میکرون و متا در یک آزمایش مشترک، استفاده از حافظه کممصرف LPDDR5X را در مراکز داده هوش مصنوعی بررسی کردهاند. نتایج اولیه نشان میدهد این نوع حافظه میتواند در مقایسه با DDR5، انرژی بسیار کمتری مصرف کند.
کاهش مصرف انرژی با حافظه SOCAMM2
این آزمایش با ماژول SOCAMM2 میکرون انجام شده است؛ فرمفاکتوری مبتنی بر LPDDR5X که برای استفاده در سرورها طراحی شده و امکان سرویسپذیری دارد. آزمایش با مجموعه بنچمارک متنباز DCPerf متا انجام شد و طبق گزارش میکرون، مصرف انرژی این حافظه تقریباً یکسوم DDR5 بود.
با وجود این کاهش، حافظه کممصرف سهمی کمتر از ۷ درصد از کل انرژی سیستم را تشکیل میدهد. ولتاژ عملیاتی پایینتر و روشهای پیشرفته سیگنالدهی LPDDR5X میتوانند پهنایباند را بدون افزایش متناسب مصرف انرژی بالا ببرند و بهرهوری بیشتری به ازای هر وات فراهم کنند.
اهمیت این فناوری برای صنعت هوش مصنوعی در آن است که مراکز داده میتوانند ظرفیت حافظه را افزایش دهند، بدون اینکه هزینههای انرژی با همان سرعت رشد کند. همچنین، گزارش میکرون میگوید استفاده از ماژولهای بیشتر در آزمایش، از انتقال داده به دیسک جلوگیری کرد و سرعت پردازش را افزایش داد.
با این حال، این پیشرفت لزوماً به معنای کاهش فشار بر بازار حافظه نیست. افزایش تولید DRAM کممصرف ممکن است منابع تولید را از حافظه DDR5 و محصولات مصرفی مانند لپتاپها و گوشیها دور کند؛ در نتیجه، کمبود حافظه برای کاربران عادی میتواند همچنان ادامه داشته باشد. برای آشنایی با ابزارهای مرتبط با این حوزه، میتوانید خرید اکانتهای هوش مصنوعی را بررسی کنید.
