In questo articolo Indice dei contenuti 2 sezioni
Intel Optane è sparita dal mercato proprio quando l’intelligenza artificiale ha cominciato a creare esattamente quel tipo di problema che questa tecnologia sapeva gestire meglio di chiunque altro. Parliamo di conservare montagne di dati temporanei con latenze basse, senza bruciare la costosissima memoria delle GPU e senza logorare in fretta le celle NAND degli SSD. La memoria arrivò nel 2015, presentata da Intel e Micron con il nome 3D XPoint, e la promessa era chiara: riempire il vuoto tra DRAM e storage flash. I primi prodotti veri e propri sbarcarono sul mercato nel 2017, poi nel 2022 Intel staccò la spina, mettendo a bilancio una svalutazione delle scorte da 559 milioni di dollari, circa 515 milioni di euro.
All’epoca Optane sembrava una trovata geniale ma difficile da piazzare. Costava più della NAND, offriva capacità inferiori rispetto agli SSD classici e girava parecchio più lenta della DRAM. Un prodotto strano, insomma, che non trovò mai una casa sua tra database e sistemi enterprise.
Perché Optane giocava un campionato diverso dagli SSD NAND
Le celle NAND funzionano intrappolando cariche elettriche e hanno bisogno di cicli di programmazione e cancellazione organizzati in pagine e blocchi. Ogni cancellazione consuma un pezzetto del materiale isolante, e da lì nasce il famoso limite dei cicli di scrittura, che i controller cercano di tamponare con wear leveling, over provisioning, garbage collection e codici di correzione degli errori. La tecnologia 3D XPoint ragionava in modo diverso. Il nome stesso richiamava la struttura a punti di incrocio: una cella stava all’intersezione tra due conduttori perpendicolari, eliminando il transistor dedicato e permettendo una densità superiore alla DRAM.
Le stime tecniche parlavano di circa 0,62 Gbit/mm² per la prima generazione, contro valori oltre 6 Gbit/mm² per certe NAND TLC a 128 strati e oltre 12 Gbit/mm² per la QLC Intel a 144 strati. Il punto è che le memorie flash continuavano ad aggiungere livelli e ad abbassare il costo per bit a un ritmo che Optane non riusciva a tenere. In compenso, la prevedibilità era il suo cavallo di battaglia. Gli SSD NAND mostrano latenze ballerine a seconda della coda delle richieste, dello spazio libero, delle attività del controller. Optane invece manteneva tempi di risposta bassi anche sotto carichi misti e scritture casuali prolungate, proprio quando la flash comincia ad arrancare.
Il P5800X e il potenziale sprecato per la cache AI
Uno degli ultimi modelli di punta, l’Intel Optane SSD DC P5800X, sfruttava PCIe 4.0 x4 e protocollo NVMe. La versione da 1,6 TB, stando alle specifiche, toccava 7.200 MB/s in lettura sequenziale, 6.200 MB/s in scrittura e fino a 1,5 milioni di IOPS in lettura e scrittura casuale su blocchi da 4 KB. Ma i numeri più impressionanti riguardavano la durata: Intel dichiarava 100 DWPD per 5 anni, cioè la possibilità di riscrivere ogni giorno cento volte l’intera capacità per tutto il periodo di garanzia. In pratica quel taglio da 1,6 TB reggeva circa 160 TB di scritture quotidiane. Per capirci, molti SSD enterprise NAND stanno tra 1 e 3 DWPD.
C’era poi un MTBF di 2 milioni di ore, protezione dati end to end, cifratura AES a 256 bit e protezione contro i cali improvvisi di alimentazione. Numeri di targa, certo, non garanzie eterne, ma raccontano bene per cosa era nato: database transazionali, journal, metadata store, cache e logging, tutti ambienti che scrivono piccoli blocchi in continuazione.
E qui entra in gioco l’intelligenza artificiale. Durante l’inferenza di un modello Transformer, ogni livello calcola vettori chiamati key e value per i token elaborati. Salvarli nella cosiddetta KV cache evita di rifare tutto da capo a ogni nuovo token. Senza cache, una conversazione lunga costringerebbe il modello a ripetere operazioni già fatte, con latenza ed energia che schizzano. La quantità di memoria necessaria cresce con i layer, la lunghezza della sequenza, le richieste simultanee, il formato numerico e l’architettura dell’attenzione.
Optane avrebbe offerto un mix quasi perfetto: persistenza, bassa latenza, ottime prestazioni sugli accessi casuali e una resistenza alle scritture fuori scala. Non avrebbe rimpiazzato la memoria HBM durante la generazione dei token, troppo lenta per quello. Però avrebbe potuto tenere in caldo le cache delle sessioni ferme per minuti o ore, alleggerendo la DRAM e permettendo di ripartire molto più in fretta rispetto a un SSD NAND normale. Chiamarla la soluzione all’attuale carenza di RAM sarebbe esagerato, visti i limiti di banda, costo e supporto software. Avrebbe però tolto pressione ai livelli più cari, soprattutto dove tante sessioni AI restano inattive ma devono tornare disponibili in un lampo.
