HotChips 2025深度解析(二)：CPU破摩尔定律困局，图形渲染迈入AI驱动时代

本文来自于youtube博主“最佳拍档”的硬核解说(视频链接：https://youtu.be/fgoQYlLT_IY?si=lEgESWSKvmaATEyY)，视频很长但也讲解得超级棒，大家可以看下原视频，总共有一个小时的时间，这里将作者的原稿拆解成三篇来写，分别涵盖：

①AI计算领域 + 网络领域 + 光I/O领域

② CPU领域 + 图形领域

③ 安全领域 + 散热领域

第一篇链接：HotChips 2025深度解析(一)：AI计算突破“数据传不动”瓶颈，网络与光I/O成关键支撑

五、CPU 领域：摩尔定律触顶下的 “多技术融合”

1. 英特尔 Clearwater Forest

• 规格与工艺：288 核处理器，采用 Intel 18A 制程与 3D 封装技术，核心思路是 “3D 堆叠提升缓存和内存带宽”。

• Chiplet 设计：12 个能效核 CPU Chiplet 用 Intel 18A 工艺，3 个基础 Chiplet 用 Intel 3 工艺，2 个 I/O Chiplet 沿用上一代 Sierra Forest 的 Intel 7 工艺；芯片间用 EMIB（嵌入式多芯片互连桥，英特尔成熟封装技术，高带宽、低延迟）连接。

• 缓存优势：末级缓存（LLC）1152MB，每个插槽 576MB；每个 144 核 Tile 含 108MB LLC，两个 Tile 共 216MB；大缓存减少内存访问次数，降低延迟，适配 AI 推理、数据库场景。

• 架构优化：
  • 前端：3 个 3-wide 指令解码器，指令宽度提升 50%（一次读更多指令，提升执行效率）；优化分支预测器，减少 “预测错误” 性能损失。

• 后端：乱序执行引擎从每时钟周期调度 5 个操作提升到 8 个，执行端口增至 26 个，整数和向量执行能力翻一倍，多线程性能显著提升。

• 内存子系统：L2 未命中缓冲区大小翻倍（存 128 个未命中数据，减少 CPU 等待时间）；单个模块 4 个核心共享 4MB 统一 L2 缓存，L2 带宽比上一代翻倍（400GB/s）；双插槽系统中每个芯片含 12 个 DDR5-8000 内存通道，总内存带宽 1300GB/s；机架每瓦性能是上一代 Sierra Forest 的 3.5 倍。

2. IBM Power11

• 工艺与理念：三星 7nm 工艺，设计理念 “按需增加核心数”（不盲目堆核心，按实际需求优化架构）。
• 后代计划：聚焦六点 —— 插槽集成硅片数为上一代 3 倍、利用良率协同效应、保持跨 Chiplet 高带宽连接、优化 OMI 内存效率、减少延迟提升拓扑协同性、保证长期发展效率与灵活性。

• 核心升级：OMI 内存架构（分层内存架构）；一块芯片最多支持 32 个 DDR5 内存端口（传输速度最高 38.4Gbps），将推出定制化内存规格 OMI D-DIMM；目标 8TB DRAM 和 1TB/s 以上内存带宽，基于 DDR5 实现，成本低于 HBM（IBM 不看好 HBM，因容量低难满足大规模数据处理）；OMI 缺点是缓冲区增加 6-8ns 延迟，IBM 认为容量和带宽优势更值得。

• 加速器支持：优化对外部 PCIe 加速器的支持，搭配自研 Spyre 加速器提升 AI 计算性能（如机器学习场景中，Spyre 卸载 Power11 计算任务，让 CPU 专注数据调度，整体性能提升）。

3. Condor Computing Cuzco

• 定位与团队：晶心科技子公司 Condor Computing 推出的首款高性能 RISC-V CPU IP，由 50 人团队完成，性能优于相近功耗的高性能授权 CPU。

• 核心优势：
  • 成本低：RISC-V 开源架构，无需交授权费。
  • 能效高：针对低功耗场景优化。
  • 扩展性强：每集群 8 个高性能计算 CPU 核心，可按需扩展核心数。
  • 兼容性好：符合面向高性能 RISC-V 计算的最新 RVA23 规范，软件生态可复用。
  • 灵活定制：完全支持 ISA（指令集架构）定制，可按客户需求添加特殊指令。

• 创新设计：基于时间的微架构 —— 传统乱序执行 CPU 需复杂调度逻辑（晶体管多、功耗高），Cuzco 用硬件编译排序指令，通过 “寄存器计分板” 和 “时间资源矩阵（TRM）” 精确预测指令执行时间，提前安排顺序；优势：调度确定性降低逻辑复杂性，消除复杂运行时每周期调度，减少动态功率，用更少晶体管实现更高能效。

• 架构与性能：采用 slice 设计，最多支持 8 个核心，每个核心有私有 L2 缓存，多个核心共享 L3 缓存（分层缓存平衡延迟和容量）；SPECint2006 测试中，每时钟周期性能几乎是晶心科技当前 AX65 核心的两倍。

4. PEZY Computing PEZY-SC4s

• 架构类型：第四代 MIMD（多指令多数据）多核处理器，特点是 “每个核心可执行不同指令、处理不同数据”，适配高度独立线程应用（科学计算、基因组分析）；PEZY 认为此类应用中 MIMD 比 SIMD 更有效（充分利用线程独立性）。

• 硬件参数：台积电 5nm FinFET 工艺，芯片尺寸 18.4mm×30.2mm（约 556mm²），集成 48 亿晶体管，SRAM 容量 1.6Gb；内部总线读带宽 12TB/s、写带宽 6TB/s。

• 计算与内存：2048 个处理单元（PE），支持 16384 个线程；PE 和缓存分层设计（减少数据访问延迟，提升线程并行效率）；外部内存采用 HBM3（4 个设备，带宽 3.2TB/s、容量 96GB）；外部接口是 PCIe Gen5（16 个 lane，带宽 64GB/s）。

• 系统部署与性能：设计 “主机 CPU+PEZY-SC4s” 节点，每个节点含 1 张 AMD EPYC 9555P CPU、4 张 PEZY-SC4s 和 NDR InfiniBand 网卡；规划 90 个节点系统，共 737280 个 PE，双精度峰值算力 8.6PFLOPS（适配气候模拟、量子化学）；仿真测试：双精度 DGEMM（通用矩阵乘法）功率效率是上一代 2 倍以上，Smith-Waterman（基因组序列比对算法）性能 359GCUPS（是上一代 PEZY-SC3 的 3.86 倍）。

• 未来规划：开发第五代 PEZY-SC5（计划 3nm 或更小工艺，2027 年发布）；开发硬件描述语言 Veryl（作为 SystemVerilog 的开源替代方案），PEZY-SC5 核心组件用 Veryl 开发，目标降低芯片设计门槛。

六、图形领域：AI 驱动渲染效率提升

1. AMD RDNA 4

• 定位：专为下一代游戏和创作设计，核心升级 “AI 算力 + 光线追踪优化”，支持严苛游戏、先进视频编码、流媒体生产力场景。

• 架构灵活性：SoC 架构高度可扩展，可按市场需求调整配置，打造从入门到旗舰的多产品 SKU，无需重新设计架构，降低开发成本。

• 游戏负载优化：
  • 栅格化与计算效率：优化着色器引擎执行逻辑，提升多边形渲染和通用计算速度。

• 光线追踪性能：光线求交性能比上一代翻一倍；新增专用硬件实例转换器（将 “实例转换” 从着色器程序转移，让着色器专注渲染）；BVH（边界体积层次结构）从 4 列加宽到 8 列（高效组织场景数据，减少计算量）；节点压缩技术减少 BVH 尺寸，降低内存占用；“定向边界框” 优化（传统轴对齐边界框对不规则物体包裹性差，定向边界框按物体形状调整，提升光线相交测试效率）。

• 内存访问：优化乱序内存访问，高优先级请求优先处理，适配光追 “频繁访问内存” 场景。

• 着色器与 AI：着色器引擎通过动态寄存器分配增加 “传播波数”（传播波是着色器并行执行单元，数量越多并行能力越强）；支持 FP8 精度和稀疏化功能（FP8 保证画质下提升算力密度，稀疏化跳过无效数据计算，减功耗延迟）；AI 应用：神经辐射缓存存储场景辐射信息，神经超采样和去噪技术填补画面空白，兼顾速度与画质。

• 存储与兼容性：Infinity Fabric 带宽 1KB 每时钟频率；架构模块化（如 Navi 48 GPU 可切成两半造更小 GPU，减少开发变体工作量，提升可靠性）；新内存压缩 / 解压缩功能（硬件处理，软件透明），部分栅格工作负载性能提升约 15%，fabric 带宽占用率降低约 25%，无需软件修改。

2. 英伟达 Blackwell

• 核心方向：“神经渲染”，RTX Blackwell 为 “神经渲染新时代奠定基础”；神经渲染核心是 “融合传统图形与 AI”（用 AI 生成画面，非完全依赖光栅化 / 光追），兼顾视觉保真度、沉浸式体验、低功耗，支持游戏 AI agent（如动态 NPC）。

• AI 性能优化：大量使用 FP4 计算（精度低于 FP8，但算力密度更高，适配 AI 渲染 “精度要求不高” 场景，降内存占用和功耗）；“着色器执行重排序” 技术（根据着色器执行状态动态调整任务顺序，保持 GPU 核心 SM 满载，避免资源浪费）。

• 内存与响应：支持 GDDR7（采用 PAM3 调制技术，与 GDDR6X 的 PAM4 相比，每时钟周期位数少但 SNR（信噪比）高，支持更高时钟速度，带宽更高且电压低、功耗少）；优化 “首 token 执行时间”（混合图形 / 机器学习工作负载中，首 token 时间越短 AI 响应越及时）；集成 AI 管理处理器，协调图形和机器学习交错工作（如游戏渲染间隙调度 AI 任务，避免任务等待）。

• 能效与资源利用：帧生成技术（AI 生成中间帧），保证帧率下减半 GPU 功耗（适配移动设备、笔记本）；支持 MIMD（通用多实例 GPU）—— 将一张 GPU 分成多个独立虚拟 GPU，同时运行多个工作负载；实例：RTX Pro 6000 处理 1080p 客户端负载时，拆成多个虚拟 GPU 并行执行，4 个 MIG 实例比传统时间切片（timeslicing）性能提升 60%。

3. Meta Orion（AI 眼镜专用芯片）

• 原型特点：普通眼镜外观 + AR 沉浸式功能，突破 AI 眼镜 “空间小、功耗低” 极限（眼镜功耗预算仅几瓦，但需实时处理眼动追踪、手势识别、WRL（世界锁定渲染））。

• 核心挑战：WRL（AR/MR 关键技术，将虚拟物体固定在现实世界特定位置，避免用户移动时 “飘”）—— 延迟超 20ms 用户眩晕，功耗高则续航短，需专用芯片加速。

• 功耗与空间优化：
  • 先进工艺：5nm 工艺（小面积集成大量晶体管，控功耗）。
  • 内存策略：减少 DRAM 使用（DRAM 功耗高、体积大），尽量用片上 SRAM 存储数据。
  • 电压与管理：Vmin Fmax 优化（保证性能下降低最小工作电压，减静态功耗）；动态电源管理与数据压缩（按任务负载调电压频率，压缩数据传输量）。
  • 封装与设计：创意封装（如 SiP）减体积，优化引脚设计减线数（降干扰和功耗）。

• 任务拆分与硬件：
  • 显示处理器：每只眼睛对应一个，负责重新投影 / 时间扭曲（根据用户实时位置调整图像视角，确保虚拟与现实对齐）；无外部存储器，数据存片上 SRAM（避 DRAM 延迟功耗）。

• 眼镜处理器：处理眼动、手部追踪及摄像头输入；SiP 封装，5nm 工艺，集成 24 亿晶体管（眼镜芯片中晶体管数量领先）。

• 计算协处理器：5nm 工艺，配 LPDDR4X 内存，集成 57 亿晶体管；负责计算机视觉、机器学习、音频渲染、HEVC 编码（如手势识别 AI 推理）；大尺寸片上 SRAM 缓存（减内存访问延迟）。

• 负载分配：重负载（复杂 AI 推理）放外部 Puck 设备，眼镜本地处理低延迟任务（WRL、眼动追踪），平衡功耗、体积与实时性。
• Puck 设备芯片：包含三个主要处理芯片， 分别是显示处理器、眼镜处理器和计算协处理器，眼镜处理器负责处理所有的眼动、手部追踪以及摄像头输入，采用系统级封装SiP，5nm工艺，集成24亿颗晶体管。

• 安全：芯片植入 “安全信任根”，确保进出数据加密；Puck 设备图像为 HEVC 编码，眼镜处理器需几毫秒内完成 “解码→重新编码为显示处理器专有格式”，解码性能要求高。