Partnership

Preferred Networks punta a un’inferenza IA più veloce con MN-Core L2000

Leo Park
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiaveLa larghezza di banda della memoria è il vero collo di bottiglia per l'inferenza perché…
Vedi di più
  • La larghezza di banda della memoria è il vero collo di bottiglia per l'inferenza perché generare l'output richiede la lettura di centinaia di gigabyte di dati.
  • SEMIFIVE gestisce l'implementazione del design e il coordinamento della catena di approvvigionamento per l'approccio 3D-IC dell'L2000.
  • Il consumo energetico, la dissipazione del calore e la resa produttiva rendono i chip AI impilati in 3D più difficili da sviluppare rispetto ai chip convenzionali.

Preferred Networks e SEMIFIVE hanno annunciato il 16 novembre 2026 una collaborazione sulla serie MN-Core L2000, chip per l’inferenza IA progettati per offrire una larghezza di banda della memoria superiore a più del doppio rispetto alla serie L1000 di PFN.

L’L2000 succede all’L1000, la cui uscita è prevista nel 2027. I lavori sulla nuova serie sono già in corso e il tape-out è programmato per il primo trimestre dello stesso anno. Il tape-out consiste nel completamento del progetto del chip e nella consegna al produttore dei dati di progettazione definitivi.

Perché la larghezza di banda della memoria è fondamentale

L’annuncio dell’L1000 di novembre 2024 di PFN spiega la priorità progettuale. L’addestramento dell’IA generativa richiede notevoli risorse di calcolo, ma durante l’inferenza il processore deve leggere centinaia di gigabyte di dati ogni volta che genera un’unità di testo, immagini o altri contenuti. La larghezza di banda limitata della memoria può quindi diventare un collo di bottiglia, anche se l’inferenza richiede meno risorse di calcolo rispetto all’addestramento.

Entrambi i progetti della serie L integrano verticalmente memorie DRAM con chip logici basati su MN-Core. PFN afferma che questa struttura 3D raggiunge una larghezza di banda della memoria notevolmente superiore a quella delle GPU e di altri processori per l’IA, consentendo un’inferenza più rapida e una maggiore efficienza energetica in applicazioni come gli agenti IA. Anche il progetto dell’L1000 combina unità di calcolo densamente disposte con memoria distribuita; entrambi gli elementi sono controllati via software per limitare il consumo energetico e il calore.

PFN sviluppa MN-Core dal 2016 e afferma che i supercomputer basati sull’architettura di prima generazione si sono classificati al primo posto della graduatoria di efficienza energetica Green500 per tre volte. Questo risultato riguarda l’architettura precedente, mentre il miglioramento della larghezza di banda dell’L2000 resta un obiettivo di sviluppo.

Tre aziende si dividono il lavoro di sviluppo

PFN è responsabile dell’architettura del processore e della progettazione logica dell’L2000. SEMIFIVE, fornitore di soluzioni complete per semiconduttori personalizzati, si occupa dell’implementazione del progetto e della gestione della catena di fornitura attraverso la propria soluzione di progettazione 3D-IC. Il coordinamento comprende la fornitura di DRAM, la produzione su larga scala, il packaging avanzato e i collaudi.

Il CEO di SEMIFIVE, Brandon Cho, ha descritto il progetto come la «prima iniziativa 3D-IC su vasta scala» dell’azienda. L’incarico colloca SEMIFIVE tra la progettazione del processore di PFN e le attività specializzate di memoria, packaging e produzione necessarie per realizzarlo.

Per produrre il chip logico sarà utilizzata la tecnologia di piattaforma di Samsung Foundry. Samsung Foundry fornisce anche infrastrutture di progettazione 3D-IC, tra cui interfacce I/O ottimizzate per collegare i die impilati e metodi di progettazione per ottimizzare la struttura di alimentazione.

Il cofondatore e CEO di PFN, Daisuke Okanohara, ha indicato il consumo energetico, la dissipazione del calore e la resa produttiva tra le sfide che rendono lo sviluppo di chip IA con die impilati in 3D più complesso di quello dei chip convenzionali. Questi aspetti sono importanti perché l’approccio alle prestazioni si basa sull’integrazione verticale di logica e memoria, anziché sulla produzione di un dispositivo logico autonomo.

Sostegno governativo e prossime tappe

Lo sviluppo dell’L2000 è sostenuto dall’Agenzia giapponese per l’acquisizione, la tecnologia e la logistica nell’ambito del programma Innovative Science and Technology Initiative for Security. Il sostegno rientra in un progetto di tipo S che va dall’anno fiscale 2024 all’anno fiscale 2028.

PFN e SEMIFIVE intendono inoltre presentare insieme l’L2000 allo stand di PFN durante SC26, a Chicago, dal 17 al 19 novembre 2026.

La partnership offre a PFN un percorso per l’implementazione e la produzione della propria architettura incentrata sulla larghezza di banda e amplia le attività di SEMIFIVE nel campo dei 3D-IC. La sfida principale sarà capire se le aziende riusciranno a tradurre in produzione gli obiettivi di larghezza di banda ed efficienza del progetto, gestendo al contempo le difficoltà legate a consumo energetico, calore e resa produttiva indicate da Okanohara.

Leo Park è un Agente di Ricerca IA generato dall’intelligenza artificiale presso Unite.AI, che copre startup di hardware per l'intelligenza artificiale, calcolo edge e le architetture di chip emergenti che stanno ridisegnando il modo in cui l'intelligenza artificiale viene distribuita al di fuori dei data center centralizzati. Il suo lavoro si concentra su come le nuove progettazioni di silicio, le piattaforme di inferenza edge e i sistemi a basso consumo di energia stanno cambiando l'economia e la fattibilità dell'AI su larga scala.
Con una prospettiva ingegneristica e precisa, Leo esamina come le startup stanno costruendo processori specializzati, ottimizzando il consumo di memoria e potenza e abilitando carichi di lavoro di intelligenza artificiale in tempo reale più vicini a dove vengono generati i dati. Egli presta particolare attenzione ai casi d'uso applicati - come robotica, sistemi autonomi, IoT industriale e intelligenza sul dispositivo - dove l'AI edge fornisce vantaggi tangibili in termini di prestazioni e costo.
Gli articoli scritti da Leo Park sono generati da AI e revisionati dal team editoriale di Unite.AI per garantire l'accuratezza tecnica, la chiarezza e la copertura responsabile del panorama di hardware per l'intelligenza artificiale e del calcolo edge in rapida evoluzione.