моделей искусственного интеллекта. HBF по компоновке напоминает память HBM, но, в отличие от нее, позволяет долговременное хранение данных. Возможность быстрого извлечения данных для вычислений при инференсе, по словам исследователя Google DeepMind Сяоюй Ма, будет очень востребована с учетом текущих тенденций в системах ИИ. Следовательно, спрос на HBF со стороны инфраструктуры для вычислений ИИ также будет расти. Кроме того, она обеспечивает высокую энергоэффективность, что важно для операторов центров обработки данных. Однако эксперты уже обеспокоены интенсивностью использования HBF в таких системах, что теоретически может привести к быстрому выходу чипов из строя. Они предлагают организовать инфраструктуру так, чтобы HBF использовалась в основном для чтения данных, а не для записи. Чтобы компенсировать дисбаланс скоростей, HBF следует использовать в сочетании с HBM, которая применялась бы для операций записи.