AI時代，不斷增長的服務(wù)器芯片算力，激發(fā)了對內(nèi)存性能的全新需求。GDDR內(nèi)存正逐步成為CPU+GPU架構(gòu)服務(wù)器的新寵。

ChatGPT出現(xiàn)后，科技巨頭紛紛下注AI，不同領(lǐng)域的AI大模型你方唱罷我登場。在AI狂歡的背后，服務(wù)器芯片算力與通信需求也在不斷攀升。

然而以CPU為主的串行處理架構(gòu)已經(jīng)不能滿足 AI 時代的算力需求，CPU+GPU架構(gòu)的服務(wù)器占有率正逐步提高。

不過，在算力向前狂奔時，“內(nèi)存墻”攔在了路中央。

邊緣計算的需求

人工智能根據(jù)應(yīng)用場景來區(qū)分，可以大致分為兩類。

01

一類是人工智能訓(xùn)練。

我們訓(xùn)練人工智能的目的，是希望它可以在數(shù)量龐大、雜亂無章的內(nèi)容中準確地進行識別，最終輸出我們期待的結(jié)果，但這一過程并不容易。首先，我們需要利用TensorFlow、pytorch等架構(gòu)來組建一個初步的神經(jīng)網(wǎng)絡(luò)模型，然后才能進行“訓(xùn)練”步驟來讓神經(jīng)網(wǎng)絡(luò)變成一個完整的模型。這個過程需要外界輸入大量數(shù)據(jù)來進行分析計算，需要消耗大量算力與時間，因此這一過程通常是在云端實現(xiàn)。

訓(xùn)練完成后，則需要將模型集成在邊緣計算或其他應(yīng)用場景下，這就來到了下面人工智能的第二個場景。

02

人工智能推理

這一過程相比訓(xùn)練，對算力的需求會大幅下降。但這個階段，往往需要集成在邊緣設(shè)備之上。

邊緣，是相對云產(chǎn)生的概念。云計算是將所有數(shù)據(jù)上傳至計算資源集中的云端數(shù)據(jù)中心或服務(wù)器處理，任何需要訪問該信息的請求都必須先通過云端。而邊緣計算是一種將云服務(wù)從網(wǎng)絡(luò)核心推向網(wǎng)絡(luò)邊緣的模式，它非常適合被應(yīng)用于物聯(lián)網(wǎng)領(lǐng)域，通過具有邊緣計算能力的物聯(lián)網(wǎng)提供設(shè)備管理控制等服務(wù)，解決物聯(lián)網(wǎng)通信“最后一公里”的問題。

在AI時代，邊緣計算又可以使人工智能技術(shù)得到更廣泛的應(yīng)用，使智能設(shè)備在無需接入云平臺的情況下對輸入做出快速反應(yīng)。它解決了云端計算帶來的成本、延時、隱私等諸多問題，目前在NLP、數(shù)據(jù)庫管理等方面已經(jīng)初具成效。

云與邊緣 來源：華為云

然而，在AI逐漸向邊緣化節(jié)點轉(zhuǎn)移的過程中，服務(wù)器內(nèi)部與外部的交互大量增加，傳統(tǒng)的傳輸控制協(xié)議或網(wǎng)際協(xié)議技術(shù)很難滿足具體應(yīng)用的需求。為了應(yīng)對這一挑戰(zhàn)，外部網(wǎng)絡(luò)傳輸上，5G、WIFI6等高帶寬、低延遲的傳輸技術(shù)為邊緣化提供保障。

服務(wù)器內(nèi)部呢？

近幾年，AI訓(xùn)練集正以每年10倍左右的速度增長，即使是在邊緣設(shè)備中，對芯片算力的要求也在飛增。芯片算力變高了，內(nèi)存性能卻逐漸拖了后腿。Rambus IP 核產(chǎn)品營銷高級總監(jiān) Frank Ferro表示：“現(xiàn)在我們存在著一個非常重要的誤區(qū)，盡管算力的增長非常顯著，但是帶寬上的進步卻無法改善，也就是造成兩者間的不匹配。也就是說，在現(xiàn)有高算力的基礎(chǔ)之上，很多的GPU資源其實并沒有得到充分的占用和利用，這也就造成了現(xiàn)在的困境。”這時，更高帶寬和更低延遲的內(nèi)存就成為關(guān)鍵。

而GDDR，作為一種專為GPU開發(fā)的低延時高頻率內(nèi)存種類，逐漸的走入服務(wù)器領(lǐng)域。

DDR VS GDDR

對于電腦組裝發(fā)燒友來說，DDR的概念其實更為熟悉。在組裝電腦時，我們購買內(nèi)存條前都需要辨別它的型號是DDR第幾代。目前市場上流行的內(nèi)存種類主要為DDR4與DDR5，也有少部分DDR3內(nèi)存還在服役。

而GDDR，則是在購買顯卡時遇到的參數(shù)，但GDDR后面的數(shù)字通常會被忽略掉，“顯存”大小往往更能代表這張顯卡性能性能的高低。

其實，無論是DDR還是GDDR，它們都是動態(tài)隨機存儲器（DRAM）的一種，都可以被稱為內(nèi)存。

DDR的全稱是雙倍速率同步動態(tài)隨機存儲（Double Data Rate Synchronous Dynamic Random Access Memory），與之對應(yīng)的還有SDR（Single Data Rate）和QDR（Quad Data Rate），不過出于成本與性能之間平衡的考慮，目前市場上主流的內(nèi)存基本全部為DDR。

GDDR?的全稱為Graphics Double Data Rate，是顯存的一種。從名字上看出，它比DDR僅多了一個G（graphic），也就是說，它是一種專用于圖形處理的內(nèi)存。

DDR存儲器的設(shè)計延遲極低，它的目的是盡可能快地傳輸少量緩存數(shù)據(jù)，來配合CPU進行串行計算。而顯卡多為并行任務(wù)，有大量重復(fù)存取需求，但它對于延時的要求沒有CPU那么高。于是，具有更大帶寬和更高頻率的GDDR出現(xiàn)了。

在GDDR剛誕生的時候，它與DDR并沒有很大區(qū)別，僅是DDR的改進版。但隨著GDDR標準與DDR標準的不斷迭代，它們的功能逐漸分道揚鑣。

今天GDDR的標準更新到了第六代，也就是GDDR6。它在顯存位寬、容量、功耗與性能上都有了較大改善。此外，由于顯存可以直接焊接在顯卡的PCB板上，不需要考慮走線、信號傳輸延遲等影響，因此還可以專門做定向優(yōu)化。目前的GDDR6內(nèi)存的傳輸速率已經(jīng)能達到16Gbps（部分廠商可以做到更高），遠高于DDR5的6.4Gbps理論速率，即使在面對AI邊緣計算的時候也能穩(wěn)定工作。

不過，GDDR強悍的性能也帶來了更高的成本。在前AI時代，更多的廠商出于成本考慮，還是選擇DDR內(nèi)存。進入AI時代后，GDDR才以更高的資質(zhì)逐漸收割服務(wù)器內(nèi)存市場。

誰能比GDDR性能更高？

其實，一款更高性能的內(nèi)存更適用于今天的AI場景，那就是HBM。HBM是高寬帶存儲器（High Bandwidth Memory）的簡稱，是一款由三星電子、超微半導(dǎo)體和SK海力士發(fā)起的一種基于3D堆棧工藝的高性能DRAM，適用于對高存儲器帶寬有需求的應(yīng)用場合。

HBM內(nèi)存 ?圖源：CSDN

它將很多個DDR芯片堆疊在一起后和GPU封裝在一起，實現(xiàn)大容量、高位寬的DDR組合陣列，不同層的Die之間用TVS（硅通孔）方式連接。片上HBM的出現(xiàn)使AI完全放到片上成為可能。在提升集成度的同時，還使帶寬不再受制于芯片引腳數(shù)量限制，在一定程度上解決了IO瓶頸。

HBM誕生于GDDR5X時代，它通常由4顆Die堆疊而成，其特點就是可以占用更小的空間來放下更多的顆粒。HBM也沿著HBM1、HBM2、HBM3的路線命名與開發(fā)。根據(jù)JEDEC已經(jīng)發(fā)布的HBM3內(nèi)存標準，它的帶寬高達819GB/s、每個堆棧最高64GB容量。目前，SK海力士、三星、Rambus等廠商均已經(jīng)開始生產(chǎn)HBM3內(nèi)存，目前已經(jīng)搭載于英偉達H100 GPU上。

不過HBM的缺點也有不少。

首先就是針腳變多，還需要Flip chip與chiplet技術(shù)加持，其封裝難度更高了。其次，受限于堆疊的3D結(jié)構(gòu)，其功耗和發(fā)熱就必須控制的更好，這就意味著在超高帶寬傳輸?shù)那闆r下，傳輸頻率必須受到限制。此外，不同Die之間的連接還需要考慮時鐘干擾問題，這也會導(dǎo)致其最高頻率受限。

不過HBM最大的“缺點”還是成本問題。對于服務(wù)器來說，HBM還是太貴了。目前英偉達也僅在高端GPU上應(yīng)用少量HBM顆粒。據(jù)業(yè)內(nèi)人士爆料的一項兩年前的數(shù)據(jù)，彼時HBM成本就高達20美元/GB，已經(jīng)直逼中央芯片的價格。不過，隨著未來AI的持續(xù)發(fā)展，HBM或許還將替代GDDR成為新寵。

總結(jié)

在這個快速發(fā)展的AI時代，邊緣計算的興起催生了服務(wù)器對高性能內(nèi)存的需求。傳統(tǒng)的DDR內(nèi)存已經(jīng)無法滿足這一需求，而GDDR內(nèi)存逐漸成為新的選擇。

但我們也不能忽視HBM的潛力。雖然目前HBM的成本較高，主要應(yīng)用于高端圖形處理器和專用加速器領(lǐng)域，但隨著技術(shù)的進步，未來有望在服務(wù)器領(lǐng)域發(fā)揮更大的作用。或許隨著技術(shù)的不斷突破，會有更多新一代的內(nèi)存技術(shù)出現(xiàn)，為服務(wù)器應(yīng)用帶來更大的突破和創(chuàng)新。

編輯：黃飛

?