Memory Wall: как новая AI‑архитектура памяти построена и свернута на GMIF 2026
На конференции GMIF 2026 в Шэньчжэне представили концепцию Memory Wall — AI‑оптимизированный слой хранения, который обещал ускорить токен‑экономику, но уже через несколько месяцев был признан неустойчивым.
30 сентября 2026 г. в Шэньчжэне прошла ежегодная конференция GMIF 2026, посвящённая развитию искусственного интеллекта и систем хранения данных. Одним из центральных событий стал доклад «Memory Wall», представленный командой исследователей из нескольких ведущих дата‑центров Китая.
Memory Wall позиционировался как «память‑стена» — гибридный слой, объединяющий DRAM, NVRAM и специализированные AI‑кэши, способный обслуживать терафлоп‑уровень запросов в реальном времени. По словам авторов, такая архитектура может существенно снизить задержки при работе с крупными языковыми моделями и улучшить токен‑экономику, позволяя более эффективно распределять вычислительные ресурсы.
Во время сессии были продемонстрированы прототипы, работающие на 256 GPU‑серверов, где средняя латентность запросов к модели 7 B уменьшилась на 35 % по сравнению с традиционной конфигурацией. Кроме того, участники обсудили влияние новой памяти на глобальные производственные цепочки: предполагается, что ускорение AI‑вычислений может изменить требования к поставкам микросхем и энергоносителей.
Однако уже через две недели после конференции команда объявила о «разрушении» Memory Wall. Основные причины – непредвиденно высокий энергопотребление (около 1,2 МВт при полной загрузке) и сложности масштабирования в реальных дата‑центрах из‑за ограничений охлаждения. Было решено перейти к более гибкой гибридной модели, где AI‑кэши интегрируются постепенно, а не в виде единого «стенного» решения.
Статья полностью доступна на Habr AI: https://habr.com/ru/articles/1087860/.
Для разработчиков AI‑систем Memory Wall показал, что эксперименты с новыми уровнями памяти могут дать значительный прирост производительности, но требуют тщательного расчёта энергопотребления и инфраструктурных ограничений. Пока масштабировать такие решения сложно, но идеи гибридных кэшей уже находят применение в новых облачных сервисах.
