标签: 金正浩 HBM HBF HBS

云梦级7月6日云梦级消息，被誉为“HBM 之父”的韩国科学技术院（KAIST）电气系教授金正浩近日接受韩国《东标签亚日报》采访时表示，AI 的核心竞争力正在从 GPU 转向内存。

金正浩认为 AI 的本质是内存，GPU 在 AI 推理中的利用率: 远低于理论水平。AI 每次输出结果，都必须先从 HBM 读取数据、传到 GPU 进行计算，再将结果写回内存。就算部署 100金正 万块 GPU，真正用于计算的时间也只有 10%-30%。

并且过去的 AI 主要集中在训练阶段，因此 GPU 是决定性能的浩 核心。而着眼现在和未来，AI 将进入推理时代，此时真正能决定性能的，是一次能处理多少数据、能以多快速度处理数据HB，因此内存能力将直接决定 AI 性能。

当然，目前已经有 HBM 这种专门适配 AI 的高带宽内存方案。但随着 AI 迈入多模态化和 AM gentic AI（代理式人工智能）出现，人们将越来越需要保存视频、文档、长期记忆等海量冷数据。

因此，将 NAND 闪存像HB HBM 一样堆叠的 HBF 技术将在未来成为主流。金正浩更是预测，10 年后 HBF 的市场需求将超过 HBM。

到了更远的未F 来，HBS（高带宽 SRAM）将成为主流。这种技术将采用读写速度比 DRAM 快 1000 倍的 SRAM，其构想包括在整HB片 12 英寸晶圆上铺设 SRAM、将容量提升至约 1600GB，实现大容量高速数据处理。

此外金正浩设想，未来的 AI 计算标签机将演变成一个庞大的“三维建筑”：HBM 将充当商场角色，HBF 层相当于住宅区，HBS 则承担高速缓存功能。各种: 形态的 HBM、HBF、HBS 组合在一起，给 GPU 供给数据，形成约 100 层规模的 3D 复合架构。

金正浩长期致力于高带宽内存金正（HBM）与 2.5D/3D 集成封装研究。他从 2010 年开始和 SK 海力士研发 HBM1，并在去年参与 HBM4-HBM8浩 长期发展路线图规划。

本文地址：http://soft.zmdinfo.ha.cn/html/2b67899111.html