Episódio 2: Perspectivas do IEDM 2025 @vikramskr resume tópicos interessantes do IEDM: - A memória flash NAND de cinco níveis pode perturbar o mercado de SSDs - Chiplets de GaN sobre silício melhoram a eficiência energética - Osciladores em anel com FETs complementares - A escalabilidade óptica tem um problema de potência - O futuro dos transistores ainda é promissor Bônus: Os fundamentos de NAND e CFET são explicados neste episódio também. Capítulos Introdução à Conferência IEDM (00:00) Importância do IEDM para Engenheiros e Investidores (02:38) Networking e Perspectivas no IEDM (04:21) Fotonica de Silício para IA Eficiente em Energia (07:06) Avanços em FETs Complementares (13:34) Futuro das Inovações em Transistores (21:42) Compreendendo a Memória Flash NAND e seu Potencial de Disrupção (22:45) Tecnologia de Célula Multi-Site Inovadora (28:08) O Futuro dos SSDs e Densidade de Dados (32:42) Chiplets de GaN sobre Silício da Intel (34:55) Integração Heterogênea Monolítica em Tecnologia RF (40:51) @vikramskr @theaustinlyons @ieee_iedm $NVDA $INTC $TSM $SNDK $MU $WDC $AMAT $LRCX

Teaser: Episódio 2 de Semi Doped. Vik analisa a memória flash NAND a partir dos princípios básicos. Fique atento para o episódio completo, onde @vikramskr explica por que a célula penta-nível "multi-site" da SK hynix pode aumentar a densidade dos SSDs sem a habitual penalização de latência e durabilidade.

Episódio 1: Nvidia "Adquire" Groq De @vikramskr e @theaustinlyons Principais Conclusões: - As GPUs não estão mortas. O HBM não está morto. - Os LPUs resolvem um problema diferente: inferência determinística e de ultra-baixa latência para modelos pequenos. - Modelos de fronteira grandes ainda requerem sistemas baseados em HBM. - O movimento da Nvidia expande a área de superfície do seu portfólio de inferência em vez de substituir as GPUs. - O futuro da infraestrutura de IA é a otimização específica para carga de trabalho e a implementação orientada pelo TCO. Tópicos Chave: - O que a Nvidia realmente comprou da Groq e por que não é uma aquisição tradicional - Por que o acordo desencadeou alegações de que as GPUs e o HBM estão obsoletos - Compromissos arquitetônicos entre GPUs, TPUs, XPUs e LPUs - SRAM vs HBM. Velocidade, capacidade, custo e realidades da cadeia de suprimentos - Fundamentos do LPU da Groq: VLIW, execução programada por compilador, determinismo, ultra-baixa latência - Por que os LPUs têm dificuldades com modelos grandes e onde eles se destacam em vez disso - Casos de uso práticos para inferência de hiper-baixa latência: -- Personalização de anúncios em orçamentos de latência de busca -- Roteamento de modelos e orquestração de agentes -- Interfaces conversacionais e tradução em tempo real -- Robótica e IA física na borda -- Aplicações potenciais em AI-RAN e infraestrutura de telecomunicações - Memória como um espectro de design: apenas SRAM, SRAM mais DDR, SRAM mais HBM - A abordagem crescente da Nvidia ao portfólio de hardware de inferência em vez de uma solução única para todos