英伟达调整内存配置计划

8月4日, 韩国尤金投资与证券的分析师刊文披露, 英伟达正在对明年Rubin Ultra AI GPU的HBM配置方案进行重新评估, 原本计划采用的是12层堆叠的HBM4E内存, 如今可能会做出调整。

引发半导体行业关注的这一消息, 当中的Rubin Ultra是英伟达下一代旗舰GPU, 其内存配置直接对AI训练和推理性能产生影响, 而调整HBM方案意味着英伟达在供应链方面遭遇了现实挑战。

HBM4E验证进度存疑

三个主要的DRAM原厂, 于HBM4E的验证进程方面, 存有不确定性这一情况。当下, 能不能依照原本制定的时间表, 达成验证且步入量产时期, 还并不明晰这种状况的情况。这样的不确定性氛围, 致使英伟达去寻觅可供选择的其他方案的行为发生。

内存验证作为一个复杂的过程, 它涉及兼容性测试, 还涉及稳定性测试等诸多环节。任何一环要是出现问题, 便都有可能致使进度延迟。英伟达不愿把所有鸡蛋放置在一个篮子里。

降级策略背后的考量

有可能的降级途径涵盖从HBM4E依照一定标准降低层次为HBM4情况, 或者是直接从12层处于堆积叠加配置变化一下降为拥有8层堆积叠加的形式。后面这种策略所指的是运用数量相等的DRAM Die去搭建更多数量作为支撑部分的HBM堆栈构造, 通过类似方式达成对应目标, 最终能够满足更多数量方面Rubin Ultra芯片在所需要的内存容量方面的实际需求。

这么个思路跟先前Vera CPU的处理途径甚是相像, 于DRAM供应总量受限制的情形之下, 削减每一颗芯片的内存容量, 能够使更多的芯片得以出货, 这是一种讲求实际的抉择。

I/O速率才是核心升级

英伟达觉得Rubin Ultra的关键升级之处在于I/O速率方面, 并非仅仅是增加内存的容量而已。所以, 将HBM堆叠的层数予以降低或许是更为合理的一种选取。这样做确保了芯片的整体性能不会受到太大的影响。

在AI工作负载方面, I/O速率的提升同样具备重要性, 更快的数据传输速度能够对内存容量减少所带来的部分损失起到一定的弥补作用, 英伟达在性能以及供应之间致力于寻求平衡。

供应受限下的出货策略

倘若降低HBM堆叠层数, 那么可用同等数目的DRAM Die去构建更多HBM堆栈。这表明在供应受限情形下, 可出货更多数量的芯片。对于英伟达来讲, 市场占有率同样具备重要性。

此策略对缓解供应链压力有益, 若秉持12层堆叠方案, 或许会因内存供应匮乏致使芯片产量受限制, 而降级方案可为生产线维持正常运转。

AI芯片行业普遍面临内存挑战

传闻有部分从事AI ASIC的人员, 也正思索着减少HBM容量的配置。这表明内存供应紧张, 乃是整个行业所遭遇的状况, 并非只是英伟达处于主导地位。各个芯片生产厂家, 都在探寻解决办法。

伴随着人工智能的不断发展, HBM内存的相关需求持续呈现出攀升的态势, 然而产能的扩张却需要一定的时间, 如此一来, 这种供应与需求之间所存在的矛盾，在短期内是很难得到完全解决的, 芯片厂商仅仅只能借助技术方面的调整来应对当前这种现实存在的约束。

有没有觉得英伟达此刻的调整对此Rubin Ultra的市场竞争力会产生影响, 欢迎于评论区去分享表述你的看法, 要是觉着文章具备一定价值, 可别忘了去点赞以及分享！