SK hynix hat offiziell mit der Massenproduktion seines neuesten one-c-Nanometer begonnen, der als sechste Generation des zehn-Nanometer-Klassenprozesses, Low-Power-Double-Data-Rate-Five-X-basierten serveroptimierten Compressed-Attached-Memory-Module-Two mit einer enormen Kapazität von einhundertzweiundneunzig Gigabyte gilt. Dieser Durchbruch markiert einen entscheidenden Wendepunkt in der Architektur von Servern für künstliche Intelligenz.
Das neu entwickelte Speichermodul wurde speziell entwickelt, um die Lücke zwischen der Effizienz von Low-Power-Mobilfunkpeicher und den Anforderungen von Hochleistungs-Rechenzentren zu schließen. Durch den Einsatz des fortschrittlichen one-c-Nanometer-Fertigungsprozesses liefert das Modul mehr als die doppelte Bandbreite herkömmlicher Registered-Dual-In-Line-Memory-Module. Darüber hinaus verbessert es die Energieeffizienz im Vergleich zu herkömmlichen Serverspeicherlösungen um über fünfundsiebzig Prozent.
Ein herausragendes Merkmal dieses Speichermoduls ist seine Compression-Attached-Architektur, die standardmäßige Dual-In-Line-Steckplätze durch eine lötfreie, kompressionsbasierte Steckverbindung ersetzt. Dieses Design verkürzt den Signalweg drastisch, gewährleistet eine ausgezeichnete Signalintegrität bei hohen Frequenzen und ermöglicht zugleich ultradünne Serverprofile sowie eine einfache Wartung oder Aufrüstung.
Marktdaten zeigen, dass generative Workloads der künstlichen Intelligenz eine beispiellose Energieeffizienz erfordern, um die steigenden Thermal-Design-Power-Profile zu bewältigen. Dieses Speichermodul wurde stark optimiert, um sich nahtlos in Rechenplattformen der nächsten Generation für künstliche Intelligenz zu integrieren, insbesondere im Einklang mit den Anforderungen der NVIDIA Vera Rubin Architektur, der Prognosen zufolge die Hyperscale-Rechenzentren dominieren wird. Mit dieser Markteinführung festigt SK hynix seine Führungsposition im Premium-Speichersektor für künstliche Intelligenz und treibt den Übergang zu Infrastrukturen mit hoher Dichte und niedrigem Energieverbrauch voran.
