尧图网络 高端网站定制 · 原创设计
免费咨询热线
400-888-6620
免费获取方案
Credo在开放计算项目(OCP)框架内贡献OmniConnect Scale-In互连方案,破解AI推理“内存墙“难题
基于标准化互联技术推动构建由Credo及第三方组成的OmniConnect产品开放生态系统降低对高带宽内存HBM的依赖Credo Technology Group Holding Ltd Credo纳斯达克代码CRDO一家通过快速、可靠且高能效的系统解决方案提供规模化连接服务的创新企业近日宣布公司 正计划在开放计算项目Open Compute Project简称OCP社区内推动一项互连标准的制定工作旨在应对日益严峻的内存墙挑战。所谓内存墙是指处理器的计算速度与内存的数据供给速度之间存在的巨大鸿沟导致大量昂贵的算力资源因等待数据而被迫闲置。在当今AI推理环境中制约系统性能的往往不再是算力本身而是内存带宽与容量。新闻要点Credo 计划在 开放计算项目 (OCP) 社区内推动互连技术的标准化以助力解决“内存墙”问题即处理器性能与内存访问速度之间日益扩大的差距。Credo 已成立开放芯粒经济(Open Chiplet Economy ,OCE) 轻量级序列互联(Lightweight Serial Interconnect ,LSI) 工作小组并计划贡献其 OmniConnect 轻量级 AXI framer 规范。该举措旨在通过实现可组合 AI 架构降低对成本高昂且产能受限的 HBM 的依赖Credo 正助力构建一个开放、可通的生态系统用于实现内存解耦Memory Disaggregation与芯片间通信技术的发展与应用。Credo已在OCP开放芯粒经济Open Chiplet Economy简称OCE子项目下发起轻量级串行互连Lightweight Serial Interconnect简称LSI工作组致力于开发突破性互连方案消除制约AI推理规模扩展的内存瓶颈。同时结合该工作组的成立Credo 计划向 OCP 贡献其 OmniConnect 轻量级 AXI framer 规范以期推动构建一个由 Credo 及第三方 OmniConnect 产品组成的开放生态系统从而实现内存解耦及芯片间通信。当前高带宽内存HBM面临成本居高不下、供应紧张以及密度受限等突出问题。轻量级、高效率串行互连标准的建立将有力推动基于芯粒的模块化AI系统的灵活组合有效降低对HBM的依赖。AI系统设计师可据此灵活构建面向多样化、持续演进的AI模型、数据流及工作负载特征的领域专用架构——与HBM4相比相同的带宽内存容量提升很多倍。这一举措顺应了行业向可组合基础设施演进的大趋势即实现计算、内存与存储资源的最优配置从而在大规模AI部署中释放更高性能、更优资源利用率与更强成本效益。Credo产品副总裁Vishal Shah表示我们发起OCP LSI工作组正是为了回应行业对创新互连方案的迫切需求——既要破解内存墙难题也要为AI系统打造新一代高带宽、低功耗优化的模块化架构。推进轻量级成帧与串行互连的开放路线对于实现灵活的芯粒集成至关重要包括近封装可插拔配置。这将成为下一轮AI推理技术演进的关键支撑。OCP开放芯粒经济子项目联合负责人Anu Ramamurthy表示我们非常欢迎Credo在OCP LSI工作组中发挥引领作用助力定义开放框架与标准加速整个生态系统的创新与规模化发展。Credo计划将轻量级AXI成帧器规范贡献给OCP是推动行业在AI互连架构上形成共识的重要一步——这些架构将实现互操作性、降低系统复杂度并充分满足下一代AI基础设施对高性能的严苛要求。轻量级串行互连LSI工作组隶属于OCP服务器项目下的开放芯粒经济子项目。如需了解LSI工作组更多信息请点击此处。Credo计划向OCP贡献的OmniConnect轻量级AXI成帧器规范是Credo OmniConnect多功能AXI-over-VSR超短距SerDes总线方案的核心组成部分。该方案通过连接多个外部芯粒计算引擎可同时实现裸片间互连与纵向扩展组网。如需了解更多Credo OmniConnect产品信息请访问此处产品页面。关于CredoCredo 的使命是通过提供快速、可靠且高能效的系统解决方案引领规模互联变革。我们的高速有源电缆与光互连产品最高支持 1.6T 速率提供行业领先的功耗与性能表现以应对 AI 领域不断增长的数据基础设施需求。我们的产品组合包括 ZeroFlap (ZF) AEC、ZF 光模块、OmniConnect 内存解决方案以及一系列用于光/铜缆的以太网/PCIe Retimer与DSP芯片所有产品均配有PILOT诊断与分析软件平台。Credo以创新技术赋能客户构建互联新世界。Credo、Credo徽标及与AEC产品关联使用的紫色均为Credo Technology Group Ltd.在美国及其他司法管辖区的注册商标。本文所涉其他商标均归其各自所有者所有。
RELATED

相关推荐

Web文件上传安全:从漏洞原理到防御实战

Web文件上传安全:从漏洞原理到防御实战

在实际 Web 开发与安全测试中,文件上传功能是业务刚需,也是安全重灾区。一个看似简单的上传接口,背后涉及前端校验、后端处理、文件存储、权限控制、安全过滤等多个环节,任何一个环节的疏忽都可能导致严重的安全漏洞,例…

📅 2026/10/27 22:34:34
Z世代消费支出预计到2030年将达12万亿美元,但其重要性或不及品牌所想

Z世代消费支出预计到2030年将达12万亿美元,但其重要性或不及品牌所想

NIQ最新报告显示,各世代消费者在同一购物篮中既会选择消费升级,也会寻求更实惠的选择,令中端市场产品面临新的压力 消费者支出领域最显著的变化并非代际之变,而是消费行为之变。NielsenIQ(纽约证券交易所代码&#xf…

📅 2026/8/15 11:50:45
Phigros自制谱全流程指南:从零制作AT15高难度谱面

Phigros自制谱全流程指南:从零制作AT15高难度谱面

在音游圈,尤其是《Phigros》玩家社群中,自制谱面一直是社区活力的核心体现。它不仅是玩家对音乐理解的二次创作,更是技术力与艺术表达的结合。然而,从零开始制作一张高难度(如AT Lv.15)的谱面,并…

📅 2026/9/28 7:17:21
MORE NEWS

更多资讯

📰

Python缩进规范与常见错误解析

1. Python缩进:新手最容易踩的坑刚接触Python时,最让我抓狂的就是那些莫名其妙的"IndentationError"。记得第一次写if语句时,因为少敲了一个空格,程序死活跑不起来。后来才发现,Python用缩进来区分代码块这个…

📰

大数据预处理与特征选择的工程实践

1. 大数据预处理与特征选择的核心关联大数据预处理和特征选择是数据科学项目中两个紧密关联的关键环节。预处理为特征选择提供干净、规整的数据基础,而特征选择则决定了哪些预处理后的数据特征真正有价值进入模型训练。这种双向依赖关系在实际项目中往往被低估。我处…

📰

图神经网络GNN入门实战:从消息传递原理到PyG模型部署

1. 从零理解图神经网络到底在解决什么问题1.1 为什么传统神经网络处理不了图结构数据我刚开始接触GNN那会儿,最大的困惑就是:我已经会用CNN处理图像、用RNN处理文本了,为什么还要搞一个新东西出来?后来踩过几次坑才明白&#xff0…

📰

LangChain实战:从提示词到RAG与Agent的完整落地指南

简介:一套面向大模型开发者的完整LangChain实战教程,由黑马程序员推出,聚焦检索增强生成(RAG)与智能体(Agent)两大主题,从提示词工程讲到可落地的完整项目,并结合Cursor、…

📰

SSM+微信小程序社区团购毕设:源码部署到答辩讲解全流程

简介:一套面向高校毕业设计的社区团购小程序完整项目,基于微信小程序与SSM框架搭配MySQL数据库开发,完整覆盖管理员、商家、会员三类角色的业务闭环。后台管理端支持会员与商家管理、商品信息及分类维护、购买订单处理、退货退款审核、商品评…

📰

构建真正可靠的CLI:从2FA容错到浏览器扩展协同

1. 项目概述:一个被误读的“完美”工具名,背后是开发者日常的 CLI 效率战争最近在几个前端团队的内部分享会上,我连续三次被问到:“impeccable 这个 CLI 工具到底干啥的?是不是 Codex CLI 或 Boos CLI 的新马甲&#x…

TODAY

今日更新

THIS WEEK

本周精选

THIS MONTH

本月热门

读完文章,想聊聊您的网站?

告诉我们您的行业与需求,资深顾问一对一梳理方案与报价,全程免费。

📞 💬