郭涛

自动驾驶与存储之间有什么必然关联？美光科技计算和网络产品事业部（Compute & Networking Business Unit）高级副总裁兼总经理Thomas T. Eby告诉记者，未来，每辆L5级自动驾驶汽车都将配备8～12个分辨率高达4K～8K的显示屏幕，而为了支持V2X连接，存储器需要每秒处理0.5TB～1TB的数据量。TB级的数据量、实时的处理能力，存储能够100%满足自动驾驶的需要吗？

另外，在车内娱乐系统方面，存储器的频宽也将达到150GB/s～300GB/s。未来的自动驾驶汽车也会像飞机一样配备“黑盒子”，它将以30秒为间隔持续进行录制，记录车内外的一切状况。因此，存储器的频宽将达到1GB/s。特别值得指出的是，在车辆的整个生命周期中，重复写入的所有数据加起來有可能达到150PB。综上分析，自动驾驶汽车对内存和存储的效能和耐用性提出了非常高的要求。

善用存储，提升AI效能

我们正在步入“智能+”时代，技术的创新、业务应用场景的变化和增加、产业链上下游的互动无不围绕着“智能”这个主题展开并走向深入。Thomas T. Eby代表美光介绍了公司在人工智能领域的布局与未来愿景。有人说，数据是“智能+”时代的“新石油”;也有人说，数据就是今日的全球货币。数据的重要性已毋庸置疑。美光预估，全球需要传输、存储、分析的数据量将在未来几年内增长数倍，到2023年将达到103ZB。数据爆炸带来的存储压力还在其次，对于企业来说最关键的还是如何从浩如烟海的数据中挖掘出有效的信息，并转化为深刻的洞见。这也是人工智能要做的事。

“如果说计算是人工智能的大脑，那么内存与存储就是其心脏。”Thomas T. Eby这样比喻。美光如何让人工智能的“心脏”变得越来越强壮呢？

现在，数据越来越多地产生于边缘设备和终端，而非数据中心内部。对于企业来说，本地数据中心、云端和边缘是一个沟通、协作的整体。因此，计算、存储、网络等资源也应该覆盖本地数据中心、云端和边缘。Forrester的报告显示，未来的趋势是数据在哪里产生，就在哪里进行处理和分析，这样可以减少大规模的数据迁移，同时也可以降低能耗。未来，90%的存储会更靠近数据产生的地方，“边缘”对于存储来说越来越重要。“为了更好地满足人工智能应用的需求，存储架构将重塑。”Thomas T. Eby表示，“而为了达到更好的AI训练效果，相比计算来说，我们需要在存储上下更多功夫。”作为存储厂商，美光积极调整战略布局，在技术和产品创新上顺应AI的需求，不断扩充产品线，提供更广泛的内存与存储产品组合，“我们要善用存储器和存储架构提升人工智能的效能。”Thomas T. Eby如是说。

为AI应用赋能

如今，AI正在向更多应用领域渗透。作为AI应用的赋能者，美光自己就是AI应用的实践者和受益者，当然也更清楚应该从哪个角度切入、用什么样的方式促进AI应用走向深入。“美光本身就是人工智能应用的最佳案例。通过导入人工智能至生产厂区，美光得以提高生产良率，同时提升工作环境的安全性和整体效能。”Thomas T. Eby表示，“借助人工智能，美光初步实现了智能制造，并且获得了实实在在的收益，比如将晶圆生产率提升10%，产品质量事件减少35%等。”

美光在晶圆生产设备上安装了300个传感器，收集相关信息并进行分析，可以更有效地辨别设备的异常情况，缩短机器停工时间，预测设备可能存在的问题，落实预防性维护。通过全球超过500组服务器、8000多个数据来源，美光收集了大量内部生产数据，并由数据科学家进行深入挖掘，形成洞见，进而开发出人工智能与机器学习模型，进一步改善和优化了制程。基于上述在智能制造方面的成功实践，美光赢得了2018 CIO 100竞赛的IT 领导力大奖。这更加坚定了美光在人工智能技术与业务应用场景相结合方面的深入探索。人工智能除了在制造、自动驾驶等典型应用场景中得以快速应用以外，还进入了与人们生活息息相关的诸多领域，医疗行业就是一例。“在医疗行业，人们越来越多地基于人工智能技术对癌症等疑难病症进行分析和诊断，提早发现、提早治疗、对症下药。”Thomas T. Eby介绍说，“面对医疗行业大量影像资料的分析，我们推出了支持人工智能大容量、高密度的存储解决方案，使得医疗影像文件不必再被分割成小的片段进行分析，而是在一个存储池中就可以轻松处理，从而更快速、更准确地获得结果。”

服务器硬件的不断演进和计算架构的变化也促进了存储的发展和进化。比如为了更好地支持人工智能应用，存储器越来越接近计算工作负载;人工智能对异构计算平台的需求越来越迫切，各种负载需要不同的优化且存储器紧邻的计算解决方案，计算不只需要CPU，还需要GPU、TPU、FPGA、SOC、ASIC等;计算核心数量迅速增加，服务器需要更多DRAM与存储设备。