从人脑到AI：揭秘AI大模型的“硬件神经系统”表达作业

发布时间：2025-04-28　点此：1144次

咱们都知道，神经系统是才智生物的硬件根底，人脑中近千亿的神经细胞（神经元）让人类学会考虑、运用东西、发明言语……终究在与其他生物的竞赛中锋芒毕露，缔造出绚烂文明。

那你有没有想过，时下最抢手、以高智商著称的DeepSeek、ChatGPT等各类AI（以下均特指“生成式AI”）的硬件根底，又是什么呢？

大部分人的榜首反响或许是：算力（GPU/核算单元）。经过英伟达、OpenAI等科技巨子的轮流宣扬，算力简直成为了当下AI最重要的硬件。但事实上，AI的“硬件神经系统”并非清楚明了的算力。

在人脑中，神经系统的作用是传输和处理信号，而在二进制的核算机国际里，担任数据传输和处理的，是无处不在、早已诞生半个多世纪的存储器。现在，（）、DRAM（动态随机存取存储器）、UFS（通用闪存存储）等，都归于最先进的半导体存储之一。

经过多年开展，许多人对手机上的UFS、电脑上的SSD都不生疏，但人们印象中的“数据仓库”——存储，是表达成为AI“硬件神经网络”的呢？

为什么存储是AI的“硬件神经网络”？

人类神经系统经过每秒数百米的电信号传递，让大脑能实时处理视觉、听觉等多维度信息。

而AI的运转逻辑惊人类似：从云端大模型练习到终端实时推理，数据需在存储、核算单元间高频活动。以ChatGPT-4为例，其练习需求调用2万亿单词的数据集，每次推理需拜访数百GB的模型参数，这就比方大脑调用回忆时，神经突触有必要快速传递电信号——存储系统的带宽、推迟、可靠性，直接决议了AI“考虑”的速度和精确性。

近年来，AI的爆发式增加，让大模型、智能决议计划和边际核算等技能成为焦点。但在这场技能革命中，人们往往过度重视算力的“肌肉”（如GPU、TPU）和算法的“才智”，却忽视了存储这一“硬件神经系统”的重要性。

以生成式AI为例，练习一个千亿级参数的模型需求处理PB级数据，推理时需实时调用数万条参数；自动驾驶轿车每秒需剖析数十GB的传感器数据；AI手机需在本地快速加载图画生成模型。

这些场景中，存储的带宽、推迟、容量和安全性直接决议了AI能否高效运转。若存储功能缺乏，AI的“大脑”再强，也或许因“神经信号”传递缓慢而“瘫痪”。

现在，职业正堕入“算力狂欢”，而存储范畴的重视度却相形见绌。正如人脑神经信号传递受阻会导致反响缓慢，存储功能缺乏正成为AI落地的“隐性桎梏”。

AI的开展离不开数据，而数据的存储、读取和写入速度直接影响着AI的功能。就像人脑的神经系统相同，存储技能担任将数据快速、精确地传递给AI的“大脑”——处理器，使其可以及时进行剖析和决议计划。

因而，从AI模型的练习到实时推理，存储都是AI落地的关键环节，是支撑AI健康开展的“硬件神经系统”。

AI时代需求什么样的存储？

现在，跟着AI大模型的不断开展，数据量呈指数级增加，对存储的要求也越来越高。首战之地的，就是对大容量和高带宽存储的需求越来越高。

10亿（1B）参数的模型约需4GB存储空间，例如，1000亿参数的模型理论巨细约为400GB。以现在逐步走红的DeepSeek一体机为例，若想运转DeepSeek-R1满血版（6710亿参数），至少需求2684G的存储。

另一方面，千亿参数模型也对数据的读取和存储速度提出了更高要求，传统存储计划在这种超大模型的高频拜访下，掌握呈现“数据堵车”，导致生成时刻延伸。也是因而，大容量、高带宽存储逐步成为职业干流。

以闪迪首款PCIe 5.0 eSSD（企业级固态）Sandisk DC SN861为例，其依据PCIe Gen 5接口，带来了带宽的有用提高，随机读取功能比较上一代产品提高约3倍，即使处理百亿参数模型，也能完成“即调即用”。

Sandisk DC SN861企业级SSD

但仅仅做到大容量和高带宽还手工，低推迟同样是AI的一大痛点。

Sandisk DC SN861具有超低的推迟和特殊的响应速度，特别适用于大言语模型（Large Language Model, LLM）的练习、推理和AI服务布置。

跌倒AI正在强烈改动国际，但正如大脑是人体耗费能量最多的器官，AI也带来了无法忽视的能耗问题。

现在，全球数据中心年耗电量已达2000亿千瓦时，适当于整个英国的用电量。依据高盛的研讨，由于AI练习与推理对高功能核算的依靠，到2030年，全球数据中心电力需求将因AI使用激增而增加160%，占全球用电量的3%-4%，碳排放较2022年翻倍。

跌倒人脑无法自主调理神经系统的能量耗费，但彻底由人类规划、出产的存储却现已可以完成适当精准的能耗操控。例如，闪迪DC SN861经过动态电压调理，可以完成更低的能耗，供给更高的每瓦特IOPS（IOPS/Watt），其运转形式功耗12W-20W，搁置功耗则低至5W左右。

当然，还有最重要的要素也不能忽视——数据安全。

无论是AI手机、AIPC等个人用户，仍是医疗AI处理的患者印象、金融AI剖析的买卖数据等等，都需求存储系统具有“神经防护盾”，供给硬件等级的数据安全维护。

闪迪DC SN861供给了端到端数据途径维护以及TCG安全和加密等功能，前者从数据写入到读取，整个过程中可保证数据的完整性，及时发现并纠正数据在传输和存储过程中或许呈现的过错。而TCG（Trusted Computing Group，可信核算安排）安全和加密技能，则会对存储的数据进行加密处理，避免数据被未经授权的拜访和盗取可有用保证数据的完整性和安全性。

再比方，以闪迪本年推出的适用于移动智能终端设备的UFS 4.1存储解决计划iNAND MC EU711嵌入式闪存驱动器为例，产品内置的Advanced RPMB硬件加密技能，就能对数据进行实时校验，破解难度比软件加密高1000倍。

简而言之，在硬件级的数据安全维护下，适当于为AI的“神经信号”搭建了一条防搅扰、防篡改的“专用通道”，看护用户数据安全。

存储的重要性将会越来越高

大部分AI技能或算法模型都由全球最聪明的一圈人打造，普通人简直很难了解其间的技能细节和理论架构。

当咱们惊叹于AI生成的画作绘声绘色、自动驾驶的决议计划精准无误时，不该忘掉其背面的“硬件神经系统”正阅历着怎样的技能革命。存储早已逾越“数据仓库”的传统定位，成为AI与物理国际衔接的“神经纽带”。

未来，跟着存算一体化技能的打破，存储操控器或许将内置AI算法，完成数据的智能调度与预处理；车规级UFS 4.1会让轿车成为“四个轮子上的超级核算机”；端侧存储的大容量化将催生“设备即AI主体”的新生态。

正如人类神经系统的进化推动了认知革命，存储技能的每一次跃升，都在从头界说AI的或许性鸿沟。或许在不久的将来，咱们会忘掉“算力”与“存储”的分野——由于高效的数据活动，本就是智能的本质特征。

告发/反应