حافظه های تازه سامسونگ؛ جهشی بزرگ برای هوش مصنوعی

در سالنی شلوغ در سانتا کلارا، سامسونگ بی‌سروصدا از سخت‌افزاری پرده برداشت که کمتر شبیه یک بهبود تدریجی و بیشتر شبیه یک انقلاب کوچک بود. مهندسان دور ویترین‌های شیشه‌ای جمع شده بودند. کارت‌ها دست به دست می‌شدند. پیام اصلی روشن بود: حافظه در حال تغییر شکل است.

تیتر اصلی این رویداد، بی وی نند وی ۱۰ بود. این فناوری، وی نند پیوندی را به مرحله‌ای تازه رسانده است؛ با بیش از ۴۰۰ لایه انباشته که با روش‌های پیشرفته پیونددهی سامسونگ ساخته شده‌اند. نتیجه فقط یک ستون بلندتر از سیلیکون نیست. این نسل نسبت به نسل قبلی حدود ۵۸ درصد چگالی بالاتری ارائه می‌دهد و این فضای عمودی بیشتر، مستقیما به خواندن سریع‌تر، نوشتن سریع‌تر، ورودی و خروجی بهتر و صرفه‌جویی قابل اندازه‌گیری در مصرف انرژی تبدیل می‌شود. خلاصه اینکه با حافظه‌ای فشرده‌تر روبه‌رو هستیم که انرژی کمتری مصرف می‌کند و داده را سریع‌تر جابه‌جا می‌کند.

لایه‌ها را بالا ببرید و فاصله را کم کنید

حالا حافظه‌ای را تصور کنید که دقیقا روی پردازنده قرار می‌گیرد. عجیب است؟ بله، اما بسیار قدرتمند. سامسونگ آن را زد اچ بی ام می‌نامد. این فناوری از الگوی پیونددهی ویفر استفاده می‌کند و آن را روی حافظه با پهنای باند بالا به کار می‌گیرد تا رابطه فیزیکی میان دی رم و شتاب‌دهنده را بازطراحی کند. به جای اینکه حافظه در همسایگی پردازنده و روی برد قرار بگیرد، زد اچ بی ام بالای شتاب‌دهنده‌های هوش مصنوعی انباشته می‌شود و مسافتی را که داده باید طی کند به شدت کاهش می‌دهد. تاخیر کمتر می‌شود، سرعت بالا می‌رود و مصرف انرژی پایین می‌آید.

سامسونگ می‌گوید زد اچ بی ام می‌تواند حدود هشت برابر عملکرد استاندارد آینده اچ بی ام ۵ را ارائه دهد و هم‌زمان نزدیک به ده برابر چگالی حافظه و حدود سه برابر بهره‌وری انرژی بهتر داشته باشد. این ادعاها بزرگ هستند. تکیه‌گاه آن‌ها دو عامل است: یکپارچه‌سازی عمودی بسیار فشرده و تخصص سامسونگ در پیونددهی ویفر. اگر سامانه‌های واقعی به این اعداد نزدیک شوند، زد اچ بی ام می‌تواند معماری مراکز داده و رک‌های هوش مصنوعی را دگرگون کند.

سامسونگ همچنین پیشرفت خود در اچ بی ام‌های مبتنی بر استانداردهای صنعتی را به نمایش گذاشت: نمونه‌های اچ بی ام ۴ ای پیش‌تر برای مشتریان ارسال شده‌اند و این شرکت اچ بی ام ۵ را به عنوان خط مبنای بعدی حافظه با پهنای باند بالا معرفی کرد. اما زد اچ بی ام به عنوان گزینه‌ای سریع‌تر، فشرده‌تر و کم‌مصرف‌تر برای بارهای کاری مقیاس‌پذیر و سنگین جایگاه‌گذاری شده است.

البته همه پیشرفت‌ها برای رایانش ابری طراحی نشده‌اند. اینجا زد نند او وارد می‌شود؛ فلش نسل بعدی که از روش‌های وی نند مشتق شده، اما برای هوش مصنوعی لبه بهینه‌سازی شده است. سامسونگ در حال توسعه نسخه‌های ۴ و ۸ لایه است که وعده می‌دهند در مقایسه با نندهای رایج، بهره‌وری فضایی بهتر، عملکرد ورودی و خروجی بالاتر و تاخیر کمتری داشته باشند. می‌توان زد نند او را یک کش محلی سبک و سریع برای استنتاج هوش مصنوعی نزدیک به کاربر دانست، در حالی که زد اچ بی ام برای پردازش‌های سنگین در آموزش مدل‌ها و استنتاج در مقیاس بزرگ در فضای ابری به کار می‌رود.

قطعه جذاب دیگری هم وجود داشت: ال پی دی دی آر ۵ ایکس پی آی ام. این نخستین ال پی دی دی آر صنعت است که قابلیت‌های پردازش در حافظه را یکپارچه می‌کند و بخشی از محاسبات را پیش از خروج داده از حافظه، داخل خود حافظه انجام می‌دهد. اثر آن روشن است: جابه‌جایی کمتر داده به رفت و برگشت‌های مکرر، پهنای باند موثر بالاتر و مصرف انرژی بهتر. در بارهای کاری‌ای که تبدیل‌های ساده یا عملیات کاهش داده در آن‌ها غالب است، پردازش در حافظه می‌تواند گلوگاه‌ها را بدون نیاز به تغییر کل پشته نرم‌افزاری کاهش دهد.

سخنرانی اصلی صبح، چارچوب راهبرد سامسونگ را روشن کرد. جین یوب لی، معاون اجرایی و رئیس محصول و فناوری فلش، به همراه کیونگریون کیم، معاون و رهبر پروژه تیم طراحی دی رم، نگاه سامسونگ به حافظه را به عنوان یک عنصر فعال در سیستم توضیح دادند، نه صرفا یک فضای ذخیره‌سازی منفعل. آن‌ها تاکید کردند که انباشت‌سازی و پیونددهی، اهرم‌های اصلی برای بیرون کشیدن عملکرد و بهره‌وری بیشتر از سامانه‌های هوش مصنوعی خواهند بود.

پس در نهایت به کجا می‌رسیم؟ سامسونگ یک جعبه‌ابزار کامل نشان داد: فلش فشرده‌تر برای ذخیره‌سازی، گونه‌های انباشته اچ بی ام برای پردازش‌های تشنه پهنای باند، نند جمع‌وجور برای هوش مصنوعی لبه و رمی که می‌تواند خودش کار پردازشی انجام دهد. هر قطعه به تنهایی مهم است. اما کنار هم، آینده‌ای را نشان می‌دهند که در آن طراحی حافظه نقش اصلی را در مهار اشتهای سنگین هوش مصنوعی برای منابع سخت‌افزاری بازی می‌کند.