Phison svela SSD con NPU integrata e 64 GB di memoria per AI

L'ascesa dell'elaborazione all'interno dello storage Alla conferenza Supercomputer 2026 (SC26), Phison ha presentato due architetture di unità a stato solido (SSD) per ambienti aziendali, volte a risolvere sfide distinte nello storage e nell'elaborazione. L'obiettivo principale è consentire ai server di delegare attività complesse direttamente al disco, evitando così il trasferimento non necessario di grandi quantità di dati nella memoria principale. L'SSD intelligente con NPU integrata La prima innovazione evidenzia un componente ibrido che combina un'unità di elaborazione neurale (NPU) integrata e 64 GB di memoria dedicata. Questa configurazione consente di eseguire framework AI popolari come PyTorch, vLLM, OpenVINO e llama.cpp direttamente sul supporto di archiviazione. Sebbene Phison abbia citato una prestazione di calcolo di 36.800 DMIPS (milioni di istruzioni al secondo), un parametro basato sui classici benchmark delle CPU degli anni '80 poco adatti alle moderne NPU, l'attenzione rimane sulla larghezza di banda. La memoria integrata, probabilmente di tipo LPDDR5X secondo le indiscrezioni, offre un throughput interno di 130 GB/s. Questa cifra rappresenta appena la metà del throughput totale offerto dall'hardware DGX Spark dedicato allo sviluppo AI, ma garantisce una capacità quattro volte maggiore di quella dell'interfaccia PCIe verso l'host. Il vantaggio principale risiede nell’approccio “nessun codice specializzato”. A differenza delle soluzioni precedenti che richiedevano estesi adattamenti del software, questa piattaforma consente agli sviluppatori di utilizzare i propri strumenti standard per avviare inferenze ed elaborare dati in parallelo. Il risultato? Una riduzione stimata da 10 a 100 volte del volume di dati trasferiti al server host, liberando le risorse della CPU per altre attività. L'architettura unificata pSLC-QLC La seconda proposta tecnica unisce una veloce cache SLC (Single-Level Cell) con un'enorme capacità QLC (Quad-Level Cell), il tutto gestito da un unico controller. Questa progettazione colloca la parte ad alta resistenza direttamente in ciascun alloggiamento dell'unità, eliminando la necessità di alloggiamenti dedicati per le cache veloci. Tecnicamente, ciò implica che la memoria flash QLC a 4 bit funzioni in modalità SLC (1 bit) per sacrificare parte della sua capacità in cambio di maggiore velocità e durata. Phison afferma che questo design si adatta naturalmente all'infrastruttura NVMe esistente senza richiedere software specifico sull'host. L'eredità dell'archiviazione computazionale Questo approccio non è un'eccentricità, ma la logica continuazione di un'evoluzione industriale. Samsung aveva già esplorato questa strada con il suo SmartSSD nel 2018, utilizzando FPGA per elaborare i dati senza movimento. Nel 2022, una seconda generazione ha ridotto i tempi di elaborazione di oltre il 50% e il consumo di energia del 70%. Tuttavia, queste soluzioni iniziali spesso richiedevano lo sviluppo di software specifico. Altri player come ScaleFlux hanno optato per un approccio più discreto gestendo la compressione all'interno del controller. Phison si distingue per la sua flessibilità: non è un sistema chiuso, ma una piattaforma aperta in grado di eseguire operazioni su diversi intervalli di indirizzi logici (LBA). Verso il futuro con PCIe 7.0 Secondo Sebastien Jean, CTO di Phison, la tendenza sta accelerando verso interfacce ancora più veloci. Durante il panel sulle tecnologie di storage emergenti, ha discusso del prossimo arrivo di unità compatibili PCIe 7.0, in grado di raggiungere velocità di trasferimento superiori a 56 GB/s. Con una configurazione standardizzata da 32 unità a questa velocità, un singolo chassis potrebbe teoricamente elaborare 1,8 TB/s, aprendo la strada a nuove frontiere nell'elaborazione ad alte prestazioni (HPC). Questi annunci evidenziano un punto di svolta importante: l’intelligenza non si limita più ad aspettare i dati, ma li elabora laddove risiedono, ridefinendo così l’equilibrio tra storage e potenza di calcolo.