|
作者：Rambus研究員與杰出發明家Steven Woo 根據IDC預測，中國在人工智能領域的投資預計到2027年將達到381億美元，占全球總投資的近9%。作為全球人工智能的重要參與者，中國正加速在汽車、通信、醫療、金融等多個行業應用和發展生成式AI技術，全面邁入“AI 2.0”時代。 人工智能這一概念是由約翰·麥卡錫（John McCarthy）在1956年提出。此后數十年間，科學家們投入了巨大努力，讓AI不斷變得更智能，但其能力仍主要局限于在特定輸入輸出范圍內進行分析與預測（例如：從文本生成網頁結果）。而新一代人工智能則帶來了重大范式轉變——它能夠基于數據生成全新的內容。 和上一代不同，AI 2.0 依托多模態輸入與輸出，在文本、語音、代碼、圖像、視頻，甚至三維模型等多種媒介之間實現無縫交互。大型語言模型（LLMs）的出現，也是這一時代的重要標志。LLMs能夠處理和生成海量數據，正在不斷突破以往的技術邊界，讓更復雜、更先進的AI應用在各行各業成為可能。 訓練大型語言模型（LLMs）是一個復雜的多步驟過程，首先需要收集用于訓練的數據。數據收集完成后，還需經過分析、處理和清理，才能進入訓練階段。如何實現海量數據的高速傳輸與存儲，已經成為整個行業面臨的重大挑戰，更不用說訓練所需的數據規模還在持續增長。以ChatGPT為例，GPT-3的參數量為1750億，而GPT-4則高達1.76萬億，幾乎所有AI公司都在不斷擴大模型的訓練參數。 在完成訓練過程后，AI模型便會生成，并可用于執行推理。相比訓練，推理對內存的要求相對較低。然而，隨著AI逐漸普及，越來越多的應用正從數據中心向邊緣和終端延伸，這對現有的內存系統在帶寬、延遲和容量等方面提出了更高的要求。 為應對這些重大挑戰并解決 AI 2.0 的內存瓶頸，業界已提出了許多創新性技術方案，包括多路復用內存、串行連接內存、新型編碼方案以及全新的模塊形態。這些創新有望應用于現有內存解決方案，為先進的 AI 工作負載帶來更高的性能表現。 其中一個前景廣闊的解決方案是多路復用內存。正在進入市場的 DDR5 MRDIMMs 采用復用技術，在沿用現有 DRAM 的同時，有效地將數據傳輸速率提升一倍，從而突破了傳統 DRAM 在擴展上的限制。另一種提升路徑是串行連接內存。在 CXL 技術的支持下，這一方式能夠實現緩存一致性的內存共享，并通過采用串行而非并行的數據傳輸，大幅提升容量與帶寬。 此外，新型編碼方案也可應用于部分內存模塊。例如，GDDR7 采用三階脈沖幅度調制（PAM3）編碼，數據傳輸速率最高可達 48Gbps，能夠支持高性能的邊緣與終端 AI 應用。模塊形態的創新同樣在內存容量擴展中發揮關鍵作用。低功耗壓縮附加內存模塊（LPCAMM）便是其中的典型代表，其專為在空間受限的設備（如筆記本電腦）中擴展 LPDDR 內存的性能與應用而設計。 除了性能和容量的提升之外，RAS（可靠性、可用性和可維護性）在內存領域也變得愈發重要。隨著內存芯片的數據傳輸速率不斷提高，單元尺寸持續縮小，以便在一顆芯片中容納更多比特。但單元縮小也帶來了新的挑戰，例如芯片內錯誤（on-die errors），這就需要更強大的糾錯機制。此外，像 RowHammer 和 RowPress 這樣的現象——即訪問特定單元時可能干擾相鄰區域的單元——也亟需進一步的緩解策略。 還需要關注一些相關的發展。量子計算時代即將到來，現有的非對稱加密將面臨被破解的風險，因此無論是 AI 數據還是硬件，都需要通過新一代的抗量子加密技術（Quantum Safe Cryptography）來保護。 同時，訓練和推理AI所需的能耗問題也正日益受到關注。對此，業內各方正積極采取行動來應對這一挑戰。從內存角度來看，行業正持續通過降低工作電壓和優化設計架構來提升能效。電源管理IC（PMIC）將成為在既定功耗范圍內實現更高性能的關鍵一環。 隨著 AI 模型日益復雜，對內存的需求也將更加嚴苛。AI 2.0將重塑各行各業，從個性化體驗到行業專屬解決方案，在整個計算領域（云端、邊緣、終端）全面掀起浪潮，進而推動對更高性能內存解決方案的強勁需求。 作為業內領先的芯片與半導體IP供應商，Rambus 致力于推動數據中心互聯，解決內存與處理器之間的瓶頸問題，從而支持大型語言模型（LLMs）及先進AI應用的發展。Rambus 的全方位產品組合——包括 DDR5 DIMM 芯片組、HBM3/3E 控制器 IP、GDDR7、PCIe 6.1、CXL 3.1，以及 LPDDR5T/5X/5 等——為這些高負載的 AI 工作提供所需的速度、容量與連接能力。 在 AI 2.0 的演進過程中，Rambus 在內存接口芯片、內存接口 IP 以及安全 IP 解決方案方面的專長，將成為不斷突破技術邊界的重要推動力。展望未來，Rambus 將持續攜手產業伙伴，共同開發前沿的內存解決方案，釋放 AI 技術的全部潛能。 |
