AI sekinlashmoqda degan qarashlarga qaramay, doimiy o‘rganayotgan AI saqlash yarim o‘tkazgichlari bozorini kengaytirmoqda
1/ Yaqinda AI rivojlanishi tezligini pasaytirish kerakligi haqida fikrlar paydo bo‘lganiga qaramay, sun’iy intellektning yangi ma’lumotlarni doimiy o‘rganishini ta’minlovchi continuous learning texnologiyasi saqlash yarim o‘tkazgichlari bozori uchun yangi o‘sish omiliga aylangan.
2/ Global investitsiya banki Citigroup bashoratiga ko‘ra, kelasi yili global HBM bit talabi bu yilga nisbatan 62% ga oshib, 75.2 milliard Gb ga yetadi.
3/ Citigroup continuous learning’ni HBM talabining keskin oshishining asosiy sababi deb sanaydi va tahlil qilishicha, trening va inferensiya jarayonlari qayta-qayta olib borilgani sayin, nafaqat HBM, balki server uchun DRAM va enterprise SSD’ga bo‘lgan talab ham birga oshadi.
4/ Ayni paytda, generativ AI’larning aksariyati oldindan treningdan keyin savollarga javob beradi; yangi ma’lumotlar avtomatik ravishda uzoq muddatli bilimga kiritilmaydi, bu esa samaradorlik muammolarini keltirib chiqaradi.
5/ Continuous learning’da trening va inferensiya o‘rtasidagi chegara xiralashadi — maqsad AI xizmat ko‘rsatish davomida ham yangi ma’lumotlar va tajribani o‘rganib, mavjud bilimlar bilan uyg‘unlashtirishdir.
6/ Doimiy tarzda yangi ma’lumotlarni o‘rganar ekan, mavjud ulkan ma’lumotlar bazasiga kirish ham zarur, shuning uchun kengroq saqlash hajmi kerak bo‘ladi; bundan tashqari, HBM’ga qo‘shimcha sifatida server uchun DRAM va NAND asosidagi eSSD’dan foydalanish ham muhim ahamiyat kasb etadi.
7/ Inferensiya jarayonida ham o‘rganish bo‘lgani sababli, faqat kenglik bilan muammoni hal qilib bo‘lmaydi; shu bois, PIM kabi ma’lumotlarni xotiraga yaqinida qayta ishlovchi texnologiyalarga talab oshishi mumkin.
8/ Samsung Electronics AI akseleratorlariga bevosita HBM ni joylashtirish — zHBM konsepsiyasini ilgari surmoqda; SK Hynix esa PIM, SALT-KV va HBF arxitekturasi kabi yondashuvlarni taqdim etib, mavjud GPU-HBM arxitekturasi chegaralarini yengib o‘tishga harakat qilmoqda.