JEDEC je objavio da memorijski standard LPDDR6, koji je u izradi, proširuje nekoliko novosti, zbog čega će bolje odgovarati AI podatkovnim centrima i HPC konfiguracijama koje koriste visokoučinkovite AI akceleratore, za kojima se zbog AI groznice i dalje pokazuje golema potražnja. Cilj razvoja je i osigurati povećanje performansi i memorijskog kapaciteta novih AI akceleratora te uvesti mogućnost da sustav neke računske zadatke obavlja već unutar memorije, čime se pojedini procesi izvršavaju još učinkovitije.
Jedna od važnih novosti je uvođenje užeg sučelja po čipu, zbog čega će uz načine x16 i x24 biti dostupan i način x12 te dodatni način podkanala x6, pa se unutar jednog čipovnog kućišta može smjestiti više memorijskih čipova, što omogućuje postizanje većeg memorijskog kapaciteta, odnosno na jedan kanal može doći više memorije, što je kritično važan aspekt za zadovoljavanje sve većih memorijskih potreba AI akceleratora. Upravljanje metapodacima istodobno postaje fleksibilnije, što operaterima podatkovnih centara omogućuje da uspostave ravnotežu između memorijskog kapaciteta koji korisnik može upotrebljavati i potreba povezanih s upravljanjem metapodacima, naravno imajući na umu zahtjeve u pogledu pouzdanosti.
Vrlo važan napredak je povećanje gustoće memorije, pa će kod LPDDR6 postati dostupna već i razina od 512 GB, čime se premašuje maksimum koji nude LPDDR5 i LPDDR5x, a to će pomoći u zadovoljavanju memorijske gladi AI podatkovnih centara, bilo da je riječ o zadacima inferencije ili treniranja. Kod LPDDR6 dio ponude bit će i podrška za ECC, što je osobito važan aspekt u segmentu poslovnih konfiguracija.
JEDEC je istaknuo i da je u tijeku razvoj memorijskih modula SOCAMM2 sljedeće generacije, kojima će se moći iskoristiti potencijal memorijskog standarda LPDDR6, čime se ostvaruje jasan i znatan napredak u odnosu na performanse i funkcionalnost koje nude moduli na temelju LPDDR5x.
Standardizacija obrade podataka unutar memorije također je u tijeku, a gradi se oko tehnologije Processing-in-Memory, koja ne donosi samo rast performansi nego istodobno ispunjava i aspekte povezane s energetskom učinkovitošću. Zahvaljujući PIM-u smanjuje se promet podataka između memorije i komponenti koje obavljaju računske zadatke, što može rezultirati većim performansama kod AI radnih procesa inferencije, a može i znatno povećati energetsku učinkovitost sustava.
