Zum Inhalt
WeltzeitEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal über KI und Technologieereignisse · analysen · interviews · technischer hintergrund

Suche
LIVE
›

SiFive lizenziert eigenen KI-Beschleuniger nach Arm-Vorbild, während Chipmaterial knapp wird

SiFive lizenziert jetzt ein komplettes KI-Beschleuniger-Design, seine Intelligence-XM-Cluster. Damit geht das Unternehmen über die RISC-V-CPU-Kerne hinaus, die es bereits an Google und Tenstorrent verkauft. Laut SiFive schafft jedes Cluster bis zu 16 TOPS INT8 oder 8 TeraFLOPS BF16 pro Gigahertz.

TechnologieNachrichtKatrin HoffmannVeröffentlicht: 27. September 20265 Min. LesezeitQuellen 6
SiFive lizenziert eigenen KI-Beschleuniger nach Arm-Vorbild, während Chipmaterial knapp wird

SiFive hat sein Geschäft mit RISC-V-CPU-Kernen für die KI-Chips anderer aufgebaut. Jetzt will das Fabless-Unternehmen den Beschleuniger selbst verkaufen. Die in dieser Woche vorgestellte Serie Intelligence XM ist ein lizenzierbares Cluster, das Kunden in einen Prozessor oder ein System-on-Chip einbauen und in eine Fab schicken können, berichtete The Register am 19. September.

Das Basiscluster besteht aus vier Intelligence-X-RISC-V-CPU-Kernen von SiFive, die mit einer eigenen Matrix-Recheneinheit verbunden sind. Jedes Cluster unterstützt über eine kohärente Hub-Schnittstelle bis zu 1TB/sec Speicherbandbreite und erreicht bis zu 16 TOPS INT8 oder 8 TeraFLOPS BF16 pro Gigahertz. SiFive rechnet damit, dass die meisten Chips auf Basis des Designs mit rund 1GHz laufen.

Diese Angabe pro Gigahertz braucht Kontext. Es handelt sich nicht um einen kompletten Chip.

Die tatsächliche Leistung hängt davon ab, wie viele Cluster ein Kunde platziert, wie sie intern verdrahtet sind, was sonst noch auf dem Die sitzt und wie viel Strom und Kühlung zur Verfügung stehen. John Ronco, SVP und GM von SiFive UK, sagte dem Register, die meisten Chips auf Basis des Designs würden zwischen vier und acht Cluster nutzen. Bei 1GHz ergeben sich daraus zwischen 4 und 8TB/sec Spitzen-Speicherbandbreite und bis zu 32 bis 64 TeraFLOPS BF16. Die Produktfolien von SiFive legen nahe, dass 512 Cluster im Bereich des Möglichen liegen, doch Ronco wollte nicht sagen, wie weit das Design skaliert. Bei 512 Clustern und 1GHz käme das Design auf rund vier PetaFLOPS BF16-Matrixrechenleistung, gegenüber 2,5 PetaFLOPS für Nvidias bestausgestattete Blackwell-GPUs.

Ronco erwartet, dass die Cluster kaum für KI-Training genutzt werden. FLOPS sind nicht alles, besonders bei bandbreitenbegrenzter Inferenz, und Preis, Leistungsaufnahme und Fertigungsprozess zählen ebenfalls.

Von Tom's Hardware zitierte Analysten verweisen auf eine andere Einschränkung der Versorgung mit KI-Beschleunigern: T-Glass, ein Glasfasergewebe mit niedrigem CTE für den organischen Kern von IC-Substraten. Nittobo, das japanische Unternehmen, das rund 90% des Weltangebots kontrolliert, verdreifacht die Kapazität in seinem Werk in Fukushima, doch Tom's Hardware berichtete am 9. März 2026, dass das neue Angebot erst Mitte 2027 auf den Markt kommt.

Die Preise für T-Glass sind um 20 bis 30% gestiegen, und die Lieferzeiten für nachgelagerte Materialien wie kupferkaschierte Laminate haben sich von normalerweise 8 bis 10 Wochen auf über 20 verlängert. "Da das T-Glass-Angebot jetzt noch knapper ist, nennen die Lieferanten keine Lieferzeiten mehr", sagte Bill Ho, Analyst bei Yuanta.

Bilal Hachemi, Analyst bei Yole Group und Beobachter der IC-Substrat-Lieferkette, sagte Tom's Hardware Premium, der Austausch des Materials sei nicht einfach, weil T-Glass "spezifische Dielektrikum- und CTE-Werte hat, die für die KI-Chips besser funktionieren, besonders für den organischen Kern". Er ergänzte, die IC-Substratbranche habe historisch von dünnen Margen gelebt, daher könne "jede Nachfragesteigerung nach Build-up-Materialien, ABF-Material oder T-Glass einen möglichen Engpass auslösen, weil das den Grundlagen dieser Branche widerspricht".

Von Tom's Hardware zitierte Nvidia-Daten zeigen, dass die Interposer-Größen von 814mm² bei Hopper auf 1.700mm² bei Blackwell wachsen, ein Plus von 109%, wobei Rubin und Feynman weiter skalieren. Bank of America schätzt, dass Nittobos Segment für elektronische Materialien den Umsatz von 40.900.000.000 Yen (266.000.000 Dollar) im Jahr 2025 auf 87.700.000.000 Yen bis März 2028 fast verdoppelt, bei operativen Margen von nahezu 48%. Hachemi sagte, dass Nvidia sich direkt an einen vorgelagerten Materiallieferanten wandte, sei beispiellos.

An anderer Stelle hat TSMC Berichten zufolge die Lieferungen an den chinesischen Chipdesigner Sophgo eingestellt, wegen des Vorwurfs, er habe versucht, Komponenten an Huawei zu liefern und damit US-Sanktionen zu verletzen, berichtete The Register am 28. Oktober. Zuvor hatte TSMC die US-Behörden gewarnt, eine Kundenbestellung ähnele Huaweis Ascend-910.000.000.000B-Beschleuniger. Reuters nannte unter Berufung auf zwei mit der Sache vertraute Personen Sophgo. Das Unternehmen wies die Berichte in einer Erklärung am Sonntag zurück und erklärte, es habe "niemals eine direkte oder indirekte Geschäftsbeziehung zu Huawei" unterhalten, und habe TSMC einen detaillierten Untersuchungsbericht vorgelegt. Auch Bitmain, ein mit Sophgo verbundenes chinesisches Krypto-Unternehmen, wies eine Beteiligung zurück und nannte die Vorwürfe "falsch und haltlos".

Huaweis Ascend 910.000.000.000B erreicht 320 TeraFLOPS FP16 oder 640 TeraFLOPS Int8 und liegt damit etwa auf dem Niveau von Nvidias A100. TSMC stellte das Geschäft mit Huawei 2020 aufgrund der US-Entity-List-Regeln ein.

Auf der Architekturseite zeigte Rebellions auf den Hot Chips 2025 seinen Beschleuniger REBEL-Quad, berichtete ServeTheHome. Das Paket kombiniert vier Rechen-ASICs, vier HBM3E-Sites für 144GB Speicher und vier integrierte Siliziumkondensatoren, gebaut auf Samsung SF4X und CoWoS-S, und nutzt UCIe-A als Chiplet-Interconnect. ServeTheHome berichtete von einer Live-Demo mit Llama 3.3 70B, die auf einem Entwicklungsboard durchschnittlich 35,5 msec pro Ausgabe-Token erreichte.

d-Matrix nutzte die Hot Chips 2026, um Raptor vorzustellen, einen Beschleuniger, der einen TSMC-N4-Logic-Die über einen 3D-DRAM-Die mit 36-Mikron-Face-to-Face-Stacking stapelt. ServeTheHome berichtete von der Aussage des Unternehmens, ein 1-Hi-Logic-on-Top-Stack mit nicht mehr als 0,5 W/mm² lasse sich flüssigkühlen, während der DRAM unter 100 C bleibt. Bei 32GB pro Karte, mit 4-Bit-Gewichten und einem 8-Bit-KV-Cache, könne ein Scale-up mit 72 Karten laut d-Matrix ein Frontier-Modell wie Kimi K3 mit 1.000.000 Kontext beherbergen.

Auf der Client-Seite teilte Draw Things mit, sein Metal FlashAttention v2.5 mit Neural Accelerators liefere auf Apples M5 bis zu 4,6-mal bessere Leistung als auf dem M4, und ein M5 iPad mit 16GiB RAM könne mit Wan 2.2 A14B-Modellen 480p-Video in fünf Sekunden erzeugen. Die Version ist eine Vorschau: Das Unternehmen erklärte, die BF16-Unterstützung sei zunächst wegen ungelöster Fehler abgeschaltet worden, und Neural-Accelerator-Shader brauchten bei der ersten Erzeugung 10 Sekunden oder mehr zur Spezialisierung. Eine spätere Korrektur vermerkte, Build 120.251.117 habe BF16 und einen Cache für binäre Artefakte hinzugefügt.

Kommentare 0

Quellen

6
  1. 01SiFive offers drop-in AI accelerator driven by RISC-V CPUsEN
  2. 02TSMC reportedly cuts off RISC-V chip designer linked to Huawei acceleratorsEN
  3. 03Shortages of crucial chip packaging material threatens AI accelerator supply chainsEN
  4. 04d-Matrix Raptor 3D-DRAM Accelerator for Generative Inference at Hot Chips 2026EN
  5. 05Rebellions REBEL-Quad UCIe and 144GB HBM3E Accelerator at Hot Chips 2025EN
  6. 06Metal FlashAttention v2.5 w/ Neural Accelerators: delivering breakthrough performance on the Apple M5 chipEN

Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Katrin Hoffmann

Katrin Hoffmann

KI, Modelle und Technik

Katrin Hoffmann schreibt für FLASH24 über Technik, KI und Modelle sowie Medien und Internet und stützt sich dabei auf Primärquellen wie Herstellerangaben, Studien und Protokolle statt auf Pressemitteilungen. Bei Benchmarks prüft sie Messmethoden, Testumgebungen und Reproduzierbarkeit, bevor sie Zahlen übernimmt. Für ihre Artikel spricht sie mit Entwicklern und Forschern, wartet auf Konferenzankündigungen und vergleicht Versionsstände von Modellen und Standards. Privat betreibt sie Selfhosting und Heimnetze und dokumentiert ihre eigene Infrastruktur, was ihrer Redaktionsarbeit zugutekommt. Sie veröffentlicht keine Zahlen ohne nachvollziehbare Quelle.

Redaktion →

Kommentare

0
  1. Noch keine Kommentare — seien Sie der Erste.

Kommentar schreiben

Kommentare sind öffentlich sichtbar. Wir veröffentlichen keine Beleidigungen, Werbung oder Spam.