blog
2026-06-25

一条走向0.7nm的芯片路线图 应对AI可扩展性挑战

人工智能时代面临的主要挑战之一是其可扩展性不足。处理数据量增加十倍的人工智能算法实际上需要十倍的数据中心硬件。这一问题具有全球意义。

imec首席执行官Patrick Vandenameele指出,目前人工智能数据中心的能耗已经以千兆瓦为单位来衡量,且发展模式固定不变。计算能力先扩展到芯片的最大尺寸,然后在一个机架内部署多个并行运行的GPU,最终将多个机架连接起来构建单一训练和推理工厂。但这种扩展方式导致功耗几乎呈线性增长,难以持续。

随着多智能体人工智能系统的实施,工作负载从训练转向推理,预计这些系统所需的计算能力将是现有大型语言模型的150倍,进一步加剧了扩展难题。Vandenameele认为,要在不超出基础设施和地球承载能力的前提下扩展人工智能,需在整个技术栈和生态系统合作伙伴之间进行协同优化。未来十年内,人工智能计算效率需提升十倍。

三星集团总裁兼首席技术官宋载赫表示,生成式人工智能应用如聊天机器人、图像生成器等正在快速发展。未来将出现能够执行特定任务并准确完成我们想要的操作的智能人工智能。人工智能模型最终将转向物理人工智能系统,例如人形机器人。三星正通过从设计到包装的各个环节进行协同优化提供解决方案。

在HBM技术中,混合键合技术能实现更高层数的芯片堆叠,并降低热阻。部分核心逻辑从GPU转移到HBM基片上,可以提高性能和能效。三星还与英伟达合作开发基于物理原理的AI模型,用于等离子刻蚀、热建模和机械建模。

台积电的Kevin Zhang提到,为了实现无处不在的智能AI,需要将计算能力扩展到各种边缘设备。智能手机的应用处理器将在今年年底前迁移到2nm工艺,射频器件将迁移到6nm FinFET工艺,而手机摄像头中的图像信号处理器将迁移到12nm FinFET晶体管。台积电正在将工作电压降低至0.4V,以实现高达70%的开关功耗降低。

来源于:https://news.china.com/socialgd/10000169/20260625/49570671.html    如有侵权请联系我们