我们知道，以ChatGPT为主导的生成式AI工具正在与不同行业亲密协作，一些存储企业已经在开拓自己的新思路了，比如SK海力士。
SK海力士的新思路——给生成式AI工具提供高性能存储芯片
高效算力和高存储容量是AI学习和推理模型的基础。ChatGPT等生成式AI应用要从大量训练数据中学习生成和输出高质量内容。为了实现关键词识别、图像识别等功能，AI模型要存储大量的图片和音频信息。AI应用还必须具备快速处理数据的能力，能把AI计算结果实时输出给用户，因此对存储芯片的数据传输速度提出了更高要求。但目前为止，向生成式AI工具提供高性能存储似乎还未引起大家足够的重视。
前段时间，SK海力士正式推出了一款高性能、大容量、高带宽的内存芯片，把12个DRAM芯片层连接在一起，提供24GB的DRAM，目的就是抢夺AIGC等计算密集型市场红利。
SK海力士用高带宽内存 (HBM) 绕过 x86CPU插槽，把DRAM连接到CPU。相比CPU插槽的途径，HBM有更直接、基于中间层的处理器连接方式，具有更高带宽，用HBM3时带宽高达 819GBps，可以有效提升训练学习和计算期间的服务器性能。继2022年6月SK海力士开始量产16GB容量的8层HBM3芯片之后，顺风搭上AIGC，SK海力士开启了新征程。
SK海力士的一位发言人表示：“公司成功开发了24GB的封装产品，内存容量比之前的产品增加50%。 ……今年下半年开始向市场提供新产品，以此满足由AI驱动的聊天机器人（如ChatGPT）行业对高端内存产品的增长需求。”白话翻译过来就是，采用大语言模型工具的企业数量激增，大幅提升GPU的销售量，相应地GPU需要大量内存还有采用HBM技术进行提速，我们的机会就来了！
图片来自网络
回顾一下什么是HBM
High Bandwidth Memory (HBM) 是一种基于3D堆叠工艺的DRAM内存芯片，缓存和内存组CP，利用TSV（硅通孔技术）实现垂直堆叠，这样的设计能让交换数据的时间大大缩短，但要适配不同型号的芯片带还要匹配大小，成本高，现在主流应该使用的是2.5D封装，都很适用于AI，机器学习和数据中心等规模型应用。
图片来自网络
与平面板级连线不同，通过interposer的特殊有机材料（线宽，节点间距优于电路板）作为中间转接层，就像一个有底座的硅芯片，连接多个DRAM芯片堆栈，实现高密度和高带宽。目前HBM主要安装在GPU、网络交换设备（如路由器和交换机）、AI加速器、超级计算机和高效服务器上。
未来随着DRAM与存储器之间的价格和速度差距不断缩小，围绕DRAM和SRAM的近内存计算更符合AI应用需求，2.5D封装是过渡期的最优选。当然除了HBM，CXL（Compute Fast Linking）等新存储技术与软件优化相结合，也会提高应用中存储容量和性能。
这不，现在三星也推出了自己首款支持CXL 2.0的CXL DRAM。基于CXL 2.0的128GB CXL DRAM将在今年量产，为高性能服务器系统中和CPU一起使用的加速器、DRAM和存储设备提高效率，满足人工智能和机器学习应用高速处理数据的需求。所以诸位，CXL连接要继续加油呀！
图片来自网络
除了HBM和CXL，还有企业在用自然语言实时查询其组织的数据库/数据湖，国外有家数据库初创公司SingleStore就通过投喂给ChatGPT矢量函数实现SQL查询功能，但通用基础的功能很好用，再深入一些还会有结合点吗？
该怎么和ChatGPT玩耍，该怎么和生成式AI应用玩耍，这是个问题。在5月26日，百易传媒（DOIT）即将在苏州中茵皇冠假日酒店召开的2023数据基础设施技术峰会上，这也是话题之一，聚焦AIGC带来的数据变革以及行业的创变之道，我们汇集了来自众多业内专家学者、企业代表，还有制造、互联网等领域用户代表，以期了解最新行业动态，增进交流，加快行业创新。
苏州紫藤花尽开，静待众人来~
