صنعت حافظه در یک نقطه عطف قرار دارد. برای سال‌ها، هارد دیسک‌ها بر این بازار حکم‌رانی می‌کردند، اما تغییر در اقتصاد مصرف انرژی، فضای ذخیره‌سازی و عملکرد، کفه‌ی ترازو را به نفع SSDها سنگین کرده است.
تعداد کمی از شرکت‌ها مثل Solidigm این تغییر را درک می‌کنند و راجر کورل، مدیر ارشد بازاریابی هوش مصنوعی این شرکت می‌گوید که چرا معتقد است SSDهای مبتنی بر QLC آماده‌اند تا جایگزین HDDها در محیط‌های هوش مصنوعی و داده‌محور شوند.
کورل به پیشرفت‌های کنونی Solidigm اشاره کرد و گفت که نقشه راه آن‌ها عرضه حافظه ۲۴۵ ترابایت تا سال ۲۰۲۶ است. با این حال، هدف Solidigm فراتر از مقیاس محض است و کورل درباره نوآوری‌های این شرکت در بهره‌وری حرارتی و معماری‌های لبه‌ای به عنوان کلید پاسخگویی به تقاضای فزاینده هوش مصنوعی برای ذخیره‌سازی با تأخیر کم صحبت کرد.
کورل HDDها را به نقش‌های آرشیوی تنزل می‌دهد. او استدلال می‌کند که آینده به NAND تعلق دارد که با چگالی بیشتر روی هم انباشته شده، در مقیاس گسترده به‌کار گرفته می‌شود و برای عملکرد، کارایی و پایداری طراحی شده است. در ادامه، کورل به برخی سوالات در این زمینه جواب می‌دهد.
چهار تولیدکننده SSD تأیید کرده‌اند که در آینده نزدیک SSDهایی با ظرفیت بیش از ۲۴۵ ترابایت عرضه خواهند کرد: SanDisk، Samsung، Kioxia و Micron. آیا Solidigm قصد دارد چنین SSDهایی را در سال ۲۰۲۵ عرضه کند؟
Solidigm در حال حاضر با D5-P5336، که ظرفیتی تا ۱۲۲.۸۸ ترابایت ارائه می‌دهد و بیش از دو برابر نسل قبلی بوده، پیشتاز صنعت در ظرفیت SSD است و هم‌اکنون در حال عرضه آن به مشتریان می‌باشد.
در واقع، ما اخیراً از نقطه عطف ارسال بیش از ۱۲۰ اگزابایت (EB) ظرفیت SSDهای QLC در چهار نسل از فناوری QLC خود عبور کرده‌ایم، در حالی که دیگران تازه شروع کرده‌اند. علاوه بر این، در حالی که ما محصولات معرفی‌نشده را پیشاپیش اعلام نمی‌کنیم، نقشه‌راه ما بر پیشبرد مرزهای چگالی QLC، بهره‌وری حرارتی و یکپارچه‌سازی در مقیاس رک متمرکز است تا نیازهای بارهای کاری هوش مصنوعی و داده‌محور را برآورده سازد.
ما به طور فعال در حال بررسی ظرفیت‌ها، فرم فکتورها و نوآوری‌های در سطح سیستم هستیم که نحوه استقرار ذخیره‌سازی در مقیاس گسترده را بازتعریف خواهد کرد. این شامل برنامه‌های ما برای عرضه درایوهای ۲۴۵+ ترابایتی تا پایان سال ۲۰۲۶ می‌شود.
ما دوست داریم بگوییم که فقط در حال افزایش ظرفیت نیستیم، بلکه در حال بازتعریف ذخیره‌سازی سازمانی هستیم. ما همچنین از نزدیک با مشتریان خود همکاری می‌کنیم تا مطمئن شویم راه‌حل‌هایمان برای بارهای کاری منحصربه‌فرد آن‌ها، به ویژه در محیط‌های هوش مصنوعی و هایپراسکیل، سفارشی شده‌اند.
از اینکه QLC به سرعت به نوع غالب NAND تبدیل می‌شود، شگفت‌زده هستیم، در حالی که تعداد زیادی از کارشناسان پیش‌بینی کرده بودند که PLC دیر یا زود جایگزین آن خواهد شد. از زمان آن پیش‌بینی‌ها چه چیزی تغییر کرده است؟
QLC به یک راه‌حل اثبات‌شده و با چگالی بالا تبدیل شده که ارزشی استثنایی در دنیای واقعی ارائه می‌دهد. رهبری Solidigm در QLC بر پایه عرضه SSDهایی است که نیازهای عملکرد، دوام و کارایی محیط‌های هوش مصنوعی، داده‌های بزرگ و ابری را برآورده می‌سازند.
PLC به عنوان یک مفهوم جالب باقی مانده، اما با موانع فنی عمده‌ای در دوام و قابلیت اطمینان روبرو بوده که QLC قبلاً بر آن‌ها غلبه کرده است. صنعت از پتانسیل نظری به تأثیرگذاری عملی تغییر جهت داده و QLC در حال ارائه این تأثیر است. ما بر حفظ یک سبد محصولات پیشرو بر اساس NAND QLC تمرکز داریم.
Solidigm و دیگر تولیدکنندگان SSD مصرانه معتقدند که SSDهای با ظرفیت بالا باید جای هارد دیسک‌ها را برای بارهای کاری هوش مصنوعی بگیرند. استدلال این امر چیست؟
بارهای کاری هوش مصنوعی و سایر بارهای کاری داده‌محور که نیاز به دسترسی سریع به مجموعه‌های داده بزرگ دارند، نیازمند توان عملیاتی بالا، تأخیر کم و بهره‌وری انرژی هستند؛ حوزه‌هایی که SSDها، به ویژه درایوهای مبتنی بر QLC شرکت Solidigm، در آن‌ها مزیت آشکاری دارند.
به عنوان مثال، D5-P5336 ما ذخیره‌سازی ۱۰ پتابایت داده را تنها با استفاده از ۸۴ SSD امکان‌پذیر می‌سازد، در مقایسه با بیش از ۴۰۰ HDD. این محاسبات خود گویای همه چیز است. این به معنای کاهش چشمگیر در مصرف انرژی، خنک‌سازی و فضای رک است که مستقیماً به کاهش هزینه کل مالکیت و عملکرد بالاتر منجر می‌شود.
SSDها دیگر فقط سریع‌تر نیستند، آن‌ها هوشمندتر، متراکم‌تر و پایدارتر هستند. در حالی که HDDها هنوز جایگاهی در پشته داده‌ها دارند، SSDها در برآوردن نیازهای تأخیر، توان عملیاتی و هم‌زمانی هوش مصنوعی مؤثرتر عمل می‌کنند.
بنابراین، آیا این بدان معناست که شما دیگر نقشی برای HDDها در استنتاج هوش مصنوعی قائل نیستید؟
برای استنتاج هوش مصنوعی که نیاز به دسترسی سریع به داده‌ها و عملکرد ثابت دارد، SSDها به سرعت در حال تبدیل شدن به استاندارد هستند. HDDها ممکن است همچنان در نقش‌های آرشیوی یا ذخیره‌سازی سرد برای مجموعه‌های داده‌ای که کمتر مورد استفاده قرار می‌گیرند، خدمت کنند.
سبد محصولات Solidigm برای هر مرحله از داده‌های هوش مصنوعی، از دریافت تا استنتاج، بهینه شده است، با محصولاتی مانند D7-PS1010 که تا ۷۰ درصد IOPS بهتر به ازای هر وات نسبت به رقبای پیشرو ارائه می‌دهد.
هوش مصنوعی منتظر نمی‌ماند و بارهای کاری استنتاج تأخیر را تحمل نمی‌کنند و زیرساخت پشتیبانی‌کننده آن‌ها نیز نباید تحمل کند. علاوه بر این، رشد واقعی در استنتاج هوش مصنوعی در محیط‌های لبه خواهد بود، جایی که محدودیت‌هایی مانند انرژی، فضا، خنک‌سازی و حتی وزن چالش‌های بیشتری را برای HDDها ایجاد خواهند کرد.
تأمین‌کنندگان HDD با درایوهای بزرگ‌تر به رشد ذخیره‌سازی داده پاسخ می‌دهند، اما این امر به قیمت کاهش عملکرد تمام می‌شود. بنابراین، آنچه برخی در صنعت Nearline SSD می‌نامند، یک بحث بسیار مرتبط است.
آیا هرگز شاهد SSDهای با ظرفیت بالا برای کاربران حرفه‌ای یا نهایی (یعنی با فرمت M.2) خواهیم بود یا چنین محصولاتی منحصر به شرکت‌های بزرگ و هایپراسکیلرها باقی خواهند ماند؟
Solidigm به طور استراتژیک از بازار SSD مصرف‌کننده خارج شده است تا بر نیازهای شرکت‌های بزرگ و هایپراسکیلرها تمرکز کند، اما ما همچنان از فرم فاکتورهای M.2 برای استقرارهای سازمانی پشتیبانی می‌کنیم.
در حالی که SSDهای با ظرفیت فوق‌العاده بالا در حال حاضر برای مراکز داده طراحی شده‌اند، نوآوری‌هایی که آن‌ها را پیش می‌برند (مانند چگالی QLC، بهینه‌سازی حرارتی و کارایی در مقیاس رک) در نهایت بر بازارهای گسترده‌تر تأثیر خواهند گذاشت.
ظرفیت SSD تقریباً هر ۱۸ ماه دو برابر می‌شود. بنابراین، گام بعدی ۵۱۲ ترابایت و احتمالاً ۱ پتابایت تا سال ۲۰۲۸ خواهد بود. آیا حرکت SSDها در سطح رک خواهد بود؟ یک یونیت 1U یا 4U که فقط با تراشه‌های NAND و کنترلرها پر شده است؟
کاملاً. Solidigm در حال حاضر با SSDهای با چگالی بالا و طراحی‌های جدید که شامل خنک‌سازی مایع و مدیریت حرارتی پیشرفته هستند، نوآوری در مقیاس رک را ممکن می‌سازد. همان‌طور که بارهای کاری هوش مصنوعی از نظر پیچیدگی و مقیاس رشد می‌کنند، نیاز به راه‌حل‌های یکپارچه NAND در سطح رک فوری‌تر می‌شود.
رویکرد ما فقط پر کردن رک‌ها با درایوها نیست، بلکه در مورد بازنگری در چگونگی ارائه عملکرد، کارایی و پایداری مورد نیاز در مقیاس بزرگ است.
