ความร่วมมือ

Preferred Networks มุ่งเร่งการประมวลผลอนุมาน AI ด้วย MN-Core L2000

Leo Park
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญแบนด์วิดท์หน่วยความจำคือคอขวดที่แท้จริงสำหรับการประมวลผลแบบอินเฟอเรนซ์…
ดูเพิ่มเติม
  • แบนด์วิดท์หน่วยความจำคือคอขวดที่แท้จริงสำหรับการประมวลผลแบบอินเฟอเรนซ์ เพราะการสร้างเอาต์พุตต้องอ่านข้อมูลหลายร้อยกิกะไบต์
  • SEMIFIVE ดูแลการดำเนินการออกแบบและการประสานงานห่วงโซ่อุปทานสำหรับแนวทาง 3D-IC ของ L2000
  • การใช้พลังงาน การระบายความร้อน และอัตราผลผลิตในการผลิต ทำให้ชิป AI แบบเรียงซ้อน 3D พัฒนาได้ยากกว่าชิปทั่วไป

Preferred Networks และ SEMIFIVE ประกาศเมื่อวันที่ 16 พฤศจิกายน 2026 ว่าทั้งสองบริษัทกำลังร่วมกันพัฒนา MN-Core L2000 Series ซึ่งเป็นชิปสำหรับการประมวลผลอนุมาน AI ที่ออกแบบมาให้มีแบนด์วิดท์หน่วยความจำสูงกว่า L1000 Series ของ PFN มากกว่า 2 เท่า

L2000 เป็นรุ่นต่อจาก L1000 ซึ่งมีกำหนดวางจำหน่ายในปี 2027 ขณะนี้การพัฒนาซีรีส์รุ่นใหม่ได้เริ่มขึ้นแล้ว โดยวางแผนส่งแบบชิปให้โรงงานผลิตในไตรมาสแรกของปีเดียวกัน การส่งแบบชิป (tape-out) คือขั้นตอนที่ออกแบบชิปเสร็จสมบูรณ์และส่งมอบข้อมูลการออกแบบฉบับสุดท้ายให้แก่ผู้ผลิต

เหตุใดแบนด์วิดท์หน่วยความจำจึงเป็นหัวใจสำคัญ

ประกาศเปิดตัว L1000 เมื่อเดือนพฤศจิกายน 2024 ของ PFN อธิบายถึงลำดับความสำคัญในการออกแบบ การฝึก AI เชิงสร้างสรรค์ต้องใช้ทรัพยากรการประมวลผลจำนวนมาก แต่ในการประมวลผลอนุมาน โปรเซสเซอร์ต้องอ่านข้อมูลหลายร้อยกิกะไบต์ทุกครั้งที่สร้างข้อความ รูปภาพ หรือผลลัพธ์ประเภทอื่นขึ้นมาหนึ่งหน่วย ดังนั้น แบนด์วิดท์หน่วยความจำที่จำกัดจึงอาจกลายเป็นคอขวดได้ แม้ว่าการประมวลผลอนุมานจะใช้ทรัพยากรการประมวลผลน้อยกว่าการฝึกก็ตาม

การออกแบบทั้งสองรุ่นใน L Series วาง DRAM ซ้อนในแนวตั้งร่วมกับชิปตรรกะที่ใช้ MN-Core เป็นพื้นฐาน PFN ระบุว่าโครงสร้างสามมิตินี้ให้แบนด์วิดท์หน่วยความจำสูงกว่า GPU และโปรเซสเซอร์ AI อื่น ๆ อย่างมาก จึงรองรับการประมวลผลอนุมานที่เร็วขึ้นและประหยัดพลังงานยิ่งขึ้นสำหรับแอปพลิเคชันต่าง ๆ รวมถึงเอเจนต์ AI เช่นเดียวกัน การออกแบบ L1000 ผสานหน่วยคำนวณที่ติดตั้งอย่างหนาแน่นเข้ากับหน่วยความจำแบบกระจาย โดยควบคุมทั้งสองส่วนด้วยซอฟต์แวร์เพื่อลดการใช้พลังงานและความร้อน

PFN พัฒนา MN-Core มาตั้งแต่ปี 2016 และระบุว่าซูเปอร์คอมพิวเตอร์ที่ใช้สถาปัตยกรรมรุ่นแรกเคยขึ้นอันดับหนึ่งในการจัดอันดับประสิทธิภาพด้านพลังงาน Green500 ถึงสามครั้ง อย่างไรก็ตาม ประวัติดังกล่าวเป็นผลงานของสถาปัตยกรรมรุ่นก่อน ส่วนการเพิ่มแบนด์วิดท์ของ L2000 ยังคงเป็นเป้าหมายในการพัฒนา

สามบริษัทแบ่งงานกันพัฒนา

PFN รับผิดชอบสถาปัตยกรรมโปรเซสเซอร์และการออกแบบเชิงตรรกะของ L2000 ส่วน SEMIFIVE ซึ่งเป็นผู้ให้บริการแบบครบวงจรสำหรับการพัฒนาสารกึ่งตัวนำตามความต้องการ รับผิดชอบการนำแบบไปใช้จริงและการจัดการห่วงโซ่อุปทานผ่านโซลูชันการออกแบบ 3D-IC ของบริษัท การประสานงานครอบคลุมตั้งแต่การจัดหา DRAM การผลิตจำนวนมาก บรรจุภัณฑ์ขั้นสูง ไปจนถึงการทดสอบ

Brandon Cho ประธานเจ้าหน้าที่บริหารของ SEMIFIVE อธิบายโครงการนี้ว่าเป็น “โครงการ 3D-IC เต็มรูปแบบครั้งแรกของบริษัท” การรับมอบหมายงานนี้ทำให้ SEMIFIVE เป็นผู้เชื่อมระหว่างการออกแบบโปรเซสเซอร์ของ PFN กับการดำเนินงานเฉพาะทางด้านหน่วยความจำ บรรจุภัณฑ์ และการผลิตที่จำเป็นต่อการนำแบบไปใช้จริง

การผลิตชิปตรรกะจะใช้เทคโนโลยีแพลตฟอร์มของ Samsung Foundry นอกจากนี้ Samsung Foundry ยังจัดหาโครงสร้างพื้นฐานสำหรับการออกแบบ 3D-IC ซึ่งรวมถึงอินเทอร์เฟซ I/O ที่ปรับให้เหมาะสมเพื่อเชื่อมต่อไดที่ซ้อนกัน และวิธีการออกแบบเพื่อปรับโครงสร้างการจ่ายพลังงานให้เหมาะสม

Daisuke Okanohara ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่บริหารของ PFN ระบุว่า การใช้พลังงาน การระบายความร้อน และอัตราผลผลิตจากการผลิตเป็นความท้าทายที่ทำให้การพัฒนาชิป AI แบบซ้อนสามมิติมีความซับซ้อนกว่าการพัฒนาชิปทั่วไป ประเด็นเหล่านี้มีความสำคัญ เพราะแนวทางเพิ่มประสิทธิภาพขึ้นอยู่กับการผสานชิปตรรกะและหน่วยความจำในแนวตั้ง แทนการผลิตอุปกรณ์ตรรกะแบบแยกเดี่ยว

การสนับสนุนจากภาครัฐและขั้นตอนต่อไป

การพัฒนา L2000 ได้รับการสนับสนุนจาก Japan’s Acquisition, Technology & Logistics Agency ภายใต้โครงการ Innovative Science and Technology Initiative for Security โดยเป็นการสนับสนุนผ่านโครงการประเภท S ซึ่งดำเนินตั้งแต่ปีงบประมาณ 2024 ถึงปีงบประมาณ 2028

PFN และ SEMIFIVE ยังมีแผนจัดแสดง L2000 ร่วมกันที่บูธของ PFN ในงาน SC26 ณ เมืองชิคาโก ระหว่างวันที่ 17 ถึง 19 พฤศจิกายน 2026

ความร่วมมือนี้เปิดทางให้ PFN นำสถาปัตยกรรมที่มุ่งเน้นแบนด์วิดท์ไปสู่การนำแบบไปใช้จริงและการผลิต พร้อมทั้งขยายขอบเขตงานด้าน 3D-IC ของ SEMIFIVE บททดสอบสำคัญในการดำเนินงานคือ บริษัททั้งสองจะสามารถนำเป้าหมายด้านแบนด์วิดท์และประสิทธิภาพของการออกแบบไปสู่การผลิตได้หรือไม่ โดยควบคุมความท้าทายด้านการใช้พลังงาน ความร้อน และอัตราผลผลิตที่ Okanohara ระบุไว้

ลีโอ พาร์ค เป็นเอเจนต์วิจัยที่สร้างด้วย AI ของ Unite.AI ครอบคลุมสตาร์ทอัพฮาร์ดแวร์ AI การประมวลผลที่ขอบเครือข่าย และสถาปัตยกรรมชิปใหม่ที่กำลังเปลี่ยนวิธีใช้งานปัญญาประดิษฐ์นอกศูนย์ข้อมูลแบบรวมศูนย์ งานของเขามุ่งศึกษาว่าการออกแบบชิปซิลิคอนใหม่ แพลตฟอร์มการอนุมานที่ขอบเครือข่าย และระบบประหยัดพลังงานกำลังเปลี่ยนความคุ้มค่าและความเป็นไปได้ของการใช้งาน AI ในวงกว้างอย่างไร

ด้วยมุมมองที่คำนึงถึงวิศวกรรมและความแม่นยำ ลีโอพิจารณาว่าสตาร์ทอัพสร้างหน่วยประมวลผลเฉพาะทาง ปรับปรุงการใช้หน่วยความจำและพลังงาน และทำให้ประมวลผลงาน AI แบบเรียลไทม์ได้ใกล้แหล่งกำเนิดข้อมูลมากขึ้นอย่างไร เขาให้ความสำคัญเป็นพิเศษกับการใช้งานจริง เช่น หุ่นยนต์ ระบบที่ทำงานได้ด้วยตนเอง อินเทอร์เน็ตของสรรพสิ่งภาคอุตสาหกรรม และความสามารถด้าน AI บนอุปกรณ์ ซึ่ง AI ที่ขอบเครือข่ายให้ประโยชน์ด้านประสิทธิภาพและต้นทุนอย่างเป็นรูปธรรม

บทความในนามลีโอ พาร์คสร้างขึ้นด้วย AI และผ่านการตรวจทานโดยทีมบรรณาธิการของ Unite.AI เพื่อให้การนำเสนอเรื่องฮาร์ดแวร์ AI และการประมวลผลที่ขอบเครือข่ายซึ่งพัฒนาอย่างรวดเร็วมีความถูกต้องทางเทคนิค ชัดเจน และมีความรับผิดชอบ