電子發(fā)燒友網(wǎng)報道（文/周凱揚）在諸多云服務廠商或互聯(lián)網(wǎng)廠商一頭扎進GPU的瘋搶潮后，不少公司也發(fā)現(xiàn)了限制AI大模型性能或是成本消耗的除了GPU以外，還有內(nèi)存。內(nèi)存墻作為橫亙在AI計算和HPC更進一步的阻礙之一，在計算量井噴的今天，已經(jīng)變得愈發(fā)難以忽視。所以，在今年的HotChips大會上，內(nèi)存廠商們也競相展示自己的內(nèi)存技術在AI計算上的優(yōu)勢。

三星

三星作為最早一批開始跟進存內(nèi)計算的公司，早在兩年前的HotChips33上，就展示了HBM2-PIM的技術Aquabolt-XL。三星在去年底展示了用PIM內(nèi)存和96個AMD Instinct MI100 GPU組建的大規(guī)模計算系統(tǒng)，并宣稱這一配置將AI訓練的速度提高了近2.5倍。

而今年的HotChips上，三星也著重點明了PIM和PNM技術在生成式AI這類熱門應用上的優(yōu)勢。三星認為在ChatGPT、GPT-3之類的應用中，主要瓶頸出現(xiàn)在生成階段的線性層上，這是因為GPU受到了內(nèi)存限制且整個過程是線性順序進行的。

在三星對GPT的分析中，其主要由概括和生成兩大負載組成，其中概括考驗的是計算單元的性能，而生成則考驗的是內(nèi)存的性能。而生成占據(jù)了絕大多數(shù)的運算次數(shù)和耗時，其中占據(jù)了60%到80%延遲的GEMV（矩陣向量操作）也就成了三星試圖用PIM和PNM攻克的目標。

根據(jù)三星的說法，像GPT這類Transformer架構的模型，都可以將多頭注意力（MHA）和前饋神經(jīng)網(wǎng)絡（FFN）完全交給PIM或PNM，完全利用他們的所有帶寬，從而減少在推理上所花費的時間和能耗。三星也在單個AMD MI100-PIM的GPU上進行了試驗，得出運行GPT模型時，在HBM-PIM的輔助下，能效是GPU搭配傳統(tǒng)HBM的兩倍，性能同樣提升至兩倍以上。

LPDDR-PIM概念 / 三星

除了HBM-PIM外，這次三星還展示了最新的LPPDR-PIM概念。除了云端生成式AI需要存內(nèi)計算的輔助外，諸如智能手機這樣的端側(cè)生成式AI概念也被炒起來，所以LPPDR-PIM這樣的存內(nèi)計算技術，可以進一步保證續(xù)航的同時，也不會出現(xiàn)為了帶寬內(nèi)存使用超量的情況。

SK海力士

另一大韓國內(nèi)存巨頭SK海力士也沒有閑著，在本次HotChips大會上，他們展示了自己的AiM存內(nèi)加速器方案。相較三星而言，他們?yōu)樯墒紸I的推理負載準備的是基于GDDR6的存內(nèi)計算方案。

GDDR6-AiM采用了1y的制造工藝，具備512GB/s內(nèi)部帶寬的同時，也具備32GB/s的外部帶寬。且GDDR6-AiM具備頻率高達1GHz的處理單元，算力可達512GFLOPS。GDDR6-AiM的出現(xiàn)，為存內(nèi)進行GEMV計算提供了端到端的加速方案，比如乘法累加和激活函數(shù)等操作都可以在內(nèi)存bank內(nèi)同時進行，單條指令實現(xiàn)全bank操作提供更高的計算效率。

同時，SK海力士也已經(jīng)考慮到了AiM的擴展性問題，比如單個AiM卡中集成了8個AiM封裝，也就是8GB的容量和256個處理單元。但這類擴展方案最大的問題還是在軟件映射、硬件架構和接口上，這也是絕大多數(shù)集成存內(nèi)計算的新式內(nèi)存面臨的問題。

AiM系統(tǒng)擴展性驗證Demo / SK海力士

而SK海力士已經(jīng)給出了這方面的解決方案，比如專門針對AiM的Tiling、基于AiM架構的控制器、路由和ALU等等。他們還展示了在兩個FPGA上結合GDDR6-AiM的Demo，以及用于LLM推理的軟件棧。與此同時，他們也還在探索AiM的下一代設計，比如如何實現(xiàn)更高的內(nèi)存容量，用于應對更加龐大的模型。

寫在最后

無論是三星還是SK海力士都已經(jīng)在存內(nèi)計算領域耕耘多年，此次AI熱來勢洶洶，也令他們研發(fā)速度進一步提快。畢竟如今能夠解決大模型訓練與推理的耗時與TCO的硬件持續(xù)大賣，如果存內(nèi)計算產(chǎn)品商業(yè)化量產(chǎn)落地進展順利，且確實能為AI計算帶來助力的話，很可能會小幅提振如今略微萎縮的內(nèi)存市場。