Kioxia представила прототип 5TB модуля HBF с пропускной способностью 64 ГБ/с
Компания Kioxia разработала прототип нового модуля High-Bandwidth Flash (HBF), который сочетает ёмкость 5 ТБ и скорость передачи данных 64 ГБ/с. Это решение создавалось для графических ускорителей, AI-центров обработки данных и систем, работающих с большими потоковыми наборами данных. Новый модуль использует NAND-память и высокоскоростной интерфейс PCIe 6.0, обеспечивая показатели, близкие к HBM2E, при этом предлагая в 8–16 раз больше ёмкости по сравнению с DRAM-памятью.
Прототип демонстрирует 64 ГБ/с устойчивой передачи данных, что более чем в 4 раза быстрее современных PCIe 5.0 SSD, ограниченных скоростью около 14 ГБ/с. Достижение таких показателей стало возможным благодаря архитектуре с распределёнными контроллерами, где каждый модуль имеет собственный контроллер и соединяется с другими по схеме daisy-chain. Это снижает перекрёстные помехи, устраняет узкие места при масштабировании и обеспечивает стабильную работу на высоких скоростях. Для передачи данных используется PAM4-сигнализация с пропускной способностью 128 Гбит/с на канал, а также усовершенствованная коррекция ошибок. Интерфейс PCIe 6.0 x16 поддерживает до 128 ГБ/с двунаправленного трафика, оставляя запас для служебных данных и коррекции ошибок.
Энергоэффективность также стала ключевой особенностью нового решения. Один модуль потребляет менее 40 Вт, что делает его значительно экономичнее по сравнению с современными PCIe 5.0 SSD, которые при скорости 14 ГБ/с могут достигать 15 Вт энергопотребления. В пересчёте на ГБ/с на ватт технология Kioxia демонстрирует более чем двукратное преимущество. При установке 16 модулей суммарная ёмкость достигает 80 ТБ, а пропускная способность превышает 1 ТБ/с, что ранее было доступно только в DRAM-кластерах и параллельных файловых системах. Такой подход позволяет использовать флеш-память как near-memory storage, расположенную максимально близко к вычислительным блокам, что особенно важно при работе с AI-датасетами, моделями машинного обучения и потоковыми аналитическими нагрузками.
