Компания представила память HBM4 шестого поколения, которая уже поступила в серийное производство и предназначена для будущей платформы искусственного интеллекта NVIDIA Vera Rubin. Samsung заявляет, что новая память обеспечивает скорость передачи данных до 11,7 ГБит/с на контакт, превышая типичный отраслевой показатель в 8 ГБит/с. Потенциально скорость может достигать 13 ГБит/с при использовании 10-нм техпроцесса DRAM шестого поколения.

Samsung также впервые представила память HBM4E следующего поколения, способную обеспечивать скорость до 16 ГБит/с на контакт и пропускную способность до 4 ТБ/с. Решение ориентировано на задачи искусственного интеллекта и использование в крупных центрах обработки данных.

Модуль памяти SOCAMM2 рассчитан на применение в серверах для задач ИИ. По данным разработчика, он обладает высокой пропускной способностью и упрощает интеграцию в инфраструктуру следующего поколения. На данный момент SOCAMM2 уже запущен в массовое производство.

Твердотельный накопитель PM1763 оснащён интерфейсом PCIe 6.0 и обеспечивает высокоскоростной обмен данными при большой ёмкости. Устройство соответствует архитектуре хранения данных NVIDIA BlueField-4 STX.

Кроме того, корейский производитель продемонстрировал гибридную технологию медного соединения, предназначенную для создания многослойных микросхем памяти из 16 и более слоёв. При этом тепловая нагрузка снижается более чем на 20% по сравнению с традиционным методом термокомпрессионного соединения.

Помимо решений для центров обработки данных, Samsung объявила о сотрудничестве с NVIDIA для развития инициативы AI Factory с использованием ускоренных вычислений и технологий цифровых двойников на базе NVIDIA Omniverse. Это позволит улучшить процессы проектирования и производства полупроводников.

Компания также представила решения памяти для персональных устройств с поддержкой ИИ, включая DRAM LPDDR5X и LPDDR6. Они предназначены для ускоренной обработки данных на устройствах, таких как смартфоны, планшеты и носимая электроника.

В устройстве используется 88 собственных ядер NVIDIA Olympus, каждое из которых может одновременно обрабатывать два потока за счёт технологии Spatial Multithreading.

Благодаря интеграции с оперативной памятью LPDDR5X пропускная способность достигает 1,2 ТБ/с, что особенно важно для задач, требующих высокой производительности на поток и быстрого обмена данными – например, обучения моделей, обработки больших массивов информации и работы ИИ-агентов. По данным NVIDIA, новый чип почти на 50% быстрее аналогичных решений и при этом вдвое эффективнее традиционных стоечных процессоров.

Чип является частью архитектуры NVIDIA Vera Rubin, где процессоры Vera объединяются с графическими ускорителями Rubin, содержащими около 336 миллиардов транзисторов и обеспечивающими до 50 PFLOPs производительности. В составе серверной стойки Vera Rubin NVL72 используются 72 GPU Rubin и 36 процессоров Vera, связанных между собой через высокоскоростную шину NVLink-C2C.

Кроме того, компания анонсировала специализированную серверную стойку, оснащённую только CPU: она содержит 256 процессоров Vera с жидкостным охлаждением и рассчитана на одновременную работу более 22 500 вычислительных сред. Предполагается, что такая конструкция станет основой для создания «фабрик искусственного интеллекта» – дата-центров, ориентированных на обработку крупных языковых моделей и работу ИИ-агентов.

Поддержку новой платформы уже объявили такие компании, как Alibaba, ByteDance, Cloudflare, Oracle, Crusoe, Lambda и Nebius. Серверы на базе Vera будут выпускаться производителями ASRock Rack, ASUS, Compal, Cisco, Dell, Foxconn, GIGABYTE, Lenovo и Supermicro. Поставки готовых решений начнутся во второй половине текущего года.

Такая особенность позволяет графическому процессору обрабатывать две команды одновременно. Ранее она уже присутствовала в GPU AMD, начиная с RDNA 3, однако жёсткие требования к формированию пар инструкций мешали компиляторам полноценно её использовать, снижая тем самым достижимую теоретическую пиковую производительность. Теперь, согласно новому патчу LLVM, AMD, вероятно, решит эту проблему в рамках архитектуры RDNA 5.

Новые инструкции VOPD3 и изменения в LLVM

Издание Coelacanth’s Dream, ориентированное на Linux, проанализировало последние изменения и установило, что они связаны с набором инструкций gfx13 – производной от gfx130, которую можно считать RDNA 5. Компания, судя по всему, внедряет новый тип инструкций под названием «VOPD3», рассчитанный на более эффективную работу с модулем VALU (векторный арифметико-логический блок, шейдерный элемент), поддерживающим двойную выдачу инструкций. Улучшенная гибкость нового формата должна упростить использование двойных инструкций компиляторами.

Как VOPD3 расширяет возможности вычислений

На аппаратном уровне текущий механизм VOPD работал преимущественно с упрощёнными операциями, содержащими два операнда, что затрудняло формирование совместимых пар инструкций компилятором. VOPD3 расширяет эту возможность до трёхоперандных команд, позволяя выполнять такие операции, как умножение с последующим сложением (FMA). В том же патче уже появилась инструкция F_VMA_F32, что указывает на то, что данная функциональность, вероятно, будет использоваться в RDNA 5.

Прирост производительности и влияние на рендеринг

Благодаря этому частота выполнения пар инструкций возрастёт, что в перспективе обеспечит заметный рост пропускной способности в режиме FP32. Шейдерные блоки будут реже простаивать между тактами, выполняя больше полезной работы, а каждая команда станет эффективнее. Такой подход особенно актуален в высоконагруженных сценариях, например при рендеринге, и поможет игровым движкам лучше задействовать возможности двойной обработки VALU.

Преимущества для ИИ-рендеринга и масштабирования

Сокращение числа ситуаций, в которых синхронизация пар инструкций невозможна из-за архитектурных ограничений, представляет собой важный шаг к повышению общей эффективности оборудования без необходимости искусственно увеличивать показатель IPC за счёт доработки микрокода.

Кроме того, инструкции типа FMA имеют значение и для нейросетевого рендеринга, поэтому технологии масштабирования и генерации кадров также могут получить прирост производительности – даже если само оборудование не становится существенно мощнее – поскольку выполнение двух операций за такт повышает эффективность вычислений.