Nghiên cứu nanostack dưới 1nm của IBM chỉ ra tương lai nơi chip AI đạt hiệu suất và hiệu quả bằng cách xếp chồng cấu trúc transistor theo chiều dọc thay vì chỉ thu nhỏ theo chiều ngang.
Thông báo về nanostack 0.7nm của IBM là tín hiệu quan trọng cho kỷ nguyên tiếp theo của phần cứng AI. Công ty cho biết công nghệ node dưới 1nm mới sử dụng kiến trúc transistor ba chiều để tiếp tục cải thiện mật độ, hiệu suất và hiệu quả khi việc thu nhỏ chip truyền thống ngày càng khó khăn hơn.
Thông báo này quan trọng vì nhu cầu tính toán AI vẫn tăng nhanh hơn khả năng hỗ trợ của hạ tầng trung tâm dữ liệu truyền thống. Các mô hình lớn hơn, cửa sổ ngữ cảnh dài hơn, tác nhân đa phương thức, robot và suy luận thời gian thực đều làm tăng áp lực lên chip, bộ nhớ, cung cấp điện và làm mát.
Đây vẫn là một cột mốc nghiên cứu chứ không phải ra mắt sản phẩm thương mại. IBM chưa công bố đối tác sản xuất cho công nghệ cụ thể này, và kinh tế quy mô sản xuất vẫn chưa được chứng minh. Nhưng hướng đi này rất quan trọng: hiệu suất AI trong tương lai có thể phụ thuộc nhiều vào kiến trúc transistor và mật độ bộ nhớ cũng như thiết kế mô hình.
Tại sao nanostack quan trọng với chip AI
Bộ tăng tốc AI bị giới hạn không chỉ bởi khả năng tính toán thô. Chúng cần truy cập bộ nhớ nhanh, di chuyển dữ liệu hiệu quả, sử dụng điện năng dự đoán được và đủ mật độ để hỗ trợ khối lượng công việc lớn trong giới hạn thực tế của trung tâm dữ liệu. Phương pháp nanostack của IBM liên quan vì nó nhắm vào mật độ, hiệu suất và hiệu quả năng lượng ở cấp transistor.
IBM cũng nhấn mạnh mở rộng SRAM là phần quan trọng của đột phá. Điều này quan trọng vì bộ nhớ trên chip là một trong những nút thắt cổ chai trong tính toán AI. Bộ nhớ nhỏ gọn hơn giúp chip giữ dữ liệu gần các đơn vị tính toán hơn, giảm di chuyển lãng phí và cải thiện thông lượng cho khối lượng công việc AI.
Đột phá không đồng nghĩa với bộ xử lý AI có thể xuất xưởng
Lưu ý lớn nhất là khả năng sản xuất. Một minh chứng nghiên cứu có thể cho thấy kiến trúc thiết bị khả thi, nhưng thành công thương mại đòi hỏi năng suất, kiểm soát chi phí, độ tin cậy quy trình, đóng gói, cung cấp điện, công cụ thiết kế và đối tác sản xuất.
IBM không còn vận hành như một nhà máy sản xuất chip đại trà như TSMC, Samsung hay Intel. Chiến lược bán dẫn của họ thường liên quan đến nghiên cứu, cấp phép và hệ sinh thái đối tác. Điều đó có nghĩa tác động thực tế của công nghệ nanostack 0.7nm sẽ phụ thuộc vào việc kiến trúc có thể được thương mại hóa bởi các đối tác sản xuất trong vài năm tới hay không.
Điều này phù hợp với cuộc đua hạ tầng AI như thế nào
Cuộc cạnh tranh hạ tầng AI đang mở rộng vượt ra ngoài GPU. Các công ty hiện nay cạnh tranh trên các node tiên tiến, đóng gói, bộ nhớ băng thông cao, mạng, làm mát bằng chất lỏng, hợp đồng điện và thiết kế trung tâm dữ liệu. Thông báo của IBM cho thấy đổi mới ở cấp transistor vẫn là một phần của cuộc đua đó.
Với người dùng công cụ AI, điều này có thể cảm thấy xa vời, nhưng nó định hình kinh tế sản phẩm tương lai. Chip hiệu quả hơn có thể giảm chi phí suy luận, làm cho AI cục bộ và biên trở nên thực tế hơn, giảm áp lực năng lượng trong trung tâm dữ liệu AI và hỗ trợ mô hình mạnh hơn trong cùng ngân sách điện.
Người dùng NexusAI nên theo dõi gì tiếp theo
Các cột mốc tiếp theo không chỉ là các bài báo kỹ thuật hay hình ảnh kính hiển vi. Hãy theo dõi các quan hệ đối tác sản xuất, hỗ trợ công cụ thiết kế, dữ liệu năng suất, xác nhận SRAM, chiến lược đóng gói và liệu các nhà máy lớn có áp dụng các khái niệm transistor dọc tương tự hay không.
Tín hiệu thực tế nhất sẽ là liệu các bộ tăng tốc AI tương lai xây dựng trên công nghệ dưới 1nm hoặc kỷ nguyên angstrom có mang lại hiệu suất thực tế trên watt tốt hơn hay không. Nếu điều đó xảy ra, tác động sẽ đến với nhà phát triển, nền tảng đám mây, người mua AI doanh nghiệp và thiết bị tiêu dùng thông qua dịch vụ AI nhanh hơn, rẻ hơn và tiết kiệm năng lượng hơn.
