Προκλήσεις στην παραγωγή τσιπ τεχνητής νοημοσύνης της Huawei

Η κύρια πρόκληση της Huawei στην παραγωγή τσιπ AI προέρχεται από τους περιορισμούς των εξαγωγών των ΗΠΑ που περιορίζουν την πρόσβαση σε προηγμένο εξοπλισμό κατασκευής, αναγκάζοντας την εξάρτηση από την SMIC την λιγότερο ώριμη διαδικασία 7nm με κακές αποδόσεις και υψηλό κόστος. Αυτό οδηγεί σε τεχνολογική υστέρηση σε σύγκριση με την Nvidia τα τσιπ 4nm, και η Huawei αγωνίζεται με μνήμη υψηλού εύρους ζώνης (HBM), διασύνδεση μεταξύ τσιπ και ένα ανώριμο οικοσύστημα λογισμικού (CANN, MindSpore) που απαιτείται για την εκπαίδευση μοντέλων μεγάλης κλίμακας. Ενώ η χρήση προηγμένης συσκευασίας και σχεδίων chiplet μπορεί να ενισχύσει την απόδοση, αυτές οι μέθοδοι αντιμετωπίζουν επίσης περιορισμούς σε ένα περιβάλλον με περιορισμένους πόρους.

• Έλεγχοι Εξαγωγών: Οι κυρώσεις των ΗΠΑ και της Ολλανδίας περιορίζουν την πρόσβαση της Κίνας σε εξοπλισμό και υπηρεσίες αιχμής για την κατασκευή τσιπ, εμποδίζοντας την παραγωγή προηγμένων τσιπ υψηλής απόδοσης.
• Διαδικασία 7nm Εμφράξεις: Τα προηγμένα τσιπ της Huawei, όπως η σειρά Ascend, παράγονται από την SMIC, αλλά η χρήση παλαιότερων, λιγότερο ώριμων κόμβων 7nm έχει ως αποτέλεσμα χαμηλές αποδόσεις και κακή ποιότητα.
• Υστέρηση μεταξύ γενεών: Αυτή η εξάρτηση από παλαιότερη τεχνολογία θέτει την Huawei «μια ή δύο γενιές πίσω» από τους ανταγωνιστές της στις ΗΠΑ, οι οποίοι χρησιμοποιούν πιο προηγμένους κόμβους όπως η διαδικασία 4nm της TSMC για τσιπ υψηλής τεχνολογίας.

• Περιορισμοί μνήμης: Η εκπαίδευση AI και η εκτέλεση μεγάλων γλωσσικών μοντέλων απαιτούν μνήμη υψηλού εύρους ζώνης (HBM), αλλά η Huawei αντιμετωπίζει προκλήσεις τόσο στη διαθεσιμότητα HBM όσο και στη διασύνδεση μεταξύ τσιπ και τις ταχύτητες μνήμης των δικών της τσιπ.
• Περιορισμοί σχεδιασμού Chiplet: Η Huawei χρησιμοποιεί σχέδια chiplet (όπως ο συνδυασμός δύο μικρότερων dies) για τη βελτίωση της απόδοσης στα νεότερα τσιπ της, όπως το 910C, αλλά αυτό καθιστά επίσης την προηγμένη συσκευασία κρίσιμη και περίπλοκη στην εφαρμογή με εγχώριες δυνατότητες.