پردازنده‌های آینده انویدیا با نام Rosa با لیتوگرافی ۲ نانومتری ساخته می‌شوند

دیجیاتو شنبه 20 تیر 1405 - 21:32
پردازنده‌های نسل بعدی NVIDIA Rosa؛ گام بلند انویدیا با استفاده از فناوری ۲ نانومتری و A16 شرکت TSMC The post پردازنده‌های آینده انویدیا با نام Rosa با لیتوگرافی ۲ نانومتری ساخته می‌شوند appeared first on دیجیاتو.

انتظار می‌رود پردازنده‌های نسل آینده انویدیا با نام Rosa، از جدیدترین فناوری‌های ساخت تراشه شرکت TSMC، یعنی فرآیندهای ۲ نانومتری و A16 (مجهز به قابلیت Super Power Rail) بهره‌مند شوند.

انویدیا به‌دنبال استفاده از فرآیندهای ۲ نانومتری و A16 برای پردازنده‌های Rosa

گزارش‌ها حاکی از آن است که انویدیا برای تولید پردازنده‌های نسل بعدی خود با نام Rosa که در سال ۲۰۲۹ عرضه خواهند شد، به سراغ شرکت TSMC رفته است. تنها یک روز پس از انتشار جزئیات اولیه درباره این پردازنده، گزارش‌های جدیدی پیرامون فناوری‌های ساختی که قرار است در تولید این تراشه به کار گرفته شوند، منتشر شده است.

بر اساس گزارش Commercial Times، انویدیا درحال بررسی استفاده از دو فناوری کلیدی در خطوط تولید TSMC است: فرآیند ۲ نانومتری (2nm) یا فرآیند A16. لازم به ذکر است که فرآیند N2P شرکت TSMC هم‌اکنون برای تولید تراشه‌های متعددی مانند سری EPYC Venice شرکت AMD و پردازنده‌های Nova Lake اینتل و دیگر محصولات در نظر گرفته شده است. درهمین‌حال، سامسونگ نیز در رقابتی تنگاتنگ با TSMC و اینتل در تلاش است تا فناوری‌های ۲ نانومتری خود را توسعه داده و بهینه‌سازی کند.

بااین‌حال، انویدیا برای پردازنده‌های Rosa علاقه بیشتری به استفاده از فرآیند A16 نشان داده است؛ دلیل اصلی این تمایل، قابلیت «Super Power Rail» یا همان «تحویل توان از سمت پشت» (Backside Power Delivery) است. در این فناوری، ترانزیستورهای نانوشیت (Nanosheet) به گونه‌ای سازمان‌دهی می‌شوند که سمت رویی تراشه به توزیع سیگنال و کلاک اختصاص می‌یابد، درحالی‌که سمت پشتی تراشه منحصراً برای توزیع توان الکتریکی استفاده می‌شود.

منابع آگاه در صنعت نیمه‌هادی پیش‌بینی می‌کنند که Rosa احتمالاً با استفاده از خانواده فرآیندهای ۲ نانومتری TSMC ساخته خواهد شد و حتی ممکن است از فناوری «تأمین توان از پشت» (Back-end power supply) که در فرآیند A16 وجود دارد بهره ببرد؛ موضوعی که باعث افزایش تقاضا برای فرآیندهای پرداخت مکانیکی شیمیایی (CMP) و مواد مصرفی مرتبط با آن خواهد شد.

مزایای تکنولوژی Super Power Rail در A16

فناوری Super Power Rail در فرآیند A16 باعث بهبود تراکم منطقی و کارایی تراشه می‌شود. این فناوری نسبت به فرآیند N2P، حدود ۸ تا ۱۰ درصد افزایش سرعت و ۱۵ تا ۲۰ درصد صرفه‌جویی در مصرف انرژی در همان سطح سرعت را ارائه می‌دهد. علاوه‌براین، ۱۰ درصد افزایش در تراکم کلی تراشه نیز حاصل می‌شود. نکته حائز اهمیت این است که تمامی این ویژگی‌ها بدون افزایش ابعاد فیزیکی تراشه (Layout footprint) در همان طرح‌بندی قبلی گنجانده شده‌اند.

استفاده از فرآیند A16 همچنین تقاضا برای فرآیندهای پرداخت مکانیکی شیمیایی (CMP) را افزایش خواهد داد که به نفع شرکای زنجیره تأمین تایوانی انویدیا، ازجمله شرکت‌های Suntech Power Semiconductor و Suntech Power Technology خواهد بود. همچنین پیش‌بینی می‌شود تقاضا برای ویفرهای حامل (Carrier wafers) نیز روند صعودی داشته باشد.

Rosa؛ استمرار مسیر انویدیا در تولید پردازنده‌های پیشرو برای هوش مصنوعی

انویدیا اعلام کرده است که پردازنده‌های Rosa از معماری جدیدی به نام «Rigel» استفاده خواهند کرد که مبتنی‌بر هسته‌های پردازشی Arm v9.2 است. همانند نسل قبل (Vera)، پردازنده Rosa نیز تراشه‌ای بسیار سریع برای پردازش‌های هوش مصنوعی خواهد بود که حتی عملکرد «تک‌رشته‌ای حداکثری» (Max single-threaded) بیشتری را در مقایسه با نسل قبلی خود در مقیاس‌های بزرگ ارائه می‌دهد.

درحالی‌که تراشه Vera از هسته‌های Olympus استفاده می‌کرد (هسته‌های سفارشی Armv9.2-A که ۲ برابر توان عملیاتی بیشتری نسبت به پردازنده‌های Grace داشتند)، پردازنده Rosa مزیت عملکرد تک‌هسته‌ای را یک گام فراتر خواهد برد. نکته چشمگیرتر این است که تمامی این ارتقاهای عملکردی در همان ابعاد فیزیکی سیلیکونی نسل قبل به دست آمده است.

انتظار می‌رود پردازنده‌های Rosa تا سال ۲۰۲۹ وارد مراکز داده شوند و پس از آن، مدل‌های مخصوص کامپیوترهای شخصی در قالب راهکارهای «Rosa Feynman Spark» تا سال ۲۰۳۰ به بازار عرضه گردند.

منبع خبر "دیجیاتو" است و موتور جستجوگر خبر تیترآنلاین در قبال محتوای آن هیچ مسئولیتی ندارد. (ادامه)
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت تیترآنلاین مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویری است، مسئولیت نقض حقوق تصریح شده مولفان از قبیل تکثیر، اجرا و توزیع و یا هرگونه محتوای خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.