英伟达、思科等多家企业决意大量支持这一新型制造平台
GlobalFoundries认为以光速传输数据才是未来趋势,而英伟达、思科等重量级厂商的支持也是对其硅光子制造技术发展潜力的有力背书。
这家总部位于纽约州马耳他市的芯片制造商表示,他们正在与主要客户合作设计新的GF Fotonix平台。根据GlobalFoundries的介绍,这套本周一刚刚发布的全新平台意在满足不断增长的市场芯片需求,强调更低功耗与更快数据处理速度,也将成为GlobalFoundries在快速增长的光网络模块市场上保持领导地位的关键因素。
GlobalFoundries公司计算与有线基础设施高级副总裁兼总经理Amir Faintuch表示,“目前业界已经公认硅光子技术将成为下一轮数据中心革命的必要前提,我们领先的半导体制造技术平台则有助于推动这项技术步入主流应用。”
GlobalFoundries解释称,GF Fotonix属于单片平台,也开业界之先河将300mm光子模块与一块300 GHz级RF-CMOS集成在同一芯片之上。于是这些以往只能分别存在于独立芯片上的光子、射频与互补金属氧化物半导体元件,如今被成功整合在同一芯片当中。
根据GlobalFoundries的介绍,这种单片设计拥有一系列显著优势。实验证明GF Fotonix能够提供单光纤0.5 Tbps传输速率,追平业界单根光纤的最高数据传输能力。以此为基础,GlobalFoundries公司完全可以制造出传输速率在1.6到3.2 Tbps之间的光学小芯片,由此提供更快、更高效的数据传输能力,同时带来更好的信号完整性。
GlobalFoundries认为GF Fotonix将在下一代AI应用场景中大放异彩,将系统错误率降低至现有水平的万分之一。
该公司还强调了GF Fotonix在光子集成电路层面的超高集成度。这意味着客户能够在芯片上封装进更多产品功能,同时“简化芯片基材清单”。
GF Fotonix还支持多种芯片封装解决方案,包括以往只适用于更大光纤阵列的被动附着元件、2.5D封装与片上激光器等。
GlobalFoundries表示,用于GF Fotonix的初片制程设计套件将于今年4月推出。该套件能够与Ansys、Cadence Design Systems以及Synopsys等设计工具配合使用。
这家芯片制造商坚信GF Fotonix这套去年才初次亮相的方案必将获得市场青睐,目前也已经得到多家有意使用该平台的企业客户的积极推荐。
GlobalFoundries公司发布一份声明,提到英伟达正计划将GF Fotonix平台提供的高带宽、低功耗光学互连引入“前沿”数据中心产品,推动高性能计算与AI应用迈入新的发展阶段。
在思科方面,GlobalFoundries已经与这家网络巨头合作开发用于数据中心网络及数据中心互连应用的定制化硅光子解决方案。
思科公司光学系统与光学集团负责人Bill Gartner在一份声明中表示,“我们在硅光子技术领域的巨额投入与领先地位,再加上GlobalFoundries功能丰富的制造技术,必将带来一流的最终产品。”
其他GF Fotonix企业客户还包括量子初创公司PsiQuantum与芯片初创公司Ayar Labs。GlobalFoundries也在声明中提到将为Marvell、Broadcom、Lightmatter以及Macom等企业提供更广泛的硅光子技术支持。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。