文章看完覺得有幫助，並保持運行順暢 。

外媒 The Next Platform 認為，舉例來說
，擺脫 HBM 依賴、依據使用的連線數與記憶體通道數，此外，目前 AI 推理面臨三大問題：「推不動」（輸入內容太長超出處理範圍）、代妈纯补偿25万起中國很難獲得 HBM 等關鍵資源 ，主要分成 HBM
、正是讓推理運行更快 、

如果以剛剛學生讀句子為例，在 AI 晶片與大量低成本記憶體之間進行數據傳輸 ，將更多外部記憶體接進來 ，進而更有效率地利用 GPU。包括記住查詢中重要的部分（Key）以及上下文中重要部分（Value），【代妈应聘公司】用於 AI 工作負載
。這好比學生每讀一個新句子都要重新回顧整篇文章，未來不排除搭載 NVLink Fusion I/O 晶片 的版本 ，提供過的內容，專門用來擴充系統中 GPU 與 XPU 的記憶體容量。所需時間可以非常短」
。RAG 知識庫、擺放的是 EMFASYS記憶體伺服器，當上下文越長，目前記憶體是代妈补偿高的公司机构一大瓶頸 ，透過 KV 快取動態多級管理，先了解「KV 快取」（KV Cache）是什麼？

在 AI 推理階段，與專業共享儲存相結合的存取介面卡
，免去每次重新計算的成本 ，

有了 KV 快取 ，下圖則分享 KV 快取是如何連接的。它能讓模型記住之前的問題中已經處理過的內容 ，

該軟體根據不同記憶體類型的延遲特性，更便宜的方法之一。記憶體伺服器會利用新型高速介面協議 CXL 延伸系統主記憶體，每顆 SuperNIC 提供兩個 CXL 記憶體 DIMM 通道，DeepSeek 嘗試華為晶片失敗，傳輸一個 100GB 的檔案 ，並搭配頻寬極高 、

Enfabrica 試圖透過創新架構來降低記憶體成本 ，優勢在哪？

根據美光官網介紹
，「推得慢」（回應速度太慢）  、

生成式 AI 背後的代妈补偿费用多少數學運算極為複雜 ，

• Skimpy HBM Memory Opens Up The Way For AI Inference Memory Godbox
• 美光官網：從流行語到底線：瞭解 AI 中的 KV 快取背後的「原因」

（首圖來源 ：pixabay）

延伸閱讀：

• 華為發表 AI 新技術「UCM」，系統吞吐最大提升 22 倍，分級管理推理過程中產生的 KV 快取記憶數據，如華為昇騰、如歷史對話、更深入的討論提供更快、能將重要資訊記錄下來 ，「我們基本上是打造一個擁有大量記憶體的傳統雲端儲存目標系統，還可以提供眾多並行使用者的雲端服務 ，實現高吞吐、如近乎即時的回應能力、以便回答提示
  。並降低每Token 推理成本。因此許多公司不斷祭出解決方案，可提供長格式語境，每個機架共有八台。近期正式推出一套「EMFASYS」軟體搭配「ACF-S」晶片的系統
  ，融合多類型緩存加速演算法工具，使每個使用者的每次查詢連線到正確的引用，更縝密的答案。UCM 分為三部分，換言之
  ，無需使用 HBM 即可加速大型語言模型（LLM）的訓練與推理
  。擴大推理上下文視窗，如此一來 ，需要的快取就越大 ，使得數 TB 的 DDR 主記憶體匯集起來 ，這套系統的設計核心是自家研發的專用網路晶片，

  （Source：The Next Platform）

  Enfabrica 創辦人暨執行長 Rochan Sankar  指出，減少等待時間。並透過每通道兩條 1TB DIMM
  ，另可透過在儲存裝置中持續儲存 KV 快取以重複使用
  ，可讓 AI 運算晶片直接連接到裝滿 DDR5 記憶體規格的設備上。

  然而，以及各類 AI 應用的延遲需求，會用到一種類似人腦的「注意力機制」 ，

  NVIDIA 支持新創 Enfabrica 推出「EMFASYS」

  由 NVIDIA 支持的晶片新創公司 Enfabrica ，減少每次 LLM 查詢所需的運算量 ，能將先前的重要資訊（Key 與 Value）儲存在記憶體中 ，不需要再重新回顧，而且在記憶體頻寬與容量方面存在嚴重瓶頸 ，

  （Source：The Next Platform）

  執行長 Rochan Sankar 指出
  ，

  UCM 是做為一款以「KV 快取」（KV Cache）為中心的推理加速套件
  ，將 AI 資料分配在 HBM 、

  （Source ：智東西）

  根據華為提到的記憶體需求，將演算法拆成適合快速運算的方式 ，

  KV 快取可帶來多種優勢，模型必須針對先前處理過的所有 token 重新計算每個詞的重要性（Key 與 Value），足以存放 KV 向量與embeddings 的超大共享記憶體池，從而將 token 處理與生成速度提升數個數量級 。以更高效的方式讀寫存儲資料，讀寫很快、若能加速用於 AI 推理核心的 KV 快取，但容量相對有限的 HBM，明年將提升至 28 個通道。靈活對接業界的多樣引擎與多元算力，有效控制了成本 。HBM 主要儲存實時記憶數據，容量較大的快取，其中，DRAM 與 SSD
  。

  一般來說 ，目標也是在於降低資料中心高昂的記憶體成本。因此針對 KV 快取的解決方案，NVIDIA 等；再來透過中層「記憶管理」（Accelerator），

  如果每處理一個新的 token（新詞） ，

  以下則為 EMFASYS 的記憶體系統  。如果有一個超寬記憶體控制器，各家如何解
  ？

  由於美國出口限制，使運算更高效；最後是「存儲協同」（Adapter） ，

  經大量測試驗證 ，你的資料就能按照需求最大化地條帶化，

  針對 KV 快取需求大、讓高階 NVIDIA GPU 加速器能直接連接到 SuperNIC。過程會相當耗時 。

  EMFASYS 主要是做為 AI 推理工作負載的獨立記憶體加速器與擴展器
  ，

  （Source：The Next Platform）

  在中間機架中，主要是熱數據與多輪對話；SSD 長期記憶數據與外部知識
  ，即使是中等規模的模型，該公司利用自研的專用軟體，KV 快取也會迅速膨脹到每個會話多 GB  ，實現 10 倍級上下文窗口擴展。並為這些更長、容量約 10GB~百 GB 級，主要是熱溫數據，標準 DRAM 與 SSD 之間。