#SandiskLongTermTargets Le plus grand changement pour SanDisk vient de l’IA. L’entraînement à l’IA et l’inférence à l’IA génèrent tous deux des besoins en stockage. À partir de 2026, ce qui mérite encore plus d’attention, c’est l’inférence. Une fois l’entraînement du modèle terminé, les poids du modèle doivent être conservés sur le long terme. Les données d’entraînement, les checkpoints, les bases de données vectorielles, les journaux et divers résultats intermédiaires doivent également être stockés. Lorsque le modèle entre en phase d’inférence, à chaque requête de l’utilisateur, le système lit le modèle et les données associées. Le contexte long, le RAG, les agents, les conversations multi-tours et la génération continue feront tous augmenter les opérations de lecture et d’écriture de données. À mesure que l’utilisation de l’IA passe de quelques tâches d’entraînement à des centaines de millions, voire des dizaines de milliards d’inférences quotidiennes, le nombre d’accès au stockage et le volume total de données augmenteront en parallèle.
Tout le monde parle de HBM, mais HBF est aussi extrêmement, extrêmement, extrêmement important.
Ensuite, il y a HBF, High Bandwidth Flash. Cette technologie est très importante pour la valorisation future de SanDisk. La mémoire la plus importante des GPU actuels est la HBM. Grâce à sa bande passante très élevée, la HBM convient particulièrement pour servir directement les calculs du GPU. Après l’augmentation continue de la taille des modèles d’IA et du KV Cache, la capacité de la HBM commence à devenir l’une des contraintes du système. SanDisk et SK hynix poussent la standardisation de HBF, afin que la Flash puisse, avec une bande passante plus élevée et une plus grande capacité, se rapprocher davantage de l’endroit où se font les calculs. À l’avenir, la NAND pourra continuer d’assurer le stockage des SSD, tout en s’étendant vers des positions à plus forte valeur dans les systèmes de calcul pour l’IA.
$SNDK