郭濤

自動駕駛與存儲之間有什么必然關聯？美光科技計算和網絡產品事業(yè)部（Compute & Networking Business Unit）高級副總裁兼總經理Thomas T. Eby告訴記者，未來，每輛L5級自動駕駛汽車都將配備8～12個分辨率高達4K～8K的顯示屏幕，而為了支持V2X連接，存儲器需要每秒處理0.5TB～1TB的數據量。TB級的數據量、實時的處理能力，存儲能夠100%滿足自動駕駛的需要嗎？

另外，在車內娛樂系統方面，存儲器的頻寬也將達到150GB/s～300GB/s。未來的自動駕駛汽車也會像飛機一樣配備“黑盒子”，它將以30秒為間隔持續(xù)進行錄制，記錄車內外的一切狀況。因此，存儲器的頻寬將達到1GB/s。特別值得指出的是，在車輛的整個生命周期中，重復寫入的所有數據加起來有可能達到150PB。綜上分析，自動駕駛汽車對內存和存儲的效能和耐用性提出了非常高的要求。

善用存儲，提升AI效能

我們正在步入“智能+”時代，技術的創(chuàng)新、業(yè)務應用場景的變化和增加、產業(yè)鏈上下游的互動無不圍繞著“智能”這個主題展開并走向深入。Thomas T. Eby代表美光介紹了公司在人工智能領域的布局與未來愿景。有人說，數據是“智能+”時代的“新石油”;也有人說，數據就是今日的全球貨幣。數據的重要性已毋庸置疑。美光預估，全球需要傳輸、存儲、分析的數據量將在未來幾年內增長數倍，到2023年將達到103ZB。數據爆炸帶來的存儲壓力還在其次，對于企業(yè)來說最關鍵的還是如何從浩如煙海的數據中挖掘出有效的信息，并轉化為深刻的洞見。這也是人工智能要做的事。

“如果說計算是人工智能的大腦，那么內存與存儲就是其心臟?！盩homas T. Eby這樣比喻。美光如何讓人工智能的“心臟”變得越來越強壯呢？

現在，數據越來越多地產生于邊緣設備和終端，而非數據中心內部。對于企業(yè)來說，本地數據中心、云端和邊緣是一個溝通、協作的整體。因此，計算、存儲、網絡等資源也應該覆蓋本地數據中心、云端和邊緣。Forrester的報告顯示，未來的趨勢是數據在哪里產生，就在哪里進行處理和分析，這樣可以減少大規(guī)模的數據遷移，同時也可以降低能耗。未來，90%的存儲會更靠近數據產生的地方，“邊緣”對于存儲來說越來越重要?！盀榱烁玫貪M足人工智能應用的需求，存儲架構將重塑。”Thomas T. Eby表示，“而為了達到更好的AI訓練效果，相比計算來說，我們需要在存儲上下更多功夫?！弊鳛榇鎯S商，美光積極調整戰(zhàn)略布局，在技術和產品創(chuàng)新上順應AI的需求，不斷擴充產品線，提供更廣泛的內存與存儲產品組合，“我們要善用存儲器和存儲架構提升人工智能的效能?！盩homas T. Eby如是說。

為AI應用賦能

如今，AI正在向更多應用領域滲透。作為AI應用的賦能者，美光自己就是AI應用的實踐者和受益者，當然也更清楚應該從哪個角度切入、用什么樣的方式促進AI應用走向深入?！懊拦獗旧砭褪侨斯ぶ悄軕玫淖罴寻咐?。通過導入人工智能至生產廠區(qū)，美光得以提高生產良率，同時提升工作環(huán)境的安全性和整體效能?！盩homas T. Eby表示，“借助人工智能，美光初步實現了智能制造，并且獲得了實實在在的收益，比如將晶圓生產率提升10%，產品質量事件減少35%等?！?/p>

美光在晶圓生產設備上安裝了300個傳感器，收集相關信息并進行分析，可以更有效地辨別設備的異常情況，縮短機器停工時間，預測設備可能存在的問題，落實預防性維護。通過全球超過500組服務器、8000多個數據來源，美光收集了大量內部生產數據，并由數據科學家進行深入挖掘，形成洞見，進而開發(fā)出人工智能與機器學習模型，進一步改善和優(yōu)化了制程?；谏鲜鲈谥悄苤圃旆矫娴某晒嵺`，美光贏得了2018 CIO 100競賽的IT 領導力大獎。這更加堅定了美光在人工智能技術與業(yè)務應用場景相結合方面的深入探索。人工智能除了在制造、自動駕駛等典型應用場景中得以快速應用以外，還進入了與人們生活息息相關的諸多領域，醫(yī)療行業(yè)就是一例。“在醫(yī)療行業(yè)，人們越來越多地基于人工智能技術對癌癥等疑難病癥進行分析和診斷，提早發(fā)現、提早治療、對癥下藥?！盩homas T. Eby介紹說，“面對醫(yī)療行業(yè)大量影像資料的分析，我們推出了支持人工智能大容量、高密度的存儲解決方案，使得醫(yī)療影像文件不必再被分割成小的片段進行分析，而是在一個存儲池中就可以輕松處理，從而更快速、更準確地獲得結果?！?/p>

服務器硬件的不斷演進和計算架構的變化也促進了存儲的發(fā)展和進化。比如為了更好地支持人工智能應用，存儲器越來越接近計算工作負載;人工智能對異構計算平臺的需求越來越迫切，各種負載需要不同的優(yōu)化且存儲器緊鄰的計算解決方案，計算不只需要CPU，還需要GPU、TPU、FPGA、SOC、ASIC等;計算核心數量迅速增加，服務器需要更多DRAM與存儲設備。