當(dāng)前位置:首頁(yè) >  科技 >  IT業(yè)界 >  正文

服務(wù)器減少約50%還能提升效率?傲騰助PayPal擊碎內(nèi)存墻!

 2022-07-06 15:20  來(lái)源: 互聯(lián)網(wǎng)   我來(lái)投稿 撤稿糾錯(cuò)

  域名預(yù)訂/競(jìng)價(jià),好“米”不錯(cuò)過(guò)

不得不說(shuō),Colossal-AI 訓(xùn)練系統(tǒng)這個(gè)開源項(xiàng)目的漲星速度是真快。

在“沒(méi)十幾塊顯卡玩不起大模型”的當(dāng)下,它硬是只用一張消費(fèi)級(jí)顯卡,成功單挑了180億參數(shù)的大模型。

難怪每逢新版本發(fā)布前后,都會(huì)連續(xù)好幾天霸榜GitHub熱門第一。

使用github-star-history制圖

之前我們也介紹過(guò),Colossal-AI的一個(gè)重點(diǎn)就是打破了內(nèi)存墻限制, 如訓(xùn)練GPT-2與英偉達(dá)自己的Megatron-LM,相比GPU顯存最高能節(jié)省91.2%。

隨著AI模型參數(shù)量的不斷增長(zhǎng),內(nèi)存不夠的問(wèn)題逐漸凸顯,一句CUDA out of memory讓不少?gòu)臉I(yè)者頭疼。

甚至伯克利AI實(shí)驗(yàn)室學(xué)者Amir Gholami一年前曾發(fā)出預(yù)言[1],未來(lái)內(nèi)存墻將是比算力更大的瓶頸:

內(nèi)存容量 上,GPU單卡顯存容量每?jī)赡瓴欧叮枰蔚哪P蛥?shù)卻接近指數(shù)級(jí)增長(zhǎng)。

傳輸帶寬 上,過(guò)去20年才增長(zhǎng)30倍,更是遠(yuǎn)遠(yuǎn)比不上算力20年增長(zhǎng)9萬(wàn)倍的速度。

因此,從芯片內(nèi)部到芯片之間,甚至是AI加速器之間的數(shù)據(jù)通信,都阻礙著AI進(jìn)一步發(fā)展和落地。

為了搞定這個(gè)問(wèn)題,全行業(yè)都在從不同角度想辦法。

1

為了打破內(nèi)存墻,業(yè)界做出哪些努力?

首先,從模型算法本身入手減少內(nèi)存使用量。

比如斯坦福&紐約州立大學(xué)布法羅分校團(tuán)隊(duì)提出的FlashAttention,給注意力算法加上IO感知能力,速度比PyTorch標(biāo)準(zhǔn)Attention快了2-4倍,所需內(nèi)存也僅是其5%-20%。

論文鏈接:arxiv.org/abs/2205.14135

又比如,東京大學(xué)&商湯&悉尼大學(xué)團(tuán)隊(duì)提出將分層ViT與掩碼圖像建模整合在一起的新方法。內(nèi)存使用量比之前方法減少了70%。

論文鏈接:arxiv.org/abs/2205.13515

同類研究其實(shí)層出不窮,就先列舉最近發(fā)表的這兩個(gè)成果。

這些單獨(dú)的方法雖然有效但應(yīng)用面較窄,需要根據(jù)不同算法和任務(wù)做針對(duì)性的設(shè)計(jì),不太能泛化。

接下來(lái),被寄予厚望能解決內(nèi)存墻問(wèn)題的還有存算一體芯片。

這種新型芯片架構(gòu)在存儲(chǔ)單元中嵌入計(jì)算能力,以此消除數(shù)據(jù)搬運(yùn)的時(shí)延和功耗,來(lái)突破馮諾依曼瓶頸。

存算一體芯片以憶阻器技術(shù)為代表,這種電路元件阻值會(huì)隨著通過(guò)的電流改變,如果電流停止,電阻會(huì)停留在當(dāng)前值,相當(dāng)于“記住”了電流量。

如果把高阻值定義為1,低阻值定義為0,憶阻器就可以同時(shí)實(shí)現(xiàn)二進(jìn)制的計(jì)算和存儲(chǔ)。

來(lái)自doi:10.1038/s41586-021-03748-0

不過(guò)存算一體芯片行業(yè)還在起步階段,需要材料學(xué)的進(jìn)步來(lái)推動(dòng)。一方面,能做到量產(chǎn)的就不多,另一方面也缺少對(duì)應(yīng)的編譯器等軟件基礎(chǔ)設(shè)施支持,所以離真正大規(guī)模應(yīng)用還有一段距離。

當(dāng)下,基于現(xiàn)有軟硬件框架做優(yōu)化就成了比較務(wù)實(shí)的選項(xiàng)。

如前面提到的Colossal-AI,用多維并行的方式減少多GPU并行時(shí)相互之間的通信次數(shù),又通過(guò)向CPU“借內(nèi)存”的方法讓GPU單卡也能訓(xùn)練大模型。

具體來(lái)說(shuō),是根據(jù)動(dòng)態(tài)查詢到的內(nèi)存使用情況,不斷動(dòng)態(tài)轉(zhuǎn)換張量狀態(tài)、調(diào)整張量位置,高效利用GPU+CPU異構(gòu)內(nèi)存。

這樣一來(lái),當(dāng)AI訓(xùn)練出現(xiàn)算力足夠但內(nèi)存不夠的情況時(shí),只需加錢添購(gòu)DRAM內(nèi)存即可,這聽起來(lái)可比買GPU劃算多了。

然而,這里又面臨一個(gè)新的問(wèn)題。

GPU平臺(tái)直接“借內(nèi)存”,并不是一種很高效的選擇(不然大伙兒都去堆內(nèi)存條了)——

與CPU相比,GPU平臺(tái)的內(nèi)存可擴(kuò)展性其實(shí)沒(méi)那么高、也不具備L1-L3高速緩存。數(shù)據(jù)在CPU與GPU之間交換走的PCIe接口效率也要低一些。

對(duì)于那些對(duì)時(shí)延更敏感的AI應(yīng)用場(chǎng)景來(lái)說(shuō),是否存在一種更合適的解決方案?

2

用CPU方案打破內(nèi)存墻,可行嗎?

要問(wèn)行不行,還得先看有沒(méi)有。

從業(yè)界來(lái)看,確實(shí)已經(jīng)有不少公司開始基于CPU平臺(tái)搭建一些AI項(xiàng)目,其中一些如個(gè)性化推薦、基于AI的實(shí)時(shí)決策系統(tǒng)等,都屬于“對(duì)時(shí)延非常敏感”的決策型AI。

而決策型AI,正是深受內(nèi)存墻困擾的“受害者”之一——

不是因?yàn)槟P蛥?shù)量大,而是因?yàn)槟P蛯?duì)數(shù)據(jù)庫(kù)的要求高。

與其他訓(xùn)練完直接投入使用的AI不同,決策型AI必須每天從現(xiàn)實(shí)環(huán)境中獲取新鮮數(shù)據(jù),將決策變得更“精準(zhǔn)”,這需要大量的低時(shí)延數(shù)據(jù)交互。

因此,背后的數(shù)據(jù)庫(kù)也需要具備大規(guī)模并發(fā)讀寫、實(shí)時(shí)性強(qiáng)、可擴(kuò)展等特性。

在這種情況下,如何充分利用內(nèi)存來(lái)加速數(shù)據(jù)讀寫,反而成為了比提升算力更加困擾AI的問(wèn)題。

那么,這些企業(yè)究竟是如何在CPU平臺(tái)上解決內(nèi)存墻問(wèn)題的呢?

以曾經(jīng)在全球引領(lǐng)了在線支付服務(wù)潮流,如今依然處于該領(lǐng)域C位的PayPal為例。

PayPal的業(yè)務(wù)如今已經(jīng)涵蓋了在線轉(zhuǎn)賬、計(jì)費(fèi)和支付,并且客戶規(guī)模已經(jīng)達(dá)到了200多個(gè)市場(chǎng)的超3.25億消費(fèi)者和商家,所以它也像傳統(tǒng)的銀行服務(wù)一樣,面臨嚴(yán)峻的欺詐挑戰(zhàn)。

PayPal的應(yīng)對(duì)策略,就是打造了一個(gè)具備實(shí)時(shí)識(shí)別新出現(xiàn)欺詐模式能力的實(shí)時(shí)決策系統(tǒng)。

不過(guò)欺詐者也在不斷改變欺詐模式,或發(fā)掘新的方式來(lái)對(duì)抗該系統(tǒng),因此,PayPal需要不斷提升新型欺詐檢測(cè)的準(zhǔn)確性,并且需要盡可能地縮短欺詐檢測(cè)時(shí)間。

在這種類似貓鼠游戲,比誰(shuí)反應(yīng)更快、誰(shuí)能更靈活應(yīng)變的對(duì)抗中,起到關(guān)鍵作用的就是數(shù)據(jù)的快速處理及讀寫。

為了實(shí)時(shí)識(shí)別新出現(xiàn)的欺詐模式,PayPal需要更快地處理和分析更多數(shù)據(jù),就需要將盡可能大體量的數(shù)據(jù)與實(shí)時(shí)處理做更好的對(duì)接。

然而,內(nèi)存墻的問(wèn)題,在此時(shí)也悄然出現(xiàn)了。

PayPal發(fā)現(xiàn),自己要應(yīng)對(duì)的是平臺(tái)多年來(lái)收集的數(shù)百PB數(shù)據(jù),隨著其反欺詐決策平臺(tái)數(shù)據(jù)量的逐年增長(zhǎng),主索引的規(guī)模也在不斷擴(kuò)張,以至于幾乎要拖垮其數(shù)據(jù)庫(kù),特別是承載這些數(shù)據(jù)的各節(jié)點(diǎn)的內(nèi)存容量一旦耗盡,反欺詐的效率就會(huì)大打折扣,實(shí)時(shí)性也就無(wú)從談起。

于是,PayPal開始考慮采用新的內(nèi)存和存儲(chǔ)技術(shù),來(lái)突破內(nèi)存墻,換言之,提升其數(shù)據(jù)庫(kù)方案的整體存儲(chǔ)密度。

恰逢其會(huì),PayPal于2015年開始主要采用來(lái)自Aerospike的數(shù)據(jù)庫(kù)技術(shù),而后者正是最早支持英特爾® 傲騰™ 持久內(nèi)存的數(shù)據(jù)庫(kù)廠商之一。其創(chuàng)新的混合內(nèi)存架構(gòu)(Hybrid Memory Architecture,HMA)經(jīng)過(guò)優(yōu)化,可以幫助PayPal將體量越來(lái)越大的主索引存入傲騰持久內(nèi)存而非DRAM中,內(nèi)存墻難題就此破局。

最終的試驗(yàn)結(jié)果,也驗(yàn)證了傲騰持久內(nèi)存在打破內(nèi)存墻、提升整個(gè)數(shù)據(jù)庫(kù)容量和性能方面的價(jià)值:

在PayPal現(xiàn)有共計(jì)2,000臺(tái)Aerospike服務(wù)器中,有200臺(tái)已導(dǎo)入了這款持久內(nèi)存,結(jié)果每節(jié)點(diǎn)的存儲(chǔ)空間提升到了原來(lái)的約4倍,且保持了應(yīng)用的極速反應(yīng)和低時(shí)延。

隨內(nèi)存和存儲(chǔ)容量增大而來(lái)的,還有成本上的大幅節(jié)省,據(jù)PayPal和Aerospike進(jìn)行的基準(zhǔn)測(cè)試:

由于單個(gè)節(jié)點(diǎn)在數(shù)據(jù)存儲(chǔ)和讀寫上的能力得到了強(qiáng)化,所需服務(wù)器的數(shù)量可以因此減少50%,每集群的成本就可因此降低約30%[2]。

而且,傲騰持久內(nèi)存還有一個(gè)BUFF,也在PayPal這個(gè)反欺詐應(yīng)用場(chǎng)景里發(fā)揮了令人意想不到的作用,這就是數(shù)據(jù)持久性,能帶來(lái)超快的數(shù)據(jù)和應(yīng)用恢復(fù)速度。

相比將主索引存入DRAM,在計(jì)劃或非計(jì)劃的停機(jī)后還需要從存儲(chǔ)設(shè)備中掃描數(shù)據(jù)并重建索引不同,將主索引存入傲騰持久內(nèi)存并做持久化后,不論是意外宕機(jī),還是計(jì)劃中的停機(jī),其數(shù)據(jù)都不會(huì)因?yàn)閿嚯姸?,整個(gè)系統(tǒng)就可以用更快的速度恢復(fù)并重新聯(lián)機(jī)。

要問(wèn)這個(gè)速度有多快?PayPal給出的答案是原先需要59分鐘來(lái)重建索引,現(xiàn)在只需4分鐘。

PayPal還給出了一些更具整體視角,并從業(yè)務(wù)和最終應(yīng)用功效切入的數(shù)據(jù)來(lái)說(shuō)明它的收益:

它以2015年初步估計(jì)的50TB欺詐數(shù)據(jù)量和過(guò)去的內(nèi)存系統(tǒng)為基準(zhǔn),發(fā)現(xiàn)基于傲騰持久內(nèi)存的新方案,可幫助它將服務(wù)級(jí)別協(xié)議(SLA)遵守率從98.5%提升到99.95%。

漏查的欺詐交易量,則降到原來(lái)的約1/30,整體服務(wù)器的占用空間可降至原來(lái)的約1/8(從1024減少到120臺(tái)服務(wù)器),而其整體硬件成本可以降到原來(lái)的約1/3。

考慮到預(yù)測(cè)的年數(shù)據(jù)增長(zhǎng)率約為32%,PayPal的反欺詐系統(tǒng)完全可在新方案上實(shí)現(xiàn)經(jīng)濟(jì)高效的擴(kuò)展,并讓它繼續(xù)保持99.95%的欺詐計(jì)算SLA遵守率、更短的數(shù)據(jù)恢復(fù)時(shí)間、更強(qiáng)的數(shù)據(jù)處理、查詢性能和數(shù)據(jù)一致性以及高達(dá)99.99%的可用性。

所以,像這種對(duì)數(shù)據(jù)庫(kù)性能要求更高的推薦、在線評(píng)估類AI應(yīng)用,利用CPU平臺(tái),特別是利用有AI加速能力的CPU+傲騰持久內(nèi)存來(lái)打破內(nèi)存墻,加速整體性能表現(xiàn)并降低成本確實(shí)是可行,而且也是能夠負(fù)擔(dān)得起的。

如前文提及的,除了PayPal這樣的全球型客戶外,國(guó)內(nèi)也有不少渴望打破內(nèi)存墻的互聯(lián)網(wǎng)企業(yè)、AI創(chuàng)業(yè)企業(yè)在他們類似的應(yīng)用場(chǎng)景中嘗試了傲騰持久內(nèi)存,結(jié)果也是收獲了內(nèi)存子系統(tǒng)容量大幅擴(kuò)展+數(shù)據(jù)和應(yīng)用恢復(fù)用時(shí)顯著縮短+硬件成本或TCO大降的多重功效。

而且,能用上這套方案的還不止是這些場(chǎng)景。

即使在AI for Science上,目前也有一些科研項(xiàng)目正嘗試充分利用這套方案,來(lái)解決內(nèi)存墻的問(wèn)題。

由DeepMind在2021年發(fā)布的AlphaFold2就算是一例。

得益于加速蛋白質(zhì)三維結(jié)構(gòu)探究的定位,以及預(yù)測(cè)的高可信度,AlphaFold2正在生命科學(xué)領(lǐng)域掀起顛覆式的變革,而它的成功秘訣,就在于利用深度學(xué)習(xí)方法進(jìn)行蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè),這使它在效率、成本等方面遠(yuǎn)勝傳統(tǒng)實(shí)驗(yàn)方法(包括X-ray衍射、冷凍電鏡、NMR等)。

因此,幾乎所有生物學(xué)界的從業(yè)者都在著手這一技術(shù)的落地、管線搭建以及性能調(diào)優(yōu)。英特爾也是其中一員。它結(jié)合自身架構(gòu)的軟硬件優(yōu)勢(shì),對(duì)AlphaFold2算法進(jìn)行了在CPU平臺(tái)上的端到端高通量?jī)?yōu)化,并實(shí)現(xiàn)了比專用AI加速芯片還要出色的性能。

取得這一成績(jī),既得益于第三代英特爾® 至強(qiáng)® 可擴(kuò)展處理器內(nèi)置的高位寬優(yōu)勢(shì)(AVX-512等),也離不開傲騰持久內(nèi)存對(duì)“內(nèi)存墻”的突破。

一方面,在模型推理階段,英特爾專家通過(guò)對(duì)注意力模塊(attention unit)進(jìn)行大張量切分(tensor slicing),以及使用英特爾® oneAPI進(jìn)行算子融合等優(yōu)化方法提升了算法的計(jì)算效率和CPU處理器利用率,加快了并行推理速度,并緩解了算法執(zhí)行中各個(gè)環(huán)節(jié)面臨的內(nèi)存瓶頸等問(wèn)題。

另一方面,傲騰持久內(nèi)存的部署,也提供了TB級(jí)內(nèi)存容量的“戰(zhàn)略級(jí)”支持,能更輕松地解決多實(shí)例并行執(zhí)行時(shí)內(nèi)存峰值疊加的內(nèi)存瓶頸。

這個(gè)瓶頸有多大?據(jù)英特爾技術(shù)專家介紹:在輸入長(zhǎng)度為765aa的條件下,64個(gè)實(shí)例并行執(zhí)行時(shí),內(nèi)存容量的需求就會(huì)突破2TB。在這種情形下,對(duì)用戶而言,使用傲騰持久內(nèi)存也是他們目前真正可行的方案。

3

下一步:異構(gòu)芯片,統(tǒng)一內(nèi)存

當(dāng)然,從整個(gè)行業(yè)的發(fā)展態(tài)勢(shì)來(lái)看,CPU搭配大容量持久內(nèi)存的方案,也并非就能一勞永逸地解決“內(nèi)存墻”的問(wèn)題。

它同樣也只是眾多解決方案中的一種。

那么,是否還有其他針對(duì)內(nèi)存墻的方案,既不像存算一體芯片那般遙遠(yuǎn),但又比CPU+持久內(nèi)存的用途更全面、更多樣呢?

答案或許就是異構(gòu)芯片+統(tǒng)一內(nèi)存的路子了。

這里的異構(gòu)芯片,指的可不僅僅是CPU和GPU,還包括有FPGA和ASIC等同樣能為AI計(jì)算提供加速的芯片類型。隨著芯粒(Chiplet)技術(shù)的發(fā)展,異構(gòu)計(jì)算或許能為打破內(nèi)存墻提供新的可能性。

目前,芯?;ヂ?lián)互通的開放標(biāo)準(zhǔn)UCIe(Universal Chiplet Interconnect Express)已獲得大量芯片行業(yè)玩家認(rèn)可,有望成為主流標(biāo)準(zhǔn)。

這個(gè)標(biāo)準(zhǔn)的牽頭者英特爾自己就在積極布局XPU戰(zhàn)略,把標(biāo)量(CPU)、矢量(GPU)、矩陣(ASIC)和空間(FPGA)等不同類型和架構(gòu)芯片的多樣化算力組合在一起。

最近能看到的一項(xiàng)成果便是美國(guó)阿貢國(guó)家實(shí)驗(yàn)室的下一代超算系統(tǒng)——極光(Aurora)。

極光超算的CPU將采用代號(hào)為Sapphire Rapids的第四代英特爾® 至強(qiáng)® 可擴(kuò)展處理器,并搭配代號(hào)為Ponte Vecchio的英特爾® 數(shù)據(jù)中心GPU,雙精度峰值計(jì)算性能超過(guò)每秒兩百億億次,能支持更準(zhǔn)確的氣候預(yù)測(cè)以及發(fā)現(xiàn)應(yīng)對(duì)癌癥的新療法等研發(fā)創(chuàng)新活動(dòng)。

這還是目前可見的進(jìn)展。在UCIe的支持下,未來(lái)還有可能出現(xiàn)不同架構(gòu)、甚至不同工藝制程的IP封裝成為一塊SoC芯片的全新物種。

伴隨異構(gòu)芯片的協(xié)作甚至是異構(gòu)芯粒的整合,不同芯片和芯粒所搭配的內(nèi)存也很可能出現(xiàn)統(tǒng)一或池化的趨勢(shì)。

其中一個(gè)可能的實(shí)現(xiàn)途徑,就是通過(guò)光學(xué)I/O來(lái)連接不同芯片、芯粒、內(nèi)存等組件,即用光信號(hào)代替電信號(hào)做芯片間的通信,可以做到更高帶寬、更低時(shí)延和更低功率。

例如,光學(xué)I/O方面的創(chuàng)新企業(yè)Ayar Labs,目前已經(jīng)被各大芯片巨頭和高性能計(jì)算供應(yīng)商所看好。

在最新一輪1.3億美元的融資中,它的投資方就包括了英特爾、英偉達(dá)、格芯和HPE。

或許,距離內(nèi)存“大一統(tǒng)”的時(shí)代真的不遠(yuǎn)了。

在這種情況下,持久內(nèi)存本身也正在迎來(lái)更多的機(jī)會(huì)。

例如,傲騰持久內(nèi)存目前已實(shí)現(xiàn)單條512GB的容量,單條1TB容量的型號(hào)也正在籌備中。

如果要真正高效地?cái)U(kuò)展異構(gòu)系統(tǒng)的統(tǒng)一內(nèi)存池,它所具備的多重優(yōu)勢(shì)是不可忽略的。

申請(qǐng)創(chuàng)業(yè)報(bào)道,分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處,共同探討創(chuàng)業(yè)新機(jī)遇!

相關(guān)文章

  • 鵬云網(wǎng)絡(luò)分布式塊存儲(chǔ)社區(qū)版問(wèn)世,首發(fā)開源存儲(chǔ)解決方案

    2023年1月,南京鵬云網(wǎng)絡(luò)科技有限公司(簡(jiǎn)稱:鵬云網(wǎng)絡(luò))正式宣布開源ZettaStorDBS分布式塊存儲(chǔ)系統(tǒng),開放了自研10余年的分布式塊存儲(chǔ)技術(shù),自此踏上了“自研”與“開源”一體并行的生態(tài)閉環(huán)之路。研發(fā)十年,挑戰(zhàn)塊存技術(shù)上限成本、效率、高可用,一直都是企業(yè)IT系統(tǒng)建設(shè)所追求的重要關(guān)鍵點(diǎn),這三點(diǎn)在

  • “效能再進(jìn)化,數(shù)據(jù)更安全”威聯(lián)通舉行QTS 5.1.0及次世代NAS發(fā)布會(huì)

    2023年5月9日,以“效能再進(jìn)化,數(shù)據(jù)更安全”為主題,威聯(lián)通2023年新品發(fā)布會(huì)在上海隆重舉行,多家媒體、合作伙伴及威聯(lián)通愛好者蒞臨現(xiàn)場(chǎng),共同見證NAS網(wǎng)絡(luò)存儲(chǔ)行業(yè)朝向更高品質(zhì)、更強(qiáng)性能、更好安全性的再次啟航。威聯(lián)通QTS5.1.0系統(tǒng)發(fā)布時(shí)下,網(wǎng)絡(luò)存儲(chǔ)行業(yè)已從萌芽時(shí)代步入增速發(fā)展關(guān)鍵期,用戶對(duì)數(shù)

  • 面向海量非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ),QingStor U10000幫助企業(yè)解鎖數(shù)據(jù)價(jià)值

    隨著經(jīng)濟(jì)社會(huì)數(shù)字化轉(zhuǎn)型的加速,各行各業(yè)產(chǎn)生的非結(jié)構(gòu)化數(shù)據(jù)持續(xù)呈現(xiàn)井噴增長(zhǎng)態(tài)勢(shì)。而為了科學(xué)高效地利用這些非結(jié)構(gòu)化數(shù)據(jù),為企業(yè)加速數(shù)字化轉(zhuǎn)型打牢基礎(chǔ),在實(shí)現(xiàn)數(shù)據(jù)穩(wěn)定、專業(yè)的存儲(chǔ)的前提下,推動(dòng)數(shù)據(jù)的合理流動(dòng)是關(guān)鍵。作為業(yè)內(nèi)技術(shù)領(lǐng)先的企業(yè)級(jí)云服務(wù)商與數(shù)字化解決方案提供商,青云科技(qingcloud.com

  • 得一微對(duì)話Arm,打造計(jì)算型存儲(chǔ)新生態(tài)

    高可靠存儲(chǔ)控制芯片、高端汽車存儲(chǔ)芯片等領(lǐng)域都已成為備受矚目的黃金賽道,被持續(xù)加大研發(fā)投入,頗受市場(chǎng)認(rèn)可。在這樣的市場(chǎng)背景下,得一微電子CEO吳大畏與Arm物聯(lián)網(wǎng)事業(yè)部業(yè)務(wù)拓展副總裁馬健展開生態(tài)對(duì)話,圍繞存儲(chǔ)控制技術(shù)及應(yīng)用市場(chǎng)展開了探討,雙方將在ComputationalStorage計(jì)算存儲(chǔ)領(lǐng)域芯片

  • 百代可信OSS引領(lǐng)國(guó)產(chǎn)存儲(chǔ)技術(shù)新革命!

    近期互聯(lián)網(wǎng)圈頂流“ChatGPT”憑借著“天上文曲星”般的智能表現(xiàn)火速破圈,在諸如內(nèi)容生成、搜索引擎優(yōu)化、智能問(wèn)答等領(lǐng)域展現(xiàn)出了巨大潛力,引發(fā)了人工智能領(lǐng)域的新一輪技術(shù)升級(jí)與產(chǎn)業(yè)重塑,一個(gè)AI大規(guī)模商業(yè)化的時(shí)代正悄然來(lái)臨。AI大規(guī)模商業(yè)化時(shí)代背景,勢(shì)必伴隨著背后海量級(jí)的數(shù)據(jù)存儲(chǔ),數(shù)據(jù)就是一切,是支撐

熱門排行

信息推薦