Perfil Geek
Tecnologia

Phison präsentiert SSD-Konzept mit eigenem Hardware für Künstliche Intelligenz

Phison apresenta conceito de SSD com hardware próprio para inteligência artificial
Imagem: arquivo próprio.

Por Arthur Bittencourt ·


Die Integration von Künstlicher Intelligenz in Speicherlaufwerke

Auf der Veranstaltung Supercomputing 2026 (SC26) stellte Phison ein innovatives Konzept für Solid-State-Flash-Speichergeräte (SSD) vor. Das Projekt besteht darin, eine Neural Processing Unit (NPU) in die interne Struktur des Laufwerks zu integrieren. Eine NPU ist eine elektronische Komponente, die auf die Durchführung komplexer mathematischer Berechnungen für neuronale Netze spezialisiert ist – quasi ein dediziertes „Gehirn“ nur für die Logik des maschinellen Lernens.

Das Hauptziel dieser Architektur ist es, Teile der von CPU und GPU für KI-Inferenzen angeforderten Daten bereits verarbeitet vom Speicher zu liefern. Anstatt lediglich als passives Dateirepository zu fungieren, agiert der SSD nun als aktiver Verarbeitungspunkt. Das Unternehmen nutzte bekannte Software-Modelle wie PyTorch und llama.cpp, um diese anfängliche Fähigkeit in einem 64GB-Prototyp zu demonstrieren.

Reduzierung des Engpasses beim Verschieben großer Datenmengen

Aktuell stoßen Hochleistungssysteme an Grenzen, wenn sie massive Mengen an Informationen zwischen verschiedenen physischen Komponenten für sofortige Analysen verschieben müssen. Indem Phison einen Teil dieser Arbeit direkt in der Speicherhardware durchführt, gibt das Unternehmen an, dass die unnötige Datenbewegung je nach Systemkompatibilität um bis zu hundertfach reduziert werden kann. Dieses Szenario entlastet die Hauptressourcen des Computers direkt.

Diese Änderung wirkt sich positiv auf die zentralen Einheiten (CPU) und die Grafikkarten (GPU) aus, da diese nicht mehr mit dem rohen Datenverkehr vorverarbeiteter Informationen umgehen müssen. Das Gerät führt eine Art intelligente „Filterung“ durch: Es erhält die Anfrage und liefert nur das benötigte Ergebnis an die restlichen Komponenten, wodurch die Energieeffizienz optimiert und die Reaktionszeit des gesamten Systems bei anspruchsvollen KI-Aufgaben beschleunigt wird.

Technische Architektur und Unterstützung industrieller Frameworks

Um diesen internen Betrieb ohne Geschwindigkeitsverlust zu gewährleisten, hat das Unternehmen eine dedizierte Speicherbandbreite für die interne NPU von bis zu 130 GB/s entworfen. Für den technischen Kontext übertrifft diese Rate deutlich das, was man vom zukünftigen PCIe 6.0-Controller der Marke für die Kommunikation zwischen Laufwerk und Mainboard erwartet. Diese hohe Geschwindigkeit stellt sicher, dass die lokale Verarbeitung nahezu augenblicklich erfolgt, bevor das Datum das Laufwerk verlässt.

Phison plant, Support für bereits etablierte Software-Industriestandards wie vLLM und OpenVINO anzubieten. Die Integration dieser Frameworks soll die Anpassung dieser Technologie in professionellen Servern erleichtern, die bereits über fertige Infrastrukturen verfügen. Obwohl die anfänglichen Zahlen noch traditionelle Leistungskennzahlen verwenden – wie DMIPS (Millionen von Instruktionen pro Sekunde) – signalisiert der Vorschlag einen klaren Fokus auf die Autonomie der Hardware angesichts der neuen Anforderungen an schnelle KI.

Realistische Erwartungen und aktueller Stand der Innovation

Obwohl vielversprechend, ist es wichtig zu verstehen, dass dieses Projekt sich noch in der konzeptionellen Phase eines Prototyps befindet, der dem Markt vorgestellt wird. Bisher gibt es keine definierten Markennamen oder spezifischen Einführungsfenster für Muster an die Partnerhersteller. Das Fehlen detaillierter Daten zur modernen Leistung deutet darauf hin, dass das Unternehmen die technologische Validierung und das kommerzielle Interesse priorisiert, bevor es eine endgültige Produktionslinie startet.

Für Enthusiasten und normale Nutzer bedeutet dies, dass dieser strukturelle Wandel bei SSDs einige Jahre dauern wird, bis er mit erschwinglichen Preisen in physischen Geschäften erhältlich ist. Im Moment dient die Initiative hauptsächlich dazu zu demonstrieren, wie die Architektur der internen Komponenten sich an den Bedürfnissen moderner neuronaler Netze weiterentwickeln kann. Es wird empfohlen, auf offizielle Mitteilungen zu Endprodukten zu warten, um zu beurteilen, ob diese Steigerung der internen Rechenleistung einen wahrnehmbaren Gewinn im täglichen Gebrauch mit sich bringt

Versão em português