در نمایش فناوری حافظه با پهنای باند بالا (HBF) سندیسک، انتقاداتی مبنی بر اینکه پیشفرضهای مقایسه عملکرد HBM به طور غیرمنصفانهای پایین تنظیم شده است، مطرح شد. در رقابتهای فناوری که به مشکلات گلوگاه حافظه برای استنتاج هوش مصنوعی میپردازد، معیارهای مقایسه به یک موضوع بحثبرانگیز تبدیل شده است. تحلیلگر ژفر اعلام کرد که سندیسک مجموع پهنای باند HBF و HBM را ۱۲.۸ ترابایت بر ثانیه تنظیم کرده و شرایطی را برای اجرای یک مدل خاص به صورت bfloat16 اعمال کرده است. در حال حاضر، استفاده از FP4 یا FP8 در استنتاج مدلها رایجتر است و ظرفیت مورد نیاز بین ۲۴۰ تا ۴۸۰ گیگابایت تخمین زده میشود. ژفر ظرفیت HBM برای یک GPU را ۱۹۲ گیگابایت ثابت کرده است، اما ادعا میکند که اگر HBM4E به صورت ۱۶ لایه و ۸ استک تشکیل شود، ظرفیت به ۵۱۲ گیگابایت و پهنای باند به حدود ۳۲ ترابایت بر ثانیه خواهد رسید. بر اساس نتایج مقایسه سندیسک، HBF تنها به ۱ تا ۴ GPU نیاز دارد در حالی که HBM به ۸ GPU نیازمند است. ژفر به این نکته اشاره کرد که این نتایج به طور کافی مشخصات بالاتر HBM را منعکس نمیکند. HBF فناوریای است که حافظه مبتنی بر NAND را برای استنتاج هوش مصنوعی با ساختار با پهنای باند بالا به کار میبرد و سندیسک اعلام کرده است که HBF ظرفیت ۸ تا ۱۶ برابری نسبت به HBM ارائه خواهد داد. هدف از تأمین اولین نمونههای حافظه HBF، نیمه دوم سال ۲۰۲۶ است.
این محتوا صرفاً برای اطلاعرسانی عمومی ارائه شده است و بهمنزله مشاوره مالی، سرمایهگذاری، حقوقی یا مالیاتی تلقی نمیشود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید بهعنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر داراییهای رمزارزی تلقی شود. داراییهای رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.




![[تحلیل آلفا] پیتر تیل، ۷۲٪ از پرتفوی خود را به انرژی اختصاص میدهد... گلوگاههای سرمایهگذاری AI در حال تغییر است](/public-static/7_ca1b7746d1.png?format=avif)
























