Zmiana paradygmatu: przejście na Nanostack
W czwartek IBM wprowadził nowy mikroprocesor. Jest malutki – wielkości paznokcia. Ale wewnątrz tego kawałka krzemu znajduje się prawie 100 miliardów tranzystorów. To nie jest literówka. Właśnie ta gęstość aranżacji – przy zachowaniu tych samych lub mniejszych wymiarów – jest jedyną drogą rozwoju. Potrzebujemy szybkości. Potrzebujemy efektywności. Produkt ten był pierwszym owocem najnowszej technologii półprzewodników firmy.
Technologia jego procesu to tylko 0,7 nanometra.
Zapomnij o chipie 2 nm, którym chwalili się w 2021 roku: wtedy tranzystory były ułożone poziomo. To, co IBM nazwał „nanopłytkami”. W nowym modelu zastosowano pamięć pionową – architekturę Nanostack.
Moc pionowa
IBM twierdzi, że magazynowanie pionowe działa. I działa to znacznie lepiej niż poprzednie rozwiązania. Testy wykazały wzrost wydajności aż o 50%. Efektywność energetyczna wzrosła o 70%. To nie jest stopniowa poprawa – to skok jakościowy.
SRAM (statyczna pamięć o dostępie swobodnym) ma tu szczególną zaletę. W przeciwieństwie do pamięci DRAM, pamięć SRAM nie wymaga ciągłej aktualizacji do przechowywania danych, jest szybsza i jest to rodzaj pamięci, której pragnie sztuczna inteligencja. Dzięki nowej architekturze obszar matrycy SRAM został zmniejszony o 40%. Więcej pamięci, mniej miejsca. Właśnie tego wymaga obecnie rynek.
„Wszyscy żądają większej produktywności, ale nikt nie chce płacić rachunków za prąd” – Huiming Bu
Boo kieruje rozwojem technologii półprzewodników w IBM. I ma rację. Przemysł pragnie nieograniczonej mocy obliczeniowej. Ale nie niekończące się rachunki za energię. Ta sprzeczność determinuje obecną sytuację.
Pięć lat czekania
Rozwiązanie sprzętowe już istnieje. Nie ma jeszcze fabryki. W przypadku rzeczywistej produkcji IBM współpracuje z Rapidusem, japońskim producentem kontraktowym. Według nich produkcja mogłaby rozpocząć się za pięć lat. W technologicznej skali czasu jest to wieczność.
Pięć lat.
Jaki jest powód czekania? Zapotrzebowanie na energooszczędne komputery eksploduje. Nvidia, AMD i IBM budują podstawy sztucznej inteligencji. Podczas gdy OpenAI i Google gonią za coraz bardziej złożonymi modelami, zużywają zasoby. Prąd, woda, grunt. Centra danych są głodne.
Jay Gambeta, który kieruje działem badawczym IBM, widzi szerszą perspektywę. Nie chodzi tylko o prędkość. Chodzi o to, żeby każdy tranzystor działał wydajniej.
“Czy możemy zwiększyć wydajność tranzystorów? Ta platforma… wpływa na wszystko, od logiki po pamięć SRAM.”
Niedobory procesorów i pamięci już dławią łańcuchy dostaw nawet w przypadku urządzeń towarowych. Ten prototyp jest nadzieją. Być może obietnica. Sugeruje, że przyszłe akceleratory sztucznej inteligencji będą w końcu mogły zapewnić lepszą wydajność bez pochłaniania sieci energetycznej planety.
Czas pokaże, czy Rapidusowi uda się utrzymać to tempo. Technologie już są. Reszta to kwestia inżynieryjna.
