Ang MEXT Solution ni AMD ay nagbabawas ng demand sa server DRAM ng hanggang 75%

icon币界网
I-share
AI summary iconSummary
Ang MEXT solution ni AMD para sa mga processor na EPYC ay nagbabawas ng demand sa server DRAM ng hanggang 75%, gamit ang AI para ilipat ang mas kaunti pang ginagamit na data sa mga NVMe SSD. Ang mga pagsubok ay nagpapakita na nananatili ang performance sa 95-99% gamit ang kalahating dami ng DRAM. Sabi ni AMD, ang teknolohiyang ito ay nagpapababa ng gastos at nagpapalakas sa mga isyung pang-supply. Gumagamit na ang kompanya nito sa kanilang IT at plano nilang palawakin ito sa 2,000 na server hanggang 2027. Ang AI + crypto news ay patuloy na nagpapakita kung paano nakakaapekto ang mga inobasyon sa hardware sa mga data center at mga industriya na sensitibo sa data ng inflasyon.
Inilathala ng CoinDesk:

IT之家, 11 ng Nobyembre - Ipinahayag ng teknolohiyang media na Wccftech kahapon (11 ng Nobyembre) na naglunsad ng AMD ng kanilang MEXT memory solution para sa kanilang霄龙 EPYC server processors, na gumagamit ng software na koordinasyon upang pamahalaan ang DRAM memory at NVMe SSD, na nagtatangkang bawasan ang gastos sa memory configuration habang nananatiling malapit sa performance ng buong DRAM solution.

Noong Hunyo ng taong ito, ipinahayag ng IT Home na kinuha ng AMD ang kumpanya ng memorya optimization, ang MEXT, upang mapabawasan ang patuloy na lumalaking memorya bottleneck sa data center.

Hindi layunin ng MEXT na gawing magkatulad sa memory ang flash mismo, kundi i-arrange ang data: ilipat ang mga "cold data" na hindi madalas na ina-access sa flash, at gamitin ang AI upang matiyak ang pangangailangan sa pag-access, at i-prioritize ang pagbalik sa DRAM ng mga data na darating na gamitin upang mapabawasan ang epekto ng latency sa pag-access sa flash. Kasama sa solusyon ang Linux driver, AI engine, at memory monitoring tool na RAM View; ayon sa paglalarawan, ang AI engine nito ay hindi kailangan ng GPU, at kailangan lamang ng isang EPYC processor core.

Ang mga pagsubok na ipinakita ng AMD ay nagpapakita na, pagkatapos ipatupad ang Spark TPC-DS sa Azure three-node cluster at gamitin ang flash upang hawakan ang kalahati ng kapasidad ng memorya, nakakamit ng 99% ng performance ng full DRAM benchmark; sa pagsubok ng chip design software na Synopsys PrimeTime, nananatili pa rin ang 95% ng performance kahit na ang DRAM ay napabawas ng kalahati.

Sa pagpapanatili ng katulad na performance, inaasahang babawasan ng 20% hanggang 75% ang pangangailangan sa DRAM ng mga server na EPYC, na magpapalakas sa presyur sa suplay ng memorya at sa gastos sa pagpapalawak. Nauna na ang AMD sa pag-deploy ng teknolohiyang ito sa kanilang sariling IT infrastructure.

Ayon sa mga ulat, ang unang 145 server ay inaasahang magpapababa ng halos $4.9 milyon (paalala ng IT Home: katumbas ng halos ¥32.77 milyon sa kasalukuyang palitan) sa gastos sa pagbili ng DRAM, na nagpapababa ng 83% sa gastos ng pagpapalawak ng memorya kumpara sa isang parehong solusyon na nagtataglay lamang ng DRAM. Plano ng kumpanya na palawakin ang deployment hanggang 2,000 server hanggang 2027 at magtulungan sa Hewlett Packard Enterprise (HPE) upang ipromosyon ang mga sistema sa mga kliyente sa negosyo.

Sa mga aplikasyon ng AI, sinabi ng AMD na gamit ang konfigurasyon na may 50% DRAM at 50% flash memory, ang performance sa bawat yunit na gastos ng ilang multi-agent at memory-intensive na aplikasyon ay maaaring tumaas ng 70% hanggang 90%.

Disclaimer: Ang information sa page na ito ay maaaring nakuha mula sa mga third party at hindi necessary na nagre-reflect sa mga pananaw o opinyon ng KuCoin. Ibinigay ang content na ito para sa mga pangkalahatang informational purpose lang, nang walang anumang representation o warranty ng anumang uri, at hindi rin ito dapat ipakahulugan bilang financial o investment advice. Hindi mananagot ang KuCoin para sa anumang error o omission, o para sa anumang outcome na magreresulta mula sa paggamit ng information na ito. Maaaring maging risky ang mga investment sa mga digital asset. Pakisuri nang maigi ang mga risk ng isang produkto at ang risk tolerance mo batay sa iyong sariling kalagayang pinansyal. Para sa higit pang information, mag-refer sa aming Terms ng Paggamit at Disclosure ng Risk.