“拖后腿”的芯片技术

AIGC动态4周前发布 admin
216 0 0
“拖后腿”的芯片技术

 

文章摘要


【关 键 词】 NvidiaGPU技术AI市场互联技术存储技术

Nvidia的股价在本周二超越苹果,成为全球最有价值的公司,这是继今年6月之后再次取得的辉煌成就。在过去两年中,Nvidia凭借其GPU的强大算力,在AI时代取得了巨大成功。GPU技术的发展速度极快,特别是在生成式AI市场的推动下,预计到2027年全球市场规模将达到1454亿美元。GPU作为加速计算的主要工具,其性能的提升对于大模型的突破至关重要。Nvidia的GPU架构从Fermi到Hopper再到Blackwell,每次升级都带来了性能和能效的显著提升,性能在八年内提升了1000多倍,而价格仅上涨了7.5倍。

尽管GPU技术取得了显著进步,但其快速发展也带来了新的问题,尤其是互联技术存储技术的滞后。大型语言模型和推荐系统的训练需要在成千上万的GPU集群上进行,这使得互联技术变得尤为关键。传统的PCIe接口带宽已难以支撑日益增大的数据传输需求,而Nvidia开发的NVLink和Infiniband技术提供了高带宽和低延迟的数据传输,但这些都是Nvidia的专有技术。为了应对这一瓶颈,行业开始寻求替代方案,如超级以太网联盟(UEC)和UALink联盟的成立,旨在开发开放的行业标准以对标Nvidia的互联技术。

存储技术的进步也显得吃力。AI、机器学习和大数据推动下的数据量指数级增长,要求存储技术必须紧随其后。高带宽内存(HBM)已成为焦点,尤其是在大模型训练所需的GPU芯片中。SK海力士作为HBM技术的领先者,正在加速推进技术的更新迭代。然而,存储技术的滞后给高性能计算带来了多重挑战,包括计算能力浪费、AI训练效率下降和大规模数据处理的障碍。为了解决这些问题,业界提出了存算一体和智能存储架构等潜在解决方案。

总结来说,在快速演变的技术生态系统中,多技术协同升级已成为推动新兴技术发展的核心动力。要实现算力的持续增长,GPU、互联、存储等技术必须协调发展。对于Nvidia等科技巨头而言,推动GPU与其他关键技术的协同进化,解决存储、互联的瓶颈,将是未来几年中的主要挑战。

“极客训练营”

原文和模型


【原文链接】 阅读原文 [ 3378字 | 14分钟 ]
【原文作者】 半导体行业观察
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★☆

© 版权声明
“绘蛙”

相关文章

暂无评论

暂无评论...