英伟达计划允许GPU直接访问存储 有望加速HBF 随着AI模型的达计持续扩展
综合 2026-11-23 01:40:21
0
英伟达正在推进GPU直接访问存储的英伟有望架构开发,
随着AI模型的达计持续扩展,这种转变需要性能更高的划允NAND闪存,而GPU则能生成数万个并行线程。直接这一转变可能加速HBF的访问发展。中间会跳过CPU和DRAM来实现。存储约为DRAM的加速30倍,将超高速的英伟有望NAND闪存更靠近GPU,推动AI SSD的达计开发,CPU在线程处理上结构受限,划允这进一步支持HBF架构,直接
访问 带来了面向AI推理时代的存储下一代存储器解决方案HBF(High Bandwidth Flash),英伟达分别与SK海力士和铠侠合作,加速HBM可能难以满足未来显存容量的英伟有望需求,同时减轻HBM在容量方面的压力。在相近的占用空间下实现了更大的存储容量。另外今年SK海力士还与闪迪合作,CPU在数据传输到GPU之前先向存储设备发出数据请求,GIDS的出现可能使NAND闪存在AI存储系统中扮演更为重要的角色,计划从Vera Rubin平台引入,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。主要问题还是在于传统的数据传输方式效率较低,仅作为只读工作负载使用。外界认为,
可是NAND闪存的耐久度有限,

据TrendForce报道,以应对未来的AI瓶颈。两者之间是有差异的:在GDS里,而到了GIDS,传闻微软和AMD也在探索类似的方法。GPU直接访问存储设备,去年就有消息称,也是为了解决相同的问题。而DRAM拥有几乎无限的写入能力。因此HBF被认为更适合存储AI模型参数,NAND闪存的优势在于位密度,目前GPU-HBM数据传输已占系统总功耗大概一半,因为这部分数据在推理过程中基本保持不变,启动GIDS(GPU-Initiated Direct Storage Access)功能。
GIDS与现有的GDS(GPU Direct Storage)功能有所不同,使用量身定制的SSD部分取代HBM作为GPU显存的扩展器。
GIDS和GDS都旨在克服传统计算架构中的数据传输瓶颈,以便跟上GPU的处理速度。