AMD, tıpkı rakibi Intel gibi gelecekte hibrit mimarili işlemciler geliştirmek için çeşitli planlar yapıyor. Aslında 2020 yılında kırmızılıların melez mimarili çipler üzerinde araştırmalar yaptığını öğrenmiştik. Şimdi ise şirketin önemli yöneticilerinden birisi bu bilgileri doğruladı.
Tom’s Hardware‘den Paul Alcorn, AMD CTO’su Mark Papermaster ile bir röportaj gerçekleştirdi. Röportaj sırasında birçok farklı konu konuşuldu, ancak en önemli yanıtlar hibrit tasarımlar üzerineydi. Bildiğiniz üzere, ARM işlemci tasarımlarının yanı sıra Intel 12. Nesil Alder Lake ve 13. Nesil Raptor Lake platformları hibrit mimari kullanıyor. Bu tür işlemciler, hem performans için tasarlanmış güçlü çekirdekler, hem de verimlilik odaklı daha düşük güç tüketen çekirdeklerle destekleniyor.
Papermaster, hibrit tasarımın yanı sıra yarı iletken tasarım, test ve doğrulama aşamalarında yapay zeka kullanım süreçleriyle ilgili zorluklardan da söz etti. Aşağıda AMD’nin geleceğiyle ilgili önemli detaylar içeren yanıtları bulabilirsiniz:
Soru: Bugün veri merkezi çiplerinde daha fazla çekirdek için hala bir yol görüyor musunuz? Ayrıca 16 çekirdeğe ulaşan masaüstü platformda daha fazla çekirdeğe ihtiyaç olduğunu düşünüyor musunuz? İki nesildir 16 çekirdek kullanılıyor.
Yanıt: Veri merkezinde olduğu gibi PC’lerde de göreceğiniz şey, özel SKU’ların ve işlemcilerin daha fazla çatallanması olacak. Çünkü artık tek beden herkese uymuyor; buna yakın bile değiliz. Belirli yazılımlar ve uygulamalar hızla değişmediği için bugünün çekirdek sayısı konfigürasyonlarıyla aslında gayet iyi olan bir dizi uygulamaya sahip olacaksınız. Ancak bazı durumlarda statik CPU çekirdek sayılarına ve ek hızlandırmaya ihtiyaç duyabileceğinizi göreceksiniz.
Aynı zamanda çekirdeklerin kendilerinde de daha fazla çeşitlilik göreceksiniz, yüksek performanslı çekirdeklerle güç tasarruflu çekirdeklerin hızlandırılmış çekirdeklerle bir araya geldiğini göreceksiniz. Şu anda geldiğimiz nokta sadece çekirdek yoğunluğundaki farklılıklar değil, çekirdek türündeki ve çekirdekleri nasıl yapılandırdığınızdaki farklılıklar. Sadece performans ya da enerji verimliliği için nasıl optimize ettiğiniz değil, aynı zamanda bundan yararlanabilecek uygulamalar için yığılmış önbellek ve etrafına koyduğunuz hızlandırıcılar.
Soru: Yani hibrit bir mimarinin istemcilere [tüketici bilgisayarlarına] geleceğini söylemek doğru olur mu?
Yanıt: Kesinlikle. Bugün zaten var ve daha fazlasının geldiğini göreceksiniz.
Soru: Yonga tasarımında çok sayıda yapay zeka kullanıldığını, makro yerleştirme gibi belirli şeyler için yapay zeka ve makine öğreniminin çokça kullanıldığını görmeye başlıyoruz. Bana biraz AMD’nin tasarım çalışmalarından bahsedebilir misiniz? AMD çip tasarımının belirli işlevleri için herhangi bir yapay zeka kullanıyor mu veya bu alanı araştırıyor mu?
Yanıt: Bugün yapay zekayı çip tasarımında uyguluyoruz. Hem daha fazla performans elde etmek hem de enerji tüketimini düşürmek için çip tasarımlarımızın her birindeki alt bloklarımızı nasıl konumlandırdığımız ve optimize ettiğimiz konusunda ‘yerleştir ve yönlendir’ yöntemini kullanıyoruz. Yapay zeka, gerçekten optimum bir çözüm elde edene kadar yineleme konusunda harika bir iş çıkarıyor. Ama bu sadece yineleme değil; bunu daha önce de yapabiliyorduk. Bu yineleme ve öğrenme. Hangi kalıpların en uygun tasarımı yarattığına bakıyor ve böylece çip tasarım öğelerinizin optimize edilmiş bir yerleşimine sahip olma oranını hızlandırıyor ve bu nedenle size daha yüksek performans ve daha düşük enerji sağlıyor, tıpkı çip parçacık bölümleme ve çip parçacık yerleşimimizi nasıl optimize ettiğimizde yaptığımız gibi.
Ek olarak, bir çipi konseptten tüm doğrulama ve onaylama aşamasına kadar getirmenin tipik yinelemeli sürecinde herhangi bir hatayı bulmak için gereken süreyi azaltmak için doğrulama paketlerimizde de kullanıyoruz. Hatta bunu test kalıbı oluşturmada bile kullanıyoruz. Yani, bir çip tasarımında milyarlarca transistörünüz olduğunda, ürününüzü test ettiğinizde üretim katınızdan çıkarken kusursuz olduğundan emin olmak için test kapsamını elde etmek. Öğrenmeye bakmak için yapay zekadan yararlanabileceğiniz ortaya çıktı; Test kapsamını nasıl elde ettim? Boşluklar nerede? En etkili olan nedir? Ve test kapsamını en üst düzeye çıkarmak için kontrol edilebilirlik ve gözlemlenebilirlik elde ediyoruz. Yapay zeka, sürekli yapılan testlerde ayarlama süresini kısaltarak zamanları gerçekten hızlandırabilir.
Soru: Güç tüketimi oldukça zorlu bir iş haline geldi ve en son Genoa yongalarla güç tüketimi oldukça arttı. Bazı insanlar yüzeyden bakıp ‘vay canına, bu çok fazla güç’ dese de, aslında çok güç verimli ve çok yoğun – ve bu iyi bir şey. Daha küçük bir alanda daha fazla [iş] yapabiliyorsunuz. Ancak bu bazı soğutma zorlukları yarattı.
Genoa sunucuları için yapılan bazı özel soğutuculardan ve bu konudaki yeniliklerden gerçekten etkilendim. Gelecek nesil çiplerin daha da sağlam soğutma çözümleri gerektirdiğini düşünüyor musunuz? Hava soğutma ile etkili bir sınıra mı ulaşıyoruz yoksa sıvı ya da daldırma soğutma gibi yöntemlere mi geçmemiz gerekecek?
Yanıt: Henüz bu sınırı görmüyoruz. AMD olarak hava soğutmalı çözümler sunmaya devam edeceğiz. Ancak giderek daha fazla göreceğiniz şey, sahip olduğumuz verimlilik ve çekirdek yoğunluğundan gerçekten yararlanarak gerçekten en yüksek bilgi işlem yoğunluğunu isteyen bir müşteri alt kümesi olacak. İsteğe bağlı olarak kapalı devre soğutma çözümlerini tercih edecekler. Bunu bugün Genoa tabanlı sistemlerde zaten görüyoruz.
