Chips HBM3E de 8 camadas da Samsung passam nos testes da Nvidia para adoção

Os chips HBM3E de 8 camadas da Samsung passam nos testes da Nvidia para adoção são perfilados pela BTW Media porque evidências publicadas os vinculam à infraestrutura da internet, governança, dependências operacionais ou visibilidade de mercado.

• Uma versão dos chips de memória de alta largura de banda (HBM) de quinta geração da Samsung Electronics, ou HBM3E, passou nos testes da Nvidia para uso em seus processadores de inteligência artificial, segundo três fontes informadas dos resultados.
• Este desenvolvimento marca um passo importante na colaboração entre os dois gigantes da tecnologia e sinaliza um avanço na tecnologia de IA.

NOSSA OPINIÃO
Nvidia é uma empresa pioneira no campo das unidades de processamento gráfico (GPU) e processadores de IA, dedicada ao avanço das tecnologias computacionais para uma ampla gama de aplicações. A Samsung Electronics é uma fabricante mundialmente renomada de eletrônicos de consumo e semicondutores, conhecida por seus produtos inovadores e avançados que impulsionam a indústria. Os chips HBM3E da Samsung nos processadores de IA da Nvidia prometem velocidades mais rápidas, melhor eficiência e a capacidade de lidar com modelos de IA maiores e mais complexos, impulsionando a inovação em IA.
–Rebecca Xu, jornalista da BTW

O que aconteceu

De acordo com três fontes informadas sobre o assunto, uma variante dos chips de memória de alta largura de banda (HBM) de nova geração da Samsung Electronics, conhecida como HBM3E, passou com sucesso pelas avaliações da Nvidia para integração em seus processadores de inteligência artificial.

Embora a Samsung e a Nvidia ainda não tenham oficializado um acordo de fornecimento para os chips HBM3E de 8 camadas testados, insiders antecipam que o acordo será fechado em breve, com entregas previstas para o quarto trimestre de 2024.

O padrão HBM, uma memóriaDRAM(memória dinâmica de acesso aleatório) introduzida em 2013, empilha os chips verticalmente para economizar espaço e reduzir o consumo de energia. É essencial para GPUs de IA, ajudando no processamento de grandes volumes de dados de aplicações complexas. Os chips HBM3E devem se tornar o produto HBM dominante no mercado este ano, com remessas concentradas no segundo semestre, segundo a empresa de pesquisaTrendForce.

Leia também:Samsung prevê aumento da demanda por chips impulsionado pela IA

Leia também:O atraso nos chips de IA da Nvidia é um teste para a cadeia de suprimentos de IA

Por que isso é importante

A adoção dos chips HBM3E de 8 camadas da Samsung pela Nvidia deve ter um impacto significativo no futuro da tecnologia de IA, especialmente melhorando o desempenho e a eficiência.

Primeiramente, os chips HBM3E oferecem um aumento substancial na largura de banda da memória, o que é crucial para processadores de IA que lidam com cargas de trabalho complexas. Os chips fornecem uma taxa de dados de 9,6 Gb/s, uma melhoria em relação aos 6,4 Gb/s oferecidos pelo HBM3, resultando em mais de 1.200 GB/s de largura de banda de memória contra 819 GB/s da geração anterior. Esse salto na largura de banda permite o processamento de modelos de IA maiores e mais sofisticados, melhorando o desempenho das aplicações de IA.

Em segundo lugar, os chips HBM3E são projetados com tecnologias avançadas, como ascomportas metálicas de alta constante dielétrica(HKMG) que reduzem as fugas de corrente elétrica, otimizando o circuito interno e melhorando a eficiência energética em 12% em relação à geração anterior. Esse aumento de eficiência é vital para processadores de IA que exigem alta largura de banda de memória com consumo reduzido de energia, permitindo que operem em faixas de temperatura ideais sem comprometer o desempenho.

Além disso, os chips HBM3E da Samsung são os primeiros do mundo e são 50% mais rápidos que os HBM3 atuais, oferecendo um total de 10 TB/s de largura de banda combinada. Isso permite que a nova plataforma execute modelos 3,5 vezes maiores que a versão anterior, melhorando o desempenho com uma largura de banda de memória 3 vezes mais rápida. A capacidade de conectar múltiplas GPUs para desempenho excepcional e um design de servidor facilmente escalável amplifica ainda mais o potencial dos processadores de IA para lidar com cargas de trabalho de IA generativa mais extensas.