GDDR6超越图形：用于AI、VR和自动驾驶的内存

现代计算机应用程序严重依赖图形处理和渲染，这涉及大量同步数学计算。典型的 CPU 不适合需要同时处理的作业，这就是引入专用图形处理单元 （GPU） 概念的原因。GPU 不仅在图形处理中发现了它的范围，而且在人工智能、机器学习、VR、自动驾驶和网络路由等几个新兴应用中也找到了自己的范围。

GPU需要内存，可以提供比DDR等传统内存高得多的吞吐量，因为它一次处理大量数据。内存还必须能够提供最小的延迟，以及同时写入/读取的可能性。结果，图形双倍数据速率（GDDR）内存（GPU的专用SGRAM）出现了。

由于定期的增量性能增强，GDDR5 标准在大约 10 年内保持相关性，但是，由于功率性能比增益微薄，这些更新是不可持续的。因此，GDDR6 是一种具有改进的时钟和数据突发架构的新内存标准。

内存的性能间接控制着使用它的系统的整体性能。访问内存会增加时间成本，因此内存速度是整体性能指标的真正瓶颈。随着我们进一步迈向更密集、更紧密的记忆，功率预算是一个不容忽视的因素。GDDR6 已经过优化，可在需要时提供峰值性能，并在空闲时消耗最小功率。下图阐明了 GDDR6 内存在高性能细分市场中的整体主导地位的一些显著特征。

到目前为止，GDDR主要与图形领域相关联。虽然它最初是作为支持图形处理的标准，但现在它也正在渗透到其他领域。GDDR 内存性能的逐步提升使其适用于要求原始性能的应用。

另一个遵循并行原则的高性能内存标准HBM可能是此类应用的直接竞争对手。然而，HBM 生产中所需的大量开发和制造工作导致价格上涨。此外，HBM 是一个利基标准，而 GDDR 是内存行业的成熟标准。在系统集成方面，GDDR 比 HBM 更胜一筹。

自动驾驶汽车、机器学习、人工智能、增强现实等下一代技术需要同时处理大量数据。自动驾驶是一个至关重要的应用，性能始终是重中之重。即使是计算方面的微小延迟或滞后也可能被证明是灾难性的。GDDR6内存以性能为中心，在此类应用中可能被证明是一个优势。

认识到 GDDR6 的潜力，Synopsys 在 GDDR6 内存验证方面一直处于最前沿。GDDR6 内存的早期采用者已经与 Synopsys 合作，并一直在快速部署 GDDR6 的 VIP。

审核编辑：郭婷