Partnerskaber

Preferred Networks sigter mod hurtigere AI-inferens med MN-Core L2000

Leo Park
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterHukommelsesbåndbredde er den reelle flaskehals for inferens, fordi generering af output…
Vis mere
  • Hukommelsesbåndbredde er den reelle flaskehals for inferens, fordi generering af output kræver læsning af hundredvis af gigabyte data.
  • SEMIFIVE håndterer designimplementering og forsyningskædekoordinering for L2000's 3D-IC-tilgang.
  • Strømforbrug, varmeafledning og produktionsudbytte gør 3D-stablede AI-chips sværere at udvikle end konventionelle chips.

Preferred Networks og SEMIFIVE meddelte den 16. november 2026, at de samarbejder om MN-Core L2000 Series, AI-inferenschips, der er udviklet til at levere mere end dobbelt så stor hukommelsesbåndbredde som PFN’s L1000 Series.

L2000 afløser L1000, som efter planen lanceres i 2027. Arbejdet med den nyere serie er allerede i gang, og tape-out er planlagt til første kvartal samme år. Tape-out er den fase, hvor chipdesignet færdiggøres, og de endelige designdata overdrages til producenten.

Derfor er hukommelsesbåndbredde afgørende

PFN’s annoncering af L1000 i november 2024 forklarer designprioriteringen. Træning af generativ AI kræver betydelige computerressourcer, men ved inferens skal processoren læse hundredvis af gigabyte data, hver gang den genererer en enhed tekst, billeder eller andet output. Begrænset hukommelsesbåndbredde kan derfor blive en flaskehals, selvom inferens kræver færre computerressourcer end træning.

Begge L-seriens design kombinerer vertikalt stablet DRAM med logikchips baseret på MN-Core. Ifølge PFN giver denne 3D-struktur en markant højere hukommelsesbåndbredde end GPU’er og andre AI-processorer, hvilket understøtter hurtigere inferens og bedre energieffektivitet i blandt andet AI-agenter. L1000-designet kombinerer ligeledes tæt monterede regneenheder med distribueret hukommelse, og begge dele styres af software for at begrænse strømforbrug og varmeudvikling.

PFN har udviklet MN-Core siden 2016 og oplyser, at supercomputere baseret på den første generations arkitektur tre gange har indtaget førstepladsen på Green500-listen over energieffektive supercomputere. Denne historik gælder den tidligere arkitektur, mens forbedringen af L2000’s båndbredde fortsat er et udviklingsmål.

Tre virksomheder deler udviklingsarbejdet

PFN står for L2000’s processorarkitektur og logiske design. SEMIFIVE, en totalleverandør af kundetilpassede halvledere, håndterer designimplementering og styring af forsyningskæden ved hjælp af sin 3D-IC-designløsning. Koordineringen omfatter levering af DRAM, masseproduktion, avanceret indkapsling og test.

SEMIFIVE’s administrerende direktør, Brandon Cho, beskrev projektet som virksomhedens »første 3D-IC-initiativ i fuld skala«. Opgaven placerer SEMIFIVE mellem PFN’s processordesign og de specialiserede processer for hukommelse, indkapsling og produktion, der er nødvendige for at realisere det.

Samsung Foundry’s platformteknologi skal bruges til at fremstille logikchippen. Samsung Foundry leverer også designinfrastruktur til 3D-IC, herunder optimerede I/O-grænseflader, der forbinder de stablede chips, samt designmetoder til optimering af strømforsyningsstrukturen.

PFN’s medstifter og administrerende direktør, Daisuke Okanohara, pegede på strømforbrug, varmeafledning og produktionsudbytte som udfordringer, der gør 3D-stablede AI-chips mere komplekse at udvikle end konventionelle chips. Disse forhold er vigtige, fordi tilgangen til højere ydeevne afhænger af, at logik og hukommelse integreres vertikalt i stedet for at fremstille en selvstændig logikenhed.

Offentlig støtte og næste skridt

Udviklingen af L2000 støttes af Japans Acquisition, Technology & Logistics Agency under programmet Innovative Science and Technology Initiative for Security. Støtten ydes gennem et Type S-projekt, der løber fra finansåret 2024 til og med finansåret 2028.

PFN og SEMIFIVE planlægger også i fællesskab at præsentere L2000 på PFN’s stand under SC26 i Chicago fra den 17. til den 19. november 2026.

Partnerskabet giver PFN en vej til at implementere og fremstille sin arkitektur med fokus på båndbredde og udvider SEMIFIVE’s arbejde med 3D-IC. Den afgørende prøve bliver, om virksomhederne kan føre designets mål for båndbredde og energieffektivitet ud i produktionen og samtidig håndtere de udfordringer med strømforbrug, varme og produktionsudbytte, som Okanohara fremhævede.

Leo Park er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI-hardware-startups, edge-computing og de nye chip-arkitekturer, der former, hvordan kunstig intelligens tages i brug uden for centraliserede datacentre. Hans arbejde fokuserer på, hvordan nye silicium-designs, edge-inference-platforme og energivenlige systemer ændrer økonomien og mulighederne for AI i stor skala.
Med et ingeniørmæssigt og præcist perspektiv undersøger Leo, hvordan startups bygger specialiserede processorer, optimerer hukommelse og strømforbrug og muliggør realtids-AI-arbejdsbelastninger tættere på, hvor data genereres. Han lægger særlig vægt på anvendte brugsområder - såsom robotter, autonome systemer, industrielle IoT og på-enhed-intelligens - hvor edge-AI leverer konkrete ydelses- og omkostningsfordele.
Artikler skrevet af Leo Park er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af det hurtigt udviklende AI-hardware- og edge-computing-landskab.