广告

‘Ghiplet’会是GPU设计发展的下一步吗?

2024-04-12 16:58:21 Majeed Ahmad 阅读:
当图形处理器(GPU)以“芯粒”(chiplet)排列方式实现时,是否能够称其为‘Ghiplet’?

当图形处理器(GPU)以“芯粒”(chiplet)排列方式实现时,是否能够称其为‘Ghiplet’?这是半导体行业专家Chetan Arvind Patil最近提出的看法。rbqednc

有鉴于目前单芯片GPU设计面临过大且复杂而导致的GPU元件良率较低的挑战,Patil日前在他的博客发表了一篇主题为“Ghiplet半导体的崛起”(The Rise of Semiconductor Ghiplet)的文章,文章中介绍了在芯粒架构中采用GPU更胜于单芯片GPU设计的诸多优势。rbqednc

rbqednc

随着对于更强大计算资源需求的不断增长,特别是在AI驱动的应用中,半导体行业正见证着下一重大创新进展:Ghiplet 架构的崛起。(来源:Chetan Arvind Patil)rbqednc

换句话说,设计中的所有渲染都由chiplet处理,而非通过大型计算GPU进行。以AMD Radeon RX 7000系列为例,它是首批基于chiplet的GPU之一,包含一个大型图形芯片和多个内存芯片。总部位于硅谷的AMD目前正考虑在GPU设计中使用更多的chiplet。rbqednc

rbqednc

Radeon RX 7000系列中的Navi 31 GPU基于RDNA 3.0 Cchiplet架构,采用台积电(TSMC)的5nm制程。(来源:AMD)rbqednc

针对人工智能(AI)等高性能计算(HPC)应用,采用“ghiplet”途径有其天生的优势:内存芯片可以分散在主GPU芯片周围。因此,“ghiplet”有助于实现计算与内存之间的平衡。chiplet的模块化有助于优化内存处理等特定功能。因此,Chetan Arvind Patil强调了这一新的GPU设计趋势:rbqednc

Ghiplet = G(PU) + Chipletrbqednc

除了内存,chiplet还能以先进的互连实现更快、更高效的数据处理。这特别适用于AI、数据分析和科学领域的高性能计算应用。rbqednc

GPU过渡至chiplet架构的进展缓慢;GPU大厂Nvidia(英伟达)表示,其最近推出的Blackwell GPU并非chiplet。尽管有诸多猜测,Nvidia目前仍坚持使用单芯片的策略。这在一定程度上是因为GPU比CPU更加复杂。rbqednc

然而,随着GPU的发展超越了图形和游戏之外的更多应用,chiplet可望为GPU设计带来极大的灵活性和扩展性。因此,AMD的竞争对手英特尔(Intel)凭借其Max系列GPU进入了“ghiplet”领域。它拥有超过1,000亿个晶体管,封装在47个不同的chiplet中——英特尔称其为tiles,其内存容量高达128GB。rbqednc

rbqednc

Max系列GPU的代号为Ponte Vecchio,采用EMIB 2.5D和Foveros 3D封装技术,并将chiplet或tile相互堆叠在一起,以提高处理器密度。(来源:Intel)rbqednc

模块化的chiplet架构在GPU设计的适用性似乎是毋庸置疑的。AMD和英特尔已经跃跃欲试,即将引爆这场竞争,而Nvidia的举动也备受关注。尤其是当AI应用及其对内存容量的需求与日俱增,在与GPU的搭配时更需要计算与内存的平衡。rbqednc

(原文刊登于EDN美国版,参考链接:Are ghiplets the next evolution stage in GPU designs?,由Susan Hong编译)rbqednc

责编:Ricardo
本文为电子技术设计原创文章,未经授权禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了