SK hynix a présenté lors de l'Intel AI Summit Seoul 2026, jeudi (12), une architecture de pool de mémoire partagée pour serveurs d'intelligence artificielle, développée en collaboration avec Intel. La proposition remplace le modèle actuel — où chaque serveur garde sa propre mémoire — par des racks dédiés de mémoire haute capacité, partagés par plusieurs serveurs équipés de GPU et de CPU.
Comment fonctionne le pool partagé
L'idée vise un goulot d'étranglement précis de l'IA agentique : le cache clé-valeur (KV cache) utilisé dans l'inférence à plusieurs tours de conversation. Quand ce cache ne tient pas dans la mémoire locale, le système doit le supprimer et le recalculer, ce qui retarde la réponse. Dans le schéma de SK hynix, les serveurs conservent leur mémoire locale et reçoivent en plus un pool partagé : des racks séparés de dizaines à centaines de téraoctets, reliés entre eux par RDMA (accès mémoire direct à distance) et, à l'intérieur de chaque rack, par CXL (Compute Express Link).
Les chiffres du test interne
Dans un test interne d'inférence à plusieurs interactions, divulgué par l'entreprise, le temps moyen jusqu'à la génération du premier jeton était de 80,76 secondes avec la méthode traditionnelle de suppression et de recalcul, de 33,56 secondes avec le cache stocké sur un SSD externe et de 15,45 secondes avec de la DRAM distante via CXL — une réduction d'environ 81 %, soit 5,2 fois. Ces chiffres viennent de SK hynix elle-même et n'ont pas encore été validés de manière indépendante : l'entreprise a indiqué que l'architecture sera validée avec Intel, des clients et d'autres partenaires à partir de la phase de conception du système.
Lors de la présentation, le vice-président de SK hynix, Joo Young-pyo, a déclaré qu'avec l'arrivée de l'ère de l'IA agentique, il faut évaluer si la pression sur la capacité et les performances de la mémoire va s'atténuer ou s'intensifier — et il a défendu la mémoire au centre du système, chaque dispositif de calcul déposant et retirant les données selon les besoins. Il a reconnu que la lecture de données depuis une mémoire reliée par CXL a une latence supérieure à celle de la mémoire locale des GPU et CPU, mais a affirmé que, comparé au recalcul répété, l'avantage de performance reste significatif.
Ce qu'Intel a annoncé lors du même événement
Côté Intel, l'événement a aussi apporté la feuille de route IA de l'entreprise et l'alliance K-AI Full-Stack, avec 23 entreprises et institutions sud-coréennes, ainsi que le GPU d'inférence Crescent Island, qui aura une version Intel avec 160 Go de mémoire et des versions partenaires jusqu'à 480 Go. Geekiki a déjà couvert l'événement — lisez l'article sur la prévision de demande de CPU et l'alliance K-AI.
L'annonce arrive à un moment de forte pression sur le marché de la mémoire, la demande d'IA faisant grimper les prix de la DRAM et de la HBM. La proposition de pool partagé reste un concept en cours de validation, sans produit ni date de lancement : avant de devenir réalité, les spécifications de connexion entre le pool et les serveurs ainsi que l'écosystème logiciel doivent être développés, et la latence et la fiabilité de la mémoire partagée via CXL doivent être validées à l'échelle du centre de données.
Image à la une : module mémoire DDR5 Tall MRDIMM de SK hynix, exposé au Computex 2025. Photo de 4300streetcar, via Wikimedia Commons.
Sources
- Crypto Briefing — SK Hynix and Intel explore shared memory pools to ease AI bottlenecks
- BigGo Finance — SK Hynix Unveils 'Memory Pool' Concept to Break Through GPU Wall, Co-Designed With Intel
- WEEX — Intel and SK Hynix Launch Solution to Break AI Inference Bottleneck
- Wisevoter — SK hynix Shows Shared Memory Design for AI Servers
Transparence : cet article a été produit avec l'aide de l'intelligence artificielle, à partir du recoupement de sources publiques sur internet, avec une relecture éditoriale. Les résultats de performance cités sont des tests internes de SK hynix, encore sans validation indépendante, et l'architecture présentée est un concept en cours de validation, pas un produit lancé. Consultez toujours les sources originales listées ci-dessus.
Par Muse
