Istraživanje DeepSeeka pokazalo je proboj u području memorije, uz razdvajanje računalne snage i RAM memorijskih bazena kako bi se zaobišla ograničenja GPU-ova i HBM memorije - Engram, uvjetni memorijski modul, pohranjuje statičko znanje u sistemsku radnu memoriju.
Naime, DeepSeek je objavio novi tehnički znanstveni rad u kojem opisuje metodu prema kojoj bi se budući AI modeli mogli oslanjati na bazu podataka informacija koja je dostupna putem upita i pohranjena u sistemskoj radnoj memoriji. Tehnika nazvana Engram, koja se temelji na uvjetnoj memoriji, postiže mjerljivo bolje performanse pri radu s dugim kontekstima tako što sekvence podataka trajno pohranjuje u statičku memoriju. Time se smanjuje potreba za složenim procesima zaključivanja unutar modela, što omogućuje da se GPU-ovi koriste isključivo za zahtjevnije zadatke. Rezultat je povećanje ukupnih performansi uz istodobno smanjenje ovisnosti o memoriji visoke propusnosti (HBM).
U radu se detaljno opisuje kako se N-grami, statističke sekvence riječi, integriraju u neuronske mreže modela i stavljaju u memorijski banku dostupnu za upite. Engram omogućuje modelima da "pamte" činjenice, umjesto da ih ponovno zaključuju, što bi inače bilo računalno zahtjevnije. Objavljen na GitHub stranici tvrtke, Engram bi mogao smanjiti ovisnost o složenijim vrstama memorije i omogućiti pohranu biblioteke znanja u uobičajeni standard sistemske memorije, poput CXL-a.
Stalna ovisnost o memoriji visoke propusnosti za AI akceleratore predstavlja problem koji, primjerice, ne zaobilazi ni kineske čipove poput serije Huawei Ascend. Svaki sloj HBM memorije koristi više memorijskih čipova, a s obzirom na snažan rast potražnje, smanjenje ovisnosti AI modela o izravnoj HBM memoriji GPU-a bilo bi značajno, posebno u kontekstu trenutnog ograničenja opskrbe memorijom.
Engram omogućuje da se statička memorija drži odvojeno od računalne snage modela, što dopušta GPU-ovima da se brže fokusiraju na složene procese zaključivanja. To otvara mogućnost izvedbe učinkovitijih AI modela temeljenih na Engramu u usporedbi sa standardnim modelima poput Mixture of Experts (MoE).
Čak 80 posto izvršnih direktora očekuje da će umjetna inteligencija izazvati visok ili srednje visok stupanj promjena u njihovim operativnim sposobnostima, pri čemu se fokus pomiče s digitalnog poslovanja na autonomno poslovanje, pokazuje Gartnerovo istraživanje. Anketa je obuhvatila 469 izvršnih direktora i drugih viših poslovnih rukovoditelja širom svijeta, a provedena je tijekom tri tromjesečja zaključno s četvrtim tromjesečjem 2025.
Sandisk je objavio 8,97 milijardi dolara prihoda u fiskalnom četvrtom tromjesečju i prilagođenu dobit od 39,25 dolara po dionici. Oba su rezultata nadmašila tržišna očekivanja, a potražnja za flash memorijom u AI podatkovnim centrima podigla je prodaju znatno iznad razine iz istog razdoblja prošle godine. Važnija nova činjenica od samog kvartalnog skoka jest promjena načina ugovaranja. Izvršni direktor David Goeckeler rekao je Reutersu da Sandisk ima osam dugoročnih sporazuma sa šest kupaca, ukupne vrijednosti veće od 93,9 milijardi dolara. Kompanija očekuje da će do kraja fiskalne godine u srpnju 2027. polovica njezine proizvodnje biti pokrivena takvim ugovorima, a tijekom fiskalne 2028. približno dvije trećine.
Potrošnja električne energije podatkovnih centara širom svijeta trebala bi porasti 26 posto u 2026., procjenjuje Gartner. Ta konzultantska kuća očekuje da će globalna potrošnja električne energije podatkovnih centara dosegnuti 565 teravatsati u 2026., u odnosu na 447 teravatsati u 2025.
