Hranice mezi GPU a HBM se zhroutily... Nová generace HBM pro vložení jader GPU Vyvíjí se metoda montáže grafických procesorů (GPU) na paměť s vysokou šířkou pásma (HBM) nové generace. Jde o novou technologii, kterou se snaží globální velké technologické firmy zlepšit výkon umělé inteligence (AI). Znamená to, že hranice mezi polovodičovými společnostmi se ruší v souvislosti s konvergencí paměti a systémových polovodičů. Podle komplexního zpravodajství z 26. září Meta a NVIDIA přehodnocují plány na instalaci GPU jader na HBM. Konkrétně to zahrnuje vložení jader GPU do základního čipu umístěného na spodní části HBM stacku a v současnosti zvažují spolupráci se SK Hynix a Samsung Electronics. Několik zasvěcených odborníků z oboru uvedlo: "Diskutuje se o architekturách nové generace 'custom HBM' a mezi nimi se usiluje o strukturu, která přímo integruje jádra GPU do základního čipu HBM." HBM je vysoce výkonná paměť vytvořená vrstvením více DRAM čipů. Byl navržen pro AI aplikace, které potřebují zpracovávat obrovské množství dat. V současnosti je základní čip zodpovědný za komunikaci mezi pamětí a vnějším světem na úplném dně struktury HBM. Dalším krokem je začlenění "řadiče", jak je implementováno v HBM4. Průmysl se snaží zvýšit výkon a efektivitu přidáním polovodiče schopného ovládat paměť. HBM4 je produkt, jehož sériová výroba je plánována od příštího roku. Vkládání jader GPU je interpretováno jako technologie o několik kroků napřed před řadičem HBM4. U GPU a CPU je jádro základní jednotkou schopnou nezávislého výpočtu. Například čtyřjádrová GPU znamená, že existují čtyři jádra schopná výpočtů; Čím více jader je, tím více se zlepšuje výpočetní výkon. Vložení jader do HBM je pokus rozdělit výpočetní funkce, které byly soustředěny v GPU, do paměti, čímž se snižuje pohyb dat a zátěž na hlavní tělo GPU. Jeden z představitelů průmyslu vysvětlil: "V AI výpočtech není důležitým faktorem jen rychlost, ale také energetická účinnost," a dodal: "Snížení fyzické vzdálenosti mezi pamětí a výpočetními jednotkami může snížit jak latenci přenosu dat, tak spotřebu energie." Technické výzvy však přetrvávají. Kvůli charakteristikám procesu Through-Silicon Via (TSV) je prostor dostupný pro jádra GPU v základní čipu HBM velmi omezený. Hlavní problémy jsou také dodávky napájení a odvod tepla. Protože výpočetní jádra GPU spotřebovávají vysokou spotřebu energie a generují značné množství tepla, tepelná regulace by se mohla stát úzkým hrdlem. Tento vývoj by mohl být pro domácí polovodičový průmysl příležitostí i krizí. Pokud firmy disponují schopnostmi slévárny nebo balení pro implementaci CPU nebo GPU, stává se to příležitostí dále rozvíjet HBM a pokračovat v vedení trhu s AI polovodiči. Existuje však obava, že pokud budou chybět schopnosti odezvy, mohly by se stát podřízenými průmyslu systémových polovodičů. Kim Joung-ho, profesor na Fakultě elektrotechniky na KAIST, řekl: "Rychlost technologického přechodu, kdy hranice mezi pamětí a systémovými polovodiči kolabuje pro pokrok v AI, se zrychlí," a dodal: "Domácí firmy musí rozšířit svůj ekosystém mimo paměť do logického sektoru, aby předběhly trh s HBM další generací."