关重要,它们通过提供更强的计算能力、优化能源消耗、支持更大规模的模型训练和推理,以及集成先进的冷却技术,共同推动AI技术的进步和应用的广泛化。
相关阅读: