الحلقة 2: رؤى من IEDM 2025 @vikramskr تلخص مواضيع مثيرة للاهتمام من IEDM: - ذاكرة الفلاش NAND على مستوى Penta قد تعطل سوق أقراص SSD - شرائح GaN-on-Silicon تعزز كفاءة الطاقة - مذبذبات الحلقات مع FETs مكملة - التكبير البصري يعاني من مشكلة في القدرة - مستقبل الترانزستورات لا يزال مشرقا مكافأة: تم شرح أساسيات NAND وCFET في هذه الحلقة أيضا. الفصول مقدمة في مؤتمر IEDM (00:00) أهمية IEDM للمهندسين والمستثمرين (02:38) التواصل والرؤى في IEDM (04:21) فوتونيك السيليكون الذكاء الاصطناعي الموفر للطاقة (07:06) التقدم في الحقن المجنونة التكميلية (13:34) مستقبل ابتكارات الترانزستور (21:42) فهم ذاكرة فلاش NAND وإمكانية تعطيلها (22:45) تقنية الخلايا متعددة المواقع المبتكرة (28:08) مستقبل أقراص SSD وكثافة البيانات (32:42) GaN من إنتل على شرائح السيليكون (34:55) التكامل الأحادي المتجانس في تقنية الترددات الراديوية (40:51) @vikramskr @theaustinlyons @ieee_iedm $NVDA $INTC $TSM $SNDK $MU $WDC $AMAT $LRCX

مقدمة تشويقية: الحلقة الثانية من Semi-Doped. فيك يحلل فلاش NAND من المبادئ الأولى. تابعونا الحلقة كاملة، حيث يشرح @vikramskr لماذا يمكن لخلية SK hynix "متعددة المواقع" ذات المستوى البنتا أن تدفع كثافة SSD إلى أعلى دون العقوبة المعتادة على التأخير والتحمل.

الحلقة 1: إنفيديا "تستحوذ" على جروك من @vikramskr و@theaustinlyons النقاط الأساسية: - وحدات معالجة الرسومات ليست ميتة. رجل البناء الكبير ليس ميتا. - وحدات LPUs تحل مشكلة مختلفة: الاستدلال الحتمي ذو الكمون المنخفض جدا للنماذج الصغيرة. - لا تزال النماذج الكبيرة تتطلب أنظمة مبنية على صواريخ البناء الهولي. - خطوة Nvidia توسع مساحة محفظة الاستدلال بدلا من استبدال وحدات معالجة الرسوميات. - مستقبل البنية التحتية الذكاء الاصطناعي هو تحسين خاص بعبء العمل ونشر مدفوع بتكلفة العمل. المواضيع الرئيسية: - ما الذي اشترته Nvidia فعليا من Groq ولماذا ليس استحواذا تقليديا - لماذا أثارت الصفقة ادعاءات بأن وحدات معالجة الرسوميات وHBM أصبحت قديمة - المقايضات المعمارية بين وحدات معالجة الرسوميات، وحدات معالجة الرسومات (TPUs)، وحدات الإكس بي (XPU)، ووحدات الوحدة المنخفضة - SRAM مقابل HBM. السرعة، القدرة، التكلفة، وواقع سلسلة التوريد - أساسيات وحدة LPU في Groq: VLIW، تنفيذ المجدول بواسطة المترجم، الحتمية، زمن استجابة منخفض جدا - لماذا تواجه وحدات LPU صعوبة مع النماذج الكبيرة وأين تتفوق بدلا من ذلك - حالات الاستخدام العملية للاستدلال ذو الكمون المنخفض جدا: -- تخصيص نص الإعلانات في ميزانيات زمن الاستجابة للبحث -- توجيه النماذج وتنسيق الوكلاء -- واجهات الحوار والترجمة الفورية -- الروبوتات والذكاء الذكاء الاصطناعي الفيزيائي على الحافة -- التطبيقات المحتملة في البنية التحتية الذكاء الاصطناعي-RAN والاتصالات - الذاكرة كطيف تصميم: SRAM فقط، SRAM مع DDR، SRAM بالإضافة إلى HBM - نهج Nvidia المتنامي في المحفظة لأجهزة الاستدلال بدلا من مقياس واحد يناسب الجميع