SOCAMM2，正式發(fā)布！

2025年開放數(shù)據(jù)中心大會（ODCC）于9月9日至11日在北京舉行。正式本屆大會以“擁抱AI變革，發(fā)布點燃算網(wǎng)引擎”為主題，正式匯聚了數(shù)據(jù)中心、發(fā)布算力、正式存儲等領域的發(fā)布專家和企業(yè)代表。

在大會現(xiàn)場，正式江波龍正式發(fā)布了基于LPDDR5/5x的發(fā)布創(chuàng)新企業(yè)級內(nèi)存產(chǎn)品SOCAMM2，以應對不同規(guī)模AI工作負載帶來的正式嚴峻挑戰(zhàn)；同期，公司企業(yè)級SSD產(chǎn)品總監(jiān)曹匡文發(fā)表《用AI存儲賦能AI應用》主題演講，發(fā)布全面介紹江波龍如何利用人工智能技術(shù)優(yōu)化存儲系統(tǒng)。正式

SOCAMM2：與HBM應用互補的發(fā)布創(chuàng)新內(nèi)存選擇

SOCAMM2基于LPDDR5/5x顆粒和CAMM模塊化設計，同時采用4-N-4 HDI超高密度互連疊層結(jié)構(gòu)，正式極大提升了設計復雜度和孔密度，發(fā)布為高性能計算提供了堅實的正式基礎。與LPCAMM2設計相比，SOCAMM2去除了頂部凸出的梯形結(jié)構(gòu)，進一步降低了整體高度，更適合服務器的安裝環(huán)境和液體冷卻系統(tǒng)，在僅14×90 mm的緊湊尺寸內(nèi)最大可實現(xiàn)256GB容量，數(shù)據(jù)傳輸速率高達8533Mbps。

SOCAMM2具有突破性的能效表現(xiàn)，功耗僅為標準DDR5 RDIMM的1/3，在同容量下帶寬提升至2.5倍，顯著降低AI推理延遲，主要面向HPC、通用服務器、AI集群服務器、AI訓練/推理、智能輔助駕駛和工業(yè)邊緣網(wǎng)關(guān)等應用場景。

同樣應用于AI領域，從架構(gòu)定位來看，HBM以固定封裝和高成本換取極致帶寬，SOCAMM2則以可替換、高效益的模塊化設計實現(xiàn)容量、功耗與彈性的平衡。在實際系統(tǒng)中，可同時采用HBM應用于GPU側(cè)，SOCAMM2用作CPU側(cè)，從而兼顧帶寬與容量的雙重提升。

憑借在性能、能效與空間效率三個維度的創(chuàng)新，SOCAMM2為高性能計算與創(chuàng)新存儲架構(gòu)提供了全新的解決方案，尤其適合面向AI與大模型推理的高效益擴展需求。

存儲在AI應用的多重挑戰(zhàn)：性能瓶頸與可靠性難題

曹匡文在演講中深入剖析了AI大集群存儲系統(tǒng)面臨的共性難題。他指出，企業(yè)級SSD是AI集群的核心基石，但AI數(shù)據(jù)流從GB級、TB級到PB級都存在不同特點的性能瓶頸和可靠性挑戰(zhàn)。

性能瓶頸方面，無論是訓練階段的隨機讀取，還是推理階段的高并發(fā)訪問，亦或是檢查點保存時的大量順序?qū)懭耄紝Υ鎯ο到y(tǒng)提出了極高的性能需求。低延遲、優(yōu)秀的QoS和規(guī)避長尾延時成為關(guān)鍵挑戰(zhàn)。可靠性方面，高寫入量和高負載下的故障預測困難，以及生命末期的數(shù)據(jù)安全保障，都是傳統(tǒng)存儲系統(tǒng)難以解決的問題。

針對應用痛點，江波龍推出了全方位的AI智能存儲解決方案。通過引入智能負載感知技術(shù)，實時識別冷熱數(shù)據(jù)，優(yōu)化緩存策略和數(shù)據(jù)布局，顯著提升了系統(tǒng)性能。同時，通過機器學習模型分析SSD內(nèi)部多項實時參數(shù)，建立精準的可靠性模型，實現(xiàn)了預測性主動維護和及時告警。

AI存儲升級AI應用：性能與可靠性全面提升

江波龍的創(chuàng)新之處在于將AI技術(shù)深度融入存儲產(chǎn)品的設計、管理和運維中，實現(xiàn)了三大技術(shù)突破。

智能性能優(yōu)化：

利用控制器內(nèi)置ML機器學習能力，實現(xiàn)預測性流量控制、智能任務優(yōu)先級調(diào)度和數(shù)據(jù)訪問模式學習。與過去沒有流量控制、沒有優(yōu)先級管理、沒有冷熱識別的傳統(tǒng)方案相比，新一代智能存儲顯著提升了吞吐效率和響應速度，使數(shù)據(jù)準備速度加快、模型訓練效率提升、推理速度大幅優(yōu)化。

壽命預測智能化：

通過分析實時工作溫度梯度、NAND健康特性、最優(yōu)讀寫電壓變化、讀寫錯誤計數(shù)和系統(tǒng)日志等多維度數(shù)據(jù)，智能運維系統(tǒng)能夠自動預警硬盤健康狀況，助力客戶實現(xiàn)存儲生命末期提前告警，有效規(guī)避掉盤和數(shù)據(jù)丟失風險，同時降低運維復雜度，提高設備利用率。

可靠性全面提升：

通過ML機器學習模型精確計算最佳讀取電壓，既提高了讀取速度，也增強了糾錯能力，使UBER（不可修正誤碼率）等可靠性指標顯著優(yōu)于業(yè)內(nèi)主流水平。針對QLC可靠性問題，江波龍還通過NAND Flash閃存介質(zhì)研究和特性分析改善了QLC生命末期的數(shù)據(jù)可靠性。結(jié)合智能算法識別LBA熱度，實現(xiàn)冷熱分流，有效降低WAF（寫放大），進一步提升SSD壽命。未來，公司計劃將這些在QLC領域的技術(shù)儲備，全面應用于即將發(fā)布的企業(yè)級SSD產(chǎn)品中。

這些技術(shù)配合優(yōu)化的優(yōu)化的可靠性模型，高冗余的硬件設計，增強的PLP保護，為客戶帶來了實實在在的收益：數(shù)據(jù)準備速度加快、模型訓練效率提升、推理速度加快，運行更加穩(wěn)定可靠，全面優(yōu)化了AI工作效率。

研造一體：一站式存儲服務深入AI領域

8月26日，剛剛落成的上海總部，是江波龍TCM與PTM商業(yè)模式的核心載體，也是AI存儲技術(shù)的研發(fā)中樞。總部同步建設的企業(yè)級存儲實驗室，聚焦大容量、高性能、高階軟硬件的產(chǎn)品技術(shù)方案，并與蘇州封測制造基地、中山存儲產(chǎn)業(yè)園多地協(xié)同，逐步深化AI應用場景，持續(xù)滿足AI訓練、AIGC推理等多元需求。憑借“研發(fā)+封測+制造”的一站式存儲服務，江波龍能夠根據(jù)客戶的特定需求，完成高度定制化的創(chuàng)新產(chǎn)品，精確控制產(chǎn)品特性、成本與交付周期，為AI存儲領域持續(xù)注入創(chuàng)新動能。

未來，公司將推出支持QLC和PCIe Gen5的企業(yè)級SSD，并融入更多智能化創(chuàng)新與高階算法，為AI數(shù)據(jù)中心提供更多優(yōu)選存儲方案。

*上述產(chǎn)品數(shù)據(jù)均來源于江波龍內(nèi)部測試

實際性能因設備差異，可能有所不同