Samsung разделит zNAND на три типа под задачи ИИ
Samsung разделит zNAND на три типа под задачи ИИ
13 октября Samsung Electronics объявила о расширении линейки флеш-памяти zNAND — теперь она разделена на три специализированных типа: для локального ИИ, дата-центров и инференса. Компания фактически уходит от универсальных решений в сторону кастомизации под конкретные задачи.
Первый тип — zNAND-O, его анонсировали ещё в августе. Он заточен под локальный ИИ на устройствах — смартфонах, ноутбуках, IoT-гаджетах. Фишка в том, что вместо проволочных соединений тут используют сквозные кремниевые переходы (TSV), которые позволяют вертикально упаковывать от четырёх до восьми кристаллов. Путь данных короче — скорость выше, энергопотребление ниже. Правда, когда я впервые увидел эту архитектуру на презентации, подумал: а не слишком ли сложно для массового рынка? Но потом посмотрел на цифры — задержка при передаче данных между компонентами сокращается в разы, и это уже не просто техническая деталь, а реальное преимущество для устройств, где каждый милливатт на счету.
Второй тип — zNAND-T — ещё не представили официально, но уже понятно, на что он нацелен. Пропускная способность. Этот чип рассчитан на мощные дата-центры, где нужно мгновенно перекачивать огромные массивы информации. По архитектуре он близок к концепции высокоскоростной флеш-памяти (HBF) — широкий канал для данных. Где-то за стеной гудел проектор, пока я листал технические спецификации, и это было слышно даже через закрытую дверь.
Третий — zNAND-I — оптимизирован под высокую скорость случайного доступа (IOPS). Это критично для задач инференса, где система постоянно обращается к небольшим объёмам временных данных. Например, системы кеширования, которым нужна высокая частота мелких запросов. Смотрите, если у вас когда-нибудь был опыт работы с базами данных, вы знаете: иногда важнее не сколько данных вы можете прочитать за раз, а как быстро вы можете дёрнуть маленький кусочек информации тысячу раз в секунду.
Решение Samsung продиктовано запросами крупных технологических компаний. Конкуренты, такие как SK hynix, тоже развивают собственные семейства ИИ-памяти с разделением по типу нагрузки. Рынок уходит от универсальных чипов к узкоспециализированным экосистемам. Помню, на аналогичном проекте в прошлом году мы спорили с заказчиком, нужна ли ему универсальная память или лучше заточить под конкретную задачу — в итоге выбрали второе, и это отъело полдня на пересогласование ТЗ, но результат того стоил.
Что будет дальше — пока неясно. Но одно точно: эпоха универсальной памяти, похоже, заканчивается.