
近期,AMD在纽约举办的分析师大会(Financial Analyst Day)上展示了很多新产品与新技术,其中,HBM晶片堆栈式高带宽内存吸引了很多人的目光,AMD总裁兼首席执行官苏姿丰博士表示,HBM是真正能够以更高的带宽、更低的功耗来提供很好的效能。
HBM有何优势?它会何时推出呢?带着这些问题,我们采访了AMD事业群首席技术官(Business Unit CTO) Joe Macri,他表示,HBM在整个功耗降低方面做的非常好,它把所有节省的功耗用于补偿GPU核心的功耗;另外,数据传输的带宽大约是每秒100GB。
图为AMD事业群首席技术官(Business Unit CTO) Joe Macri
AMD开发HBM已经有7年的历史了,是什么原因使得AMD对HBM产生了这么大的兴趣?Joe Macri表示,如今很多系统的问题是功耗较大,很多高端显卡的功耗在250w-300w之间。有时会碰到一种极限,当GPU性能已经很高时,功耗也非常高,内存的功耗也变得非常高,那是一个非常可怕的事情,会造成整个系统热量非常大,功耗很高,但是性能提升却有限。很多时候为了保持系统功耗的平衡,内存功耗很高的话,GPU的功耗就不可以很高,这样会直接影响到GPU的性能。而AMD就想要生产出高带宽、低功耗的内存,这样就可以平衡整个系统的性能和功耗。
如上图所示,垂直的“四条线”是比较有功能性的DRAM的堆栈,这也是HBM整个内存的晶片构造,出自SK Hynix。左边蓝色的是整套SK Hynix内存的HBM晶片,右边是AMD GPU的晶片。Joe Macri表示,通过1024位连线进行联系,有非常高速的硅晶片的铜联线来进行数据交互,数据非常大且速度非常快,这是不能通过主板来解决的,必须通过这种联线来做到,另外,HBM能够与CPU/GPU封装在一起。
HBM真正实现了低功耗和高带宽,它的外形很小,并且可以把更多的功耗转移到GPU,而且很多用途可以并到HBM,除了独立显卡和游戏以外,像HPC超级计算机、高性能计算、电信、服务器、还有所有类型的PC都会从中受益。
我们所熟悉的DDR5与HBM相比有很大的区别,就是带宽上很不一样,DDR5是32位,HBM则是1024位。Joe Macri解释道,最重要的是它的时钟频率,DDR5是1750兆赫兹,每秒7GB的数据传输量;HBM的整个速度降低得非常快,最高才到500兆赫兹,1GB数据传输量,速率的降低大量地节省了功耗,这是最重要的一点。而整个数据传输的带宽,DDR5是28GB每秒每个芯片,HBM大约是每秒100GB,它的功耗也大大降低了,但是由于整个位宽比较高,所以整个数据传输的带宽是非常高的,大概是过去的5倍。
Joe Macri表示,AMD在建立一个HBM的完整的生态系统,主要包括DRAM、组装和封装、芯片测试。AMD是第一家开始做HBM的公司,不过随后一定也会有其他公司陆续加入。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。