AMD представила технологию MEXT, которая позволяет крупным серверным системам существенно снизить затраты на оперативную память. Механизм переносит редко используемые данные из дорогой DRAM на значительно более дешёвые SSD-накопители, а алгоритмы машинного обучения следят за тем, чтобы это не приводило к заметному падению производительности. На первых 145 серверных системах компания оценила достигнутую экономию примерно в $5 млн.

Память как главный статья расходов сервера

По словам вице-президента AMD по развитию бизнеса Гэри Смердона (Gary Smerdon), ранее возглавлявшего проект MEXT, в крупных серверах модули оперативной памяти могут составлять от 60 до 90 % стоимости всего оборудования. Замена части DRAM более дешёвой флеш-памятью позволяет сократить расходы без обязательного уменьшения объёма памяти, доступного приложениям. Именно эта диспропорция в цене и определила направление разработки.

Проблема разницы быстродействия

Ключевая сложность заключается в разнице быстродействия между типами памяти. По оценке Смердона, флеш-память может быть в 50 раз дешевле DRAM в пересчёте на бит и потреблять в 30 раз меньше энергии, однако при этом работать примерно в 500 раз медленнее. Обычная выгрузка данных на SSD способна серьёзно замедлить приложения, особенно чувствительные к задержкам, поэтому простое «перекладывание» данных без интеллектуального управления недопустимо.

Как работает MEXT

MEXT использует модель машинного обучения, которая отслеживает обращения к памяти и пытается определить, какие страницы данных понадобятся процессору следующими. Неактивные страницы перемещаются на накопитель, а перед повторным обращением возвращаются в DRAM. Для операционной системы и приложений этот процесс должен оставаться незаметным, что и обеспечивает прозрачность работы механизма.

Прогнозирование на базе архитектуры Transformer

В основе механизма прогнозирования лежит модель, производная от архитектуры Transformer. Вместо следующего слова, как в языковых моделях, она предсказывает следующую востребованную страницу памяти. По утверждению Смердона, первоначальное обучение занимает менее секунды на одном ядре процессора EPYC, после чего модель продолжает адаптироваться к характеру нагрузки. Отдельный графический ускоритель для её работы не требуется.

Результаты зависят от приложения

Показатели производительности существенно зависят от конкретного приложения. В испытаниях AMD система с Apache Spark сохраняла 99 % исходной производительности при замене половины DRAM флеш-памятью. В пакете Synopsys PrimeTime аналогичная конфигурация обеспечивала 95 % производительности, а при сокращении физической DRAM до четверти первоначального объёма показатель снижался до 80 %.

Внутреннее внедрение и расчётная экономия

AMD также опубликовала результаты внутреннего внедрения MEXT. На 86 серверах компании программное обеспечение обеспечило около 58 Тбайт дополнительной доступной памяти. Покупка сопоставимого объёма DRAM обошлась бы примерно в $3,3 млн, тогда как затраты на внедрение MEXT составили около $601 тыс. Таким образом, расчётная экономия достигла $2,78 млн, или 82 % от стоимости расширения памяти традиционным способом.

Доступность, партнёры и контекст

Программное обеспечение предназначено прежде всего для серверов на процессорах AMD EPYC. На системах Linux для его работы предусмотрен модуль ядра, а для анализа нагрузки предлагается утилита RAM View. AMD сотрудничает с производителями серверов, включая HPE, чтобы подготовить оборудование к использованию MEXT, а коммерческое распространение лицензий через партнёров запланировано на следующий этап внедрения. Сама AMD приобрела разработчика MEXT в июне 2026 года, а возможности технологии были представлены вместе с серверными процессорами EPYC Venice на архитектуре Zen 6.