Часть 2

Вот поэтому SRAM, кэш, HBM, interconnect, packaging — это не просто периферия а центральная часть AI-инфры.

Когда мы слышим или говрим "модель стала быстрее", за этим часто стоит не фолшебство модели, а высокая скорость движения данных.

А NanoStack как раз это и решает: больше логики и памяти на той же площади, меньше энергии на вычисление, больше плотности для будущих AI-ускорителей.

Кстати пока читаете, не перепутайтес исследование от готового продукта/чипа.

Он не появится завтра в ноутбуке или в видеокарте.

IBM говорит про некий путь к производству в горизонте примерно пяти лет. Партнёр по массовому производству пока не объявлен. И вообще IBM давно больше исследователь и поставщик технологий, чем классическая фабрика, которая сама всё печёт миллионными партиями.

И что хорошо так это то что NanoStack — не единственная ставка в индустрии. Вот кто еще двигается в этом направлении. Я имею ввиду про увеличение производительности.

• TSMC двигает 2-нм nanosheet.
• Samsung раньше всех зашла в 3-нм GAA.
• Intel продвигает 18A / 18A-P с RibbonFET и backside power.
• Imec, TSMC, Samsung, Intel и IBM параллельно исследуют CFET — ещё один вариант вертикальной укладки транзисторов, где n- и p-транзисторы размещаются друг над другом.

То есть общий тренд понятен: индустрия больше не идёт тупо “в меньше”. А двигаются "вверх", "вбок", "в память рядом с вычислениями”, “в chiplets” и “в продвинутую упаковку”.

Помним что цена на AI зависит не только от моделей.

Она зависит от того, сколько стоит токен. А от того скольок:
• энергии уходит на инференс.
• памяти рядом с вычислителем.
• моделей можно посадить в один датацентр.
• тепла надо отвести.
• юрисдикций вообще смогут получить доступ к такому железу.


Software-гайз часто смотрят на AI через API и модели. Но под API лежит железо. А под железом — фабрики, литография, материалы, упаковка, память, энергетика и геополитика.

Поэтому новость IBM для меня не про, ваааай как все стало мелко. Или что Гордон Мур был не прав.
А то что вычисления продолжат дешеветь и уплотняться, но и всё сложнее будет отделять AI от инфраструктуры.

AI уже давно стал — не только про модели. Это целый набор от транзистора до агента.

И если строить продукты на AI, стоит смотреть не только на новый Claude, GPT или Gemini но и на то, куда движется железо.

Потому что следующий рост в AI может прийти не из нового промпта =)

А например из того, что память окажется ближе к вычислениям, энергия станет дешевле, а датацентр сможет переварить в разы больше инференса на той же площади. Кароч если дело пойдет как обещают инженеры и ученые то нас ждет 2х или даже 3х кратное увеличение контекста и всего что я выше написал.

Источник где описана технология

#ai #infra #hardware #ai #agents #llm