IBM показала чип с транзисторами 0,7 нм — вдвое плотнее, чем у конкурентов

IBM показала чип с транзисторами 0,7 нм — вдвое плотнее, чем у конкурентов

IBM представила технологию производства чипов с техпроцессом 0,7 нанометра (7 ангстрем). На кристалл размером с ноготь помещается почти 100 миллиардов транзисторов — вдвое больше, чем у 2-нанометровых чипов, которые компания анонсировала в 2021 году.

Ключевое новшество — архитектура Nanostack. Транзисторы двух типов укладываются друг на друга, причём верхний слой смещён относительно нижнего. Это позволяет подводить сигналы и питание к каждому транзистору независимо — через особую технологию диэлектрического соединения, которую IBM называет собственной разработкой.

По словам Джея Гамбетты, директора IBM Research, по сравнению с 2 нм новая архитектура даёт либо на 50% больше производительности, либо на 70% меньше энергопотребления. Компания также нарисовала дорожную карту до 0,1 нанометра (1 ангстрем) на следующее десятилетие.

Для сравнения: Intel и TSMC сейчас готовят к выпуску техпроцесс 1,4 нм — он должен появиться в 2028 году. IBM говорит о коммерческих продуктах на базе 0,7 нм примерно через пять лет.

Есть нюанс: IBM сама чипы не производит. Компания лицензирует разработки — нанолистовая архитектура IBM уже используется ведущими мировыми foundry. Сейчас IBM помогает японской Rapidus, государственному производителю чипов, освоить 2-нанометровый техпроцесс.

Гамбетта особо выделил потенциал для ИИ-ускорителей. Nanostack даёт 40% прирост плотности SRAM — именно такая память активно используется в AI-чипах для хранения весов моделей прямо на кристалле. Больше SRAM на том же кристалле — быстрее инференс, меньше энергии на обращение к внешней памяти.

Похожие идеи трёхмерной укладки транзисторов обсуждал Intel в 2023 году, а Huawei развивает схожую концепцию LogicFolding. Но промышленного воплощения ни у кого из них пока нет.

Технология описана в статье, опубликованной в IEEE.

Юлия Самойлова
Юлия Самойлова

Пишет о технологиях искусственного интеллекта с 2019 года. Специализируется на материалах о практическом применении ИИ в различных отраслях.