🇨🇳cnBeta (Full RSS)•較早收集於 16h
NVIDIA Feynman 首發 1.6nm A16 GPU 核心
💡NVIDIA 1.6nm Feynman 路線圖預示 AI GPU 效能與密度大躍進。（38字）
⚡ 30-Second TL;DR
有什麼變化
Feynman 架構預計 2028 年推出
為什麼重要
先進製程與 3D 堆疊將大幅提升 AI 運算密度，但供應限制可能延緩下一代訓練叢集擴展。
下一步行動
評估台積電 A16 路線圖時程，以規劃 2028 年 AI GPU 採購預算。
誰應關注：Enterprise & Security Teams
關鍵要點
- •Feynman 架構預計 2028 年推出
- •GPU 核心首用台積電 1.6nm A16 製程
- •引入自訂 HBM 晶片與 3D 堆疊封裝
- •因 A16 產能不足而混用 3nm
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Feynman 架構將整合 NVIDIA 自研的『Blackwell-Next』互連技術，旨在解決 1.6nm 製程下極高的功耗密度與散熱挑戰。
- •台積電 A16 製程結合了超級電軌（Super Power Rail）架構，NVIDIA 透過此技術預計能將邏輯密度提升約 20%，並顯著降低 IR Drop（電壓降）問題。
- •為緩解 A16 產能瓶頸，NVIDIA 採取了異質整合策略，將關鍵運算單元（Compute Die）置於 A16，而周邊 I/O 與快取單元則採用成熟的 3nm 製程以優化良率與成本。
📊 競品分析▸ Show
| 特性 | NVIDIA Feynman (A16) | AMD Instinct (預計下一代) | Intel Gaudi/Xeon (預計下一代) |
|---|---|---|---|
| 製程節點 | TSMC A16 (1.6nm) | 預計 TSMC 2nm | 預計 Intel 18A |
| 封裝技術 | 3D 堆疊 + 自訂 HBM | 2.5D/3D 混合封裝 | EMIB + Foveros |
| 預期定位 | 超大規模 AI 訓練 | 高性價比 AI 推論/訓練 | 企業級 AI 與混合運算 |
🛠️ 技術深入
- •採用台積電 A16 製程，引入背面供電網路（Backside Power Delivery）技術，將電源軌移至晶圓背面，大幅減少訊號干擾。
- •整合自訂 HBM4e 記憶體，透過 3D 堆疊技術直接封裝於 GPU 核心上方，以實現極高的記憶體頻寬。
- •架構設計針對 Transformer 模型進行硬體級優化，特別強化了 FP8 與 FP4 的運算吞吐量。
- •引入先進的液冷散熱介面設計，以應對 A16 製程在高負載下產生的極高熱通量。
🔮 前景展望AI analysis grounded in cited sources
NVIDIA 將在 2028 年後進一步拉開與競爭對手的製程技術差距。
透過率先導入 A16 製程與自訂 HBM，NVIDIA 確立了在單位面積算力密度上的絕對領先地位。
台積電 A16 的產能將成為 NVIDIA 2028 年營收成長的關鍵限制因素。
由於 A16 製程複雜度極高，初期產能受限迫使 NVIDIA 必須採取混用 3nm 的折衷方案，這將影響產品的整體毛利率。
⏳ 時間線
2022-03
NVIDIA 發表 Hopper 架構，開啟 GPU 加速運算新紀元。
2024-03
NVIDIA 發表 Blackwell 架構，引入雙晶片封裝技術。
2025-06
台積電正式宣布 A16 製程技術細節與量產時程規劃。
2026-03
NVIDIA 於 GTC 大會首度公開 Feynman 架構路線圖。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： cnBeta (Full RSS) ↗