英偉達(dá)Blackwell芯片過熱問題推遲交付，AMD推出新品挑戰(zhàn)。
據(jù) The Information 最新報(bào)道，英偉達(dá)下一代 Blackwell 芯片在高密度服務(wù)器機(jī)架中出現(xiàn)嚴(yán)重過熱問題，導(dǎo)致設(shè)計(jì)變更和客戶方面的部署延遲。這讓 Google、Meta 和微軟等主要客戶對能否按時(shí)部署 Blackwell 產(chǎn)生擔(dān)憂。
過熱問題或拖累交付計(jì)劃
英偉達(dá)早在今年 3 月發(fā)布了 Blackwell 系列產(chǎn)品，原計(jì)劃是 2024 年第二季度發(fā)貨，但之前已經(jīng)因?yàn)樵O(shè)計(jì)缺陷而推遲。
據(jù)報(bào)道，Blackwell GPU 在高密度服務(wù)器機(jī)架中面臨嚴(yán)重的過熱問題。這些高密度服務(wù)器機(jī)架集成了 72 塊 AI 芯片，每個(gè)機(jī)架功耗高達(dá) 120kW。但高密度和高功耗的設(shè)計(jì)帶來了散熱難題，不僅限制了 GPU 性能，還可能損壞硬件組件。
為解決這一問題，英偉達(dá)不得不多次調(diào)整機(jī)架設(shè)計(jì)，并對冷卻系統(tǒng)進(jìn)行工程修訂。據(jù)悉，英偉達(dá)已指示供應(yīng)商實(shí)施多項(xiàng)改進(jìn)措施。
英偉達(dá)對此回應(yīng)稱，散熱問題和設(shè)計(jì)變更是技術(shù)開發(fā)中的正常流程，并重申正在與云服務(wù)商和供應(yīng)商合作，確保最終產(chǎn)品符合性能和可靠性要求。
戴爾宣布，基于英偉達(dá) GB200 NVL72 架構(gòu)且采用液冷技術(shù)的服務(wù)器機(jī)架已發(fā)貨
在等待 Blackwell 問題解決的同時(shí)，一些客戶已開始考慮替代方案。據(jù)報(bào)道，部分客戶比如微軟，已計(jì)劃通過更換部分組件來定制 Blackwell 機(jī)架，以適應(yīng)其數(shù)據(jù)中心需求。
一位云計(jì)算公司高管透露，他們正在增加當(dāng)前一代 Hopper 芯片的采購量。分析認(rèn)為，這可能在短期內(nèi)提升英偉達(dá)的收入，尤其是 Hopper 芯片的利潤率較高。然而，這種轉(zhuǎn)向也可能削弱未來對 Blackwell 及其 NVLink 服務(wù)器的需求，對英偉達(dá)的長期增長構(gòu)成潛在威脅。
在散熱問題之前，因?yàn)榉庋b設(shè)計(jì)的問題，Blackwell 芯片的發(fā)布至少被推遲了三個(gè)月。Blackwell 芯片采用臺積電的 CoWoS-L 封裝技術(shù)，通過局部硅互連（LSI）橋?qū)崿F(xiàn)高達(dá) 10 TB/s 的數(shù)據(jù)傳輸速度。然而，GPU 芯片、LSI 橋和主板之間的熱膨脹特性不匹配，曾導(dǎo)致芯片變形和系統(tǒng)故障。
為解決這一問題，英偉達(dá)調(diào)整了芯片結(jié)構(gòu)，并重新設(shè)計(jì)模具，最終在 10 月底完成了修正。
Tom’s Hardware 指出，盡管此類調(diào)整在大規(guī)模技術(shù)推廣中很常見，但還是可能會進(jìn)一步推遲 Blackwell 的預(yù)期發(fā)貨時(shí)間。
Blackwell 需求驚人，性能表現(xiàn)屢創(chuàng)新高
Blackwell 芯片自發(fā)布以來，市場需求和關(guān)注度一直很高。黃仁勛在此前采訪中曾多次表示，市場對 Blackwell 芯片的需求強(qiáng)到“瘋狂（insane）”。
在近期的 MLPerf Training 4.1 基準(zhǔn)測試中，Blackwell GPU 也繼續(xù)展現(xiàn)領(lǐng)先的性能。
上周，英偉達(dá)公布了 Blackwell GPU 在 MLPerf v4.1 AI 訓(xùn)練工作負(fù)載方面的成績——在 MLPerf Training 4.1 的測試中，訓(xùn)練 Llama 270B 模型的速度較前代 Hopper GPU 快了達(dá) 2.2 倍。此外，得益于 HBM3e 高帶寬內(nèi)存的應(yīng)用，Blackwell僅需 64 塊 GPU 即可完成此前需 256 塊 Hopper GPU 才能達(dá)到的計(jì)算任務(wù)。
與此同時(shí)，Hopper 平臺也在持續(xù)優(yōu)化。在本輪 MLPerf 訓(xùn)練測試中，Hopper 的每 GPU GPT-3 175B 訓(xùn)練性能比首次引入該基準(zhǔn)時(shí)提高了 1.3 倍。
分析師普遍認(rèn)為，AI 應(yīng)用的發(fā)展仍處于早期階段，Blackwell 的推出將繼續(xù)推動英偉達(dá)業(yè)績增長。摩根士丹利預(yù)計(jì)，Blackwell 新產(chǎn)品線將在 2025 年第一季度提升公司收入，預(yù)計(jì)銷售額將在 50 億至 60 億美元之間。
隨著 Blackwell 預(yù)計(jì)于 2025 年 1 月底開始大規(guī)模交付，其實(shí)際表現(xiàn)能否滿足市場預(yù)期，將成為接下來觀察的重點(diǎn)。
AMD 推出新款 AI 芯片，挑戰(zhàn) Blackwell
在英偉達(dá)努力解決技術(shù)問題的同時(shí)，AMD 也在加速進(jìn)軍 AI 芯片市場。上個(gè)月，AMD 宣布推出全新 AI 芯片Instinct MI325X，并且計(jì)劃在 2024 年底前開始生產(chǎn)。AMD 的這一動作被認(rèn)為是對英偉達(dá)在 GPU 市場主導(dǎo)地位的挑戰(zhàn)。
目前，英偉達(dá)的 GPU 在 AI 芯片市場占據(jù) 90% 以上份額，而 AMD 一直穩(wěn)居第二。此次發(fā)布的 MI325X 是去年推出的 MI300X 的繼任者，AMD 計(jì)劃每年發(fā)布一款新芯片，以更快響應(yīng)市場需求并縮小與英偉達(dá)的差距。
AMD 預(yù)計(jì)，到 2028 年，AI 芯片市場規(guī)模將達(dá)到 5000 億美元。AMD CEO 蘇姿豐表示，“AI 需求正在迅速超出預(yù)期，全球范圍內(nèi)的投資仍在加速。”在性能方面，蘇姿豐表示，MI325X 在處理 Meta 的 Llama 3.1 模型時(shí)推理性能比 Nvidia H200 高出 40%。
雖然 AMD 沒有宣布新的客戶名單，但公司此前已透露過 Meta、微軟和 OpenAI 正在使用其 AI 芯片的消息。AMD 也強(qiáng)調(diào)，其芯片在生成內(nèi)容和預(yù)測類 AI 應(yīng)用中具有優(yōu)勢，這得益于其先進(jìn)的內(nèi)存設(shè)計(jì)。
然而，英偉達(dá)的 CUDA 語言已成為 AI 開發(fā)的事實(shí)標(biāo)準(zhǔn)，其技術(shù)生態(tài)和市場優(yōu)勢仍然是 AMD 最大的競爭障礙。有分析指出，隨著 Meta、微軟等云巨頭對 AI 需求的持續(xù)增長，AMD 有機(jī)會通過價(jià)格和性能的差異化策略，吸引更多客戶，尤其是在生成式 AI 模型推理等細(xì)分領(lǐng)域。
參考鏈接：
https://www.reuters.com/technology/artificial-intelligence/nvidias-design-flaw-with-blackwell-ai-chips-now-fixed-ceo-says-2024-10-23/
https://www.tomshardware.com/pc-components/gpus/nvidias-data-center-blackwell-gpus-reportedly-overheat-require-rack-redesigns-and-cause-delays-for-customers
標(biāo)簽： 芯片元器件 導(dǎo)熱散熱 點(diǎn)擊： 評論: