Construido Sobre El Último Estándar CXL 3.2, Admite Funciones Avanzadas Como Agrupación de Memoria y Memoria Por Niveles

El fabricante chino de chips Montage Technology ha iniciado la producción de prueba de lo que llama el primer chip controlador de expansión de memoria (MXC) CXL 3.2 de la industria, con el objetivo de aumentar de manera flexible la capacidad de memoria en servidores de IA. El nuevo controlador admite memoria DDR5 a 8000 MT/s y permite que los servidores accedan a grupos de memoria externos, prometiendo una mayor escalabilidad para sistemas de IA y centros de datos. A medida que crecen los modelos de IA y aumentan los volúmenes de datos en la nube, la capacidad de memoria se ha convertido en un cuello de botella clave; las arquitecturas tradicionales a menudo requieren servidores adicionales para expandir la memoria, elevando costos y limitando la eficiencia.

El MXC de Montage actúa como un puente inteligente entre la CPU y la memoria DDR5 externa, permitiendo que los servidores se beneficien de grupos de memoria más grandes en lugar de depender únicamente de módulos conectados directamente. Construido sobre el último estándar CXL 3.2, admite funciones avanzadas como agrupación de memoria y memoria por niveles. El chip, que gestiona el flujo de datos convirtiendo solicitudes de memoria en comandos DDR5 con baja latencia, también admite CXL Type 3, CXL.mem, CXL.io y PC Ie 6.x, ofreciendo velocidades de transferencia de hasta 64 GT/s. Integra controladores DDR5 duales, interfaces físicas PC Ie 6.x y DDR5, un subsistema de procesador RISC-V dual y unidades de gestión.

Montage dice que el MXC se ha integrado en productos de memoria CXL de próxima generación de Samsung y SK hynix, pasando pruebas de validación iniciales, y está diseñado para compatibilidad con plataformas de servidores Intel Xeon y AMD EPYC. Aunque aún en producción de prueba, la tecnología podría remodelar el uso de memoria en centros de datos, convirtiendo recursos por sistema en grupos compartidos para manejar de manera más eficiente cargas de trabajo intensivas en memoria como modelos de lenguaje grandes y simulaciones científicas.