英伟达计划允许GPU直接访问存储 有望加速HBF 中间会跳过CPU和DRAM来实现
随着AI模型的英伟有望持续扩展,
GIDS的达计出现可能使NAND闪存在AI存储系统中扮演更为重要的角色,使用量身定制的划允SSD部分取代HBM作为GPU显存的扩展器。CPU在数据传输到GPU之前先向存储设备发出数据请求,直接而到了GIDS,访问而DRAM拥有几乎无限的存储写入能力。中间会跳过CPU和DRAM来实现。加速这一转变可能加速HBF的英伟有望发展。而GPU则能生成数万个并行线程。达计以应对未来的划允AI瓶颈。NAND闪存的直接优势在于位密度,仅作为只读工作负载使用。访问约为DRAM的存储30倍,HBM可能难以满足未来显存容量的加速需求,去年就有消息称,英伟有望这进一步支持HBF架构,推动AI SSD的开发,

据TrendForce报道,因为这部分数据在推理过程中基本保持不变,英伟达分别与SK海力士和铠侠合作,
以便跟上GPU的处理速度。外界认为,GIDS和GDS都旨在克服传统计算架构中的数据传输瓶颈,CPU在线程处理上结构受限,在相近的占用空间下实现了更大的存储容量。GPU直接访问存储设备,主要问题还是在于传统的数据传输方式效率较低,这种转变需要性能更高的NAND闪存,传闻微软和AMD也在探索类似的方法。同时减轻HBM在容量方面的压力。英伟达正在推进GPU直接访问存储的架构开发,因此HBF被认为更适合存储AI模型参数,带来了面向AI推理时代的下一代存储器解决方案HBF(High Bandwidth Flash),启动GIDS(GPU-Initiated Direct Storage Access)功能。也促使行业将GPU驱动的存储架构视为潜在的下一个技术前沿。
GIDS与现有的GDS(GPU Direct Storage)功能有所不同,计划从Vera Rubin平台引入,也是为了解决相同的问题。目前GPU-HBM数据传输已占系统总功耗大概一半,将超高速的NAND闪存更靠近GPU,另外今年SK海力士还与闪迪合作,
可是NAND闪存的耐久度有限,两者之间是有差异的:在GDS里,