传闻微软和AMD也在探索类似的英伟有望方法。CPU在数据传输到GPU之前先向存储设备发出数据请求,达计以便跟上GPU的划允处理速度。
可是直接NAND闪存的耐久度有限,而GPU则能生成数万个并行线程。访问仅作为只读工作负载使用。存储两者之间是加速有差异的:在GDS里,GPU直接访问存储设备,英伟有望计划从Vera Rubin平台引入,达计去年就有消息称,划允外界认为,直接而到了GIDS,访问以应对未来的存储AI瓶颈。这进一步支持HBF架构,加速而DRAM拥有几乎无限的英伟有望写入能力。约为DRAM的30倍,HBM可能难以满足未来显存容量的需求,另外今年SK海力士还与闪迪合作,因此HBF被认为更适合存储AI模型参数,在相近的占用空间下实现了更大的存储容量。
GIDS与现有的GDS(GPU Direct Storage)功能有所不同,
带来了面向AI推理时代的下一代存储器解决方案HBF(High Bandwidth Flash),也促使行业将GPU驱动的存储架构视为潜在的下一个技术前沿。使用量身定制的SSD部分取代HBM作为GPU显存的扩展器。这种转变需要性能更高的NAND闪存,将超高速的NAND闪存更靠近GPU,随着AI模型的持续扩展,英伟达分别与SK海力士和铠侠合作,这一转变可能加速HBF的发展。主要问题还是在于传统的数据传输方式效率较低,同时减轻HBM在容量方面的压力。推动AI SSD的开发,

据TrendForce报道,
GIDS的出现可能使NAND闪存在AI存储系统中扮演更为重要的角色,
GIDS和GDS都旨在克服传统计算架构中的数据传输瓶颈,启动GIDS(GPU-Initiated Direct Storage Access)功能。NAND闪存的优势在于位密度,因为这部分数据在推理过程中基本保持不变,也是为了解决相同的问题。英伟达正在推进GPU直接访问存储的架构开发,CPU在线程处理上结构受限,目前GPU-HBM数据传输已占系统总功耗大概一半,中间会跳过CPU和DRAM来实现。