«ساخت اکوسیستم آینده هوش مصنوعی با محوریت حافظه»؛ اس‌کی هاینیکس چشم‌انداز فناوری خود را در سوپرکامپیوتینگ ۲۰۲۶ معرفی کرد

news.skhynix.com

انتشار در منبع: انتشار در سایت ما:

مقاله اصلی · English

نمایشگاه فناوری‌های هوش مصنوعی و رایانش با کارایی بالا اس‌کی هاینیکس

با افزایش مداوم حجم داده‌هایی که سامانه‌های هوش مصنوعی پردازش می‌کنند، فناوری‌های حافظه برای ذخیره‌سازی و پردازش کارآمد این داده‌ها نیز با سرعت بیشتری در حال تحول‌اند. امروزه رویکردهای تازه‌ای فراتر از ذخیره‌سازی ساده اطلاعات و بازیابی آن‌ها در زمان نیاز شکل گرفته‌اند؛ از جمله دسته‌بندی حافظه‌ها بر اساس میزان استفاده از داده‌ها و تجمیع حافظه چندین سرور در یک مخزن مشترک برای افزایش کارایی انتقال داده میان حافظه و سامانه. هم‌زمان، نوآوری در طراحی و فناوری ساخت تراشه به افزایش ظرفیت و سرعت پردازش کمک می‌کند و صنعت نیز به‌طور جدی در تلاش است با افزودن قابلیت‌های محاسباتی به حافظه، نقش آن را در سامانه‌های رایانشی گسترش دهد.

اس‌کی هاینیکس تلاش گسترده‌ای کرده است تا این روندهای فناورانه پرشتاب را زودتر از دیگران شناسایی کند و راهکارهای بهینه‌ای در اختیار مشتریان خود قرار دهد. نمایشگاه سوپرکامپیوتینگ ۲۰۲۶ که از ۱۵ تا ۲۰ نوامبر در شهر شیکاگو، ایالت ایلینوی آمریکا برگزار شد، فرصتی فراهم کرد تا نتایج این تلاش‌ها از نزدیک به نمایش گذاشته شود.

سوپرکامپیوتینگ ۲۰۲۶ کنفرانسی بین‌المللی است که تازه‌ترین فناوری‌ها در حوزه رایانش با کارایی بالا (HPC) و هوش مصنوعی را گرد هم می‌آورد. امسال حدود ۱۰ هزار نفر از این نمایشگاه بازدید کردند و نزدیک به ۵۰۰ شرکت و مؤسسه در آن حضور داشتند.

اس‌کی هاینیکس در طول این رویداد، راهکارهای نسل آینده خود را با نمایش‌های عملی و زنده به‌تفصیل معرفی کرد و چشم‌انداز فناورانه خود را برای بازطراحی اکوسیستم هوش مصنوعی با محوریت حافظه به نمایش گذاشت. این شرکت همچنین ضمن تقویت همکاری با مشتریان و شرکای بین‌المللی، تازه‌ترین روندهای فناوری در بازار رایانش نسل آینده را بررسی کرد و به جست‌وجوی فرصت‌های تجاری جدید پرداخت.

نمایش سامانه رک سرور نسل آینده MARS؛ تأیید بهبود عملکرد هوش مصنوعی

غرفه نمایشگاهی اس‌کی هاینیکس
غرفه نمایشگاهی اس‌کی هاینیکس

اس‌کی هاینیکس با طراحی چشمگیر غرفه خود، که در آن نور آبی نئونی خطوط دیوارهای خاکستری با بافتی زبر را مشخص می‌کرد، تصویری ملموس از فناوری حافظه نسل آینده ارائه داد. این غرفه حتی در فضای کم‌نور سالن نمایشگاه نیز به‌وضوح خودنمایی می‌کرد و توجه بازدیدکنندگانی را که از کنار آن عبور می‌کردند، جلب می‌کرد.

بازدیدکنندگان در بخش MARS
بازدیدکنندگان در حال بازدید از بخش MARS

بازدیدکنندگان پس از ورود به غرفه و حرکت به سمت دیوار سمت راست، ابتدا به بخش MARS می‌رسیدند. MARS مخفف «سامانه رک هوش مصنوعی حافظه‌محور» (Memory-centric AI Rack System) است؛ سامانه‌ای نسل جدید که با یکپارچه‌سازی راهکارهای شرکای مختلف در قالب یک رک واحد و با قرار دادن حافظه در مرکز طراحی، بهره‌وری را به حداکثر می‌رساند. اس‌کی هاینیکس در این بخش سه نمایش عملی مرتبط با این فناوری ارائه کرد.

توضیح: رک، چارچوبی با ابعاد استاندارد است که در مراکز داده برای قرار دادن لایه‌ای سرورها، تجهیزات ذخیره‌سازی، تجهیزات شبکه و سایر دستگاه‌ها استفاده می‌شود. از آنجا که تجهیزات بر اساس واحدهای رک سازمان‌دهی می‌شوند، رک یکی از اجزای پایه‌ای زیرساخت مراکز داده به شمار می‌رود.

نمایش عملی حافظه تجمیع‌شده با اشتراک‌گذاری حافظه نهان KV در سطح رک
نمایش عملی حافظه تجمیع‌شده با اشتراک‌گذاری حافظه نهان KV در سطح رک

در نخستین نمایش عملی، اس‌کی هاینیکس حافظه CXL را با حافظه ترکیبی CXL ادغام کرد تا نمونه‌ای از حافظه تجمیع‌شده (Pooled Memory) را به نمایش بگذارد که حافظه نهان KV را در سطح رک به اشتراک می‌گذارد. حافظه‌های نهان KV حجیمی که به‌طور پیوسته تولید می‌شوند، در SSD تعبیه‌شده در حافظه ترکیبی CXL ذخیره می‌شوند. هنگامی که قرار است این داده‌ها دوباره استفاده شوند، سامانه با توجه به سابقه مکالمات و وظایف قبلی، موارد موردنیاز را پیش‌بینی می‌کند و آن‌ها را با سرعت بالا به DRAM انتقال می‌دهد. این نمایش نشان داد که راهکار مذکور می‌تواند در کنار تأمین فضای ذخیره‌سازی با ظرفیت بالا برای حجم عظیم اطلاعات موردنیاز اجرای هوش مصنوعی، سرعت بالایی در خواندن داده‌ها نیز فراهم کند.

اصطلاحات فنی:

  • CXL (Compute Express Link): رابطی نسل جدید برای اتصال کارآمد پردازنده‌های مرکزی (CPU)، پردازنده‌های گرافیکی (GPU)، حافظه و سایر اجزای یک سامانه رایانشی که از پردازش با ظرفیت بالا و سرعت فوق‌العاده پشتیبانی می‌کند.
  • حافظه ترکیبی CXL: راهکار حافظه‌ای مبتنی بر CXL که با ترکیب DRAM و SSD، یک گام فراتر از حافظه CXL مبتنی بر DRAM می‌رود.
  • حافظه نهان KV (Key Value Cache): حافظه موقتی که نتایج محاسبات قبلی را هنگام تولید متن توسط یک عامل هوش مصنوعی مبتنی بر مدل زبانی بزرگ ذخیره می‌کند. با طولانی‌تر شدن مکالمه و افزایش تعداد وظایف پردازشی، حجم این حافظه به‌صورت تصاعدی افزایش می‌یابد؛ بنابراین توانایی ذخیره‌سازی و پردازش کارآمد آن تأثیر مهمی بر عملکرد عامل هوش مصنوعی دارد.
  • حافظه تجمیع‌شده (Pooled Memory): فناوری‌ای که چندین واحد حافظه CXL را در قالب یک مخزن مشترک گروه‌بندی می‌کند و با فراهم کردن امکان استفاده چند میزبان از ظرفیت آن، بهره‌برداری کلی از حافظه را افزایش می‌دهد.
نمایش فناوری ارائه خدمات عامل هوش مصنوعی با استفاده از حافظه تجمیع‌شده محاسباتی
نمایش فناوری ارائه خدمات عامل هوش مصنوعی با استفاده از حافظه تجمیع‌شده محاسباتی

در دومین نمایش عملی، اس‌کی هاینیکس سامانه‌ای برای ارائه خدمات به عامل‌های هوش مصنوعی معرفی کرد که با استفاده از یک مخزن حافظه محاسباتی، چندین سرور و پردازنده گرافیکی را به یکدیگر متصل می‌کند و بهره‌وری را افزایش می‌دهد. این نمایش نشان داد که انتقال انتخابی یا استفاده مجدد از حافظه نهان KV با کمک حافظه تجمیع‌شده محاسباتی مبتنی بر CXL می‌تواند در مقایسه با روش‌های متداول متکی بر ارتباطات شبکه‌ای، عملکرد سامانه را به میزان قابل‌توجهی بهبود دهد.

توضیح: مخزن حافظه محاسباتی (Computational Memory Pool) راهکاری است که قابلیت‌های محاسباتی را درون مخزن حافظه ادغام می‌کند تا پیش از ارسال داده‌ها به CPU یا GPU، برخی محاسبات ساده مستقیماً در همان محل انجام شوند.

نمایش فناوری اشتراک‌گذاری توکن بر پایه حافظه تجمیع‌شده CXL
نمایش فناوری اشتراک‌گذاری توکن بر پایه حافظه تجمیع‌شده CXL

در سومین نمایش عملی، اس‌کی هاینیکس نشان داد که چگونه با امکان اشتراک‌گذاری توکن‌های تولیدشده میان سرورهای CPU متصل از طریق حافظه تجمیع‌شده CXL، عملکرد سرویس‌های هوش مصنوعی چندوجهی را بهبود می‌دهد. در این سرویس‌ها، زمان توکن‌سازی تأثیر زیادی بر عملکرد دارد؛ زیرا تأخیر در پیش‌پردازش توسط CPU باعث افزایش زمان بیکاری GPU و کاهش بهره‌وری پردازش می‌شود. اس‌کی هاینیکس با استفاده از حافظه تجمیع‌شده CXL برای به‌اشتراک‌گذاری داده‌های درخواست و توکن‌ها میان سرورهای CPU، پردازش‌های تکراری را کاهش داد. این رویکرد به استفاده کارآمدتر از منابع CPU، بهینه‌سازی زمان‌بندی پردازشگرهای کاری و بهبود مرحله پیش‌پردازش کمک کرد. در نتیجه، زمان بیکاری GPU کاهش یافت و عملکرد ارائه خدمات نیز بیش از پیش بهبود پیدا کرد.

اصطلاحات فنی:

  • چندوجهی (Multimodal): فناوری هوش مصنوعی که انواع مختلف داده، مانند متن، تصویر، صدا و ویدئو را به‌صورت هم‌زمان درک و پردازش می‌کند.
  • توکن‌سازی (Tokenization): فرایند تقسیم داده‌هایی مانند متن یا تصویر به کوچک‌ترین واحدهای قابل‌پردازش برای مدل هوش مصنوعی که توکن نام دارند.

افزایش بهره‌وری ذخیره‌سازی و افزودن قابلیت‌های محاسباتی؛ ترسیم مسیر آینده فناوری حافظه

در دیوار مقابل، بخش نمایش سامانه‌ها قرار داشت. در این قسمت، سه فناوری «انتقال حافظه نهان KV از طریق CXL» (KV Cache Offloading over CXL)، «محاسبات با استفاده از DRAM» (Compute-using-DRAM) و «آرایه HBM سفارشی» (Custom HBM Array) به‌ترتیب از چپ به راست معرفی شدند و توجه بازدیدکنندگان را به خود جلب کردند.

بازدیدکنندگان در حال تماشای ویدئوی نمایش فناوری در بخش انتقال حافظه نهان KV از طریق CXL
بازدیدکنندگان در حال تماشای ویدئوی معرفی فناوری در بخش انتقال حافظه نهان KV از طریق CXL

در بخش انتقال حافظه نهان KV از طریق CXL، ویدئویی برای معرفی مفهوم فناوری، یک ویدئوی نمایش عملی و بنری حاوی جزئیات محصولات تشکیل‌دهنده این راهکار به نمایش درآمده بود. این فناوری، راهکاری نوین در حوزه حافظه هوش مصنوعی است که به مراکز داده هوش مصنوعی امکان می‌دهد حافظه را متناسب با میزان تقاضا، به‌شکلی کارآمد مستقر و به‌اشتراک بگذارند. در این فناوری، یک مخزن حافظه CXL به سلسله‌مراتب حافظه هوش مصنوعی افزوده می‌شود؛ ساختاری که پیش از این تنها از HBM و DRAM تشکیل شده بود. بر این اساس، حافظه‌های نهان KV که به‌زودی مورد استفاده قرار می‌گیرند، ابتدا در HBM و DRAM قرار می‌گیرند، در حالی که داده‌هایی که قرار است در زمان دورتری بازیابی شوند، در مخزن حافظه CXL نگهداری می‌شوند.

محل ذخیره‌سازی هر داده با در نظر گرفتن عواملی مانند دفعات استفاده مجدد، زمان آخرین استفاده، حجم داده و هزینه بازیابی آن تعیین می‌شود. بنابراین، این رویکرد مزایایی فراتر از افزایش ساده ظرفیت حافظه دارد. همچنین می‌توان از مخزن حافظه برای تخصیص مجدد منابع متناسب با تغییرات تقاضا یا به‌اشتراک‌گذاری ظرفیت میان چند میزبان استفاده کرد. اس‌کی هاینیکس با همکاری شرکت اس‌کی تلکام، که کسب‌وکار مراکز داده هوش مصنوعی را توسعه می‌دهد، اعتبارسنجی این فناوری را در محیط واقعی استنتاج مدل زبانی بزرگ (LLM) به پایان رسانده است. این شرکت در نمایشگاه نیز با ارائه ویدئویی از نمایش عملی، دستاوردهای بهره‌وری این راهکار را به شکلی قابل‌درک برای بازدیدکنندگان به تصویر کشید.

اصطلاحات فنی:

  • HBM (High Bandwidth Memory): محصولی پیشرفته و با ارزش افزوده بالا که با اتصال عمودی چندین تراشه DRAM، ظرفیت حافظه را افزایش می‌دهد و سرعت پردازش داده‌ها را به‌طور چشمگیری بالا می‌برد. نسل‌های این فناوری به‌ترتیب عبارت‌اند از: نسل اول (HBM)، نسل دوم (HBM2)، نسل سوم (HBM2E)، نسل چهارم (HBM3)، نسل پنجم (HBM3E) و نسل ششم (HBM4).
  • LLM (Large Language Model): مدل هوش مصنوعی که با یادگیری از حجم عظیمی از داده‌ها، زبان انسان را درک می‌کند و جملات طبیعی تولید می‌کند.
بازدیدکنندگان در حال بررسی بروشور راهکار محاسبات با استفاده از DRAM
بازدیدکنندگان در حال بررسی بروشور معرفی راهکار محاسبات با استفاده از DRAM

بخش فناوری Compute-using-DRAM شامل ویدئویی برای معرفی مفهوم فناوری، یک ویدئوی نمایش عملی و بروشورهای محصولات و راهکارهای مرتبط بود. این فناوری با بهره‌گیری از پدیده اشتراک بار الکتریکی (Charge Sharing) در آرایه سلول‌های DRAM، عملیات محاسباتی را مستقیماً درون حافظه انجام می‌دهد. در این روش، از ساختار DRAM استفاده می‌شود که امکان فعال‌سازی هم‌زمان ردیف‌هایی شامل هزاران تا ده‌ها هزار بیت را فراهم می‌کند. سپس عملیات در سطح بیت، از طریق کپی‌کردن داده میان ردیف‌ها و فعال‌سازی هم‌زمان چند ردیف، به‌صورت موازی انجام می‌شود.

از آنجا که این فناوری بدون افزودن واحد محاسباتی جداگانه و با استفاده از DRAM تجاری موجود کار می‌کند، می‌تواند پهنای باند و بهره‌وری انرژی را افزایش دهد و در عین حال، اتلاف فضای تراشه و ظرفیت حافظه را به حداقل برساند. این فناوری به‌ویژه به‌عنوان راهکاری نسل آینده برای بهبود بهره‌وری انتقال داده در سامانه‌های هوش مصنوعی مورد توجه قرار گرفت؛ زیرا می‌تواند عملیات ساده‌ای مانند عملیات منطقی و محاسبات و مقایسه‌های گسترده مبتنی بر آن‌ها را مستقیماً در حافظه انجام دهد و به‌جای انتقال حجم عظیم داده‌های تولیدشده در فرایند محاسبات هوش مصنوعی به سلسله‌مراتب حافظه نهان واحد محاسباتی، تنها نتایج را به آن ارسال کند.

توضیح: اشتراک بار الکتریکی (Charge Sharing) پدیده‌ای است که در آن بار ذخیره‌شده در یک سلول DRAM با خط بیت تماس پیدا می‌کند و موجب تغییر ولتاژ آن می‌شود. این پدیده، اصل پایه‌ای عملکرد DRAM در خواندن داده‌هاست.

بازدیدکنندگان در حال بررسی مدل ساختاری آرایه HBM سفارشی
بازدیدکنندگان در حال بررسی مدل ساختاری آرایه HBM سفارشی

در بخش آرایه HBM سفارشی، ویدئویی برای معرفی مفهوم فناوری در کنار نمونه محصول و بروشور راهکار به نمایش گذاشته شده بود. سامانه‌های متداول مبتنی بر GPU تنها امکان اتصال تعداد مشخصی واحد HBM را دارند؛ محدودیتی که مانع گسترش بیشتر پهنای باند می‌شود. افزون بر این، هنگام انجام مرحله رمزگشایی مدل زبانی بزرگ، یعنی تولید پاسخ، بخشی از منابع GPU به‌صورت غیربهینه مصرف می‌شود.

فناوری Custom HBM Array با بهره‌گیری از ساختاری که چندین واحد cHBM مجهز به قابلیت‌های محاسباتی را به یکدیگر متصل می‌کند، برای رفع این محدودیت‌ها طراحی شده است. انتظار می‌رود این فناوری در مقایسه با سامانه‌های متداول مبتنی بر GPU، زمان پاسخ‌گویی را کاهش دهد، بهره‌وری انرژی را افزایش دهد و گلوگاه‌های انتقال داده را نیز برطرف کند. بازدیدکنندگان علاقه زیادی به این فناوری نشان دادند؛ آن‌ها اجزای داخلی نمونه محصول را با دقت بررسی می‌کردند، از کارکنان حاضر در غرفه سؤال می‌پرسیدند و مدت زیادی در این بخش می‌ماندند.

توضیح: cHBM یا حافظه با پهنای باند بالای سفارشی (Custom High-Bandwidth Memory)، فناوری حافظه‌ای قابل‌سفارشی‌سازی است که امکان افزودن قابلیت‌های گوناگون به HBM متداول را فراهم می‌کند. در صورت ادغام قابلیت‌های محاسباتی، می‌توان حافظه و واحد محاسباتی را به‌صورت عمودی روی یکدیگر قرار داد تا فاصله انتقال داده کاهش یابد و از پهنای باند بالای حافظه بهتر استفاده شود.

از HBM تا eSSD؛ فناوری‌های حافظه اس‌کی هاینیکس در خدمت زیرساخت هوش مصنوعی

محصولات اصلی HBM اس‌کی هاینیکس
محصولات اصلی HBM اس‌کی هاینیکس

اس‌کی هاینیکس در بخش معرفی سبد محصولات که در قسمت پشتی غرفه قرار داشت، مجموعه محصولات اصلی خود برای زیرساخت هوش مصنوعی را معرفی کرد. در بخش HBM، محصولات نسل آینده HBM4E و HBM4 در کنار HBM3E به نمایش درآمدند؛ محصولی که در حال حاضر پیشتاز بازار HBM است.

محصولات اصلی DRAM سرور اس‌کی هاینیکس
محصولات اصلی DRAM سرور اس‌کی هاینیکس
محصولات اصلی eSSD اس‌کی هاینیکس
محصولات اصلی eSSD اس‌کی هاینیکس

در بخش DRAM سرور، اس‌کی هاینیکس محصول «256GB 3DS DDR5 RDIMM» را معرفی کرد که بالاترین ظرفیت موجود در صنعت را برای بارهای کاری هوش مصنوعی ارائه می‌دهد. در کنار آن، ماژول «128GB DDR5 MRDIMM» با پهنای باند بالا و محصول «96GB DDR5 RDIMM» با قابلیت استفاده در طیف گسترده‌ای از کاربردها به نمایش درآمدند. همچنین ماژول «192GB SOCAMM2» معرفی شد که با بهره‌گیری از فرم‌فکتوری جدید، بهره‌وری انرژی و فضای موردنیاز را بهبود می‌دهد.

اصطلاحات فنی:

  • 3DS (3D Stacked Memory): فناوری‌ای که چندین تراشه DRAM را به‌صورت عمودی روی هم قرار می‌دهد و از طریق اتصال‌های TSV آن‌ها را به یکدیگر متصل می‌کند تا ظرفیت حافظه در یک بسته تراشه افزایش یابد.
  • RDIMM (Registered Dual In-line Memory Module): ماژول DRAM مورد استفاده در سرورها و ایستگاه‌های کاری که با بهره‌گیری از یک ثبات برای انتقال سیگنال‌ها، پایداری سامانه را افزایش می‌دهد.
  • MRDIMM (Multiplexed Rank Dual In-line Memory Module): ماژول DRAM سرور که با استفاده هم‌زمان از دو رتبه حافظه، پهنای باند را افزایش می‌دهد.
  • SOCAMM (Small Outline Compression Attached Memory Module): استاندارد ماژول سرور مبتنی بر DRAM کم‌مصرف که بهره‌وری بالایی از نظر مصرف انرژی و فضای موردنیاز دارد.

در بخش eSSD، دو محصول بیش از سایرین مورد توجه قرار گرفتند: «PEB210 E1.S» که از فناوری خنک‌سازی مستقیم با مایع (DLC) پشتیبانی می‌کند و «PS1110 E3.S» که مطابق استاندارد NVMe E3.S، ظرفیت بالا و مصرف انرژی پایینی ارائه می‌دهد. همچنین محصولات جدید دیگر این خانواده، از جمله «PS1010 U.2» و «PEB210 M.2 2280»، برای پاسخ‌گویی به نیازهای متنوع مشتریان در کاربردهای گوناگون معرفی شدند.

توضیح: NVMe (Non-Volatile Memory Express) استاندارد ارتباطی حافظه‌های غیرفرار مبتنی بر رابط PCIe است. این استاندارد در مقایسه با رابط متداول SATA، برای پردازش داده‌ها با ظرفیت بالا و سرعت فوق‌العاده مناسب‌تر است.

بخش معرفی شرکت و نمایش تاریخچه و چشم‌انداز اس‌کی هاینیکس
بخش معرفی شرکت؛ نمایش تاریخچه و چشم‌انداز اس‌کی هاینیکس در کنار روند توسعه HBM و وضعیت محصولات جدید

در پشت دیوار ورودی غرفه، بخش معرفی شرکت قرار داشت. در این قسمت، تاریخچه و چشم‌انداز اس‌کی هاینیکس در قالب تصاویر و گرافیک‌های دیواری به نمایش درآمده بود و بازدیدکنندگان می‌توانستند در یک نگاه، مسیر توسعه فناوری HBM و آخرین وضعیت محصولات شرکت در حوزه‌های HBM، DRAM و NAND را مشاهده کنند.

«MARS؛ فناوری زیربنایی برای پیشتازی در عصر هوش مصنوعی عامل‌محور»

ارائه فنی یونگهون مین، مدیر فنی زیرساخت سامانه‌های هوش مصنوعی
یونگهون مین، مدیر فنی زیرساخت سامانه‌های هوش مصنوعی، در حال ارائه سخنرانی

در نشست ارائه‌های تخصصی، یونگهون مین، مدیر فنی بخش زیرساخت سامانه‌های هوش مصنوعی، روی صحنه رفت و سخنرانی خود را با عنوان «فراهم‌سازی ارائه خدمات هوش مصنوعی عامل‌محور با استفاده از مخازن حافظه تفکیک‌شده» ارائه کرد. او در این سخنرانی، معماری سامانه هوش مصنوعی حافظه‌محور MARS را به‌تفصیل معرفی کرد.

او به‌ویژه بر فناوری‌های محوری معماری MARS تمرکز کرد؛ از جمله اشتراک‌گذاری و استفاده مجدد از حافظه نهان KV بر پایه مخزن حافظه CXL و اشتراک‌گذاری توکن در رک CPU. به گفته او، این فناوری‌ها در مقایسه با روش‌های متداول، بهره‌وری استفاده از GPU و CPU را افزایش می‌دهند و عملکرد ارائه خدمات به عامل‌های هوش مصنوعی در مکالمات چندمرحله‌ای را به میزان قابل‌توجهی بهبود می‌بخشند.

اس‌کی هاینیکس اعلام کرد که با تبدیل شدن حافظه به یکی از عوامل تعیین‌کننده عملکرد و بهره‌وری زیرساخت‌های هوش مصنوعی، این نمایشگاه فرصتی فراهم کرده است تا توانمندی‌های فناورانه شرکت و چشم‌انداز آن در حوزه حافظه هوش مصنوعی به‌روشنی معرفی شود. این شرکت تأکید کرد که در آینده نیز به‌عنوان یکی از شرکای فناورانه اصلی در مسیر ارتقای عملکرد رایانش هوش مصنوعی، به توسعه همکاری و رشد مشترک با مشتریان خود ادامه خواهد داد.