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 gotowy akcelerator RISC-V, a T-glassu od Nittobo brakuje

We wrześniu 2024 r. SiFive zaczęło licencjonować kompletny projekt akceleratora AI oparty na RISC-V. Japoński dostawca mało znanego materiału do pakowania układów kontroluje około 90% rynku, od którego zależą chipy AI.

TechnologiaAnalizaAnna KaczmarekOpublikowano: 27 września 20264 min czytaniaŹródła 3
SiFive licencjonuje gotowy akcelerator RISC-V, a T-glassu od Nittobo brakuje

SiFive przez lata sprzedawał rdzenie CPU RISC-V. Te rdzenie stoją obok macierzowych silników obliczeniowych innych firm. We wrześniu 2024 r. firma podeszła o krok bliżej do sprzedaży całego akceleratora. The Register podał 19 września, że SiFive ogłosił serię Intelligence XM. Klienci mogą wziąć w licencję projekt klastra, dostosować go i wysłać do fabryki.

Podstawowy klaster łączy cztery rdzenie CPU Intelligence X RISC-V z własnym silnikiem obliczeń macierzowych. Każdy klaster obsługuje do 1 TB/s przepustowości pamięci przez spójny interfejs hub. Według The Register ma dawać do 16 TOPS w INT8 albo 8 teraFLOPS w BF16 na gigaherc.

Przeliczenie na gigaherc ma znaczenie. To nie jest gotowy chip. Rzeczywista wydajność zależy od kilku rzeczy: ile klastrów klient umieści na jednym krzemie, jak je połączy, co jeszcze dzieli ten sam układ, jaki ma budżet mocy i chłodzenia oraz jaki zegar uda się osiągnąć.

John Ronco jest w SiFive starszym wiceprezesem i dyrektorem generalnym na Wielką Brytanię. Powiedział The Register, że większość chipów opartych na tym projekcie będzie miała od czterech do ośmiu klastrów. To daje od 4 do 8 TB/s szczytowej przepustowości pamięci. A także od 32 do 64 teraFLOPS w BF16 przy zegarze 1 GHz. Slajdy firmy dopuszczają 512 klastrów. Taki układ zbliżyłby się do czterech petaFLOPS obliczeń macierzowych BF16, przy 2,5 petaFLOPS dla najwyższych procesorów graficznych Nvidii z rodziny Blackwell. Ronco nie chciał powiedzieć, jak daleko skaluje się ten projekt.

Ronco spodziewa się też, że klastry nie będą szeroko używane do trenowania modeli AI. Wnioskowanie to problem ograniczony przepustowością pamięci i tam celuje SiFive. Firma zapowiada publikację referencyjnej implementacji swojej biblioteki SiFive Kernel Library na otwartej licencji. Chodzi o to, żeby obniżyć barierę wejścia dla RISC-V.

Wąskie gardło w pakowaniu, którego nikt nie pilnuje

Tom's Hardware podał w marcu 2026 r., że Nittobo, japońska firma, kontroluje około 90% światowych dostaw T-glassu. To tkanina z włókna szklanego o niskim CTE, używana w organicznym rdzeniu podłoży układów scalonych. Utrzymuje stabilność wymiarową dużych, gorących obudów chipów. Jest też preferowanym materiałem do pakowania 2.5D i 3D.

Popyt przerósł podaż. Nittobo potraja moce w zakładzie w Fukushimie. Tom's Hardware podaje jednak, że nowa produkcja trafi na rynek dopiero w połowie 2027 r. Ceny wzrosły o 20% do 30%. Terminy dostaw materiałów w dalszej części łańcucha, na przykład laminatów z miedzią, wydłużyły się z normalnych 8 do 10 tygodni do ponad 20.

„Skoro dostawy T-glassu są teraz jeszcze bardziej ograniczone, dostawcy przestali podawać terminy realizacji”, powiedział Bill Ho, analityk w Yuanta.

Bilal Hachemi, analityk w Yole Group, powiedział Tom's Hardware, że zastąpienie T-glassu nie jest łatwe. Materiał ma określone wartości przenikalności i CTE, które pasują do chipów AI, zwłaszcza do organicznego rdzenia. Zwrócił też uwagę, że branża podłoży układów scalonych od zawsze pracuje na cienkich marżach. Nawet umiarkowany skok popytu może więc wywołać niedobory.

Problem z materiałem rośnie razem z samymi obudowami. Dane Nvidii, na które powołuje się Tom's Hardware, pokazują, że rozmiar interposerów wzrósł z 814 mm² dla Hoppera do 1 700 mm² dla Blackwella, czyli o 109%. Rubin i Feynman mają być jeszcze większe. Bank of America szacuje, że sprzedaż materiałów elektronicznych Nittobo prawie się podwoi z 40,9 mld jenów w 2025 r. do 87,7 mld jenów do marca 2028 r.

Hachemi nazwał bezpośrednie podejście Nvidii do dostawcy materiału z początku łańcucha czymś bez precedensu w tej części łańcucha dostaw. Gdy największy kupujący zablokuje moce, pozostali producenci akceleratorów walczą o resztę.

Eksport, pośrednicy i środek RISC-V

Projekty RISC-V są też uwikłane w kontrolę eksportu. The Register podał 28 października 2024 r., że TSMC rzekomo wstrzymało dostawy do chińskiego projektanta chipów Sophgo. Zarzut był taki, że Sophgo próbowało dostarczyć komponenty Huaweiowi z naruszeniem amerykańskich sankcji. Reuters, powołując się na dwie osoby znające sprawę, wskazał Sophgo jako klienta, którego zamówienie przypominało Huawei Ascend 910 000 000 000B. Sophgo zaprzeczyło jakimkolwiek bezpośrednim lub pośrednim relacjom biznesowym z Huawei. Firma podała, że przekazała TSMC szczegółowy raport ze śledztwa. Bitmain, producent sprzętu do kryptowalut powiązany z Sophgo, też zaprzeczył udziałowi.

Huawei Ascend 910 000 000 000B jest mniej więcej na poziomie czteroletniego A100 Nvidii, z 320 teraFLOPS w FP16 albo 640 teraFLOPS w Int8, według The Register. TSMC przestało robić interesy z Huawei w 2020 r. na mocy amerykańskich przepisów.

Połącz oba wątki, a rynek akceleratorów do centrów danych przestaje wyglądać jak wyścig projektantów chipów, a zaczyna jak kolejka. Moce produkcyjne fabryk, materiał na podłoża i licencje eksportowe blokują wysyłkę. Żaden z tych elementów nie porusza się z prędkością krzemu.

Komentarze 0

Źródła

3
  1. 01SiFive shifts from RISC-V cores for AI chips to designing its own acceleratorEN
  2. 02Shortages of crucial chip packaging material threatens AI accelerator supplyEN
  3. 03TSMC reportedly cuts off RISC-V chip designer linked to Huawei acceleratorsEN

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.