الذكاء الاصطناعي الذي يواصل التعلم لا يزال يوسع سوق أشباه الموصلات للتخزين

على الرغم من ظهور نظريات تباطؤ الذكاء الاصطناعي، فإن الذكاء الاصطناعي الذي يتعلم باستمرار لا يزال يوسّع سوق أشباه موصلات التخزين1/ على الرغم من وجود توجهات حديثة تدعو إلى تباطؤ وتيرة تطوير الذكاء الاصطناعي، فإن تقنيات التعلم المستمر التي تمكّن الذكاء الاصطناعي من اكتساب معلومات جديدة باستمرار أصبحت محرك النمو الجديد في سوق أشباه موصلات التخزين.2/ تتوقع Citigroup، وهي بنك استثماري عالمي، أن ترتفع الطلبات على HBM عالميًا بنسبة 62% العام القادم مقارنة بهذا العام لتصل إلى 75.2 مليار جيجابِت.3/ اعتبرت Citigroup أن التعلم المستمر هو أحد الأسباب الرئيسية للزيادة الحادة في طلبات HBM، كما أشارت تحليلاتها إلى أنه مع تكرار عمليات التدريب والاستدلال، سيزداد الطلب أيضًا بالتزامن على وحدات DRAM الخاصة بالخوادم وأقراص SSD المؤسسية.4/ حالياً، تعتمد معظم تقنيات الذكاء الاصطناعي التوليدي على أسلوب التدريب المسبق ثم تقديم الإجابات، ولا تتم إضافة المعلومات الجديدة تلقائيًا إلى المعرفة طويلة الأمد، مما يؤدي إلى مشاكل في الكفاءة.5/ في التعلم المستمر، تصبح الحدود الفاصلة بين التدريب والاستدلال غير واضحة، والهدف هو تمكين الذكاء الاصطناعي من تعلّم بيانات وخبرات جديدة أثناء تقديم الخدمة ودمجها مع المعارف الحالية.6/ وأثناء التعلم المستمر للمعلومات الجديدة، يجب الوصول أيضًا إلى كميات هائلة من البيانات الحالية، مما يتطلب سعة تخزين أكبر؛ لذا، بالإضافة إلى HBM، تصبح أهمية استخدام كل من DRAM الخاصة بالخوادم وأقراص eSSD المبنية على NAND متزايدة.7/ وبسبب أن عملية التعلم تحدث أيضًا أثناء الاستدلال، فإن الاعتماد على عرض النطاق وحده لا يحل عنق الزجاجة، ولذلك قد تزداد الحاجة إلى تقنيات الحوسبة القريبة من الذاكرة مثل PIM.8/ طرحت Samsung Electronics تقنية zHBM التي تكدّس HBM مباشرة فوق معجِّلات الذكاء الاصطناعي، بينما عرضت SK hynix تقنيات مثل PIM وSALT-KV وهيكلية HBF، في محاولة لتجاوز حدود بنية GPU-HBM الحالية.