الملخص:
يتسبب التوسع السريع لصناعة الذكاء الاصطناعي العالمية في نقص خطير في المعروض من رقائق الذاكرة، وخاصة الارتفاع في الطلب على الذاكرة ذات النطاق الترددي العالي (HBM)، الأمر الذي أدى إلى فرض ضغوط على قدرة إنتاج DRAM التقليدية لإعادة تخصيصها. وفي هذا السياق، يراهن بات جيلسنجر، الرئيس التنفيذي السابق لشركة إنتل، على نوع جديد من تكنولوجيا الذاكرة، على أمل حل مشاكل السعة وعرض النطاق الترددي واستهلاك الطاقة على المدى الطويل التي تواجهها رقائق الذكاء الاصطناعي من خلال تغيير طريقة تصميم خلايا الذاكرة التقليدية.
تُسمى هذه التقنية Z2RAM وتم تطويرها من قبل شركة Nagare Labs الأمريكية الناشئة. تأسست الشركة من قبل الباحثين في معهد جورجيا للتكنولوجيا سومان داتا وشيمينج يو. يأتي أساس أبحاثها من سنوات من استكشاف تقنيات التخزين الجديدة مثل الذاكرة الكهروضوئية وذاكرة الوصول العشوائي المقاومة.
قامت مؤسسة Playground Global، المؤسسة الاستثمارية التي يشارك فيها كيسنجر حاليًا، بقيادة جولة التمويل الأولية لشركة Nagare Labs بقيمة 5 ملايين دولار. لقد أبدى اهتمامًا كبيرًا بهذه التقنية ويعتقد أن Z2RAM لديها الفرصة للجمع بين مزايا SRAM وDRAM وذاكرة الفلاش لإنشاء نوع جديد من الذاكرة بكثافة عالية وسرعة عالية وقابلية للتوسعة.
وأشار كيسنجر إلى أنه خلال العقود الثلاثة الماضية، لم تشهد تقنيات التخزين السائدة التي تم تسويقها تجاريًا على نطاق واسع تغييرات جوهرية. لا تزال ذاكرة فلاش SRAM وDRAM وNAND تشكل أساس التخزين لمعدات الحوسبة الحديثة. ومع ذلك، مع النمو السريع لمتطلبات الحوسبة للذكاء الاصطناعي، أصبحت القيود المفروضة على بنيات التخزين التقليدية واضحة بشكل متزايد.
إن أهم إنجاز حققته هذه التقنية هو إعادة تصميم الطريقة التي تخزن بها خلايا الذاكرة الشحن.
عادةً ما تستخدم ذاكرة DRAM التقليدية بنية 1T1C، أي يتم إقران الترانزستور بمكثف، ويقوم المكثف بتخزين الشحنة لتمثيل البيانات. نظرًا لأن الشحنة الموجودة في المكثف تتسرب بمرور الوقت، يجب على DRAM تحديث البيانات بشكل دوري، وتكون عملية القراءة مدمرة وتتطلب إعادة الكتابة بعد القراءة.
تستخدم ذاكرة SRAM تصميمًا مختلفًا، حيث تتطلب عادةً ستة ترانزستورات لتكوين خلية ذاكرة. لا يحتاج إلى تحديث بشكل دوري مثل DRAM، وسرعة القراءة سريعة جدًا، لذلك يتم استخدامه على نطاق واسع كذاكرة تخزين مؤقت داخل المعالج. ومع ذلك، فإن الثمن هو أن مساحة وحدة التخزين أكبر وتكلفة التصنيع مرتفعة، مما يجعل من الصعب تحقيق توسع واسع النطاق وعالي الكثافة مثل DRAM وNAND.
يحاول Z2RAM إيجاد توازن جديد بين الاثنين. ويستخدم ترانزستورين لتشكيل وحدة ذاكرة، بدلاً من استخدام مكثف منفصل في ذاكرة DRAM التقليدية. وبدلا من ذلك، فإنه يستخدم سعة بوابة الترانزستور الثاني لتخزين الشحنة.
أوضح سومان داتا، المؤسس المشارك لشركة Nagare Labs، أن هذا التصميم يتيح قراءة غير مدمرة. بمعنى آخر، عند قراءة البيانات، ليست هناك حاجة لاستهلاك رسوم التخزين ثم إجراء عملية إعادة كتابة مثل DRAM التقليدية، لذلك من المتوقع تقليل زمن وصول الوصول وتحسين كفاءة التخزين الإجمالية.
من حيث الكثافة، تتوقع Nagare Labs أن كثافة التخزين لكل وحدة مساحة من الجيل الأول من Z2RAM يمكن أن تكون أكثر من خمسة أضعاف كثافة SRAM التقليدية. على سبيل المثال، إذا كانت SRAM من نفس المنطقة يمكنها توفير سعة 64 ميجابايت، فعند استخدام Z2RAM، يمكن نظريًا زيادة السعة إلى حوالي 320 ميجابايت مع الحفاظ على مستوى عرض النطاق الترددي بالقرب من مستوى SRAM.
هذا مهم بشكل خاص لمعالجات الذكاء الاصطناعي. حاليًا، تعتمد مسرعات الذكاء الاصطناعي بشكل متزايد على HBM لتوفير نطاق ترددي ضخم للذاكرة، لكن HBM تتطلب تقنية تعبئة وتجميع معقدة، وتكاليف تصنيع عالية، وقيودًا في استهلاك الطاقة ومنطقة التغليف.
من ناحية أخرى، تستخدم بعض المعالجات المستخدمة خصيصًا لاستدلال الذكاء الاصطناعي كمية كبيرة من ذاكرة الوصول العشوائي (SRAM) الموجودة على الشريحة لتقليل تأخير وصول المعالج إلى الذاكرة الخارجية. ومع ذلك، فإن كثافة SRAM محدودة، مما يجعل الشريحة تقوم بمقايضة بين السعة ووحدات الحوسبة داخل منطقة محدودة.
على سبيل المثال، تستخدم NVIDIA Groq 3 LPU كمية كبيرة من SRAM كموارد تخزين على الشريحة، وتبلغ سعة SRAM لشريحة واحدة حوالي 500 ميجابايت. وفقًا للرؤية التقنية لـ Nagare Labs، إذا تمكنت Z2RAM من تحقيق الكثافة المتوقعة بخمسة أضعاف، فيمكن أن تستوعب نفس المنطقة عدة أضعاف بيانات SRAM التقليدية. وقد يؤدي ذلك إلى تقليل عدد المعالجات المطلوبة لأنظمة استدلال الذكاء الاصطناعي الكبيرة وتقليل الضغط على البيانات التي سيتم نقلها بين الشرائح المختلفة.
هناك ميزة أخرى مهمة لـ Z2RAM وهي استخدام مواد أشباه الموصلات الأكسيدية، والتي من المقرر أن يتم دمجها مباشرة فوق الشريحة المنطقية الحاسوبية من خلال تقنية الربط الهجين ثلاثية الأبعاد.
وهذا يعني أنه ليس من الضروري الاعتماد كليًا على البنية التقليدية لفصل شريحة الذاكرة عن المعالج. وبدلاً من ذلك، لديها الفرصة لتكديس طبقات تخزين عالية الكثافة مباشرة بالقرب من شريحة الحوسبة لتقصير مسافة نقل البيانات. تشبه فكرة تصميمها إلى حد ما فكرة تكديس ذاكرة التخزين المؤقت SRAM الإضافية من AMD على المعالج من خلال تقنية 3D V-Cache، لكن Z2RAM تأمل في توفير كثافة تخزين أعلى.
فيما يتعلق بتكنولوجيا التصنيع، تخطط Nagare Labs أيضًا للاستفادة من فكرة التراص العمودي لذاكرة فلاش NAND لبناء طبقات تخزين متعددة طبقة تلو الأخرى. على عكس HBM وLPDDR، اللذين يعتمدان على عبوات الذاكرة المعقدة عالية الكثافة، تأمل الشركة في تحقيق تصنيع بسيط متعدد الطبقات نسبيًا من خلال أشباه الموصلات الأكسيدية والعمليات الخلفية. إذا نجح هذا الحل، فستتاح له الفرصة لتقليل تكلفة تصنيع وحدات التخزين ذات السعة الكبيرة على الرقاقة.
ومع ذلك، لا تزال Z2RAM في مرحلة مبكرة جدًا من التطوير. أكملت Nagare Labs للتو جولة تمويل أولية بقيمة 5 ملايين دولار أمريكي. النتائج في هذه المرحلة هي في الأساس نماذج أولية مختبرية ولم تدخل بعد مرحلة تصنيع الرقائق الناضجة.
تبحث الشركة عن شركاء رائعين يمكنهم توفير إمكانات البحث والتطوير والتصنيع، على أمل تطوير التكنولوجيا من بيئة الغرفة النظيفة في مختبر الجامعة إلى التحقق من الإنتاج على نطاق واسع. وفقًا للخطة الحالية، تأمل Nagare Labs في توفير عينات شرائح ذاكرة Z2RAM العاملة خلال السنوات الأربع القادمة والسعي لتحقيق الشحنات التجارية خلال السنوات العشر القادمة.
وفي الوقت نفسه، تواجه هذه التكنولوجيا أيضًا العديد من التحديات الهندسية.
الأولى هي مشكلة التكامل مع رقائق الحوسبة. يجب أن تكون Z2RAM متصلة بالمعالج أو مسرع الذكاء الاصطناعي من خلال الربط الهجين ثلاثي الأبعاد، لكن الصناعة لم تشكل بعد معيار واجهة موحد مناسب لهذا النوع الجديد من الذاكرة. وقال باحثون بجورجيا تك إنه بدون معايير الصناعة الناضجة، قد تحتاج Nagare Labs إلى تطوير تقنية الواجهة الخاصة بها، الأمر الذي سيزيد من تعقيد تصميم المنتج وتسويقه.
والثاني هو موثوقية المواد. تتمتع أشباه الموصلات الأكسيدية بمزايا معينة في الاستقرار الحراري ومقاومة الإشعاع، ولكن قد تحدث عيوب مثل الشواغر الذرية داخل المادة. يمكن أن تؤثر هذه العيوب المجهرية على جهد عتبة الترانزستور، وحتى التغيرات الصغيرة في الجهد يمكن أن تسبب أخطاء في البيانات في خلية الذاكرة.
بالنسبة لمنتجات الذاكرة، غالبًا ما تكون الموثوقية أكثر أهمية من ذروة الأداء في المختبر. يجب أن تخضع أي تقنية تخزين جديدة للاحتفاظ بالبيانات على المدى الطويل، وعمر القراءة والكتابة، وتغيرات درجات الحرارة، والتحقق من اتساق التصنيع قبل أن تتمكن من دخول السوق التجاري حقًا.
اعترف المؤسس المشارك لشركة Nagare Labs أيضًا بوجود عدد كبير من الشركات الناشئة في مجال الذاكرة في التاريخ والتي حاولت تحدي تقنية DRAM التقليدية وذاكرة الفلاش، لكنها فشلت في النهاية. حتى لو كان أداء التكنولوجيا جيدًا في المختبر، فهذا لا يعني أنها ستجتاز معايير الجودة الصارمة لصناعة أشباه الموصلات وتدخل سلسلة التوريد لأنظمة الحوسبة الحالية.
يرتبط السبب وراء تفاؤل كيسنجر بشأن Z2RAM ارتباطًا وثيقًا باختناق الذاكرة الذي تواجهه صناعة الذكاء الاصطناعي الحالية. لا يتطلب التدريب والاستدلال لنماذج اللغات الكبيرة قوة حاسوبية قوية فحسب، بل يتطلب أيضًا تغذية مستمرة لكميات كبيرة من البيانات إلى المعالج. عندما تتجاوز سرعة معالجة وحدة الحوسبة قدرة الذاكرة على توفير البيانات، يجب على المعالج انتظار البيانات، مما يؤدي إلى موارد حوسبة باهظة الثمن لا يمكن الاستفادة منها بالكامل.
في الوقت الحالي، يعد HBM هو الحل الرئيسي لحل مشكلة النطاق الترددي للذاكرة لمسرعات الذكاء الاصطناعي، لكنه لا يخلو من العيوب. يعتقد جيلسنجر أنه إذا تمكنت Z2RAM من تحقيق الأداء المتوقع، فستتاح لها الفرصة لتقديم حلول مختلفة عن HBM الحالية من حيث كثافة التخزين والسرعة واستهلاك الطاقة.
من الجدير بالذكر أن Z2RAM ليست تقنية يمكنها حل النقص العالمي في إمدادات DRAM وHBM على المدى القصير. وحتى لو أصبحت العينات الهندسية متاحة في السنوات الأربع المقبلة، فإن التسويق على نطاق واسع لا يزال بعيد المنال. يرجع السبب الرئيسي في قلة العرض الحالي من الذاكرة العالمية إلى الارتفاع الكبير في الطلب من مراكز بيانات الذكاء الاصطناعي، وقيام Samsung وSK Hynix وMicron بتحويل المزيد من الطاقة الإنتاجية إلى منتجات ذاكرة HBM وذاكرة الخادم.
آرس تكنيكا
+2
إذا تمكنت Z2RAM في نهاية المطاف من تحقيق الإنتاج الضخم، فقد تكمن أهميتها الأكثر أهمية في تغيير بنية التخزين للمعالجات المستقبلية، بدلاً من مجرد زيادة المعروض من رقائق الذاكرة التقليدية. ومن المتوقع أن تتيح لمعالجات الذكاء الاصطناعي الحصول على مساحة تخزين أكبر عالية السرعة داخل الشريحة، وتقليل الاعتماد على النطاق الترددي للذاكرة الخارجية، وتوفير خيارات تصميم جديدة للجيل القادم من مسرعات الذكاء الاصطناعي.
من SRAM إلى DRAM إلى ذاكرة فلاش NAND، شكلت صناعة أشباه الموصلات نظامًا ناضجًا لتكنولوجيا التخزين. تحاول Z2RAM كسر الأداء الطويل الأمد مقابل مقايضة الكثافة بين هذه التقنيات. ومع ذلك، فإنه لا يزال مفهوما تقنيا في مرحلة المختبر. إن إمكانية تحويله في النهاية من نتيجة بحث علمي إلى منتج تجاري تنافسي سيتطلب وقتًا واختبار عملية التصنيع.
التعليقات