Tekoälyn yleistyminen haastaa datan tallennusratkaisujen rajoja. Tuotekehityksellään Silicon Motion pyrkii vastaamaan tekoälyn asettamiin kasvaviin tallennusvaatimuksiin.
|
|
Artikkelin on kirjoittanut Silicon Motionin tallennusratkaisujen liiketoiminnasta vastaava Nelson Duann. Hänellä on sähköinsinöörin tutkinto Stanfordin yliopistosta. Valmistumisensa jälkeen DUann työskenteli vuosia piirisuunnittelijana Sun Microsystemsissä. Silicon Motionin palveluksessa Duann on ollut jo yli 17 vuotta.Tekoälystä on tullut lyhyessä ajassa päivittäiseen elämään vaikuttava asia, joka on läsnä kaikkialla älypuhelimista terveydenhuoltoon. Duann kertoo, että ihmiset törmäävät tekoälyyn mitä erilaisimmissa yhteyksissä. He saavat siitä myönteisiä kokemuksia kuten reaaliaikaisia kielenkäännöksiä, nopeampaa potilasluokittelua terveydenhuollossa ja parempilaatuisia digitaalisia kuvia. Nämä kaikki kykyyn liikuttaa ja käsitellä suuria määriä dataa hyvin nopeasti.
Tekoälyn nopea läpimurto – niin verkon reunalla kuin pilvipalveluissakin – edellyttää, että datansiirto tapahtuu pidäkkeettömästi. Tekoälyllä tapahtuva tietojen käsittely edellyttää suunnattomasti kapasiteettia ja nopeutta etenkin, kun generatiivisten tekoälytyökalujen tapaiset tekoälysovellukset alkavat yleistyä. Näillä työkaluilla voidaan tehdä tekstiä, kuvia, videoita, audioita ja ohjelmistoja. Tekoälyä tulee löytymään kaikkialta pienen pienistä päälle puettavista sovelluksista erittäin paljon tehoa vaativiin sovelluksiin kuten genomin sekvensointiin. Olemme tällä hetkellä murroskohdassa, jossa tekoäly on juurtumassa kaikille elämänalueille.
Laskentateho vaatii kehittyneitä laitteita
Siirtyminen tekoälyn käyttämisestä lähinnä luokittelun työkaluna toimimisesta nykyisiin generatiivisiin paljon laskentatehoa vaativiin käyttökohteisiin on tapahtunut laitteistojen kehittymisen ansiosta. Yhä nopeampien prosessorien ja heterogeenisen tietojenkäsittelyn tarpeen asettamat vaatimukset ovat johtaneet erityisten tekoälykiihdyttimien tuotekehitykseen. Nelson Duann korostaa erityisesti muistitekniikoissa tapahtunutta kehitystä. Nopeampien muistiliitäntöjen ja suuremman muistikapasiteetin kehitystyö on ollut olennainen osa tekoälyn läpimurrossa.
Tekoälyn vaatimukset datansiirrossa ovat lisänneet merkittävästi suurempien liitäntäkaistaleveyksien ja tehokkaampien muistiarkkitehtuurien kysyntää. Tekoäly sekä kuluttaa että synnyttää valtavia määriä dataa, erityisesti kun kyseessä on generatiivinen tekoäly, jossa tuotoksia – kuten syntetisoituja kuvia, audioita ja videoita - syntyy valtavia määriä.
Tekoälyn vaikutus tallennuskapasiteettiin
Tekoälysovellusten, erityisesti generatiivisen tekoälyn kuten ChatGPT:n, yleistyminen on lisännyt painetta tallennusjärjestelmien kehittämiseen. Useimmat nykyiset tekoälysovellukset perustuvat pilvipalveluihin, joita ylläpitävät massiivisissa datakeskuksissaan Googlen, Microsoftin ja Metan kaltaiset tekniikkajätit. Tällaiset datakeskukset pitävät sisällään runsaasti laitteistoja, jotka pystyvät suoriutumaan tekoälyn vaatimista työkuormista.
Kun tekoälyä aletaan käyttää enenevässä määrin edge-alustoilla kuten PC-koneissa, älypuhelimissa ja jopa autoissa tallennusta ja käsittelyä koskevat vaatimukset kuitenkin muuttuvat. Duann painottaa, että yksityisyyteen ja muihin tekijöihin liittyvät kysymykset ohjaavat tätä muutosta kohti edge-tekoälyä. Edge-tekoäly auttaa suojaamaan käyttäjän yksityisyyttä tehokkaammin varmistamalla, että tekoälyprosessointi tapahtuu paikallisesti laitteissa, ja tämä lisää olennaisesti muisti- ja prosessointitehon tarvetta arkipäivän kuluttajalaitteissa.
NAND-muistin kehitysnäkymät tekoälysovelluksissa
Siirtyessään kohti verkon reunalaitteita tekoäly tarvitsee tallennusratkaisuja, joiden on pystyttävä vastaamaan tiheyteen, nopeuteen ja suoritustehoon kohdistuviin yhä lisääntyviin vaatimuksiin. Duann korostaa NAND-flash-tekniikan asemaa, kun halutaan vastata mainittuihin vaatimuksiin, ja siihen liittyviä innovaatioita kuten TLC (Three-Level Cell) ja QLC (Quad-Level Cell) -rakenteilla aikaan saatavia kapasiteetin lisäyksiä. Duannin mukaan nykyisillä 3D NAND -pinoamistekniikoilla saadaan toteutettua yli 200 kerrosta ja teratavun SSD-levyt alkavat olla arkipäivää.
Silicon Motion on johtavien NAND-flash-tekniikan kehittäjien joukossa. Yhtiö julkisti ensimmäisenä QLC NAND SSD:tä tukevan ohjaimen, joka täyttää suorituskyvyn ja kestävyyden osalta tekoälysovelluksille asetetut tiukat standardit. Laajat kielimallit (LLM), kuten GPT, ovat esimerkkinä siitä, kuinka paljon tekoäly voi kuormittaa tallennusjärjestelmiä. Miljardeine parametreineen nämä muunninpohjaiset mallit vaativat valtavasti muistia ja jatkuvasti tapahtuvien luku- ja kirjoitusoperaatioiden suorittamista opetus- ja päättelyjaksojen aikana. Duann huomauttaa, että kun LLM-kielimallit ja muut generatiiviset mallit kehittyvät, NAND-muistien on pystyttävä vastaamaan nopeuden, kapasiteetin ja suoritustehon osalta yhä suurempiin vaatimuksiin.
Silicon Motionin tekoälyyn liittyvä strategia
Vastatakseen tekoälyn kasvavaan merkitykseen kuluttajalaitteissa Silicon Motion on keskittynyt kehittämään yhä nopeampia ja suuremman kapasiteetin omaavia muistiratkaisuja, jotka kuluttavat vähemmän tehoa. Yhtiö on sitoutunut parantamaan SSD:n tiheyttä etsien samalla innovatiivisia tapoja kasvattaa kapasiteettia ilman tehonkulutuksen lisääntymistä.
Yksi Silicon Motionin painopistealue on hyödyntää yhtiön käyttämien piirivalmistajien tarjoamia edistyneimpiä prosessigeometrioita ja uusia tekniikoita kuten tehosaarekkeita (power island) piirien toiminnan hallinnassa. Lisäksi yhtiö tutkii kehittyneitä datan organisoinnin menetelmiä kuten FDP (Flexible Data Placement) -sijoittelua SSD-levyjä ja ZNS (Zone Name Space) -sektorointia mobiilisovelluksia varten, jolloin saadaan tallennusratkaisut sovitettua eri laitteiden erilaisia vaatimuksia vastaaviksi.
Duann mainitsee äskettäin julkistetun UFS 4.0 -standardia tukevan SM2756-ohjaimen esimerkkinä Silicon Motionin innovaatioista. Vähävirtaisessa 6 nanometrin prosessissa valmistettava SM2756-ohjain tukee peräkkäisiä 4300 megatavun luku- ja yli 4000 megatavun kirjoitusnopeuksia sekunnissa ja se voi hallita jopa 2 teratavun 3D TLC ja QLC NAND -flasheja – mikä tekee siitä mitä soveliaimman tekoälyn mobiilisovelluksiin.
Tuotekehitys jatkuu
Kun tekoälyn kehittyminen jatkuu, datan tallennukseen liittyvät haasteet voimistuvat. Laajat tekoälymallit kuten LLM:t vaativat valtavan määrän datansiirtoa laitteiden ja pilvipalveluiden välillä, jolloin korostuu toiminnallinen ja energiatehokas suorituskyky. Duann painottaa Silicon Motionin vankkaa osaamista NAND-flash-tekniikan hallinnasta, mikä on olennaista pyrittäessä vastaamaan näihin haasteisiin.
Jatkossa Silicon Motionin tarkoitus on panostaa sopivien laiteohjelmistojen kehitykseen, suoritustehon parantamiseen sekä viimeisimpien liitäntöjen kuten tekoälykännyköiden UFS 4.0:n ja tekoäly-PC:iden vähävirtaisten SSD-ohjaimien PCIe Gen5:n tukemiseen. Yhtiön MonTitan SSD -ohjainalusta on myös asemoitu tukemaan tekoälyn datan keskustallennuksen erittäin suuria vaatimuksia.
Duann summaa, että tekoäly on nyt vahvassa myötätuulessa, jonka suunta on kohti reunalaitteita. Jokainen mobiilikäyttäjä tulee ennen pitkää ajamaan henkilökohtaisia tekoälymallejaan omilla kännyköillään ja tarvitsee massiivista tallennuskapasiteettia, joka pystyy hallitsemaan entistä nopeammin datansiirtoa energiatehokkuuden kärsimättä. Silicon Motion vastaa näihin haasteisiin kehittämällä jatkuvasti uusia muistirakenteita ja -tekniikoita.
Kun tekoäly jatkuvasti saavuttaa uusia vaikutusalueita, Silicon Motion on sitoutunut edistämään muistiratkaisuja, jotka mahdollistavat seuraavan sukupolven tekoälysovellukset – ovat ne sitten datakeskuksissa, verkon reunalaitteissa tai taskuissa olevissa älykännyköissä.
Kun suurteholaskennan (HPC) työkuormat monimutkaistuvat, generatiivinen tekoäly sulautuu yhä tiiviimmin moderneihin järjestelmiin ja lisää kehittyneiden muistiratkaisujen tarvetta. Vastatakseen näihin muuttuviin vaatimuksiin ala kehittää uuden sukupolven muistiarkkitehtuureja, jotka maksimoivat kaistanleveyden, minimoivat latenssin ja parantavat energiatehokkuutta.