Die Nanostack-Verschiebung
IBM hat am Donnerstag einen neuen Chip herausgebracht. Es ist klein. Ungefähr so groß wie Ihr Fingernagel. Aber in diesem Siliziumfleck leben fast 100 Milliarden Transistoren. Diese Zahl ist kein Tippfehler. Der einzige Weg nach vorn besteht darin, diese Dichte auf die gleiche oder eine kleinere Grundfläche zu packen. Wir brauchen Geschwindigkeit. Wir brauchen Effizienz. Dies ist das erste Produkt ihrer neuesten Halbleitertechnologie.
Es misst 0,7 Nanometer.
Vergessen Sie den 2-nm-Chip, den sie 2021 vorgestellt haben, diese ältere Version legte Transistoren flach. Was IBM Nanoblätter nannte. Dieses neue Modell? Es stapelt sie vertikal. Eine Nanostack-Architektur.
Vertikale Kraft
IBM behauptet, dass dieses vertikale Stapeln funktioniert. Viel besser als vorher. Ihre Tests zeigten eine Leistung von bis zu 50 %. Die Energieeffizienz stieg um 70 %. Dabei handelt es sich nicht um inkrementelle Optimierungen. Das ist ein Sprung.
Auch hier gibt es einen konkreten Sieg für SRAM. Statischer RAM. Es benötigt keinen ständigen Strom, um Daten zu speichern, schneller als DRAM, und die KI verlangt danach. Mit dieser neuen Architektur schrumpft der SRAM-Chip um 40 %. Mehr Speicher, weniger Platz. Genau das, wonach der Markt schreit.
„Jeder verlangt mehr Leistung, aber niemand will die Stromrechnung bezahlen.“ — Huiming Bu
Bu leitet die Halbleiterforschung und -entwicklung bei IBM. Er hat nicht Unrecht. Die Branche will unbegrenzte Rechenleistung. Aber nicht unendlich viele Stromrechnungen. Diese Spannung bestimmt die aktuelle Landschaft.
Das fünfjährige Warten
Die Hardware ist vorhanden. Die Fabrik tut es noch nicht. IBM arbeitet mit Rapidus, einer japanischen Gießerei, zusammen, um diese Dinge tatsächlich herzustellen. Sie sagen, dass die Produktion in fünf Jahren beginnen könnte. Das fühlt sich wie eine Ewigkeit in der Tech-Zeit an.
Fünf Jahre.
Warum das Warten? Denn die Nachfrage nach effizienter Rechenleistung explodiert. Nvidia, AMD, IBM – sie alle bilden das Rückgrat der KI. Während OpenAI und Google auf komplexere Modelle zusteuern, verbrauchen sie Ressourcen. Strom, Wasser, Land. Rechenzentren sind hungrig.
Jay Gambetta, der IBM Research leitet, sieht das große Ganze. Es geht nicht nur um Geschwindigkeit. Es geht darum, dass Transistoren mehr zählen.
„Können wir Transistoren effizienter herstellen? Diese Plattform … wirkt sich auf alles aus, von der Logik bis zum SRAM.“
Engpässe bei Prozessoren und Speicher erschweren bereits jetzt auch die Lieferkette für normale Geräte. Dieser Prototyp ist eine Hoffnung. Vielleicht ein Versprechen. Es deutet darauf hin, dass zukünftige KI-Beschleuniger endlich eine bessere Effizienz bieten könnten, ohne das Stromnetz des Planeten zu belasten.
Ob Rapidus mithalten kann, bleibt abzuwarten. Die Technik ist da. Der Rest ist Technik.
