בעידן הבינה המלאכותית, התמקדנו זמן רב בכוח מחשוב, קיבולת ומהירות.אנו מוסיפים עוד DRAM, מחסנים HBM ומרחיבים את 3D NAND כדי לתמוך בדגמים גדולים יותר ובמסק מהיר יותר.אבל משבר שקט ומסוכן מסתמן: הנתונים כבר לא יכולים להישאר מאוחסנים בצורה מהימנה.
כאשר בינה מלאכותית מתפתחת מבינה מלאכותית מחוללת לבינה מלאכותית אוטונומית, מערכות דורשות מצב מתמשך, זיכרון לטווח ארוך וקבלת החלטות מתמשכת.הם לא יכולים עוד לסבול נתונים זמניים או לא יציבים.יחד עם זאת, קנה מידה בלתי פוסק של DRAM ו-NAND להשגת צפיפות גבוהה יותר שוחק באופן רציני את שמירת הנתונים ושולי השגיאה.
אתגר הליבה של אחסון השתנה: מתוך "אפשר לאחסן את זה?"ל"האם נוכל לשמור את זה נכון?"
מגמת ליבה: בינה מלאכותית הופכת את אמינות האחסון לקריטית
מערכות בינה מלאכותית אינן עוד משימות מחשוב חד פעמיות.בינה מלאכותית מודרנית מסתמכת על:
- זיכרון לטווח ארוך
- מצב מערכת מתמשך
- קבלת החלטות אוטונומית ומתמשכת
זה אומר שהאחסון חייב לשמור נתונים מדויקים לאורך זמן, לא רק לעבוד לתקופה קצרה.אמינות הפכה לגורם יוצר או שבירה ליציבות תשתית בינה מלאכותית.
סיבת שורש: קנה מידה מוריד את האמינות
שיפורי צפיפות פוגעים ישירות ביציבות.זוהי פשרה בלתי נמנעת.
עבור NAND Flash
- מידות XY מכווצות
- שכבות ערימה תלת מימדיות מוגברת
- תוצאה: מרווח שגיאה נמוך יותר, אובדן טעינה קל יותר
עבור DRAM
- מעבר ל-3D DRAM
- גודל תא קטן יותר
- תוצאה: זמן שמירה קצר יותר, סובלנות נמוכה יותר לרעש
כלל: צפיפות גבוהה יותר = אמינות נמוכה יותר
הבעיה המהותית של NAND: אובדן טעינה
כישלון NAND מסתכם ב אובדן תשלום, מה שקורה בשתי דרכים עיקריות:
- דליפת מטען אנכית - מטען בורח לתוך התעלה
- פיזור מטען לרוחב - מטען מתפשט בין קווי מילים
כשל בשמירה קצרת טווח לעומת טווח ארוך
- טווח קצר: מלכודות רדודות, שינוי מתח ראשוני (IVS), שינויים מופיעים במהירות
- לטווח ארוך: מלכודות עמוקות, מנגנונים משולבים (TAT / DT / TE), נושאים גדלים מורכבים יותר עם הזמן
החולשה הנסתרת של DRAM: הוא גם לא יכול "להחזיק" נתונים
DRAM אינו בטוח מכשל שמירה.הוא סובל ממספר נתיבי דליפה:
- דליפת קבלים
- מנהור ישיר
- דליפות תת-סף ו-GIDL
- דליפת צומת
השינוי הבסיסי באחסון
עבר: אחסון = קיבולת + מהירות, שגיאות מתוקנות עם ECC
עכשיו: אחסון = אמינות לטווח ארוך + עקביות מצב, אחסון הוא הבסיס ליציבות המערכת
מסקנה
המשבר האמיתי בעידן הבינה המלאכותית אינו כוח מחשוב לא מספיק - הוא כן שמירת נתונים לא מהימנה.
כאשר 3D NAND ו-DRAM מתרחבים לגיאומטריות קטנות יותר וצפיפות גבוהה יותר, אובדן טעינה ודליפה מחמירים.הדרישה של AI לזיכרון מתמשך מעצימה את הפגמים הללו.
כדי לבנות מערכות AI יציבות ברמה ארגונית, התעשייה חייבת להעביר את המיקוד ממהירות ומיכולת לשמירה, בקרת טעינה ואמינות לטווח ארוך.