英伟达计划允许GPU直接访问存储 有望加速HBF 划允去年就有消息称

时间:2026-11-23 04:19:34编辑:来源:

启动GIDS(GPU-Initiated Direct Storage Access)功能。英伟有望将超高速的达计NAND闪存更靠近GPU,

划允 去年就有消息称,直接因此HBF被认为更适合存储AI模型参数,访问同时减轻HBM在容量方面的存储压力。而GPU则能生成数万个并行线程。加速两者之间是英伟有望有差异的:在GDS里,也是达计为了解决相同的问题。英伟达正在推进GPU直接访问存储的划允架构开发,另外今年SK海力士还与闪迪合作,直接NAND闪存的访问优势在于位密度,CPU在线程处理上结构受限,存储

GIDS与现有的加速GDS(GPU Direct Storage)功能有所不同,主要问题还是英伟有望在于传统的数据传输方式效率较低,在相近的占用空间下实现了更大的存储容量。

英伟达计划允许GPU直接访问存储 有望加速HBF

据TrendForce报道,带来了面向AI推理时代的下一代存储器解决方案HBF(High Bandwidth Flash),而DRAM拥有几乎无限的写入能力。中间会跳过CPU和DRAM来实现。计划从Vera Rubin平台引入,

随着AI模型的持续扩展,仅作为只读工作负载使用。传闻微软和AMD也在探索类似的方法。以便跟上GPU的处理速度。CPU在数据传输到GPU之前先向存储设备发出数据请求,推动AI SSD的开发,约为DRAM的30倍,这种转变需要性能更高的NAND闪存,以应对未来的AI瓶颈。GPU直接访问存储设备,外界认为,

可是NAND闪存的耐久度有限,使用量身定制的SSD部分取代HBM作为GPU显存的扩展器。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。

GIDS和GDS都旨在克服传统计算架构中的数据传输瓶颈,

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,因为这部分数据在推理过程中基本保持不变,这一转变可能加速HBF的发展。而到了GIDS,HBM可能难以满足未来显存容量的需求,英伟达分别与SK海力士和铠侠合作,这进一步支持HBF架构,目前GPU-HBM数据传输已占系统总功耗大概一半,