Аннотация:
На Международной конференции по суперкомпьютерам (SC26) 2026 года в Чикаго производитель контроллеров хранения данных Phison продемонстрировал новое решение для проектирования твердотельных накопителей для серверов искусственного интеллекта. Это решение объединяет процессор нейронной сети (NPU) и 64 ГБ памяти внутри твердотельного накопителя и может запускать платформы и модели искусственного интеллекта, такие как PyTorch и llama.cpp, непосредственно на жестком диске, позволяя завершить некоторую обработку данных до того, как данные покинут устройство хранения.

Многие современные серверы искусственного интеллекта тратят много времени на чтение данных с SSD, а затем передачу их на процессор или графический процессор для обработки. Phison надеется изменить эту модель. Выполняя некоторые вычислительные задачи внутри устройства хранения, жесткий диск будет не только отвечать за хранение данных, но также участвовать в их анализе и рассуждении.
По словам Phison, новая конструкция позволяет параллельно сканировать и обрабатывать данные непосредственно там, где они хранятся, без необходимости передачи полного набора данных в хост-систему. После завершения обработки жесткого диска просто верните ключевые результаты на сервер. Ожидается, что для подходящих сценариев применения этот метод сократит объем передачи данных в 10–100 раз, одновременно снизив нагрузку на ЦП и высвободив больше ресурсов для хост-процессора.
Что касается аппаратных характеристик, то 64 ГБ памяти, оснащенной этим твердотельным накопителем, могут обеспечить пропускную способность примерно 130 ГБ/с. Для сравнения, будущий SSD-контроллер Phison PCIe 6.0 имеет скорость передачи данных около 28 ГБ/с между хостом и хостом. Это означает, что скорость чтения данных, хранящихся на жестком диске, намного выше, чем скорость передачи данных наружу, что еще больше подчеркивает ценность вычислений на стороне хранилища.

Phison также заявил, что разработчикам не нужно изучать новые специализированные инструменты разработки. Проект поддерживает основные программные платформы искусственного интеллекта, такие как vLLM и OpenVINO, поэтому ожидается, что существующая экосистема программного обеспечения искусственного интеллекта легко адаптируется к этой архитектуре.
Однако относительно основных показателей производительности ИИ-вычислений этого твердотельного накопителя Phison по-прежнему публикует ограниченную информацию. В настоящее время компания дает расчетный показатель только в 36 800 DMIPS. DMIPS — это давно зарекомендовавший себя стандарт тестирования целочисленной арифметики ЦП. Отраслевые аналитики полагают, что это число, скорее всего, отражает производительность ядра ЦП внутри жесткого диска, а не вычислительную мощность искусственного интеллекта самого NPU. Стоит отметить, что Phison не анонсировала широко используемый в отрасли показатель TOPS (триллион операций в секунду), поэтому внешнему миру временно сложно точно оценить его истинный уровень производительности ИИ.
Кроме того, официальная модель, время запуска или примерный план поставок этого продукта еще не объявлены. Phison также не уточнил, какой тип технологии памяти он использует. Компания заявила, что многие из представленных продуктов и функций все еще находятся на стадии исследований и разработок. Таким образом, эта технология в настоящее время ближе к будущему архитектурному решению, чем к зрелому продукту, который центры обработки данных могут приобрести и немедленно развернуть.
На самом деле, «вычислимое хранилище» — не новая концепция. Еще в 2018 году компания Samsung выпустила SmartSSD, оснащенный FPGA, а в 2022 году выпустит продукт второго поколения. Однако позже такие продукты постепенно исчезли с рынка. Некоторые аналитики полагают, что бум генеративного искусственного интеллекта привел к огромному спросу рынка на хранилища большой емкости. Для сравнения, продукты с вычислительными возможностями хранения данных не получили такого же внимания.
По сравнению с предыдущим планом Samsung, существует очевидная разница в дизайне, предложенном Phison. Предыдущий SmartSSD требовал от клиентов самостоятельно разрабатывать соответствующее программное обеспечение и модули интеллектуальной собственности, тогда как Phison обещал быть совместимым с цепочкой инструментов искусственного интеллекта, которая широко использовалась разработчиками. Если эта совместимость может быть успешно реализована и производительность NPU будет соответствовать официальным ожиданиям, тогда концепция устройств хранения данных, непосредственно выполняющих вычислительные задачи искусственного интеллекта, может снова привлечь внимание отрасли.
Комментарии