这是芯片行业发展过程中的一个里程碑,将在芯片性能和能源效率方面实现飞跃
纽约州奥尔巴尼——2021年5月6日:IBM(纽约证券交易所:IBM)宣布,IBM已成功研制出全球首款采用2纳米(nm)规格纳米片技术的芯片,这标志着IBM在半导体设计和工艺方面实现了重大突破。一直以来,半导体在众多领域内都扮演着至关重要的角色,例如:计算机,家用电器、通信设备、运输系统、关键基础设施等等。
各行各业对芯片性能和能效的要求越来越高,在混合云、人工智能和物联网时代尤其如此。IBM研发的新型2纳米芯片技术可推动半导体行业的发展,满足不断增长的需求。与目前最先进的7纳米节点芯片相比,这项技术预计可使芯片的性能提升45%,能耗降低75%。
这款先进的2纳米芯片的应用前景包括:
IBM研究院高级副总裁兼院长Darío Gil表示:“这款新型2纳米芯片体现出的IBM创新对整个半导体和IT行业至关重要。”“这是IBM不畏艰难,克服严峻技术挑战取得的成果,展现了持续投资和合作研发生态系统方法如何帮助我们实现突破。”
IBM始终处于半导体创新的最前沿
几十年来,IBM一直是半导体创新领域内的领导者,这为IBM实现最新突破奠定了坚实的基础。IBM在位于纽约州奥尔巴尼市Albany Nanotech Complex的研究实验室开展半导体研发工作,在这里,IBM科学家与来自公共和私营部门的合作伙伴密切合作,共同推动逻辑扩展和半导体功能向前发展。
这种协作式创新方法不仅使IBM奥尔巴尼研究院成为了全球领先的半导体研发生态系统,而且还构建了一条强大的创新渠道,有助于满足制造需求,加速全球芯片行业的发展。
多年来,IBM在半导体领域内屡次实现重大突破,包括率先推出7纳米和5纳米工艺技术、单管DRAM(single cell DRAM),Dennard标度律(the Dennard Scaling Laws),化学放大光刻胶(chemically amplified photoresists)、铜互连布线(copper interconnect wiring)、绝缘硅片技术(Silicon on Insulator technolog)、多核微处理器(multi core microprocessors)、高k栅电介质(High-kgate dielectrics)、嵌入式DRAM(embedded DRAM)和3D芯片堆叠(3D chip stacking)。
IBM凭借IBM研究院在7纳米技术方面取得的进展研发的第一款商业化产品将于今年晚些时候在基于IBM POWER 10的IBM Power Systems中首次亮相。
一个指甲大小的芯片可容纳500亿个晶体管
增加每个芯片上的晶体管数量可以让芯片变得更小、更快、更可靠、更高效。2纳米设计展示了利用IBM研发的纳米片技术对半导体进行高级扩展的能力。这种架构为业界首创。在宣布5纳米设计研发成功之后,IBM仅用了不到四年时间就再次实现技术突破。这项突破性技术问世后,一个指甲大小的2纳米芯片就能容纳多达500亿个晶体管。
芯片上的晶体管数量增加还意味着处理器设计人员拥有更多选择,可以通过为处理器注入内核级创新来提升人工智能、云计算等前沿工作负载的功能,找到实现硬件强制安全性和加密的新途径。IBM已经在最新一代的IBM硬件(例如:IBM POWER 10和IBM z15)中实现了其他创新型核心级增强功能。
好文章,需要你的鼓励
近年来,AI学会了写作、生成图像、创建视频甚至编写代码。随着这些能力成为主流,研究重点转向更深层问题:机器能否真正理解世界运作方式?世界模型应运而生,从1950年代概念到2024年OpenAI的Sora、2025年英伟达Cosmos等突破性应用。与语言模型基于文本预测不同,世界模型专注预测环境变化,通过学习因果关系实现推理规划。在机器人、自动驾驶等物理AI领域前景广阔,但面临计算资源需求高、数据收集困难等挑战。
德国图宾根大学研究团队开发了MatSpray技术,能将2D照片中的材质信息准确转换为3D模型的物理属性。该技术结合了2D扩散模型的材质识别能力和3D高斯重建技术,通过创新的神经融合器解决多视角预测不一致问题,实现了高质量的材质重建和真实的重光照效果,处理速度比现有方法提升3.5倍。
CIO角色正经历前所未有的转型。技术领导者不再仅专注于数字化转型和云迁移,还将承担企业可持续发展、AI治理和战略平台整合等责任。AI将从部署工具转变为重塑企业对技术领导者期望的核心力量。2026年CIO将承担负责任AI治理、推动AI驱动的平台整合、从IT转向企业级创新,以及成为可持续发展的首要管理者四大新职能。
纽约大学研究团队开发出革命性"大脑翻译器"技术,首次实现用人类大脑活动模式精确控制AI语言行为。通过MEG脑磁图技术构建大脑语言地图,提取20个关键坐标轴,训练轻量级适配器让AI按人脑思维方式工作。实验证明该方法不仅能精确引导AI生成特定类型文本,还显著提升语言自然度,在多个AI模型中表现出良好通用性,为人机交互和AI可控性研究开辟全新路径。