व्यवसाय बातम्या | SK Hynix ने Nvidia च्या Vera Rubin प्लॅटफॉर्मसाठी SOCAMM2 चे मोठ्या प्रमाणावर उत्पादन सुरू केले
सोल [South Korea]20 एप्रिल (ANI): SK hynix ने सोमवारी जाहीर केले की त्यांनी SOCAMM2 चे मोठ्या प्रमाणावर उत्पादन सुरू केले आहे, जे कृत्रिम बुद्धिमत्ता सर्व्हरमधील कार्यप्रदर्शन आणि उर्जा कार्यक्षमता वाढविण्यासाठी विकसित केलेल्या पुढील पिढीतील मेमरी मॉड्यूल आहे.
हे नवीन स्मॉल आऊटलाइन कॉम्प्रेशन अटॅच केलेले मेमरी मॉड्यूल 2 Nvidia च्या आगामी Vera Rubin प्लॅटफॉर्मसाठी ऑप्टिमाइझ केले आहे, The Korea Herald च्या अहवालानुसार, दोन कंपन्यांमधील तांत्रिक सहकार्याच्या सखोल पातळीचे संकेत देते.
SOCAMM2 मॉड्यूल सहाव्या पिढीतील 10-नॅनोमीटर LPDDR5X DRAM वापरून 192 गीगाबाइट मेमरी एकत्रित करते. पारंपारिक सर्व्हर मॉड्यूल्स सामान्यत: मानक DDR5 वर अवलंबून असताना, हे विशिष्ट डिझाइन आधुनिक AI वर्कलोड्ससाठी आवश्यक उच्च कार्यक्षमता राखून ऊर्जा कार्यक्षमता सुधारण्यासाठी LPDDR चिप्स अनुलंब स्टॅक करते.
“आम्ही अपेक्षा करतो की SOCAMM2 प्रशिक्षणातील मेमरी अडथळ्यांना मूलभूतपणे संबोधित करेल आणि शेकडो अब्ज पॅरामीटर्ससह मोठ्या भाषेच्या मॉडेल्ससाठी अंदाज लावेल, ज्यामुळे संपूर्ण सिस्टम कार्यक्षमतेत लक्षणीय गती येईल,” अहवालात SK hynix उद्धृत केले आहे.
कंपनीने प्रदान केलेल्या डेटाने सूचित केले आहे की पारंपरिक DDR5 RDIMM मॉड्यूल्सच्या तुलनेत SOCAMM2 बँडविड्थच्या दुप्पट आणि 75 टक्क्यांहून अधिक उर्जा कार्यक्षमता प्रदान करते. हे उच्च-कार्यक्षमता AI कार्यांसाठी हार्डवेअर योग्य बनवते. डेटा ट्रान्सफरचा वेग 9.6 गीगाबिट प्रति सेकंदापर्यंत पोहोचला, जो मागील SOCAMM1 जनरेशनमध्ये नोंदवलेल्या 8.5 Gbps पेक्षा वाढला आहे. एकूण डेटा थ्रूपुट वाढविण्यासाठी मॉड्यूलमध्ये मोठ्या संख्येने इनपुट आणि आउटपुट पिन देखील आहेत.
या तांत्रिक सुधारणांमुळे हायपरस्केल डेटा सेंटर ऑपरेटर्सच्या मालकीची एकूण किंमत कमी होण्याची अपेक्षा आहे. या वातावरणात, गुंतवणुकीचे निर्णय केवळ वैयक्तिक घटकांच्या किमतीवर अवलंबून नसून रॅक-स्तरीय कामगिरी, वीज वापर आणि शीतकरण आवश्यकतांवर अवलंबून असतात.
अहवालात असे नमूद करण्यात आले आहे की SOCAMM उच्च बँडविड्थ मेमरीच्या अति-उच्च बँडविड्थ पातळीपर्यंत पोहोचत नाही, परंतु त्याची वास्तुकला एक सोपी उत्पादन प्रक्रिया आणि उच्च उत्पन्नासाठी परवानगी देते, जे प्रति-क्षमतेच्या आधारावर किमतीचा फायदा देते.
“या पदानुक्रमात, SOCAMM एक इंटरमीडिएट लेयर म्हणून काम करते, वारंवार ऍक्सेस केलेला ‘हॉट’ डेटा हाताळते आणि अडथळे कमी करण्यासाठी HBM आणि सिस्टम मेमरी दरम्यान बफरिंग वर्कलोड्स हाताळते,” अहवालात एका उद्योग अधिकाऱ्याचा हवाला दिला आहे.
मॉड्युलर फॉर्म फॅक्टर पारंपारिक LPDDR मेमरीमधून बदल दर्शवितो, जे सहसा बोर्डवर थेट सोल्डर केले जाते आणि ते बदलले जाऊ शकत नाही. हे नवीन डिझाइन सिस्टम देखभाल आणि डिझाइनमध्ये अधिक लवचिकतेसाठी अनुमती देते. SK hynix ने Nvidia सोबत Vera Rubin प्लॅटफॉर्मसाठी मॉड्यूल तयार करण्यासाठी काम केले, जे वर्षाच्या दुसऱ्या सहामाहीत लॉन्च होणार आहे. त्याच प्लॅटफॉर्मसाठी कंपनी आपली पुढील पिढीची HBM4 मेमरी पुरवण्याची अपेक्षा करते.
“192GB SOCAMM2 ने AI मेमरी कार्यक्षमतेसाठी एक नवीन बेंचमार्क सेट केला आहे. जागतिक AI ग्राहकांसोबत जवळच्या सहकार्याने आम्ही विश्वसनीय AI मेमरी सोल्यूशन्स प्रदाता म्हणून आमची स्थिती मजबूत करू,” SK hynix चे अध्यक्ष आणि AI Infra चे प्रमुख किम जू-सिओन यांच्या हवाल्याने अहवालात नमूद केले आहे. (ANI)
(वरील कथा एएनआयच्या कर्मचाऱ्यांनी सत्यापित आणि लिहिली आहे, एएनआय ही भारत, दक्षिण आशिया आणि जगभरातील 100 हून अधिक ब्युरोसह दक्षिण आशियातील आघाडीची मल्टीमीडिया न्यूज एजन्सी आहे. ANI भारत आणि जगभरातील राजकारण आणि चालू घडामोडी, क्रीडा, आरोग्य, फिटनेस, मनोरंजन आणि बातम्यांवरील ताज्या बातम्या आणते. वरील मते नवीनतम पोस्टमध्ये दिसत नाहीत.
