Samsung разделит zNAND-память на три типа — для локального ИИ, дата-центров и инференса

Читать в полной версии

Samsung Electronics расширяет разработку флеш-памяти NAND, ориентированной на использование в системах для искусственного интеллекта. Компания трудится над тремя вариантами z-NAND, каждый из которых ориентирован на определённый тип нагрузки: от локальной обработки данных на устройствах до работы в высокопроизводительных дата-центрах.

Источник изображения: Samsung Electronics

По данным южнокорейского издания ZDNet, первый тип памяти — zNAND-O, который был анонсирован Samsung в августе, предназначен для работы с локальным ИИ. Она устроена таким образом, чтобы минимизировать задержки при передаче данных между соседними компонентами вычислительных систем. В отличие от традиционных методов, при которых данные передаются к внешним контактам чипа с помощью проволочных соединений, в zNAND-O используется технология сквозных кремниевых переходов (Through-Silicon Via, TSV), позволяющая вертикально размещать от четырёх до восьми кристаллов NAND-памяти. Это сокращает путь передачи данных, повышая скорость работы и энергоэффективность.

Второй тип, ещё официально не анонсированный zNAND-T, сфокусирован на пропускной способности. Память zNAND-T рассчитана на использование в мощных дата-центрах, где требуется мгновенная передача огромных массивов информации. По своей архитектуре этот продукт близок к концепции высокоскоростной флеш-памяти (HBF), обеспечивая широкий канал для данных.

Третий тип, также ещё не представленный zNAND-I, оптимизирован под высокую скорость случайного доступа к памяти (IOPS или количество операций ввода-вывода в секунду). Этот параметр критичен для задач ИИ-инференса, где системе необходимо постоянно обращаться к небольшим объёмам временных данных. Примером могут служить системы кеширования, требующие высокой частоты мелких запросов.

Решение Samsung Electronics о создании трёх отдельных линеек NAND-памяти продиктовано запросами крупных технологических компаний на кастомизацию оборудования. Конкуренты, такие как SK hynix, также развивают собственные семейства ИИ-памяти с разделением по типу нагрузки.