北京
今天刷到这条技术新闻，我盯着屏幕愣了几秒。英伟达和亚马逊正在搞一件听起来很离谱的事——让GPU跳过CPU，直接去控制SSD。这操作要是成了，AI训练的效率逻辑可能要被改写。
事情的核心是GIDS技术，全称"GPU发起的直接存储访问"。目前AI训练有个老大难问题：数据存在SSD里，GPU要调用时，得先经过CPU中转，再塞进DRAM缓存，最后才能送到GPU手里。这一来二去，CPU线程占用率高不说，GPU还时不时得空等数据，形成明显的性能瓶颈。英伟达自己算过账，这已经成了制约AI扩展的关键卡点。
GIDS的解法很直接：让GPU自己发号施令，直接对SSD做高速读写，全程不经过CPU和DRAM。相当于把中间商彻底踢掉，数据通路从"SSD→CPU→DRAM→GPU"压缩成"SSD→GPU"直连。
但要实现这套流程，光靠软件协议不够，硬件底子也得跟上。英伟达同步推出了HBF（高带宽闪存）来配套，定位是突破HBM的容量限制。具体参数挺夸张：6颗HBF替代2颗HBM，单GPU显存能从192GB干到3120GB，容量直接翻16倍。而且HBF的AI训练性能基本看齐同规模的HBM模型，推理性能更是完全持平。
产业分工上，英伟达主导GIDS技术标准，亚马逊负责云端基础设施落地，微软和AMD则各自从软件生态和硬件层面跟进。三方联手的目标很明确：撬动Z-NAND等高端闪存硬件市场，把这套新标准推成行业事实。
说实话，这技术路线让我有点困惑。一方面，"去CPU化"的架构变革确实诱人，AI训练最怕的就是数据喂不饱GPU；但另一方面，这种深度绑定的硬件方案——GPU、闪存、协议全得按英伟达的标准来——会不会让生态进一步封闭？毕竟HBM已经够贵了，HBF要是再成刚需，中小玩家的成本压力只会更大。
当然，现在谈"行业转折点"还太早。GIDS能不能从实验室走到大规模商用，得看亚马逊云上的实际表现，也得看微软AMD们的跟进力度。但至少，英伟达又在尝试重新定义AI基础设施的游戏规则了——这次是从存储层下手。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
