Intel 18A芯片现已上电运行,并顺利启动操作系统,将用于明年推出的新一代客户端和服务器产品。外部客户产品将于明年上半年完成流片。
英特尔宣布,基于Intel 18A制程节点打造的首批产品——AI PC客户端处理器Panther Lake和服务器处理器Clearwater Forest,其样片现已出厂、上电运行并顺利启动操作系统。距离流片仅隔不到两个季度,英特尔便再次取得了突破性进展。目前,Panther Lake和Clearwater Forest均进展顺利,预计将于2025年开始量产。此外,英特尔还宣布,采用Intel 18A的首家外部客户预计将于明年上半年完成流片。
英特尔公司高级副总裁兼代工服务总经理Kevin O’Buckley表示:“面向AI时代,我们正在推进多项前沿系统级代工技术,为英特尔产品部门和我们的代工客户提供对下一代产品至关重要的全栈式创新。我们为Intel 18A目前取得的进展感到鼓舞,并正与客户密切合作,目标是在2025年将Intel 18A推向市场。”
上个月,英特尔发布了Intel 18A PDK(制程设计套件)的1.0版本,让代工客户能够在基于Intel 18A的芯片设计中利用RibbonFET全环绕栅极晶体管架构和PowerVia背面供电技术。EDA和IP合作伙伴正在完善对Intel 18A的支持,以便其客户能够展开新产品的设计。
这些进展表明,英特尔代工率先在向客户开放的制程节点上实现了RibbonFET全环绕栅极晶体管和PowerVia背面供电技术的结合。借助生态系统提供的 EDA 和 IP 工具以及工艺流程, RibbonFET 和 PowerVia 这两项突破性的创新技术将通过Intel 18A向代工客户提供。英特尔代工凭借其有韧性、更可持续、更可靠的制造能力和供应链,以及业界领先的先进封装技术,整合了设计和制造下一代规模更大、运行更高效的AI解决方案所需的要素。
在没有额外配置或修改的情况下,Panther Lake和Clearwater Forest能够顺利启动操作系统,清楚地表明了Intel 18A的良好状况——英特尔预计将于2025年通过这一先进制程技术重获制程领先性。Panther Lake的DDR内存性能已达到目标频率,同样体现了Intel 18A的顺利进展。将于明年首次大规模生产的Clearwater Forest,提供了未来CPU和AI芯片的设计蓝图,结合了RibbonFET全环绕栅极晶体管、PowerVia背面供电和Foveros Direct 3D先进封装技术的高性能解决方案,以实现更高密度和功率处理能力。Clearwater Forest也将是采用Intel 3-T base-die技术的首款产品。依托英特尔代工的系统级代工能力,Panther Lake和Clearwater Forest有望在每瓦性能、晶体管密度和单元利用率方面实现显著提升。
英特尔的EDA和IP合作伙伴已于7月获得了Intel 18A PDK 1.0版本的访问权限,正在更新其工具和设计流程,以便外部代工客户开始基于Intel 18A的芯片设计。这是英特尔代工业务的一个关键里程碑。
Cadence高级副总裁兼定制IC和PCB事业部总经理Tom Beckley表示:“通过提供业界领先的EDA和专为Intel 18A优化的IP,Cadence与英特尔代工的战略合作能够帮助我们的共同客户加速创新。Intel 18A的最新进展令人鼓舞,我们也很高兴能在基于Intel 18A的先进设计上为客户提供支持。”
Synopsys EDA事业部总经理Shankar Krishnamoorthy也表示:“很高兴看到英特尔代工抵达关键里程碑。英特尔代工已准备好为客户提供Intel 18A制程节点,并正在将设计下一代AI解决方案所需的各要素整合在一起,这正是我们的共同客户需要和期待的。作为芯片设计公司和代工厂之间的桥梁,Synopsys在全球晶圆代工行业中起着重要作用,我们很荣幸能与英特尔代工合作,面向英特尔的先进制程节点提供Synopsys领先的EDA和IP解决方案。”
RibbonFET全环绕栅极晶体管架构和PowerVia背面供电技术是Intel 18A的两项核心技术,有助于处理器的进一步微缩及其能效的持续提升,这正是推动AI计算的发展所需要的。RibbonFET能够严格控制晶体管沟道中的电流,有助于芯片组件的进一步小型化,同时可以减少漏电,随着芯片密度的持续提升,这一点变得非常重要。PowerVia 则通过将电源线移至晶圆背面,优化了信号路由,进而降低了电阻,提高了能效比。RibbonFET和PowerVia的强强联合有望大幅提高未来电子设备的计算性能和电池寿命。英特尔率先将结合了全环绕栅极晶体管架构和背面供电技术的制程节点推向市场,将使全球代工客户受益。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。