Marvell Deep-Learning-Beschleuniger im SSD-Controller

Mit der Integration von Deep-Learning-Beschleunigung in den SSD-Controller will Marvell Big-Data-Analysen schon im Speichergerät durchführen.
Mit der Integration von Deep-Learning-Beschleunigung in den SSD-Controller will Marvell Big-Data-Analysen schon im Speichergerät durchführen.

Marvell stellt auf dem Flash Memory Summit einen SSD-Controller mit integriertem Nvidia Deep-Learning-Beschleuniger vor. Damit sollen Datenanalysen bereits im Speichercontroller stattfinden.

Bisher handelt es sich bei dem Controller um ein »Proof-of-Concept« für die Rechenarchitektur eines Speichercontrollers mit Künstlicher Intelligenz. Maschinelles Lernen soll damit beschleunigt werden, indem die Host-CPU nicht belastet wird und nur minimale Netzwerkbandbreite erforderlich ist. Ziel ist letztlich die Senkung der Kosten für die KI-Verarbeitung. Die Architektur soll eine neue Ära von SSD-Speicherlösungen in Bereichen wie Cloud- und Edge-Rechenzentren, Automotive, Industrie, Kommunikationsvernetzung, Umweltüberwachung, Banken etc. ermöglichen.

Big Data im Speichercontroller

Große Analysesysteme benötigen enorme Mengen an Daten, um daraus Erkenntnisse zu gewinnen. Damit die Verarbeitung effizient und effektiv abläuft, müssen Metadaten erzeugt werden. Speicherlösungen müssen intelligenter werden, um die Generierung dieser Metadaten beretis an den Storage-Endpunkten zu ermöglichen, um die Gesamteffizienz zu optimieren und gleichzeitig die Produktivität zu steigern.

Mit der Integration des Nvidia Deep Learning Accelerators in den SSD-Controller bringt Marvell Deep-Learning-Inferenz in die SSD, was den Stromverbrauch reduziert und die Ressourcenverteilung optimiert. So können große Datenmengen analysiert werden, während Hardware-Investitionen und der Betriebsaufwand reduziert werden. Die programmierbare Architektur ermöglicht eine schnelle Aktualisierung der KI-Modelle, so dass neue Anwendungsfälle gleich einprogrammiert werden können.

»Es ist der Zugriff auf Daten, der große Datenanalysen ermöglicht«, sagt Noam Mizrahi, VP of Technology & Architecture bei Marvell. »Systeme müssen in der Lage sein, große Datenmengen zu analysieren – unterschiedlichster Art und von verschiedenen Standorten aus. Die richtige Generierung von Metadaten zur Darstellung all dieser Daten ist der Schlüssel zu einer effizienten Verarbeitung. Die KI-Technologie, die direkt am Speichergerät läuft, kann verwendet werden, um diese Metadaten effektiv zu generieren und sie für weitere Analysen durch höhere Verarbeitungsschichten vorzubereiten.«.