摩爾定律之後 存儲器發展要靠大數據、AI？

半導體供應鏈存儲器缺貨絕對是橫貫2017年的主調，但除了量變，大數據中心、AI深度學習運算帶來對CPU與AI處理器的運算速度、存儲容量高門檻要求，也正在改變整個存儲器乃至於運算基礎核心架構。

在近日一場GSA存儲器高峰論壇上，半導體與數據平台、伺服器領域與會人士對上述議題展開熱議。

西數(Western Digital)董事長兼COO Mike Cordano提到，未來存儲產業仍然機會巨大，占整個IC行業的三分之一份額，其中DRAM約600億美元、NAND Flash約480億美元、 微處理器 70億美元，其中嵌入式超過70%。

美光則表示，幾個行業發展方向將驅動存儲器革新與發展，包括中低端手機增加服務、雲平台的運用計算、2G-3G服務升級到4G、以及汽車無人自動駕駛等。

在最火熱的車聯網領域，除了聯網機制，車聯網倚賴大量快速實時傳輸的存儲器進行數據的傳輸、存儲，也將刺激這一市場高速增長。美光指出，預估在汽車領域，到2020年，非易失性存儲器將實現四倍增長，達到1TB存儲容量；DRAM的帶寬也將達到每秒100GB以上，車用存儲器對環境溫度也將介於-40~+125攝氏度。

從實際應用層面，相較於伺服器所用的存儲器來說，車用存儲器的門檻要求更高、需要更穩定，同時，不論易失性、或非易失性存儲器，容量與傳輸速度同樣至關重要。

存儲器增能 不能再指望摩爾定律推進

在談及雲計算數據中心要求方面，存儲架構的重新設計、分層，讀取與寫入的延遲如何持續進行優化則是關注焦點。

阿里巴巴基礎設施團隊首席架構師蔣曉偉表示，伺服器主要支撐雲平台運作系統需求，他稱摩爾定律即將終結，這意味不能再靠摩爾定律指望給存儲器帶來能量與計算力的持續增長，須注入新的活力。

他指出，阿里巴巴數據中心依賴Intel通用的X86架構CPU，與大量存儲頻寬，2014年起便與英特爾展開深度合作，與其Xeon系列晶元進行客制化、訂製化版本的合作，每瓦性能比通用型CPU還要高。

阿里巴巴旗下淘寶有深度學習的網路，運用圖形過濾演算法精準預測客戶想要商品的圖片，為了加速深度學習，應用著重於訂製的GPU伺服器，同時開放雲端分享給客戶使用。蔣曉偉稱，通用版的CPU沒辦法再適用於異質運算需求，例如深度學習。

阿里巴巴基礎架構團隊目前負責打造全球各地的數據中心的基礎建設與架構，如最新建設成的浙江省千島湖數據中心，其運用湖水發電進行冷卻；內蒙綠色環保數據中心則依賴風能、太陽能供電。

AI運算存儲器大量需求仍靠外供

華為首席科學家、首席研究員Balint Fleischer則認為，AI時代的到來，對於運算挑戰非常艱巨，對於運算中心來說，CPU與AI處理器並行，但編程不同，須將CPU+AI處理器統一集成到以存儲器為中心核心設計的架構之下。華為稱之為「Memory Hub」，以存儲為中心運營，對於數據中心非常關鍵。

阿里巴巴也在存儲領域進行軟、硬體整合設計。AliFlash支持PCIe v.1.0、高IOPS、低延遲， 但FLASH、DRAM架構設計由內部來做，希望把功耗降低，主要還是從外部供給，有專門的部門來進行供應鏈管理。

Kilopass CEO Charlie Cheng則認為，當前國內要自行發展存儲器壓力較大，同時追隨西方的步伐很難，要開發新技術闖出一條路也不容易。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！