Rajat GPU:n ja HBM:n romahtamisen välillä... Seuraavan sukupolven HBM GPU-ytimien upottamiseen Menetelmää grafiikkaprosessoriyksiköiden (GPU) asentamiseksi seuraavan sukupolven suuren kaistanleveyden muistiin (HBM) kehitetään parhaillaan. Tämä on uusi teknologia, jota globaalit suuret teknologiayritykset yrittävät parantaa tekoälyn (AI) suorituskykyä. Se merkitsee, että puolijohdeyritysten rajat puretaan muistin ja järjestelmäpuolijohteiden yhdistyessä. 26. päivän kattavan raportin mukaan Meta ja NVIDIA tarkastelevat suunnitelmia asentaa GPU-ytimet HBM:ään. Tämä tarkoittaa erityisesti GPU-ytimien upottamista perussiruun, joka sijaitsee HBM-pinon pohjalla, ja he tutkivat parhaillaan yhteistyötä SK Hynixin ja Samsung Electronicsin kanssa. Useat alan sisäpiiriläiset, jotka tuntevat asian, totesivat: "Seuraavan sukupolven 'räätälöidyt HBM'-arkkitehtuurit ovat keskustelun kohteena, ja niiden joukossa kehitetään rakennetta, joka integroi GPU-ytimet suoraan HBM-pohjasiruun." HBM on suorituskykyinen muisti, joka luodaan pinottamalla useita DRAM-piirejä. Se on suunniteltu tekoälysovelluksiin, jotka tarvitsevat valtavia määriä dataa. Tällä hetkellä perusmuotti vastaa viestinnästä muistin ja ulkomaailman välillä HBM-rakenteen aivan pohjalla. Askel eteenpäin tästä on HBM4:ssä toteutetun 'ohjaimen' sisällyttäminen. Teollisuus pyrkii parantamaan suorituskykyä ja tehokkuutta lisäämällä puolijohteen, joka pystyy ohjaamaan muistia. HBM4 on tuote, jonka massatuotanto on suunniteltu ensi vuodesta alkaen. GPU-ytimien upottaminen tulkitaan teknologiaksi, joka on useita askeleita edellä HBM4-ohjainta. GPU:ssa ja CPU:ssa ydin on perusyksikkö, joka kykenee itsenäiseen laskentaan. Esimerkiksi 4-ytiminen GPU tarkoittaa, että laskentaan kykeneviä ytimiä on neljä; Mitä enemmän ytimiä on, sitä enemmän laskentateho paranee. Ytimien sijoittaminen HBM:ään on yritys jakaa GPU:ssa keskitetyt laskentatoiminnot muistiin, mikä vähentää datan siirtoa ja vähentää pää-GPU-rungon kuormitusta. Alan virkamies selitti: "Tekoälylaskennassa tärkeä tekijä ei ole pelkästään nopeus vaan myös energiatehokkuus," ja lisäsi: "Fyysisen etäisyyden vähentäminen muistin ja laskentayksiköiden välillä voi vähentää sekä tiedonsiirron viivettä että virrankulutusta." Tekniset haasteet kuitenkin jatkuvat. Through-Silicon Via (TSV) -prosessin ominaisuuksien vuoksi GPU-ytimien mahdollinen tila HBM-pohjassa on hyvin rajallinen. Virtalähde ja lämmön haihtuminen ovat myös merkittäviä ongelmia. Koska GPU:n laskentaytimet kuluttavat paljon energiaa ja tuottavat merkittävää lämpöä, lämmönsäätö voi muodostua pullonkaulaksi. Tämä kehitys voi olla sekä mahdollisuus että kriisi kotimaiselle puolijohdeteollisuudelle. Jos yrityksillä on valimon tai pakkausvalmiudet CPU:n tai GPU:n toteuttamiseen, se tarjoaa mahdollisuuden kehittää HBM:ää edelleen ja jatkaa tekoälypuolijohdemarkkinoiden johtamista. Kuitenkin on huoli siitä, että jos vastekyvyt puuttuvat, ne voivat joutua järjestelmäpuolijohdeteollisuuden alaisiksi. Kim Joung-ho, KAISTin sähkötekniikan tiedekunnan professori, sanoi: "Teknologisen siirtymän nopeus, jossa muisti- ja järjestelmäpuolijohteiden raja murtuu tekoälyn kehityksen myötä," ja lisäsi: "Kotimaisten yritysten on laajennettava ekosysteemiään muistin ulkopuolelle logiikkasektorille ennakoidakseen seuraavan sukupolven HBM-markkinat."