ขนาดวิดีโอ: 1280 X 720853 X 480640 X 360
แสดงแผงควบคุมโปรแกรมเล่น
เล่นอัตโนมัติ
เล่นใหม่
良率之外散熱也是一個超級大問題.
放太空有絕對零度
上水冷😂
沒事 上液氮
@@f124824508太空散热更差
散热从来不是问题 功耗才是
要比就比同等大小..... 同樣1cm2 NV是9.8億 WSE-2是5.6億密度就輸了 更不用說H100一個機櫃可以塞至少4張 WSE-2能塞多少?
感覺好猛..用50年前來看今天 會覺得很不可思議..現已今非昔比 其不可思義的程度猶如穴居人之於太空梭
大了但良率不高然後密度也沒有比較高,難道是要比散熱嗎
封裝怎麼做?怎麼上板子?應力問題怎麼解決?
外行人才會說晶片少要寫的代碼變少!
良率爆炸
其實我覺得不用太擔心面積大的問題首先這不是一個騙錢的項目再來伺服器所製作的,所以不能用常規的邏輯去思考他
我看到有蠻多人連運算記憶體整合的概念都不懂就在評論,你們是不知道對大型運算中心而言傳輸速度瓶頸有多致命嗎?
要多少散熱風扇 才能壓得住溫度XD INTEL 處理器 14代已經悲劇XD聽說360水冷壓不住XD
這種東西要量產, 是準備報廢多少片才能產一片?
輝達會成功是因為除了硬體還有整套的軟體生態系,工程師從大學還是學生就開始用輝達提供的軟體訓練模型,後進要能打敗輝達等於是要別人打掉所學重練,這並不容易。
功耗呢?你散熱怎麼辦?三個字給你"你加油"
液態氮灌下去
@@user-fm3yf5pj9r 散熱器具呢 冷凝水怎麼辦總不可能永遠低(高)頻穩定的跑吧比較好奇的是會不會因為電流造成磁場間接造成晶片損壞
12吋良率全都是好的嗎?🤔
12吋晶圓只切割一顆晶片, 這最好可以量產, 要賣多貴? 良率? 產能?
小時候一直以為GPU只是拿來玩遊戲的 長大才知道GPU的用途真的好廣
大有啥關係,快速效率才是重點,有人會扛著伺服器上下班嗎?
誰跟你講晶片大沒關係....... ,資料中心建廠不用成本就對了!
可以用台積電2nm,體積、速度和散熱更好!
一大塊良率會很低,先進封裝會缺貨不是蓋的
傳統GPU其實很不適合做AI運算,所以才有人開發AI專用晶片,不要再說晶片太大塞不進手機了,這東西就是伺服器專用的
重點是在同一塊晶片上面的通訊才有辦法快 至於他的「繞線」是怎麼樣 有沒有最佳化我不清楚能不能最佳化也不清楚畢竟是平面的在拓撲上面可能會不同我是懶得算 我們不要算電晶體 應該說單位面積的算力是多少?就用flop 看就好 要看整數也可以另外就是單位算力的成本另外這顆晶片能夠算出現有架構 算不出的東西嗎?我指的是同樣的時間之下算出結果
光那個面積封裝就超低良率了吧 ? 或是不計成本 ?
大公司錢不是問題,只要有競爭力
這樣到東西看起來就沒有競爭力…
先有噱頭才能融資這個實驗室產品根本無法量產 能量產成本也超高 一整個晶圓只能產一片
有得必有失,它的優點影片已經講很清楚,如果所有的運算都在一片晶圓完成,那性能遠超多晶片集成,這必定是未來趨勢,只是後面要有金主,或者甚至 nVidia 自己設計出來賣。@@brad4273
未來的煮泡麵神器
我是覺得往大了做,不僅良率、成本、散熱…這些有問題,未來性也很有疑問。AI晶片不會永遠只用於運算中心機房,將來還要逐漸分散部分計算到終端用戶設備上,像是車載電腦、穿戴、移動設備等,一旦晶片體積大,就會降低未來可應用的範圍,這不是違反人類需求發展趨勢的想法嗎?
未來可能是手上只有終端機,計算留在機房,5G萬物聯網,之後的6789G有更高的頻寬、更低的延遲,沒必要把算力放在體積、熱量、電量也受限的可移動設備上,只需要無線電波就好
你曉得現在主流的修圖app並不是在手機端運算的嗎
@@TianJr 你估計是不懂這其中的運算邏輯差異,你知道一個3D遊戲畫面渲染是多大的量級嗎?修圖不過是算一張圖,還可以讓使用者等待結果,而3D遊戲一秒至少要播放25張圖才會順暢,50~60張圖才會絲滑流暢,若是次世代的模型,那角色面數一個就至少40萬面,如果還要加上高光、光跡追蹤…算了,解釋這些你也不一定懂,總之,算一張圖,和一秒算出幾十張圖,還要瞬間傳輸到終端播放,這完全不是一個量級的工作量與數據量。想要算這樣的數據,每服務一個玩家,就必須分配一張匹配級別的GPU,一台PS5售價一萬多台幣,當中的顯卡,至少也要5000元,而且還是特製的版本,與PC 顯卡規格不同,試問機房建構者要從什麼地方把這錢賺回來?推進科技發展的背後力量,基本都是一連串的商業模式,若沒有可支撐盈利的模式,那條路最後就會消失。哪怕現在很多人都用著簡易的雲端應用工具,但對真正專業的人員來說,那些工具是不夠用的。當然,雲端作業的專業圖形處理模式,也是存在的,但和你理解的有所不同,而且這通常是建構在封閉的工作站集群架構下,終端機仍然配置著昂貴的高端顯卡,而且這個集群裡的顯卡算力,在有需要時,還可以被其他終端借用。
@@TianJr 還有,手機應用只是為一般人使用而考慮的,和電腦上的專業工具是兩碼事。就說Adobe 和Autodesk的那幾套專業圖像工具,想用手機達到同樣的功能與效率,從先天操作模式上就不可能,這是普通應用和專業工具的分野。智能手機只是讓平常拿電腦做一些簡單事務的人,可以不再需要用到電腦而已,但對於專業人士來說,電腦仍是不可取代的設備,雲端的意義,更多則是在團隊作業的便利性,越是專業越需要保密,所以很多都不會使用外部的公共雲服務,甚至很多研發機構,公司內部電腦是不允許連結外網的,想要網上數據,還需要使用專門連接外網的電腦,並且操作紀錄會被保存下來備查。
@@takeruka9429 你打一堆也不曉得想證明什麼?1. 雲端遊戲不可行?2. 雲端的意義主要在於團隊作業?如果是這樣資訊也太落伍了
不習慣都嘛是一開始而已,新東西就是要嘗試使用,就會廣為流傳,很多東西都是一樣的
這功耗有待觀察😂
這片大概可以拿來煎蛋了
老黃的就可以煎了,這家大腦的晶片應該可以洗熱水澡了XD
功率全開比電磁爐還燙
也太胖
良率低價格高
良率跟散熱不知道有沒有解決?
這家公司賣一臺機器是一百萬美金起跳,晶片7奈米制程的費用大約要2萬美金一片
不實際 良率呢?
462/8.16*640=3623,只需要1/3體積,厲害^^
距離太遠了 所以需要3d堆疊
這樣壞一個整片壞。
還是張善政眼光獨到,一腳踢開台積電,桃園選民的福音。
你是住在東方某大國的嗎? 🤣
還以為是量子電腦晶片,結果只是比較大而已
這麼大的晶片,裡面有一小段線路沒蝕刻好,整塊就掛了吧!這個成本真的太大了!
不會,他裡面是好幾十組CPU,各自獨立,可以關閉壞掉的
@@user-eu1nr1yc5x 這樣不就變成Downgrade 了,系統應該會很不穩定吧!
@@Jerry_Kaku "各自獨立" 中文OK???
同樣大小的話,輝達的數量有4.5兆😅
良率?
我想我電腦需要這顆晶片來做功課📚
那主機板該有多大
好久没看非凡,家莹变了不少😂
這塊晶片應該是電磁爐吧 拿來燉雞湯?
😋😋😋
有趣,導熱速率是個挑戰題。
真以為輝達做不出大片的嗎.....
良率沒100%都做不過
散热功率比不上发热功率 GPU那么大片算几次就报废了😂
大晶片時代來臨…反正買來是放在機房內…
这是两年前的事情了。一提到散热,这家公司就不吭声了。
超大體積的先進封裝,說明就產量低又超級貴。一大塊只要有錯就打掉
沒那麼弱啦 壞的部分可以跳過搞不好內部9成好的就能用了
感覺連搶救的機會都沒有
其實會設計AI晶片的企業很多,硬體供應的真正瓶頸還是台積電😅
將gpu跟ram做在一起就好,1、2奈米產生成本跟算力優勢會不會不如5~7奈米的成本與優勢
面積這麼大 良率感覺很低
如果真有這麼好,銷量又好,輝達要跌了,前提是成真
光是良品率就足够自秒
製程一定是用比較老的那種,良率不會低
@@jonathanchentw 大也會降低良率,不好說
Great!!!!
新程式就用舊AI 寫吧
良率
我的晶片很大 妳要習慣一下 (?!!?!?!?)
大晶片 怕地震晃動嗎?
特斯拉內部肯定有能接收宇宙資料庫的人😂
畢竟馮紐曼架構也已經70多年了,也算是一個新方向
晶片太大,散熱,更換,接聯,都是問題,不合乎使用要求。
個人不了解……比iPad還大的最大晶片。無從評論。只不過以另一角度思考…你不是機師會想開飛機,看了空中飛人表演,也想上去表演??專業的事,不就是要找專業。
原來矽谷也有487
如何解決那個巨大晶片的過熱問題?
液冷啊
晶片什麼時候變成越大越厲害了?
本來就是,晶片算力就是由晶片上有多少晶體元件所決定的,沒法提升晶體元件密度只好提升面積來增加晶體元件數量,但做太大良率會下降
理論上就是愈大愈厲害~ 實際上還要牽扯到架構,良率.....不過只要你的產品有賣點,這些都不會是問題
他這個是客製化晶片集合體,並不是單一晶片這麼大...
做不了3奈米以下當然要做大一點
科技始於人性,但最終人類必死於科技。
一片12吋只有一片晶片,這良率有點扯。感覺是騙錢的公司。
確實
有可能使用的nm比較大
想到80年代的街機主機板
比輝達還厲害 但用處呢??
最後談軟件部分是最關鍵的 雖然有公司已經用CUDA 以外的 API 例如OpenAI 但仍然有很多是習慣了CUDA 架構 要改架構是很複雜的事
😅 一看就知道你不懂。cuda和openai 的API 完全就是不同领域的东西....
@@evertchin 我談的是 CUDA API 不是 OpenAi 的 HTTP API… 我意思是 Open AI 已經migrate from CUDA 架構 轉用一種他們研發的架構 你看他們的 blog 就會見到
CUDA是更底層的
面積大的看來就是妥善率低,維修單價成本高…,沒有可比性。
把 i7-3770 cpu 做成ipad 那麼大,這種技術的確是獨領風騷。
大的話,散熱和耗電都是問題!
散热用液氮,耗电用核电站。
越大熱流密度越低..
晶片怎麼會越大越好???反人類還是反科學?
這要把散熱器整合進去才行
浸沒式水冷...
這要怎麼散熱?
浸沒式水冷 可以解決這問題
這麼大的晶片不會有發熱問題
欸不是4公尺的晶片欸😂😂
462平方公分蘋果平板有這麼大嗎?那輝達8.16平方公分要算816平方公分的話,輝達得落後人50年。
nVidia直接併合就可以了
完全不一樣
@@bosolin8978 併合不是1+1. 整合成一大片
1+1=1
這個都出多久了……
立体液冷才是未来
終於有這種整合型晶片, 電腦硬件真的需要大改革, 不然跟不上運算需求
解说,816平方公里,是多大啊
平方公分吧
公厘
北極熊想哭了
是什麼nm制程?
一代我記得是28奈米,二代是7奈米
完全不信~
遙遙領先
tsla 说那是一件AI公司
什麼鬼東西?大那麼多,運算力才多3倍?
10000:64 = 3: 4 那裡只多三倍?..
影響運算速度除了電晶體數量以外,還要考量溫度、電路結構設計等因素。影片已經有說明其運算速度我比較好奇如何降溫,預算能力越是強大的晶片,運作時越高溫,像GPU或電腦CPU等都超高溫的,這麼大塊,應該更高溫。
@@st56ev8enBen01 只是他面積很大,降溫效率也比較高吧
代碼(X) 程式(O)
這根本不算啥啊!昏倒,這也能談
講幹話 為了快 晶片大沒關係 大晶片意味著 傳輸距離拉大 效率就上不去了..
已經做在同一個晶片上了,影片裡大晶片的優勢正是傳輸速度喔
??
就說記憶體直接做在晶片裡了所以傳輸速度是優勢
大而無當短小精悍
還好吧 以前8-年代的街機主機板 到了PS4時代才真正完全跟上主機板的遊戲品質
主播也很大
這麼大顆要怎麼算良率?要嘛0要嘛100?這一片不得好幾十萬?誰會買啊
幾十萬可能都算便宜了你看輝達 h100 的報價,在pc Home都要一百三十萬了,還不一定買得到因為要做大模型ai還不只要買一張,如果大廠都願意花這麼多錢的話,真的很難想像背後產值有多大
@@user-jj5ku5to8z 聽起來顧這個產品的工程師壓力會很大😂這個連搶救的機會都沒有
你沒開發過芯片嗎?錯誤的部分只要不是大面積的,可以用程式関閉的
良率是100%,簡單說是用標準晶圓的良率算97%好了,設計下達到100%大晶片標準晶圓的良率97%,下允許2000片壞60個。一片大晶圓內建4000以上內核+記憶體+互聯,實際可能是4400內核,允許有400個內核是NG關閉起來(Cerebras WSE-1 擁有 1.2 兆個電晶體、400,000 個運算核心和 18 GB 記憶體)
效能過剩 你用不到
因为要上市了,开始出新闻了
良率之外散熱也是一個超級大問題.
放太空有絕對零度
上水冷😂
沒事 上液氮
@@f124824508太空散热更差
散热从来不是问题 功耗才是
要比就比同等大小..... 同樣1cm2 NV是9.8億 WSE-2是5.6億
密度就輸了 更不用說H100一個機櫃可以塞至少4張 WSE-2能塞多少?
感覺好猛..
用50年前來看今天 會覺得很不可思議..
現已今非昔比
其不可思義的程度猶如穴居人之於太空梭
大了但良率不高然後密度也沒有比較高,難道是要比散熱嗎
封裝怎麼做?怎麼上板子?應力問題怎麼解決?
外行人才會說晶片少要寫的代碼變少!
良率爆炸
其實我覺得不用太擔心面積大的問題
首先這不是一個騙錢的項目
再來伺服器所製作的,所以不能用常規的邏輯去思考他
我看到有蠻多人連運算記憶體整合的概念都不懂就在評論,你們是不知道對大型運算中心而言傳輸速度瓶頸有多致命嗎?
要多少散熱風扇 才能壓得住溫度XD INTEL 處理器 14代已經悲劇XD
聽說360水冷壓不住XD
這種東西要量產, 是準備報廢多少片才能產一片?
輝達會成功是因為除了硬體還有整套的軟體生態系,工程師從大學還是學生就開始用輝達提供的軟體訓練模型,後進要能打敗輝達等於是要別人打掉所學重練,這並不容易。
功耗呢?你散熱怎麼辦?
三個字給你"你加油"
液態氮灌下去
@@user-fm3yf5pj9r 散熱器具呢 冷凝水怎麼辦
總不可能永遠低(高)頻穩定的跑吧
比較好奇的是會不會因為電流造成磁場間接造成晶片損壞
12吋良率全都是好的嗎?🤔
12吋晶圓只切割一顆晶片, 這最好可以量產, 要賣多貴? 良率? 產能?
小時候一直以為GPU只是拿來玩遊戲的 長大才知道GPU的用途真的好廣
大有啥關係,快速效率才是重點,有人會扛著伺服器上下班嗎?
誰跟你講晶片大沒關係....... ,資料中心建廠不用成本就對了!
可以用台積電2nm,體積、速度和散熱更好!
一大塊良率會很低,先進封裝會缺貨不是蓋的
傳統GPU其實很不適合做AI運算,所以才有人開發AI專用晶片,不要再說晶片太大塞不進手機了,這東西就是伺服器專用的
重點是在同一塊晶片上面的通訊才有辦法快 至於他的「繞線」是怎麼樣 有沒有最佳化我不清楚能不能最佳化也不清楚畢竟是平面的在拓撲上面可能會不同
我是懶得算 我們不要算電晶體 應該說單位面積的算力是多少?就用flop 看就好 要看整數也可以
另外就是單位算力的成本
另外這顆晶片能夠算出現有架構 算不出的東西嗎?我指的是同樣的時間之下算出結果
光那個面積封裝就超低良率了吧 ? 或是不計成本 ?
大公司錢不是問題,只要有競爭力
這樣到東西看起來就沒有競爭力…
先有噱頭才能融資
這個實驗室產品根本無法量產 能量產成本也超高 一整個晶圓只能產一片
有得必有失,它的優點影片已經講很清楚,如果所有的運算都在一片晶圓完成,那性能遠超多晶片集成,這必定是未來趨勢,只是後面要有金主,或者甚至 nVidia 自己設計出來賣。@@brad4273
未來的煮泡麵神器
我是覺得往大了做,不僅良率、成本、散熱…這些有問題,未來性也很有疑問。
AI晶片不會永遠只用於運算中心機房,將來還要逐漸分散部分計算到終端用戶設備上,像是車載電腦、穿戴、移動設備等,一旦晶片體積大,就會降低未來可應用的範圍,這不是違反人類需求發展趨勢的想法嗎?
未來可能是手上只有終端機,計算留在機房,5G萬物聯網,之後的6789G有更高的頻寬、更低的延遲,沒必要把算力放在體積、熱量、電量也受限的可移動設備上,只需要無線電波就好
你曉得現在主流的修圖app並不是在手機端運算的嗎
@@TianJr 你估計是不懂這其中的運算邏輯差異,你知道一個3D遊戲畫面渲染是多大的量級嗎?
修圖不過是算一張圖,還可以讓使用者等待結果,而3D遊戲一秒至少要播放25張圖才會順暢,50~60張圖才會絲滑流暢,若是次世代的模型,那角色面數一個就至少40萬面,如果還要加上高光、光跡追蹤…算了,解釋這些你也不一定懂,總之,算一張圖,和一秒算出幾十張圖,還要瞬間傳輸到終端播放,這完全不是一個量級的工作量與數據量。
想要算這樣的數據,每服務一個玩家,就必須分配一張匹配級別的GPU,一台PS5售價一萬多台幣,當中的顯卡,至少也要5000元,而且還是特製的版本,與PC 顯卡規格不同,試問機房建構者要從什麼地方把這錢賺回來?
推進科技發展的背後力量,基本都是一連串的商業模式,若沒有可支撐盈利的模式,那條路最後就會消失。
哪怕現在很多人都用著簡易的雲端應用工具,但對真正專業的人員來說,那些工具是不夠用的。
當然,雲端作業的專業圖形處理模式,也是存在的,但和你理解的有所不同,而且這通常是建構在封閉的工作站集群架構下,終端機仍然配置著昂貴的高端顯卡,而且這個集群裡的顯卡算力,在有需要時,還可以被其他終端借用。
@@TianJr 還有,手機應用只是為一般人使用而考慮的,和電腦上的專業工具是兩碼事。
就說Adobe 和Autodesk的那幾套專業圖像工具,想用手機達到同樣的功能與效率,從先天操作模式上就不可能,這是普通應用和專業工具的分野。
智能手機只是讓平常拿電腦做一些簡單事務的人,可以不再需要用到電腦而已,但對於專業人士來說,電腦仍是不可取代的設備,雲端的意義,更多則是在團隊作業的便利性,越是專業越需要保密,所以很多都不會使用外部的公共雲服務,甚至很多研發機構,公司內部電腦是不允許連結外網的,想要網上數據,還需要使用專門連接外網的電腦,並且操作紀錄會被保存下來備查。
@@takeruka9429 你打一堆也不曉得想證明什麼?
1. 雲端遊戲不可行?
2. 雲端的意義主要在於團隊作業?
如果是這樣資訊也太落伍了
不習慣都嘛是一開始而已,新東西就是要嘗試使用,就會廣為流傳,很多東西都是一樣的
這功耗有待觀察😂
這片大概可以拿來煎蛋了
老黃的就可以煎了,這家大腦的晶片應該可以洗熱水澡了XD
功率全開比電磁爐還燙
也太胖
良率低價格高
良率跟散熱不知道有沒有解決?
這家公司賣一臺機器是一百萬美金起跳,晶片7奈米制程的費用大約要2萬美金一片
不實際 良率呢?
462/8.16*640=3623,只需要1/3體積,厲害^^
距離太遠了 所以需要3d堆疊
這樣壞一個整片壞。
還是張善政眼光獨到,一腳踢開台積電,桃園選民的福音。
你是住在東方某大國的嗎? 🤣
還以為是量子電腦晶片,
結果只是比較大而已
這麼大的晶片,裡面有一小段線路沒蝕刻好,整塊就掛了吧!這個成本真的太大了!
不會,他裡面是好幾十組CPU,各自獨立,可以關閉壞掉的
@@user-eu1nr1yc5x 這樣不就變成Downgrade 了,系統應該會很不穩定吧!
@@Jerry_Kaku "各自獨立" 中文OK???
同樣大小的話,輝達的數量有4.5兆😅
良率?
我想我電腦需要這顆晶片來做功課📚
那主機板該有多大
好久没看非凡,家莹变了不少😂
這塊晶片應該是電磁爐吧 拿來燉雞湯?
😋😋😋
有趣,導熱速率是個挑戰題。
真以為輝達做不出大片的嗎.....
良率沒100%都做不過
散热功率比不上发热功率 GPU那么大片算几次就报废了😂
大晶片時代來臨…反正買來是放在機房內…
这是两年前的事情了。一提到散热,这家公司就不吭声了。
超大體積的先進封裝,說明就產量低又超級貴。一大塊只要有錯就打掉
沒那麼弱啦 壞的部分可以跳過
搞不好內部9成好的就能用了
感覺連搶救的機會都沒有
其實會設計AI晶片的企業很多,硬體供應的真正瓶頸還是台積電😅
將gpu跟ram做在一起就好,1、2奈米產生成本跟算力優勢會不會不如5~7奈米的成本與優勢
面積這麼大 良率感覺很低
如果真有這麼好,銷量又好,輝達要跌了,前提是成真
光是良品率就足够自秒
製程一定是用比較老的那種,良率不會低
@@jonathanchentw 大也會降低良率,不好說
Great!!!!
新程式就用舊AI 寫吧
良率
我的晶片很大 妳要習慣一下 (?!!?!?!?)
大晶片 怕地震晃動嗎?
特斯拉內部肯定有能接收宇宙資料庫的人😂
畢竟馮紐曼架構也已經70多年了,也算是一個新方向
晶片太大,散熱,更換,接聯,都是問題,不合乎使用要求。
個人不了解……比iPad還大的最大晶片。無從評論。
只不過以另一角度思考…你不是機師會想開飛機,看了空中飛人表演,也想上去表演??專業的事,不就是要找專業。
原來矽谷也有487
如何解決那個巨大晶片的過熱問題?
液冷啊
晶片什麼時候變成越大越厲害了?
本來就是,晶片算力就是由晶片上有多少晶體元件所決定的,沒法提升晶體元件密度只好提升面積來增加晶體元件數量,但做太大良率會下降
理論上就是愈大愈厲害~ 實際上還要牽扯到架構,良率.....不過只要你的產品有賣點,這些都不會是問題
他這個是客製化晶片集合體,並不是單一晶片這麼大...
做不了3奈米以下當然要做大一點
科技始於人性,但最終人類必死於科技。
一片12吋只有一片晶片,這良率有點扯。感覺是騙錢的公司。
確實
有可能使用的nm比較大
想到80年代的街機主機板
比輝達還厲害 但用處呢??
最後談軟件部分是最關鍵的 雖然有公司已經用CUDA 以外的 API 例如OpenAI 但仍然有很多是習慣了CUDA 架構 要改架構是很複雜的事
😅 一看就知道你不懂。cuda和openai 的API 完全就是不同领域的东西....
@@evertchin 我談的是 CUDA API 不是 OpenAi 的 HTTP API… 我意思是 Open AI 已經migrate from CUDA 架構 轉用一種他們研發的架構 你看他們的 blog 就會見到
CUDA是更底層的
面積大的看來就是妥善率低,維修單價成本高…,沒有可比性。
把 i7-3770 cpu 做成ipad 那麼大,這種技術的確是獨領風騷。
大的話,散熱和耗電都是問題!
散热用液氮,耗电用核电站。
越大熱流密度越低..
晶片怎麼會越大越好???反人類還是反科學?
這要把散熱器整合進去才行
浸沒式水冷...
這要怎麼散熱?
浸沒式水冷 可以解決這問題
這麼大的晶片不會有發熱問題
欸不是4公尺的晶片欸😂😂
462平方公分蘋果平板有這麼大嗎?
那輝達8.16平方公分要算816平方公分的話,輝達得落後人50年。
nVidia直接併合就可以了
完全不一樣
@@bosolin8978 併合不是1+1. 整合成一大片
1+1=1
這個都出多久了……
立体液冷才是未来
終於有這種整合型晶片, 電腦硬件真的需要大改革, 不然跟不上運算需求
解说,816平方公里,是多大啊
平方公分吧
公厘
北極熊想哭了
是什麼nm制程?
一代我記得是28奈米,二代是7奈米
完全不信~
遙遙領先
tsla 说那是一件AI公司
什麼鬼東西?大那麼多,運算力才多3倍?
10000:64 = 3: 4 那裡只多三倍?..
影響運算速度除了電晶體數量以外,還要考量溫度、電路結構設計等因素。影片已經有說明其運算速度
我比較好奇如何降溫,預算能力越是強大的晶片,運作時越高溫,像GPU或電腦CPU等都超高溫的,這麼大塊,應該更高溫。
@@st56ev8enBen01 只是他面積很大,降溫效率也比較高吧
代碼(X) 程式(O)
這根本不算啥啊!昏倒,這也能談
講幹話 為了快 晶片大沒關係 大晶片意味著 傳輸距離拉大 效率就上不去了..
已經做在同一個晶片上了,影片裡大晶片的優勢正是傳輸速度喔
??
就說記憶體直接做在晶片裡了所以傳輸速度是優勢
大而無當
短小精悍
還好吧 以前8-年代的街機主機板 到了PS4時代才真正完全跟上主機板的遊戲品質
主播也很大
這麼大顆要怎麼算良率?要嘛0要嘛100?這一片不得好幾十萬?誰會買啊
幾十萬可能都算便宜了
你看輝達 h100 的報價,在pc Home都要一百三十萬了,還不一定買得到
因為要做大模型ai還不只要買一張,
如果大廠都願意花這麼多錢的話,真的很難想像背後產值有多大
@@user-jj5ku5to8z 聽起來顧這個產品的工程師壓力會很大😂這個連搶救的機會都沒有
你沒開發過芯片嗎?錯誤的部分只要不是大面積的,可以用程式関閉的
良率是100%,簡單說是用標準晶圓的良率算97%好了,設計下達到100%大晶片
標準晶圓的良率97%,下允許2000片壞60個。
一片大晶圓內建4000以上內核+記憶體+互聯,實際可能是4400內核,允許有400個內核是NG關閉起來(Cerebras WSE-1 擁有 1.2 兆個電晶體、400,000 個運算核心和 18 GB 記憶體)
效能過剩 你用不到
因为要上市了,开始出新闻了