边缘AI时代已至，如何突破存储瓶颈？
日期：2024-08-05
作者：华邦电子
AI智驭未来，2024迈入存储元年
“AI 一天，人间一年”，一句市场流行语完美阐释了如今AI大模型的高速发展和广泛应用。以人们日常使用的智能手机为例，众多知名厂商在AI浪潮席卷之下，紧跟AI前沿趋势，纷纷推出搭载端侧大模型或采用“端云协同”部署方案的AI手机，促使手机的智慧化、智能化达到全新高度，根据市场调研机构 IDC预测，2024年全球新一代AI手机出货量将达到1.7亿部，占智能手机总出货量的15%[1]，体现了AI手机在电子消费市场的广阔前景。
除手机领域外，AI在各类边缘应用落地的趋势也愈发显著。自ChatGPT横空出世以来，短短一年多的时间，生成式AI已悄然渗透至电脑、智能家居乃至汽车等多个领域，与千行百业持续深入融合，迸发出前所未有的创新活力与应用潜力。
.jpg)
释放边缘AI潜力，“存力”成关键引擎
生成式AI，尤其是在处理大语言模型和高精度图像生成任务时，往往需要庞大的存储和计算资源作为支撑。比如在图像生成方面，创建高分辨率图像往往伴随密集的卷积运算和反卷积运算，而这些运算需要高带宽、高容量的内存来支持数据的快速传输。
因此，庞大的市场机遇与发展所带来的挑战总是紧密相依，边缘设备在导入生成式AI方面仍面临着容量、带宽、能耗和散热等方面的瓶颈，这些因素深刻影响并制约着边缘AI的发展。
具体而言，边缘设备导入生成式AI时通常会面临以下瓶颈：
CUBE：小号“HBM”，完美填补市场空缺
目前，AI技术的深度拓展应用在很大程度上仍需要借助云端，这意味着用户的每次请求指令均需穿越网络抵达云端，才能进行复杂的处理，随后再将处理结果反馈至用户，因此云端通常涉及传输延迟、数据隐私和效益成本方面的挑战，这大大限制了AI技术和应用的普及广度。
与云计算侧重大规模数据处理不同，边缘计算的数据处理发生在数据源或端点处，因此拥有实时处理、分析和决策的快速能力，可大幅降低传输延迟性，契合复杂多变的环境和任务处理。因此边缘AI市场也催生了对中低容量、超高带宽及低功耗内存解决方案的需求，并且生成式AI的出现也让存储行业催生了新的发展机遇——定制化的存储需求应用而生，这主要基于两大原因：
为满足日益增长的边缘AI市场需求，助推其高效创新发展，华邦专门推出CUBE（半定制化超高带宽元件）产品，大幅优化内存技术，可实现在混合云与边缘云应用中运行生成式 AI 的性能，为边缘AI量身定制完美的内存解决方案。与市面上现有方案相比，CUBE 的中小容量超高带宽的特点极具差异化，适用于机器人、可穿戴设备、边缘服务器等多种高级应用。
.png)
CUBE在功耗、性能、尺寸设计以及带宽等领域拥有卓越特性，全方位满足边缘AI的发展需求。在带宽方面，CUBE能够达到 256GB/s – 1TB/s，相当于 HBM2或 4-32 个 LPDDR4x 4266Mbps x16 IO；并且，CUBE的功耗低于 1pJ/bit，在提供超高带宽的同时还可极大减少能源消耗。此外，通过创新性TSV 技术以及 uBump/ 混合键合，CUBE可降低功耗并节省 SoC 设计面积，从而实现高效且极具成本效益的解决方案。
整体而言，CUBE 凭借更高的带宽、更高的能效、更快的响应时间、可定制化特性以及紧凑外形，在释放 AI应用潜力方面发挥重要作用，能够让强大的 AI 从云落地至边缘设备和混合云应用中。
随着生成式AI不断向边缘端演化，不同应用场景下的边缘端产品数据传输量攀升，并催生出对低功耗、高带宽存储产品的迫切需求，这一系列新趋势为存储市场开辟了广阔的发展空间。作为深耕存储行业的领导厂商之一，华邦秉持不懈创新、精益求精的发展理念，持续开发用于终端产品特定应用的DDR4/LPDDR4，此外，华邦还致力于研发定制化超高带宽内存解决方案，携手OSAT（半导体封装测试）伙伴为边缘设备SoC带来理想的中小容量超高带宽内存，共同探索内存技术的创新前沿，推动边缘AI实现更高效、更蓬勃的发展。
AI智驭未来，2024迈入存储元年
“AI 一天，人间一年”，一句市场流行语完美阐释了如今AI大模型的高速发展和广泛应用。以人们日常使用的智能手机为例，众多知名厂商在AI浪潮席卷之下，紧跟AI前沿趋势，纷纷推出搭载端侧大模型或采用“端云协同”部署方案的AI手机，促使手机的智慧化、智能化达到全新高度，根据市场调研机构 IDC预测，2024年全球新一代AI手机出货量将达到1.7亿部，占智能手机总出货量的15%[1]，体现了AI手机在电子消费市场的广阔前景。
除手机领域外，AI在各类边缘应用落地的趋势也愈发显著。自ChatGPT横空出世以来，短短一年多的时间，生成式AI已悄然渗透至电脑、智能家居乃至汽车等多个领域，与千行百业持续深入融合，迸发出前所未有的创新活力与应用潜力。
释放边缘AI潜力，“存力”成关键引擎
生成式AI，尤其是在处理大语言模型和高精度图像生成任务时，往往需要庞大的存储和计算资源作为支撑。比如在图像生成方面，创建高分辨率图像往往伴随密集的卷积运算和反卷积运算，而这些运算需要高带宽、高容量的内存来支持数据的快速传输。
因此，庞大的市场机遇与发展所带来的挑战总是紧密相依，边缘设备在导入生成式AI方面仍面临着容量、带宽、能耗和散热等方面的瓶颈，这些因素深刻影响并制约着边缘AI的发展。
具体而言，边缘设备导入生成式AI时通常会面临以下瓶颈：
- 存储容量限制：以LLamA2 7B大型语言模型为例，即便在优化至INT8精度时，也至少需要7GB的内存容量来支撑其运行，而在进一步压缩至INT4精度下，内存需求仍高达3.5GB。这意味着多数现有的边缘设备需要进行内存扩容升级，才能实现模型的本地高效运算、显著降低响应延迟；
- 数据传输带宽不足：当前主流AI手机普遍采用LPDDR5内存，其带宽约为68GB/s。未来LPDDR6的带宽虽有望达到150GB/s，但可能仍不足以满足高端AI应用的需求。而HBM虽性能卓越，却因成本与功耗过高，难以在边缘设备中普及应用；
- 能耗和散热挑战：运行复杂的生成式AI模型相较一般应用会产生大量计算热量。因此，边缘设备需要设计有效的能源管理和散热系统，以确保设备运行的良好性能和稳定性。
CUBE：小号“HBM”，完美填补市场空缺
目前，AI技术的深度拓展应用在很大程度上仍需要借助云端，这意味着用户的每次请求指令均需穿越网络抵达云端，才能进行复杂的处理，随后再将处理结果反馈至用户，因此云端通常涉及传输延迟、数据隐私和效益成本方面的挑战，这大大限制了AI技术和应用的普及广度。
与云计算侧重大规模数据处理不同，边缘计算的数据处理发生在数据源或端点处，因此拥有实时处理、分析和决策的快速能力，可大幅降低传输延迟性，契合复杂多变的环境和任务处理。因此边缘AI市场也催生了对中低容量、超高带宽及低功耗内存解决方案的需求，并且生成式AI的出现也让存储行业催生了新的发展机遇——定制化的存储需求应用而生，这主要基于两大原因：
- 市场缺乏兼具成本效益与高性能的方案：目前的HBM3E带宽可达1.2TB/s，但功耗过高；虽然LPDDR6带宽未来有望超过150GB/s，但在这二者之间缺乏既能有效控制成本，又能满足边缘设备高性能需求的理想内存解决方案；
- 末级缓存（Last Level Cache）：随着半导体制程不断向7nm以下推进，SRAM微缩效益不再明显，并且AI运算使其容量需求增加，高容量SRAM占据大面积进一步导致成本快速升高。因此，市场上亟需能够减少SRAM占用面积，降低整体成本的高效解决方案。
为满足日益增长的边缘AI市场需求，助推其高效创新发展，华邦专门推出CUBE（半定制化超高带宽元件）产品，大幅优化内存技术，可实现在混合云与边缘云应用中运行生成式 AI 的性能，为边缘AI量身定制完美的内存解决方案。与市面上现有方案相比，CUBE 的中小容量超高带宽的特点极具差异化，适用于机器人、可穿戴设备、边缘服务器等多种高级应用。
CUBE在功耗、性能、尺寸设计以及带宽等领域拥有卓越特性，全方位满足边缘AI的发展需求。在带宽方面，CUBE能够达到 256GB/s – 1TB/s，相当于 HBM2或 4-32 个 LPDDR4x 4266Mbps x16 IO；并且，CUBE的功耗低于 1pJ/bit，在提供超高带宽的同时还可极大减少能源消耗。此外，通过创新性TSV 技术以及 uBump/ 混合键合，CUBE可降低功耗并节省 SoC 设计面积，从而实现高效且极具成本效益的解决方案。
整体而言，CUBE 凭借更高的带宽、更高的能效、更快的响应时间、可定制化特性以及紧凑外形，在释放 AI应用潜力方面发挥重要作用，能够让强大的 AI 从云落地至边缘设备和混合云应用中。
随着生成式AI不断向边缘端演化，不同应用场景下的边缘端产品数据传输量攀升，并催生出对低功耗、高带宽存储产品的迫切需求，这一系列新趋势为存储市场开辟了广阔的发展空间。作为深耕存储行业的领导厂商之一，华邦秉持不懈创新、精益求精的发展理念，持续开发用于终端产品特定应用的DDR4/LPDDR4，此外，华邦还致力于研发定制化超高带宽内存解决方案，携手OSAT（半导体封装测试）伙伴为边缘设备SoC带来理想的中小容量超高带宽内存，共同探索内存技术的创新前沿，推动边缘AI实现更高效、更蓬勃的发展。
推荐产品新闻更多
