Ang AI na patuloy na natututo ay patuloy na nagpapalawak sa merkado ng mga storage semiconductor.

Sa kabila ng mga pananaw na nagsasabing dapat bumagal ang pag-unlad ng AI, patuloy na lumalawak ang merkado ng storage semiconductors dahil sa patuloy na pagkatuto ng AI 1/ Kahit may mga kamakailang pahayag tungkol sa pagpapabagal ng bilis ng pag-unlad ng AI, ang teknolohiyang patuloy na pinag-aaralan ng artificial intelligence ang mga bagong impormasyon ay nagiging bagong puwersa ng paglago para sa storage semiconductor market. 2/ Inaasahan ng global investment bank na Citigroup na sa susunod na taon, tataas ng 62% ang global HBM bit demand kumpara sa kasalukuyang taon, na aabot sa 75.2 billion Gb. 3/ Itinuturing ng Citigroup ang patuloy na pagkatuto bilang isa sa mga pangunahing dahilan ng pagtaas ng demand para sa HBM, at tinataya na kasabay ng paulit-ulit na training at inference, hindi lamang HBM kundi pati na rin ang demand para sa DRAM ng server at enterprise-level SSD ay sabay na tataas. 4/ Sa kasalukuyan, karamihan sa generative AI ay gumagamit ng pre-trained na sistema bago sumagot, kaya't hindi awtomatikong naisasama ang bagong impormasyon sa long-term na kaalaman, na nagreresulta sa mga isyu sa efficiency. 5/ Sa continuous learning, nagiging malabo ang hangganan ng training at inference, at layunin nitong matutunan ng AI ang bagong datos at karanasan sa mismong proseso ng pagbibigay serbisyo, upang maisama ito sa kasalukuyang kaalaman. 6/ Habang patuloy na natututo ng bagong impormasyon, kinakailangan ring ma-access ang napakalaking kasalukuyang data, kaya nagpapalawak ng storage capacity, at bukod sa HBM, nagiging mahalaga rin ang sabayang paggamit ng server DRAM at NAND-based na eSSD. 7/ Dahil may learning na nagaganap kahit sa inference process, hindi sapat ang bandwidth lang upang solusyunan ang bottleneck, kaya posibleng tumaas ang pangangailangan sa mga teknolohiyang computing gaya ng PIM na malapit sa mismong memory. 8/ Iminungkahi ng Samsung Electronics ang zHBM, na direktang ina-stack ang HBM sa AI accelerator, habang nilahad naman ng SK hynix ang mga estruktura gaya ng PIM, SALT-KV, at HBF upang subukang lampasan ang mga limitasyon ng kasalukuyang GPU-HBM architecture.