Intel stellt neuen AI-Chip der nächsten Generation vor

Intel veröffentlichte ein technisches Dokument, in dem die Strategie des Unternehmens zur Entwicklung und Umsetzung von Hardware für KI-Anwendungen beschrieben wird. Das Highlight der Präsentation war ein realer System-in-Package (SiP)-Prototyp in der Größe von acht Standard-Photomasken. Dieses System ist bereits produktionsfähig.

Chip-Architektur

Der Chip entspricht der Größe von acht Standard-Photomasken. Er verfügt über 4 leistungsstarke Dies (wahrscheinlich im 18A-Prozess gefertigt), 12 Stacks schneller HBM4-Speicher und 2 I/O-Blöcke für schnelleren Datentransfer.

Das vorgestellte Gehäuse unterscheidet sich deutlich von ähnlichen Technologien anderer Unternehmen wie TSMC. Hauptmerkmal ist ein mehrschichtiges Design, das die Integration von Rechenblöcken, Speicherstapeln und schnellen Inter-Chip-Verbindungen ermöglicht. Intel verwendet EMIB-T-Brücken mit Durchkontaktierungen, die Signalen und Energie sowohl horizontal als auch vertikal freien Fluss erlauben. So können Rechenblöcke gestapelt werden, wodurch eine mehrschichtige Struktur mit maximaler Kontaktdichte entsteht.

Es ist wichtig zu beachten, dass dies noch kein funktionsfähiger KI-Beschleuniger ist, sondern ein Testchip, der zeigt, welche KI-Prozessoren grundsätzlich realisiert werden können.

Verbesserte Energieeffizienz

Intel implementierte mehrere Technologien zur Verbesserung der Energieeffizienz:

• PowerVia, das die Stromversorgung von der Rückseite des Dies ermöglicht,
• Integrierte Spannungsregler (IVR),
• Mehrstufige Kondensatoren (eDTC und Omni MIM) zur Stabilisierung der Stromversorgung unter hoher Last.

Signal für den Markt

Die Präsentation des Test-KI-Chips dient auch als Marketingmaßnahme. Intel zeigt damit Kunden, dass es die Kapazität besitzt, Chips zu entwickeln, die aktuelle Wettbewerber übertreffen, und strebt an, eine führende Position in der KI-Hardwareentwicklung einzunehmen.

Der Chip selbst stellt einen weiteren Schritt in Richtung energieeffizienter Rechenzentren und der Verarbeitung komplexer Modelle des maschinellen Lernens und generativen KI dar.