美光业界领先的232 层NAND可满足 AI 海量数据的存储需求

人类认知与人工智能 (AI) 的结合标志着第五次工业革命的开始。在这个时代，人类与机器人协同工作，共同推动社会进步。工业 5.0 正在将计算从边缘推向世界，人类发展也将空前繁荣，这一切都源自 AI 的力量。

OpenAI 推出的 ChatGPT 就是 AI 时代的经典案例。时至今日，AI 模型在获取海量数据、识别模式、诊断并确定根本原因等方面表现出色。如今，大多数 AI 研究人员聚焦于 AI 发展的下一阶段——生成式 AI。这不仅是因为 ChatGPT 引发的技术热潮，更因为生成式 AI 能为企业发展带来巨大潜力。

美光智能制造暨人工智能部门副总裁 Koen De Backer 表示：“生成式 AI 在美光内部的一项重要应用是智能检索。用户使用互联网搜索时，需要多次检索并仔细梳理才能获得有价值的结果，而 ChatGPT 的查询功能会自动评估检索结果并生成全面的摘要。我们正在美光内部应用这种高级智能功能，其效率之高令人赞叹。”

然而生成式 AI 也让很多人担忧：我的工作会被机器人取代吗？我是否要放弃人工驾驶？未来我是否毫无个人隐私可言？在工业 5.0 时代，人们无需过分担心这些问题。依靠新技术，机器会自动执行它们最擅长的任务，让人类能专注于其他更重要的工作。

事实上，这项新技术不但没有取代人们的工作，反而增强了我们的能力。在制造过程中应用 AI 技术，能将美光团队成员从重复性的工作中解放出来，利用创造性思维积极实践新的想法，助力开发高效可持续的产品。 

历史上的四次工业革命

回顾：

1

机械化

1780 年

第一次工业革命发生在 18 世纪中叶至 19 世纪中叶，历时约 100 年，其开始的标志是利用水和蒸汽作为动力来实现制造流程机械化。

2

电气化

1870 年

19 世纪末至 20 世纪初，工厂引入电力，实现了工业流水线和大规模生产。

3

自动化

1970 年

1970 年左右，以机器人技术为代表的数字技术进入制造流程，使很多人工操作实现了自动化，并通过互联网实现了全球化。

4

互联和数字化

2011 年

人类进入“互联时代”，从汽车、计算机、机器人到面包机，万物皆可“互联互通”，几乎无需人为干预便可相互通信甚至相互控制。工厂正在向“无人工厂”过渡。“信息物理系统”不仅能负责生产制造，还能承担采购、维护和维修工作。物联网、机器人和人工智能等由数据、分析和内存驱动的技术如同人脑，为自主性赋能。

数字技术加速了产业迭代，技术发展日新月异，第四次工业革命（互联时代）与第三次工业革命（自动化时代）接踵而至。毋庸置疑的是，我们已经进入工业 5.0 时代，即“协作时代”。

工业 5.0：人机融合

第五次工业革命开始的标志是人机融合。智能手机和应用程序正让位于那些能够贴身使用的技术，例如在人们耳中悄声指示方向，为我们推荐晚餐餐厅并预订座位的虚拟助理。但更具颠覆性的变革将发生在工作场所。

工业 5.0 旨在将工业 4.0 时代的“信息物理”制造工厂——即通过数字技术以最少的人力运营工厂，转变为“人机物融合”系统。

在此新模式下，人类将与机器人协作，引导它们完成任务，并在它们出错时予以纠正。机器负责执行最琐碎、重复与危险的任务，而人类则通过我们复杂灵活的大脑做出高级决策。例如，人们可以利用“数字孪生”技术复刻所需的工厂环境，更好地进行产品设计和流程开发。在一些行业，工厂可与客户直接沟通，为他们量身定制个性化产品。设想一下，您可以登录汽车制造商的网站，选择喜爱的车型及所需功能，为自己打造专属爱车！

当然，智慧工厂无法完全自主运行，它需要人类进行编程、指示、引导和排除故障。工厂机器人在处理、分析和响应来自不同数据源，比如传感器、在线订单、计算设备和可穿戴设备的数据时，其性能取决于内部处理器的速度和内存容量。（人类智能的运作原理也同样适用于人工智能。）

内存的重要作用

AI 依靠内存和处理速度来适时作出正确响应。自动驾驶汽车需要整合分析来自多个数据源的数据流并快速作出决策，这一过程不允许出现任何故障，而制造工厂则需自主决定何时扩大或缩小生产规模、订购物资、出货成品，以及维修和更换设备。

工业 5.0 如同第四次工业革命，需要依靠数据、相关设备和生成式 AI，而这些器件的正常工作都依赖内存。事实上，内存为 AI 赋予了“智能”，为其提供了运行算法所需的数据以及行动和反应所需的环境。

人类的所有行为都是感官输入的结果，比如吃午饭、大笑、说“我爱你”以及购买汽车。为了做出这些反应，我们从各种感官，包括视觉、嗅觉、味觉、听觉和触觉，以及记忆、情感、信仰、思想和直觉中获取信息并一次性进行处理。不同于中央处理器 (CPU) ，人类大脑没有分布数量不等的内核来接收、分析、整理和输出数据。我们只能分解输入的信息并将它们分配给相应的专区，如视觉信息处理、声音信息处理与情感信息处理区域等。

同样的，大多数 AI 系统使用 GPU （图形处理器）而非 CPU 来处理数据，这种不同的计算芯片需要特定的内存来使性能最大化。CPU 中每个芯片或小芯片可能含有 8 个、16 个或 32 个处理内核，而 GPU 芯片内则有数千个处理内核。这种架构使 GPU 能够同时处理数千个数据输入，满足数据密集型 AI 工作负载的需求。

美光高带宽内存 (HBM) 产品，特别是最近推出的第二代 HBM3 内存，作为速度更快、功耗更高的高带宽内存，能为数据密集型 GPU 内核提供足够的数据，满足高性能认知计算芯片的需求。美光业界领先的 232 层 NAND 可满足 AI 海量数据的存储需求，其中卓越的美光 9400 NVMe SSD 在 AI 工作负载测试中将 GPU 直接存储 (GDS) 性能提高了 14%，响应时间缩短了 13%。凭借这些高性能大容量的内存和存储解决方案， AI 应用能近乎实时地做出响应。

美光认识到生成式 AI、机器人、无人机、自动驾驶汽车和其他形式的 AI 应用在学习、智能和响应方面拥有出色表现。因此，我们正利用 AI 技术从根本上优化公司流程。从生产制造到业务流程，我们在公司范围内打造 AI 智能生态系统，创新内存和存储解决方案，以推动工业 5.0 的发展。我们着力打造高度差异化的企业竞争力，具有广阔的发展前景。

        审核编辑：彭菁