自从2014年DDR4内存在市场推出以来,时间已经过去了八年,这对日新月异的计算机行业来说,无疑是相当长的一段时间了。这期间,更快的CPU和存储介质等产品的技术进步,促进了对更大容量的内存、更高内存带宽和更快速率的需求,服务器市场尤其如此。
而在2023年,我们终于迎来了DDR5在企业级市场的全面铺开。
在之前的内容里,我们了解到新一代戴尔PowerEdge服务器不仅搭载了第四代AMD霄龙处理器,还有PCIe 5.0带来的总线吞吐量的提升。今天,我们就来介绍PowerEdge服务器里搭载的另一项新技术——DDR5
DDR5只是更快?
DDR的全称是double data rate synchronous dynamic random-access memory(双倍资料率同步动态随机存取存储器),虽然叫它存储器,但与我们一般用来存数据的存储(Storage)有很大不同。
DDR内存可以随时读写,而且速度很快,但当电源关闭时DDR内存不能保留数据,这一特性使得DDR内存通常作为操作系统或其他正在运行中的程序的临时数据存储媒介。

DDR规范自2001年起,由JEDEC(联合电子设备工程委员会)制定,每次迭代规范都旨在支持更快的速度和更低的功耗。目前,DDR已经发展到了第五代(简称DDR5),其在速度和效率和能耗上,都有了进一步的提升。
01
速度方面
DDR5最高的内存传输速度能达到6.4Gbps,与之对比,在DDR4内存标准下最高内存传输速度只能达到3.2Gbps。此外DDR5还使用2个32位总线(在服务器内存上是2个40位)来提高内存访问效率。
02
功耗方面
DDR5内存还具有更低的功耗,其工作电压为1.1伏,低于DDR4的1.2伏,省电效率提升8%。虽然看起来差不多,但当我们放大到数据中心规模,成千上万个内存一起工作时,就会看到真正的电力节省,并且更低电压也减少了热量产生。
另外,DDR5的另一个重大变化是电源管理将在内存模块本身上进行,而不是像DDR4那样在主板上进行。电源管理集成电路 (PMIC)将直接集成在内存电路板上,可确保比前几代模块更好的电压调节和更高的信号完整性(更少的噪声)。
03
芯片密度上
DDR5的芯片密度也大大增加,DDR5单个内存芯片密度最高可达64Gb,相比之下DDR4为16Gb。这意味着DDR5内存可实现有效内存容量为2TB,而DDR4内存的最高为512GB。
对企业用户来说,DDR5的到来有哪些好处?
毫无疑问的,DDR5的跨越式升级将给所有用户带来实打实好处,除了前面提到的能耗降低外,内存密集型工作负载将从DDR5中获得最大收益。此外对人工智能、机器学习、高性能计算的用户,获得的收益也很明显,这类需要密集计算的工作负载,往往也需要更高的内存带宽来加速数据访问。
再比如电子设计软件(EDA)需要较大的内存占用,DDR5内存的芯片密度更高,单台服务器就可实现更大的内存容量,从而方便了用户灵活配置,并节省成本。
不过要注意的是,和之前我们提过PCIe5.0向后支持不一样,你不能在支持DDR5的服务器主板上插入DDR4内存,也不能在旧的服务器上使用DDR5内存。
最后一点广告时间
对于DDR5规范的发布,JEDEC将其描述为“具备革命性的意义”。的确,这一旨在面向未来十年的技术,将成为今后计算机、服务器、平板电脑等系统架构的标配。
而在新一代戴尔PowerEdge服务器上,不仅搭载着AMD第四代霄龙处理器,还支持最新PCIe 5.0,再加上DDR5,可以说彻底打破了计算机系统的算力“天花板”。
同时,新一代PowerEdge服务器可使用EDSFF-E3驱动器,其尺寸大约是2.5英寸SSD尺寸的一半,这意味着用户可在更小的空间内处理和保存更多的数据,并且也减少了热量产生。

基于以上领先技术的运用,新一代PowerEdge服务器打破了AI、数据库和Java应用等各种工作负载的世界纪录性能。
●(TPCx-AI) 上的多项AI性能世界纪录,单节点每分钟处理多达425个AI用例,推动更快的洞察。
●数据库用户增加107%,得分创世界纪录。
●世界纪录的SPECjbb性能,反映了Java应用性能。
最后,新一代的PowerEdge服务器已经于昨天在中国正式发布,新一代PowerEdge服务器更强大、更环保、更安全,助力用户自如应对海量数据,更快获得数据洞察力。
END
如果您想了解更多有关戴尔科技的产品和解决方案信息,请扫描以下二维码咨询戴尔官方客服。

好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。