【深铭易购】资讯：据报道，美光正在探索一种面向AI计算的新型高耐久性NAND闪存方案，重点研究如何将NAND闪存进一步靠近GPU，从而承担部分不需要HBM或传统DRAM所提供的超高带宽和低延迟性能的工作负载。

目前，这一架构被称为“近GPU NAND”（Near-GPU NAND）。与传统存储架构相比，该方案的核心思路是将大容量NAND闪存池部署在GPU附近，让GPU能够更直接地访问存储资源，在满足一定性能需求的同时进一步提升存储密度和耐久性。

据悉，近GPU NAND并不追求完全取代HBM或DRAM，而是针对两者不适合处理的部分工作负载。其采用的NAND闪存密度可能低于传统TLC或QLC NAND，但能够通过更靠近GPU的架构设计，提高I/O性能、数据传输带宽以及读取速度。

这一方案的潜在优势在于容量。未来，如果数百GB规模的NAND闪存池能够直接连接或靠近GPU，AI加速器将获得远高于传统片上高速缓存的存储空间，从而减少GPU在处理大规模数据时对有限内存容量的依赖。

对于大语言模型（LLM）等需要处理海量数据的AI应用而言，近GPU NAND有望在HBM、DRAM与大容量存储之间建立新的存储层级。通过将高容量NAND资源更紧密地连接到GPU，AI系统未来可能不再完全受限于传统高性能内存的容量限制，并进一步降低大规模AI计算对高成本HBM资源的依赖。

不过，近GPU NAND目前仍处于探索阶段，其实际性能、耐久性、接口设计以及与GPU和AI加速器的协同方式仍有待进一步验证。如果该技术能够实现，NAND闪存的应用范围或将从传统存储领域进一步延伸至AI计算基础设施。