Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

SiFive licencjonuje własny akcelerator AI, wzorem Arm, gdy materiały do chipów są na wagę złota

SiFive zaczęło licencjonować gotowy projekt akceleratora AI, swoje klastry Intelligence XM. Firma wychodzi poza rdzenie RISC-V, które już sprzedaje do krzemu Google i Tenstorrent. Według zapowiedzi każdy klaster daje do 16 TOPS w INT8 albo 8 teraFLOPS w BF16 na gigaherc.

TechnologiaNewsAnna KaczmarekOpublikowano: 27 września 20265 min czytaniaŹródła 6
SiFive licencjonuje własny akcelerator AI, wzorem Arm, gdy materiały do chipów są na wagę złota

SiFive, firma bez własnej fabryki, która zbudowała biznes na rdzeniach RISC-V do cudzych chipów AI, chce teraz sprzedawać sam akcelerator. Seria Intelligence XM, ogłoszona w tym tygodniu, to licencjonowany klaster, który klient może wstawić do procesora albo układu SoC i wysłać do produkcji. Napisał o tym The Register 19 września.

Podstawowy klaster opiera się na czterech rdzeniach RISC-V Intelligence X od SiFive podłączonych do własnego silnika matematyki macierzowej. Każdy klaster obsługuje do 1TB/s przepustowości pamięci przez spójny interfejs huba i ma wydajność do 16 TOPS w INT8 albo 8 teraFLOPS w BF16 na gigaherc. SiFive zakłada, że większość chipów zbudowanych na tym projekcie będzie pracować z częstotliwością około 1 GHz.

Ta wartość na gigaherc wymaga kontekstu. To nie jest kompletny chip.

Rzeczywista wydajność zależy od tego, ile klastrów umieści klient, jak je połączy wewnątrz układu, co jeszcze znajdzie się na matrycy oraz ile jest mocy i chłodzenia. John Ronco, SVP i GM SiFive UK, powiedział The Register, że większość chipów opartych na tym projekcie użyje od czterech do ośmiu klastrów. Przy 1 GHz daje to od 4 do 8TB/s szczytowej przepustowości pamięci i do 32 do 64 teraFLOPS w BF16. Slajdy produktowe SiFive sugerują, że 512 klastrów mieści się w granicach możliwości, choć Ronco nie chciał powiedzieć, jak daleko skaluje się projekt. Przy 512 klastrach i 1 GHz układ deklarowałby około czterech petaFLOPS mocy macierzowej w BF16, wobec 2,5 petaFLOPS dla najlepiej skonfigurowanych GPU Blackwell od Nvidii.

Ronco spodziewa się, że klastry nie będą zbyt często używane do trenowania AI. FLOPS to nie wszystko, zwłaszcza przy wnioskowaniu ograniczonym przepustowością pamięci, a znaczenie mają też cena, pobór mocy i węzeł procesowy.

Analitycy cytowani przez Tom's Hardware wskazują na inne ograniczenie podaży akceleratorów AI: T-glass, tkaninę z włókna szklanego o niskim CTE, używaną w organicznym rdzeniu podłoży IC. Nittobo, japońska firma kontrolująca około 90% globalnej podaży, potraja moce w zakładzie w Fukushimie, ale Tom's Hardware podał 9 marca 2026, że nowa podaż trafi na rynek dopiero w połowie 2027.

Ceny T-glass wzrosły o 20 do 30%, a terminy dostaw materiałów w dalszej części łańcucha, takich jak laminaty z miedzią, wydłużyły się z normalnych 8 do 10 tygodni do ponad 20. "Przy jeszcze bardziej ograniczonej podaży T-glass dostawcy nie podają już terminów dostaw" - powiedział Bill Ho, analityk w Yuanta.

Bilal Hachemi, analityk w Yole Group, który śledzi łańcuch dostaw podłoży IC, powiedział Tom's Hardware Premium, że zastąpienie tego materiału nie jest łatwe, bo T-glass "ma konkretne wartości dielektryczne i CTE, które lepiej pasują do chipów AI, zwłaszcza do organicznego rdzenia". Dodał, że branża podłoży IC od zawsze działała na cienkich marżach, więc "każdy wzrost popytu na materiały do budowy warstw, materiał ABF czy T-glass może wywołać niedobór, bo to stoi w sprzeczności z podstawami tej branży".

Dane Nvidii cytowane przez Tom's Hardware pokazują, że rozmiary interposerów rosną z 814mm² dla Hoppera do 1 700mm² dla Blackwella, czyli o 109%, a Rubin i Feynman skalują się dalej. Bank of America szacuje, że segment materiałów elektronicznych Nittobo niemal podwoi sprzedaż z 40,9 mld jenów (266 mln dolarów) w 2025 do 87,7 mld jenów do marca 2028, przy marżach operacyjnych zbliżających się do 48%. Hachemi powiedział, że bezpośredni kontakt Nvidii z dostawcą materiałów na wcześniejszym etapie łańcucha nie miał precedensu.

Poza tym TSMC miało odciąć dostawy do chińskiego projektanta chipów Sophgo w związku z zarzutami, że firma próbowała dostarczać komponenty Huaweiowi z naruszeniem amerykańskich sankcji. The Register podał to 28 października. Krok nastąpił po tym, jak TSMC ostrzegło amerykańskich urzędników o zamówieniu klienta przypominającym akcelerator Ascend 910 000 000 000B od Huawei. Reuters, powołując się na dwie osoby znające sprawę, wymienił Sophgo. Firma zaprzeczyła doniesieniom w niedzielnym oświadczeniu, twierdząc, że "nigdy nie była w żadnym bezpośrednim ani pośrednim związku biznesowym z Huawei" i przekazała TSMC szczegółowy raport z dochodzenia. Bitmain, chińska firma sprzętu kryptowalutowego powiązana z Sophgo, również zaprzeczyła udziałowi, nazywając zarzuty "fałszywymi i bezpodstawnymi".

Huawei Ascend 910 000 000 000B ma wydajność 320 teraFLOPS w FP16 albo 640 teraFLOPS w Int8, mniej więcej na poziomie A100 od Nvidii. TSMC przestało robić interesy z Huawei w 2020 na mocy zasad amerykańskiej listy Entity List.

Po stronie architektury Rebellions pokazało swój akcelerator REBEL-Quad działający na Hot Chips 2025, według ServeTheHome. Pakiet łączy cztery ASIC obliczeniowe, cztery miejsca HBM3E na 144GB pamięci i cztery zintegrowane kondensatory krzemowe, zbudowane w Samsung SF4X i CoWoS-S, a jako łącznik chipletów wykorzystuje UCIe-A. ServeTheHome relacjonowało pokaz Llama 3.3 70B na żywo, działający ze średnim czasem 35,5 ms na token wyjściowy na płytce deweloperskiej.

d-Matrix wykorzystało Hot Chips 2026, żeby przedstawić Raptor, akcelerator, który nakłada matrycę logiczną TSMC N4 na matrycę 3D DRAM techniką 36-mikronowego łączenia twarzą do twarzy. ServeTheHome podało deklarację firmy, że stos 1-Hi z logiką na wierzchu przy nie więcej niż 0,5 W/mm² można chłodzić cieczą, utrzymując DRAM poniżej 100 C. Przy 32GB na kartę, z wagami 4-bitowymi i 8-bitowym KV cache, d-Matrix twierdzi, że skala 72 kart pomieści model frontier, taki jak Kimi K3, przy kontekście 1 000 000.

Po stronie klienta Draw Things podało, że jego Metal FlashAttention v2.5 z Neural Accelerators daje do 4,6 razy lepszą wydajność na M5 od Apple niż na M4, a iPad z M5 i 16GiB RAM potrafi wygenerować wideo 480p w pięć sekund z modelami Wan 2.2 A14B. Wydanie jest podglądowe: firma podała, że obsługę BF16 początkowo wyłączono z powodu nierozwiązanych błędów, a shadery akceleratora neuronowego potrzebują 10 sekund lub więcej na specjalizację przy pierwszym generowaniu. Późniejsza poprawka wskazała, że build 1.20251117.1 dodał BF16 i pamięć podręczną artefaktów binarnych.

Komentarze 0

Źródła

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

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Anna Kaczmarek

Anna Kaczmarek

AI, modele i technologie

Anna Kaczmarek pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, repozytoriach i danych źródłowych, a nie na komunikatach prasowych. Przy testach modeli sprawdza karty techniczne, parametry wejściowe i liczy wyniki na tych samych zbiorach, zamiast powtarzać liczby od producentów. Czeka na premiery API i aktualizacje wag, rozmawia z inżynierami oraz porównuje wersje modeli pod kątem kosztów i opóźnień. Prywatnie self-hostuje usługi i konfiguruje sieci domowe, więc do redakcji wnosi praktykę z własnego serwera. Nie publikuje zapowiedzi ani parametrów, których nie może odtworzyć na własnym środowisku.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.