تصور کنید سخت‌افزاری که به دلیل گرمای شدید، در مقیاس میکرونی خم می‌شود و کل محاسبات یک مرکز داده را به خطر می‌اندازد. این همان «دیوار بسترهای ارگانیک» است که اینتل اکنون با معرفی پردازنده Clearwater Forest آن را فرو می‌ریزد.
برای دو دهه، بسترهای فیلم ساخت‌بالای آجینوموتو (ABF - Ajinomoto Build-up Film) استاندارد صنعت بودند. اما با عبور ابعاد شتاب‌دهنده‌های هوش مصنوعی از ۷۰ در ۷۰ میلی‌متر، تفاوت انبساط حرارتی میان مواد ارگانیک و سیلیکون باعث تاب‌خوردگی‌های بحرانی می‌شود. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی بهینه‌سازی مسیرهای نرم‌افزاری برای کاهش هزینه‌های AI اشاره کردیم، گلوگاه‌های فعلی دیگر تنها در کدها نیستند، بلکه در بسته‌بندی فیزیکی سخت‌افزار نهفته‌اند. این چالش‌ها در واقع بخشی از یک معماری کلان‌تر برای مدیریت داده‌هاست؛ موضوعی که در بررسی سازوکار حافظه یکپارجه برای حذف گلوگاه‌های معنایی به تفصیل به آن پرداختیم.
به نقل از تحلیل فنی وب‌سایت dev.to که در ۲۵ مه ۲۰۲۶ منتشر شد، معماری Clearwater Forest از ویاهای شیشه‌ای (TGV - Through-Glass Vias) با گام ۵۰ میکرومتر استفاده می‌کند. دستاوردهای کلیدی این تغییر عبارتند از:
- تراکم I/O (ورودی/خروجی): افزایش از ۵۰۰ به بیش از ۲۵۰۰ بامپ در هر میلی‌متر مربع.
- خط/فاصله: بهبود ۴ برابری (۲/۲ میکرومتر در مقابل استاندارد ۸/۸ میکرومتر ABF).
- پهنای باند: مقیاس‌پذیری ارتباطات بین‌تراشه‌ای تا بیش از ۴۰ ترابیت بر ثانیه.
- تطابق حرارتی: ضریب انبساط حرارتی (CTE - Coefficient of Thermal Expansion) شیشه (۳.۲ ppm/°C) تقریباً با سیلیکون (۳.۱ ppm/°C) برابر است که تاب‌خوردگی بازگشتی را به کمتر از ۳۰ میکرومتر می‌رساند.
این چرخش راهبردی با حذف سقف پهنای باند حافظه، نقشه‌ی راه محاسبات هوش مصنوعی را تغییر می‌دهد. به گزارش منابع صنعتی، پشتیبانی از ۸ تا ۱۲ پشته‌ی حافظه با پهنای باند بالا (HBM - High Bandwidth Memory) در هر بسته — در مقایسه با ۴ تا ۶ پشته در بسترهای ارگانیک — جریان داده‌های عظیم مورد نیاز برای آموزش مدل‌های نسل بعد را ممکن می‌کند. چنین جهشی در سخت‌افزار، پیش‌نیاز دستیابی به اهداف بلندپروازانه‌ای است که در پروژه استارگیت OpenAI برای عبور از مرز ۱۰ گیگاوات توان پردازشی دنبال می‌شود. پیشتازی ۲ تا ۳ ساله‌ی اینتل، شرکت‌هایی چون Nvidia و AMD را مجبور می‌کند تا انتقال خود به بسترهای شیشه‌ای را تسریع کنند یا ریسک عقب‌ماندگی در بهره‌وری انرژی و یکپارچگی سیگنال را بپذیرند.
گام بعدی شما
- مهندسان سخت‌افزار باید کتابخانه‌های جایگاه PCB را برای نقشه‌های جدید توپ (Ball Maps) بازبینی کنند.
- برای مدیریت سرعت‌های بالای سیگنال، استفاده از مواد با تلفات بسیار کم مانند Megtron 7 توصیه می‌شود.
- رصد کنید که آیا Nvidia در نسل‌های بعدی Blackwell از این فناوری برای افزایش تعداد پشته‌های HBM استفاده خواهد کرد یا خیر.
اما داستان رقابت سخت‌افزاری در لایه‌ی بسته‌بندی تازه آغاز شده است؛ برای درک چالش‌های خنک‌سازی این تراشه‌های غول‌پیکر، تحلیل ما درباره‌ی سیستم‌های خنک‌کننده مایع را بخوانید.
گفتگو