如何获得足够的HBM，并将其堆叠的足够高？

文章预览

本文由半导体产业纵横（ID： I CVI E W S ）编译自nextplatform 任何新的内存方法都必须具备可制造性与成本效益，方能被采用。 业界可通过多种方式扩展计算引擎的内存容量与带宽，以更好地驱动人工智能（AI）和高性能计算（HPC）工作负载，但目前所能做到的仍有不足。 如近期与 Microsoft Azure、AMD、Cerebras Systems 和 Ayar Labs 的专家共同举办的网络研讨会上所提及，任何新的内存方法（当前有诸多有趣的光学 I/O 选项）都必须具备可制造性与成本效益，方能被采用。 此乃当前 HBM 瓶颈之缘由。少数昂贵的 HPC 和 AI 工作负载受限于内存带宽，将大量并行 HBM 内存堆栈置于极靠近计算引擎之处。HBM 无法同时提升内存容量与带宽，仅能二者择其一。 HBM 内存较常规 DRAM 及 GDDR（对于带宽关键的计算引擎而言）更为优越，但即便美光科技加入 SK 海力士与三星的 HBM ………………………………