随着AI推理越来越多地向边缘设备进行集成和转移，我们会把数据传输量大幅减少、边缘设备性能提升、延迟下降等优势迁移到边缘端，在这一过程中，凭借高带宽和低时延的特性，GDDR开始崭露头角。
市场对于数据的需求是无止境的，哪怕是一些增长已经开始放缓的市场，对数据的需求依旧是上升的。更不要提当下非常火爆的ChatGPT等人工智能相关的应用程序，它们的增长速度和对数据的需求更是十分惊人，例如ChatGPT-3就是以1750 亿个参数在进行训练。这些人工智能应用的快速发展，对处理器与带宽提出了更高的要求和标准。
“一直以来，业界始终存在着一个非常重要的误区，就是尽管算力的增长非常显著，但带宽上的进步却无法改善。也就是说，在现有高算力的基础之上，很多GPU资源并没有得到充分利用，从而造成了现在的困境。”Rambus IP核产品营销高级总监Frank Ferro说。
Rambus IP核产品营销高级总监Frank Ferro
GDDR/DDR/HBM/GDDRX，怎么选？
AI应用由两类任务组成：训练和推理，每类任务都有自己的要求——训练需要录入大量数据来进行分析，属于大算力、高耗时场景；推理层对算力的需求会有大幅下降，但对成本和功耗更加敏感。随着AI推理越来越多地向边缘设备进行集成和转移，我们会把数据传输量大幅减少、边缘设备性能提升、延迟下降等优势迁移到边缘端，在这一过程中，凭借高带宽和低时延的特性，GDDR开始崭露头角。
众所周知，GDDR内存最初是为了满足游戏机和PC的高性能图形计算需求而开发的，但现在越来越多的出现在了数据中心和网络应用中，Frank Ferro认为，GDDR的应用依旧会在整个图形领域继续获得良好的发展，但之所以会出现这样的转变，是因为GDDR有着优秀的数据传输速率，适用于很多边缘侧AI推理场景和网络应用。相比之下，如果选用DDR设备，无论是数量、成本还是功耗，都会面临巨大挑战。
以DDR4为例，尽管它的成本相对较低，但3.2Gb/s的运行速度也“令人抓狂”，而GDDR几年前就已经能够实现16Gb/s的带宽，是DDR4的3-4倍。此外，两者在容量密度、功耗等方面也存在着显著差异。所以，简单而言，如果将带宽视作主要标准和最重要的衡量因素，GDDR毫无疑问是最好的选择；但如果从存储密度和成本敏感性角度来看，DDR是更好的选择。
GDDR6在加速器上的高性能内存用例
在谈及HBM和GDDR6的应用差异时，Frank Ferro说如果把HBM用在AI推理上，尽管HBM能够提供800Gb带宽，但它超过了AI推理本身所需要的400-500Gb带宽，而且会使成本增加3-4倍，更适合AI训练这种需要更大带宽和更低延迟的应用场景。对于需要更大容量、更高带宽的AI推理场景，GDDR6是更合适的选择。
他同时否认了Rambus会开发GDDR6X相关技术或产品的说法。“GDDR6和GDDR6X都是行业非常优秀的技术，性能都可以达到非常高的水平，但前者是JEDEC标准，后者现在还是专利保护的技术，更多是以具体的客户需求为导向，这并不符合我们的初衷。”Frank Ferro强调说。
内存是未来AI性能的关键
为了能够向人工智能/机器学习(AI/ML)、图形和网络应用提供高成本效益、高带宽的内存性能，Rambus公司日前宣布推出24Gb/s GDDR6 PHY产品，能够为每个GDDR6内存设备带来96GB/s的带宽。除此之外，Rambus GDDR6 PHY还经过了全方位的优化，并可与Rambus GDDR6数字控制器IP相结合，形成完整的GDDR6内存接口子系统解决方案。
Frank Ferro将Rambus GDDR6 PHY IP的主要特点归结为以下五个方面：
- 提供最高可达24Gb/s的数据传输速率，最大带宽为96GB/s；
- 可与Rambus GDDR6数字控制器IP组合成完整的内存子系统解决方案，用户可在此基础上直接对子系统进行定制化开发；
- 具有LabStation™开发环境，能够快速建立系统，进行特性分析和调试
- 建立在Rambus 30年的领先高速信号完整性、电源完整性(SI/PI)专业知识基础上，可提供系统级信号完整性；
- 提供参考设计以及对封装和PCB的支持；
在实际应用中，PHY物理层通过两个16位插槽与DRAM直接相连，另外一侧则是DFI接口与内存控制器进行连接，确保控制器直接接入整个系统的逻辑控制。之所以采用双读写通道，Frank Ferro解释说，进入GDDR6时代后，采用16位双读写通道已经成为趋势，32位的数据宽度能显著增加数据的传输速度和传输效率。同时，GDDR6内存还有8个这样的双读写通道，总共加起来可以实现256位的数据传输宽度，可以带来非常大的数据传输速率和系统效率提升，功耗管理上也可以获得进一步的优化。
此外，他还特别强调了clamshell模式——在该模式试下，每信道可支持两个GDDR6设备，从而使整个系统容量直接翻倍。“一般来说，AI推理应用对带宽的需求保持在200-500Gb/s范围内，而每一个GDDR6设备的带宽都可以达到96Gb/s，因此将4-5个GDDR6设备组合在一起，就可以轻松满足500Gb/s及以下的带宽需求。“Frank Ferro说。
- 加油
您可能感兴趣
