سامسونگ سرور سریع و کممصرف برای هوش مصنوعی میسازد
شرکت سامسونگ اعلام کرده است که این ماژول جدید را با همکاری انویدیا، یکی از بزرگترین بازیگران حوزه هوش مصنوعی، برای استفاده در زیرساختهای پردازشی پیشرفته توسعه میدهد. معرفی SOCAMM۲ یک پاسخ مستقیم به سه چالش بزرگ هزینههای سرسامآور برق مصرفی حافظهها، محدودیتهای فضا و چالشهای تعمیر و نگهداری در مراکز داده امروزی است. با توجه به اینکه سرورهای هوش مصنوعی به صورت شبانهروزی در حال پردازش هستند، کاهش مصرف برق حافظهها دیگر یک مزیت جانبی نیست، بلکه یک ضرورت اقتصادی برای اداره این مراکز عظیم محسوب میشود.
حافظههای کممصرف LPDDR تا پیش از این به دلیل بازدهی بالا، گزینهای ایدهآل برای دستگاههای قابل حمل مانند گوشیهای هوشمند و لپتاپها بودند. اما یک مانع بزرگ جلوی ورود آنها به سرورها را گرفته بود و آن هم این بود که این تراشهها مستقیماً روی برد اصلی دستگاه لحیم میشدند. این روش نصب دائمی، هرگونه امکان ارتقا یا تعویض یک ماژول حافظه خراب را از بین میبرد و مدیران مراکز داده را مجبور میکرد در صورت بروز مشکل، کل برد گرانقیمت سرور را تعویض کنند. این محدودیت برای اپراتورهای بزرگی که به دنبال انعطافپذیری و کاهش هزینههای بلندمدت هستند، قابل قبول نبود.
فناوری SOCAMM۲ سامسونگ دقیقاً برای رفع همین مشکل طراحی شده است. این محصول، تراشههای پرسرعت و کممصرف LPDDR۵X را درون یک ماژول استاندارد و قابل جداسازی قرار میدهد. به این ترتیب، تکنسینها میتوانند به راحتی ماژولهای حافظه را مانند حافظههای رم کامپیوترهای شخصی، نصب، تعویض یا ارتقا دهند. طبق اعلام سامسونگ، این ماژولها در مقایسه با حافظههای سرور سنتی RDIMM DDR۵، دو برابر پهنای باند ارائه میدهند، در حالی که مصرف انرژی کمتری دارند و فضای فیزیکی کوچکتری را اشغال میکنند. این فشردگی به طراحی بهتر بردهای سرور و خنکسازی کارآمدتر سیستمهای متراکم کمک شایانی میکند.
یکی از مهمترین جنبههای این رونمایی، تلاش برای استانداردسازی است. ماژول SOCAMM۲ قرار است تحت استاندارد صنعتی سازمان استانداردسازی قطعات الکترونیکی با عنوان CAMM۲ عرضه شود. این استانداردسازی تضمین میکند که شرکتهای مختلف بتوانند ماژولهای سازگار تولید کنند و مشتریان به یک تولیدکننده خاص محدود نشوند. این امر باعث ایجاد رقابت، کاهش قیمتها و اطمینان از پشتیبانی گسترده در پلتفرمهای مختلف سرور خواهد شد. در حال حاضر شرکت مایکرون نیز نمونههایی از ماژولهای مشابه با ظرفیت بالا تا ۱۹۲ گیگابایت را تولید کرده که نشان میدهد این فناوری تنها یک طرح مفهومی نیست و به سرعت در حال تبدیل شدن به یک استاندارد صنعتی است.
برای درک بهتر جایگاه SOCAMM۲، باید به ساختار حافظه در یک سرور هوش مصنوعی توجه کرد. در بالاترین سطح، حافظههای فوقسریع و گرانقیمتی به نام HBM قرار دارند که مستقیماً در کنار پردازندههای گرافیکی نصب میشوند و برای عملیات سنگین آموزش مدلهای هوش مصنوعی حیاتی هستند. در سطح پایینتر، حافظههای سیستمی عمومی که تاکنون از نوع DDR۵ بودهاند وظیفه پشتیبانی از پردازنده مرکزی را بر عهده دارند. SOCAMM۲ برای جایگزینی همین حافظههای عمومی طراحی شده است تا به پردازنده اصلی سرور، دسترسی سریعتر و بهینهتری به دادهها بدهد، بدون آنکه هزینه و پیچیدگی حافظههای HBM را داشته باشد.
البته این فناوری یک بدهبستان فنی نیز دارد. حافظههای LPDDR۵X برای شروع انتقال دادهها به زمان اندکی بیشتر نیاز دارند که به آن تأخیر یا Latency میگویند، اما پس از شروع، دادهها را با سرعت بسیار بالاتری منتقل میکنند. این تأخیر اولیه ممکن است برای کاربردهای حساس به زمان پاسخ فوری مانند بازیهای ویدیویی یک نقطه ضعف باشد، اما در پردازشهای هوش مصنوعی که حجم عظیمی از داده به صورت پیوسته جابجا میشود، تأثیر ناچیزی دارد و مزیت سرعت انتقال بالاتر و مصرف انرژی کمتر، آن را کاملاً جبران میکند.
البته هنوز چالشهایی پیش رو است. مدیریت حرارت در ماژولهای فشرده، حفظ کیفیت سیگنال در سرعتهای بسیار بالا و البته هزینه اولیه، از جمله مواردی هستند که باید در عمل مورد ارزیابی قرار گیرند. ارزش واقعی SOCAMM۲ نه در قیمت اولیه ماژول، بلکه در کاهش هزینههای کل مالکیت یک سرور در بلندمدت، یعنی صرفهجویی در مصرف برق و هزینههای خنکسازی، مشخص خواهد شد.
انتهای پیام/
