โรงผลิตระบบแรกที่ออกแบบมาสำหรับยุค AI
การเปลี่ยนแปลงภูมิทัศน์เทคโนโลยีและความต้องการของลูกค้าโรงหล่อต้องการแนวทางใหม่ในการส่งมอบโซลูชัน Intel Foundry มอบความสามารถเฉพาะตัวในการรับมือกับข้อกําหนดของระบบที่ท้าทายที่สุดในปัจจุบัน
ภูมิทัศน์ของเทคโนโลยีกําลังเปลี่ยนไป
ชิป AI ใช้พลังงานมากกว่า 61% ของประเทศ1
การเติบโตของการประมวลผลที่คาดการณ์ไว้สําหรับการฝึกอบรม ML นั้น>3 เท่าต่อปีในทศวรรษหน้า2
การประมวลผลอยู่นอกเหนือแบนด์วิดท์หน่วยความจํา3
เซมิคอนดักเตอร์ขั้นสูงที่มีความหลากหลายทางภูมิศาสตร์มีความสําคัญต่อความยืดหยุ่นของห่วงโซ่อุปทาน
ความต้องการของลูกค้ากําลังเปลี่ยนไป
รายได้จากโรงหล่อจากการออกแบบ HPC/AI ยังคงเพิ่มขึ้น
ชิปเล็ตกําลังตามเพื่อเหนือความตายของโมโนลิธิคภายในปี 20284
โซลูชันในปัจจุบันและอนาคตต้องการการเพิ่มประสิทธิภาพร่วมของเทคโนโลยีระบบ (STCO)
โลกต้องการบริษัทผลิตชิประบบสำหรับยุค AI
การใช้งานที่ต้องอาศัยการประมวลผลหนักหน่วงอย่าง AI และ HPC ต้องใช้ประสิทธิภาพที่พัฒนาขึ้น ซึ่งมากกว่าที่ความก้าวหน้าในการผลิตเซมิคอนดักเตอร์เพียงอย่างเดียวจะมอบให้ได้ เราต้องการวิธีใหม่ๆ เพื่อรับมือกับการใช้พลังงานที่เพิ่มขึ้น ตอบสนองความจำเป็นด้านปริมาณข้อมูล และลดค่าใช้จ่ายในการดำเนินงาน บริษัทผลิตชิปต้องปรับประสิทธิภาพที่ระดับระบบ ตั้งแต่ชิปประมวลผลไปจนถึงซอฟต์แวร์ ตลอดจนทุกระดับระหว่างนั้น
รับฟังเพิ่มเติมจากหัวบริการ Foundry Kevin O'Buckley
ข้อเสนอการผลิตชิประดับโลก
เทคโนโลยีกระบวนการ
ออกแบบผลิตภัณฑ์ระดับผู้นำเจนเนอเรชั่นถัดไปของคุณด้วยเทคโนโลยีใหม่ที่ทันสมัยอย่าง Intel 18A, Intel 3 และ Intel 16 ของเรา
บรรจุภัณฑ์และการทดสอบขั้นสูง
Intel Foundry นำเสนอการเชื่อมต่อที่ล้ำสมัย ครองความเป็นผู้นำด้านบรรจุภัณฑ์ 2D, 2.5D และ 3D และบริการการประกอบและทดสอบที่ครอบคลุม
การผลิต
ใช้ประโยชน์จากซัพพลายที่แข็งแกร่ง หลากหลายทางภูมิศาสตร์ ปลอดภัย และขยายออกไปอย่างต่อเนื่องสำหรับเวเฟอร์ ตลอดจนการประกอบและการทดสอบ การเป็นผู้นำด้านความยั่งยืนของเราช่วยให้ลูกค้าบรรลุเป้าหมายและปฏิบัติตามข้อกำหนดด้านกฎระเบียบได้
Intel Foundry Portal
ข้อมูลผลิตภัณฑ์และประสิทธิภาพ
แหล่งที่มา: AI GPU (https://www.nvidia.com/en-us/data-center/h100/) การใช้พลังงานที่คาดการณ์ไว้ (https://worldpopulationreview.com/country-rankings/energy-consumption-by-country) คาดการณ์การใช้พลังงานในแต่ละประเทศ (https://www.tomshardware.com/news/nvidia-to-reportedly-triple-output-of-compute-gpus-in-2024-up-to-2-million-h100s)
แหล่งที่มา: Bjorlin, Alexis, "Deploying AI at Meta Scale", https://www.kisacoresearch.com/sites/default/files/presentations/ai_hw_summit_keynote-distro-final.pdf
แหล่งที่มา: Gholami, et al., “AI and Memory Wall,” IEEE Micro Journal, 2024, https://arxiv.org/abs/2403.14123
Yang, et al., “Challenges and Opportunities to Enable Large-Scale Computing via Heterogeneous Chiplets.” https://arxiv.org/pdf/2311.16417
เนื้อหาในหน้านี้เป็นการผสมผสานระหว่างการแปลเนื้อหาต้นฉบับภาษาอังกฤษโดยมนุษย์และคอมพิวเตอร์ เนื้อหานี้จัดทำขึ้นเพื่อความสะดวกของคุณและเพื่อเป็นข้อมูลทั่วไปเท่านั้นและไม่ควรอ้างอิงว่าสมบูรณ์หรือถูกต้อง หากมีความขัดแย้งใด ๆ ระหว่างเวอร์ชันภาษาอังกฤษของหน้านี้กับคำแปล เวอร์ชันภาษาอังกฤษจะมีผลเหนือกว่าและควบคุม ดูเวอร์ชันภาษาอังกฤษของหน้านี้