0
雷鋒網(wǎng)按，美光（Micron）作為存儲巨頭，在大數(shù)據(jù)以及人工智能的時代率先獲益。不過，存儲器的市場正處于周期的低點，這對于美光的投資者而言或許是個不錯的機會。更值得注意的是，美光進入了AI加速器的領域，他們的目的何在？
人工智能時代已經(jīng)來臨
人工智能時代已經(jīng)來臨，根據(jù)研究機構Gartner的數(shù)據(jù)，到2022年，人工智能和機器學習有可能創(chuàng)造3.9萬億美元的價值。咨詢公司麥肯錫（McKinsey）表示，在接受調(diào)查的企業(yè)中，有82％從AI投資中獲得了正回報，包括高好的客戶滿意度和生產(chǎn)力，金融公司更好的欺詐檢測等。研究公司IDC估計，人工智能和認知系統(tǒng)的支出在2018年至2022年間將增加兩倍以上，預計從240億美元增加到776億美元，復合年增長率為37.3％。
很多科技公司都希望從這一市場分一杯羹，包括擁有龐大的數(shù)據(jù)中心的云計算公司、提供可處理大量數(shù)據(jù)的CPU、GPU和FPGA 的芯片公司，應用數(shù)據(jù)并編寫AI程序的軟件公司，以及幫助大企業(yè)部署這些系統(tǒng)的IT顧問。
這其中，內(nèi)存和存儲這樣的基本組件AI的重要核心。根據(jù)硬盤制造商Seagate（希捷）的數(shù)據(jù)，2002年產(chǎn)生了23 EB的數(shù)據(jù)（用大家更熟悉的說法是230億GB。）但到2020年，每5小時就將產(chǎn)生23 EB的數(shù)據(jù)。這些海量的數(shù)據(jù)需要存儲在使用NAND閃存的硬盤或固態(tài)硬盤上，然后通過動態(tài)隨機存取存儲器（DRAM）傳輸至處理器。
美光顯然也受益于大數(shù)據(jù)和人工智能的時代。
AI時代飆升的存儲器需求
美光的產(chǎn)品組合涵蓋了NAND閃存和DRAM，其中DRAM是全球僅存的三家提供商之一。美光首席執(zhí)行官Sanjay Mehrotra在去年的分析師日演講中指出，人工智能服務器所需的固態(tài)存儲器和DRAM的數(shù)量是標準服務器的兩倍。由于我們?nèi)蕴幱贏I發(fā)展的早期階段，還面臨著眾多挑戰(zhàn)，但從長遠來看，AI對NAND和DRAM的需求應該會飆升。
此外，美光和英特爾是唯一能夠生產(chǎn)一種稱為3D Xpoint的新型內(nèi)存的公司，這種內(nèi)存是類似于NAND閃存的非易失性存儲，不過速度要快得多，缺點是價格昂貴，但許多AI應用程序都可以從其獨特功能中受益。
10月24日，美光宣布首款3D Xpoint SSD X100發(fā)布，這款產(chǎn)品的速度是基于最新NAND閃存SSD的三倍，使用壽命是11倍。
美光入局AI
相比于存儲器，美光的人工智能布局更值得關注。去年，美光收購了一家基于FPGA技術的初創(chuàng)公司，名為FWDNXT。它還在2015年收購了FPGA初創(chuàng)公司Pico Computing，此后就一直在努力尋找可重編程設備合適的應用，以及將哪些數(shù)據(jù)放到內(nèi)存中能夠獲得更高的性能。
FWDNXT的技術是美光開發(fā)新型深度學習加速器的核心，該架構與AI市場上的架構相似。具備面向矩陣向量乘法的大量乘法/累加單元，并且具有執(zhí)行某些關鍵非線性傳遞函數(shù)的能力。美光讓FWDNXT平臺解決了一些棘手的問題，并致力于在內(nèi)存中構建張量原函數(shù)。他們還利用這個平臺從FPGA編程角度（僅指定神經(jīng)網(wǎng)絡）構建了一個軟件框架。
美光科技希望通過解決核心問題來實現(xiàn)更高的能源效率，即以更好的內(nèi)存帶寬實現(xiàn)數(shù)據(jù)搬運。美光通過與FWDNXT共同努力，更好地了解如何創(chuàng)建更好的內(nèi)存。
“很明顯，如果我們要構建理想的內(nèi)存和存儲解決方案，需要提出最佳解決方案，而不是僅僅投入一袋芯片并希望它能起作用。”美光公司高級技術副總裁Steve Pawlowski解釋說?！拔覀冋趯W習在內(nèi)存和存儲中需要做些什么，以使其適合未來的神經(jīng)網(wǎng)絡中的各種難題，尤其是在邊緣端?！?/p>
Pawlowski是美光在創(chuàng)建諸如Automata之類的專業(yè)或新架構方面幕后的領導者之一。他之前曾在英特爾領導架構研究，其中一部分工作是研究原型芯片如何以有趣的方式解決新出現(xiàn)的問題，以及這些架構是否具有前景或競爭價值。在此過程中，他以一種新的方式在美光建立新程序，該程序采用了研究概念，并測試其在使用或改進存儲設備方面的可行性和作用。
“由于無法在計算端觀察到各種網(wǎng)絡，我們只能猜測我們構建到內(nèi)存中的工作是否有用?！?Pawlowski說。“我們要獲得神經(jīng)網(wǎng)絡執(zhí)行方式的可觀察性的唯一方法就是獲得整個執(zhí)行流程，這樣我們就可以對其中的每一條進行檢測。這樣我們才能最終獲得更好的內(nèi)存?！?/p>
他補充說，通過研究一些最復雜的問題，以獲得一些基礎的知識，包括癌癥的檢測，這其中準確性是最大的挑戰(zhàn)。我們還一直在與“超大型高能物理實體”合作，這也是芯片性能和延遲性能的驅(qū)動力。在這些研究和產(chǎn)品化研究期間，美光能了解了快速增長的一組工作負載（如AI）的未來內(nèi)存需求。
有趣的是，他們正在學習的東西是幾年前已經(jīng)作為產(chǎn)品構建的內(nèi)在價值，盡管它具有巨大的潛力，但競爭激烈。那就是混合存儲多維數(shù)據(jù)集（HMC），美光專注于存儲器的堆疊，下一步將其折疊為一種產(chǎn)品。
在邊緣神經(jīng)網(wǎng)絡邏輯單元上堆積的存儲器可能會復興。未來幾年，更高內(nèi)存帶寬將變得更加重要。Pawloski補充說：“還需要減少存儲器互連的功耗，我相信會有一天，采用HMC的架構將是正確的選擇。屆時，它可能不僅是存儲設備，還可能是加速器。隨之而來的還有其他功能，例如更好的ECC。”
很難判斷美光對新芯片或AI加速器的研究會在哪里結束，但這種研究在哪里結束商業(yè)潛力就從哪里開始。
雷鋒網(wǎng)參考，The Motley Fool，The Next Platform 雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
