Bộ nhớ băng thông cao
Bộ nhớ băng thông cao (HBM) là bộ nhớ xếp chồng được đặt ngay cạnh GPU giúp cung cấp dữ liệu nhanh hơn nhiều so với RAM thông thường.
Tổng quan
It is what keeps AI accelerators fed, preventing the powerful compute cores from sitting idle while they wait for model weights and data.
Lặn sâu
HBM giải quyết nút cổ chai cơ bản: chip AI hiện đại có thể thực hiện hàng nghìn tỷ thao tác mỗi giây, nhưng chỉ khi dữ liệu đến đủ nhanh. Bộ nhớ GDDR tiêu chuẩn kết nối qua một bus tương đối hẹp, trong khi HBM xếp chồng nhiều DRAM theo chiều dọc và kết nối chúng bằng hàng nghìn dây dọc nhỏ gọi là vias xuyên silicon (TSV). Các ngăn xếp này nằm trên một bộ chuyển đổi silicon cách GPU vài milimet, tạo ra đường dẫn dữ liệu cực rộng, xử lý hàng nghìn bit cùng một lúc thay vì hàng trăm. Kết quả là băng thông được đo bằng terabyte mỗi giây. Các thế hệ đã nâng cấp từ HBM2 lên HBM2e, HBM3 và HBM3e, mỗi thế hệ đều nâng cao cả công suất và tốc độ. Đối với các mô hình ngôn ngữ lớn, có trọng số phải được truyền phát liên tục, dung lượng và băng thông HBM thường quan trọng hơn tính toán thô.
Hiểu biết kỹ thuật
HBM đạt được tốc độ thông qua tính song song cực cao thay vì tốc độ xung nhịp cao hơn. Bằng cách xếp chồng các khuôn DRAM và liên kết chúng với hàng nghìn TSV, nó tạo ra một giao diện rất rộng (1024 bit trên mỗi ngăn xếp trở lên), nhờ đó nhiều byte di chuyển đồng thời. Việc đặt các ngăn xếp trên một bộ chuyển tiếp dùng chung bên cạnh GPU sẽ giúp dây nối ngắn lại, cắt giảm điện năng trên mỗi bit và độ trễ. Một bộ tăng tốc đơn lẻ như NVIDIA H100 hoặc H200 ghép nối nhiều ngăn xếp HBM để đạt được tổng băng thông bộ nhớ nhiều terabyte mỗi giây.
Tác động chiến lược
Chi phí và ngân sách
Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm.
Quyết định rõ ràng hơn
Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất.
Kiểm soát chất lượng
Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất.
Tương lai của bộ nhớ băng thông cao
Băng thông bộ nhớ hiện là hạn chế hàng đầu đối với AI, vì vậy HBM đang phát triển nhanh chóng. HBM3e đang được vận chuyển trong các máy gia tốc hàng đầu, trong đó HBM4 sắp ra mắt hứa hẹn các giao diện rộng hơn, ngăn xếp cao hơn và nhiều dung lượng hơn trên mỗi gói. Mong đợi sự đồng thiết kế chặt chẽ hơn giữa bộ nhớ và logic, có thể là khuôn cơ sở tùy chỉnh và xử lý gần bộ nhớ, cộng với sự cạnh tranh khốc liệt giữa các nhà cung cấp như SK hynix, Samsung và Micron. Khi các mô hình phát triển, việc thu thập nhiều dữ liệu hơn để tính toán nhanh hơn và tiêu thụ ít năng lượng hơn sẽ là trọng tâm trong quá trình phát triển phần cứng AI.
Triển khai trong thế giới thực
Giữ trọng số hàng chục hoặc hàng trăm gigabyte cho một mô hình ngôn ngữ lớn gần GPU để chúng có thể được truyền phát trong mỗi bước suy luận.
Cho phép GPU trung tâm dữ liệu NVIDIA H100 và H200 đạt băng thông bộ nhớ nhiều terabyte mỗi giây để đào tạo.
Hỗ trợ các cụm đào tạo AI nơi có nhiều GPU dựa vào HBM để tránh bị đình trệ giữa các hoạt động ma trận.
Hỗ trợ các mô hình hình ảnh và video có độ phân giải cao phải di chuyển các tensor kích hoạt khổng lồ vào và ra khỏi bộ nhớ một cách nhanh chóng.
Rủi ro & lan can
Tối ưu hóa một điểm chuẩn có thể che giấu những điểm yếu của hệ thống rộng hơn.
Chi phí cơ sở hạ tầng và bảo trì thường được đánh giá thấp.
Khoảng cách về bảo mật và khả năng quan sát có thể tăng lên khi hệ thống trở nên phức tạp hơn.
Lộ trình thực hiện
Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai.
Điểm chuẩn trong điều kiện tải và dữ liệu thực tế.
Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng.
Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the High Bandwidth Memory quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
Quản lý và phân mảnh bộ nhớ GPU
Câu hỏi thường gặp
What is High Bandwidth Memory?
Bộ nhớ băng thông cao (HBM) là bộ nhớ xếp chồng được đặt ngay cạnh GPU giúp cung cấp dữ liệu nhanh hơn nhiều so với RAM thông thường. Đó là thứ giúp các bộ tăng tốc AI luôn được cung cấp năng lượng, ngăn các lõi điện toán mạnh mẽ không hoạt động trong khi chờ đợi trọng lượng và dữ liệu của mô hình.
Bộ nhớ băng thông cao giải quyết vấn đề chính nào cho máy gia tốc AI?
Chip AI chỉ có thể thực hiện hàng nghìn tỷ thao tác mỗi giây nếu dữ liệu đến đủ nhanh; HBM cung cấp băng thông đó để các lõi không bị thiếu.
HBM được xây dựng về mặt vật lý khác với bộ nhớ GDDR thông thường như thế nào?
HBM xếp các DRAM chồng lên nhau và liên kết chúng với hàng nghìn dây dọc (TSV), tạo ra đường dẫn dữ liệu rất rộng.
HBM chủ yếu dựa vào điều gì để đạt được băng thông cao?
Thay vì tăng tốc nhanh hơn, HBM có giao diện rất rộng (1024 bit trên mỗi ngăn xếp trở lên) nên nhiều byte di chuyển cùng một lúc.
Tại sao các ngăn xếp HBM được đặt trên một bộ chuyển đổi silicon ngay cạnh GPU?
Các dây ngắn trên bộ chuyển tiếp dùng chung giúp giảm năng lượng cần thiết cho mỗi bit được truyền và giảm độ trễ giữa bộ nhớ và điện toán.
Đặc biệt đối với các mô hình ngôn ngữ lớn, tại sao HBM lại quan trọng như tính toán thô?
Suy luận LLM liên tục truyền các ma trận có trọng số lớn, do đó dung lượng bộ nhớ và băng thông thường trở thành yếu tố hạn chế thay vì thông lượng tính toán.