Chińska strategia układania chipów: Czy nowe podejście zagraża dominacji Nvidii?

W obliczu zaostrzających się amerykańskich ograniczeń w dostępie do zaawansowanych technologii półprzewodnikowych, chińscy badacze proponują nowatorskie rozwiązanie. Zamiast ścigać się w najbardziej zaawansowanych procesach produkcyjnych, niedostępnych dla ich przemysłu, koncentrują się na optymalizacji systemów poprzez wertykalne układanie starszych, dostępnych chipów. Celem jest osiągnięcie wydajności porównywalnej z czołowymi układami graficznymi Nvidii, uznawanymi za standard w dziedzinie sztucznej inteligencji.

Przesunięcie paradygmatu: budowanie w górę, nie w przód

Centralnym punktem tej strategii jest założenie, że jeśli nie można produkować bardziej zaawansowanych chipów, należy konstruować inteligentniejsze systemy w oparciu o dostępne komponenty. Wei Shaojun, wiceprezes Chińskiego Stowarzyszenia Przemysłu Półprzewodników i profesor na Uniwersytecie Tsinghua, przedstawił architekturę łączącą 14-nanometrowe chipy logiczne z 18-nanometrowymi pamięciami DRAM, wykorzystując trójwymiarowe łączenie hybrydowe.

Ma to kluczowe znaczenie, ponieważ amerykańskie kontrole eksportowe precyzyjnie celują w produkcję układów logicznych w procesach 14 nm i poniżej oraz pamięci DRAM w procesach 18 nm i poniżej. Propozycja profesora Wei operuje dokładnie na tych granicach technologicznych, opierając się na procesach, które pozostają w zasięgu chińskich producentów.

Techniczne podejście opiera się na koncepcji „oprogramowaniowo definiowanego przetwarzania bliskiego pamięci” (ang. software-defined near-memory computing). Zamiast typowego przesyłania danych między procesorami a pamięcią – stanowiącego istotne wąskie gardło w zadaniach AI – strategia ta zakłada umieszczenie ich w bezpośredniej bliskości poprzez wertykalne ułożenie. Technika 3D hybrid bonding tworzy bezpośrednie połączenia miedź-miedź w odstępach mniejszych niż 10 mikrometrów, co zasadniczo eliminuje fizyczną odległość spowalniającą konwencjonalne architektury chipów.

Ambitne obietnice kontra rzeczywistość

Wei twierdzi, że ta konfiguracja mogłaby rywalizować z 4 nm procesorami graficznymi Nvidii, jednocześnie znacząco obniżając koszty i zużycie energii. Podał wydajność 2 TFLOPS na wat i całkowitą moc obliczeniową 120 TFLOPS. Jest jednak pewien problem: Nvidia A100, którą Wei wskazuje jako punkt odniesienia, osiąga wydajność do 312 TFLOPS – ponad 2,5 raza więcej niż deklarowana wydajność chińskiego rozwiązania. Ta rozbieżność stawia pod znakiem zapytania realne możliwości strategii układania chipów. Choć innowacja architektoniczna jest niezaprzeczalna, luka wydajnościowa pozostaje znacząca. Układanie starszych chipów nie „magicznie” niweluje przewagi zaawansowanych procesów produkcyjnych, które zapewniają lepszą efektywność energetyczną, wyższą gęstość tranzystorów i lepsze właściwości termiczne.

Dlaczego Chiny stawiają na to rozwiązanie?

Strategiczny sens chip stacking wykracza poza czyste metryki wydajności. Założyciel Huawei, Ren Zhengfei, sformułował filozofię osiągania „najnowocześniejszej wydajności poprzez układanie i grupowanie chipów, a nie rywalizację na poziomie węzłów produkcyjnych”. Jest to zmiana w podejściu Chin do wyzwania w dziedzinie półprzewodników. Alternatywy są ograniczone. TSMC i Samsung dążą do procesów 3 nm i 2 nm, które pozostają całkowicie poza zasięgiem chińskich producentów. Zamiast toczyć niemożliwą do wygrania bitwę o palmę pierwszeństwa w zakresie procesów produkcyjnych, strategia układania chipów proponuje rywalizację na poziomie architektury systemu i optymalizacji oprogramowania.

Istnieje również problem z ekosystemem CUDA Nvidii. Dominacja Nvidii w obliczeniach AI opiera się nie tylko na sprzęcie, ale także na tym oprogramowaniu. Wei opisuje to jako „potrójną zależność” obejmującą modele, architektury i ekosystemy. Chińscy projektanci chipów, dążący do tradycyjnych architektur GPU, musieliby albo replikować funkcjonalność CUDA, albo przekonywać deweloperów do porzucenia dojrzałej, szeroko przyjętej platformy. Strategia układania chipów, proponując zupełnie inny paradygmat obliczeniowy, oferuje drogę do obejścia tej zależności.

Wykonalność i wyzwania

Czy strategia układania chipów może rzeczywiście działać? Podstawy techniczne są solidne – 3D chip stacking jest już wykorzystywane w pamięciach o wysokiej przepustowości i zaawansowanych rozwiązaniach opakowaniowych na całym świecie. Innowacja polega na zastosowaniu tych technik do tworzenia zupełnie nowych architektur obliczeniowych, a nie tylko ulepszania istniejących projektów.

Jednakże pojawiają się poważne wyzwania. Po pierwsze, zarządzanie ciepłem staje się znacznie trudniejsze przy układaniu wielu aktywnych warstw. Ciepło generowane przez 14 nm układy jest znacznie wyższe niż w nowoczesnych procesach 4 nm czy 5 nm, a układanie intensyfikuje ten problem. Po drugie, wskaźniki wydajności w układaniu 3D są notorycznie trudne do optymalizacji – defekt w dowolnej warstwie może zakłócić cały stos. Po trzecie, ekosystem oprogramowania niezbędny do efektywnego wykorzystania takich architektur jeszcze nie istnieje i jego rozwój zająłby lata.

Najbardziej realistyczna ocena jest taka, że strategia układania chipów stanowi zasadne podejście do specyficznych obciążeń, gdzie przepustowość pamięci jest ważniejsza niż surowa szybkość obliczeniowa. Zadania wnioskowania AI, niektóre operacje analityczne na danych i specjalistyczne zastosowania mogłyby potencjalnie odnieść korzyści. Ale dorównanie wydajności Nvidii w pełnym spektrum zadań szkolenia i wnioskowania AI pozostaje odległym celem.

Co to oznacza dla „wojen o czipy” w AI?

Pojawienie się strategii układania chipów jako kluczowego punktu rozwoju chińskich półprzewodników sygnalizuje strategiczny zwrot. Zamiast próbować replikować zachodnie projekty chipów z gorszymi węzłami produkcyjnymi, Chiny eksplorują alternatywy architektoniczne, które wykorzystują dostępne atuty produkcyjne. Czy strategia „chip stacking” zdoła zmniejszyć lukę wydajnościową w stosunku do Nvidii, pozostaje kwestią otwartą. Jasne jest, że chiński przemysł półprzewodników dostosowuje się do ograniczeń, dążąc do innowacji w obszarach, gdzie kontrole eksportu mają mniejszy wpływ – w projektowaniu systemów, technologiach pakowania i optymalizacji współpracy sprzętu z oprogramowaniem.

Dla globalnego przemysłu AI oznacza to, że krajobraz konkurencji staje się bardziej złożony. Obecna dominacja Nvidii napotyka wyzwania ze strony tradycyjnych konkurentów, takich jak AMD i Intel, oraz zupełnie nowych podejść architektonicznych, które mogą zredefiniować to, czym jest „układ AI”. Strategia układania chipów, niezależnie od jej obecnych ograniczeń, stanowi właśnie ten rodzaj architektonicznej rewolucji – i dlatego warto ją uważnie obserwować.