NVIDIA เดินหน้าสู่ยุค Feynman! ลือใช้ TSMC A16 1.6nm ข้าม N2 พร้อม 3D Chiplet และ CPO ดันแบนด์วิดท์ทะลุ 1,000 TB/s

NVIDIA กำลังเดินหน้าไปไกลกว่ารุ่น Rubin และ Rubin Ultra แล้ว หลังมีรายงานจากแหล่งข่าวในซัพพลายเชนและผู้ใกล้ชิด TSMC ว่า NVIDIA เริ่มพัฒนาต้นแบบ GPU รุ่นถัดไปภายใต้สถาปัตยกรรม “Feynman” ซึ่งอาจกลายเป็นหนึ่งในการออกแบบชิป AI ที่ซับซ้อนที่สุดของบริษัท

ข้อมูลจาก DigiTimes ระบุว่า NVIDIA เตรียมเลือกใช้กระบวนการผลิต TSMC A16 ขนาด 1.6 นาโนเมตร สำหรับ Feynman และอาจ ข้ามตระกูล N2 ไปเลย โดยการผลิตจำนวนมาก (Mass Production) มีเป้าหมายในช่วง ครึ่งหลังของปี 2028

หากข้อมูลนี้เป็นจริง Feynman จะเป็นอีกก้าวสำคัญของ NVIDIA ทั้งด้านกระบวนการผลิต การออกแบบ Chiplet การแพ็กเกจแบบ 3D และระบบเชื่อมต่อระหว่าง GPU

NVIDIA อาจข้าม N2 ไป A16 โดยตรง

สิ่งที่น่าสนใจที่สุดคือ NVIDIA ถูกระบุว่าจะเลือกใช้ A16 แทนการพัฒนา Feynman บนตระกูล N2

TSMC A16 เป็นเทคโนโลยีการผลิตระดับ 1.6nm ที่มาพร้อมระบบ Backside Power Delivery ซึ่งช่วยแยกเส้นทางจ่ายไฟออกจากเส้นทางสัญญาณบนด้านหน้าของชิป ช่วยลดปัญหาคอขวดของการเดินสายและเพิ่มประสิทธิภาพด้านพลังงานและการสื่อสารภายในชิป

สำหรับ GPU AI ขนาดใหญ่ที่ต้องรับส่งข้อมูลมหาศาล การออกแบบลักษณะนี้มีความสำคัญอย่างมาก เพราะการเพิ่มประสิทธิภาพไม่ได้มาจากจำนวนทรานซิสเตอร์เพียงอย่างเดียว แต่รวมถึงการจัดการพลังงานและการเคลื่อนย้ายข้อมูลภายในระบบด้วย

3D Chiplet จะกลายเป็นหัวใจของ Feynman

Feynman ถูกคาดว่าจะเปลี่ยนแนวทางจากการสร้าง GPU ขนาดใหญ่เพียงชิ้นเดียวไปสู่การใช้ Chiplet จำนวนมาก แล้วนำมารวมกันเป็นแพ็กเกจเดียว

ในระยะแรก NVIDIA จะใช้เทคโนโลยี SoIC 3D Stacking ของ TSMC เพื่อวาง Chiplet ซ้อนกันในแนวตั้ง

ข้อดีของการวางชิปในลักษณะนี้คือช่วยลดระยะทางที่ข้อมูลต้องเดินทางระหว่างชิป ซึ่งส่งผลให้

• ลด Latency
• ลดพลังงานในการส่งข้อมูล
• เพิ่ม Bandwidth ระหว่าง Chiplet
• เพิ่มความหนาแน่นของระบบประมวลผล

จากนั้นชิป 3D ที่ถูกซ้อนขึ้นมาแล้วจะนำไปวางเคียงข้างกันในแพ็กเกจขนาดใหญ่ผ่านเทคโนโลยีอย่าง CoWoS-L หรือ CoPoS

แนวทางนี้อาจเปิดทางให้ NVIDIA สร้างระบบประมวลผลระดับ หลายกิโลวัตต์ ที่มีพลังการประมวลผลรวมระดับ หลายสิบ PetaFLOPS

HBM รุ่นใหม่อาจกลายเป็น “หน่วยความจำอัจฉริยะ”

อีกองค์ประกอบหนึ่งที่น่าสนใจคือระบบหน่วยความจำของ Feynman

NVIDIA มีแนวโน้มที่จะทำงานร่วมกับผู้ผลิตหน่วยความจำเพื่อพัฒนา HBM แบบ Custom สำหรับระบบรุ่นนี้ และมีการคาดการณ์ว่าอาจเป็น HBM4E

จุดแตกต่างคือ HBM แบบ Custom ดังกล่าวอาจมี Base Die ที่บรรจุวงจร Logic เพิ่มเติม เช่น Memory Controller หรือ Packet Processing Unit

นั่นหมายความว่าแทนที่จะส่งข้อมูลทั้งหมดเข้าสู่หน่วยความจำแล้วให้ GPU จัดการภายหลัง ระบบสามารถทำการประมวลผลหรือคัดกรองข้อมูลบางส่วน ก่อนข้อมูลจะเข้าสู่หน่วยความจำ

แนวคิดนี้อาจช่วยลด Data Movement และเพิ่มประสิทธิภาพของระบบในงาน AI ที่ต้องประมวลผลข้อมูลจำนวนมหาศาล

พูดง่าย ๆ คือ NVIDIA อาจกำลังเปลี่ยน HBM จากการเป็นเพียง “ที่เก็บข้อมูลความเร็วสูง” ให้กลายเป็นส่วนหนึ่งของระบบประมวลผลด้วย

CPO อาจเป็นกุญแจสู่แบนด์วิดท์ระดับ Petabyte

ส่วนที่น่าตื่นเต้นที่สุดของ Feynman คือการนำ Co-Packaged Optics หรือ CPO มาใช้เชื่อมต่อ GPU

ปัจจุบันการเชื่อมต่อระหว่าง GPU ส่วนใหญ่ยังพึ่งพาการส่งข้อมูลผ่านสายทองแดง แม้จะมีประสิทธิภาพสูง แต่เมื่อระบบขยายไปสู่ GPU จำนวนมาก พลังงานที่ใช้ในการส่งข้อมูลและข้อจำกัดด้าน Bandwidth จะกลายเป็นปัญหาใหญ่

CPO จะเปลี่ยนการเชื่อมต่อดังกล่าวมาใช้ แสง (Optical Interconnect) ซึ่งมีศักยภาพในการเพิ่ม Bandwidth พร้อมลดพลังงานต่อบิตและ Latency ในระบบขนาดใหญ่

ตามข้อมูลที่รายงาน ความเร็วรวมระหว่าง GPU ในระบบ NVIDIA เพิ่มขึ้นอย่างต่อเนื่อง

• Blackwell NVL72: ประมาณ 130 TB/s
• Rubin: ประมาณ 260 TB/s
• Rubin Ultra: ประมาณ 520 TB/s
• Feynman: มีเป้าหมายทะลุ 1,000 TB/s

หากทำได้จริง Feynman จะก้าวเข้าสู่ระดับ Petabyte-per-second สำหรับ Bandwidth รวมของระบบ

NVIDIA จำเป็นต้องใช้ CPO เพราะการเพิ่มจำนวน GPU และ Chiplet อย่างต่อเนื่องย่อมทำให้การใช้สายทองแดงแบบเดิมเริ่มติดข้อจำกัดทั้งด้านพลังงาน ความร้อน และพื้นที่

TSMC COUPE อาจมีบทบาทสำคัญ

ระบบ Optical Interconnect ของ Feynman ถูกคาดว่าจะอาศัยเทคโนโลยี COUPE ของ TSMC ซึ่งเป็นแนวทางสำหรับการรวมระบบออปติคัลเข้ากับชิปและแพ็กเกจประมวลผล

แนวทางนี้จะทำให้ Optical Engine อยู่ใกล้กับ GPU มากขึ้น ลดระยะทางในการส่งข้อมูล และลดการสูญเสียพลังงานจากการแปลงและส่งสัญญาณในระบบแบบเดิม

เมื่อรวม A16 + Backside Power Delivery + 3D SoIC + CoWoS-L/CoPoS + Custom HBM + CPO เข้าด้วยกัน Feynman จึงไม่ได้เป็นเพียง GPU รุ่นใหม่ แต่ดูเหมือนจะเป็นการออกแบบ ระบบประมวลผลทั้งแพลตฟอร์มในระดับ Rack Scale

NVIDIA กำลังเข้าใกล้ยุค “Computer ที่เป็น Supercomputer”

หากไทม์ไลน์ดังกล่าวถูกต้อง NVIDIA จะเริ่มผลิต Feynman ในช่วงครึ่งหลังของปี 2028 หลัง Rubin และ Rubin Ultra

สิ่งที่น่าสนใจคือ NVIDIA กำลังผลักดันทุกส่วนของระบบให้ก้าวไปพร้อมกัน ตั้งแต่ ทรานซิสเตอร์ หน่วยความจำ Chiplet การแพ็กเกจ ไปจนถึงระบบ Interconnect

เพราะเมื่อ AI Model มีขนาดใหญ่ขึ้นเรื่อย ๆ ปัญหาไม่ได้อยู่ที่ GPU ประมวลผลได้เร็วแค่ไหนอีกต่อไป แต่กลายเป็นคำถามว่า “เราสามารถเคลื่อนย้ายข้อมูลระหว่าง GPU ได้เร็วแค่ไหน”

ถ้า Feynman สามารถทำ Bandwidth รวมมากกว่า 1,000 TB/s ได้จริง NVIDIA จะสร้างระบบที่มีความสามารถในการรับส่งข้อมูลระดับ มากกว่า 1 Petabyte ต่อวินาที ซึ่งจะเป็นอีกก้าวสำคัญของโครงสร้างพื้นฐาน AI

อย่างไรก็ตาม ข้อมูลทั้งหมดในขณะนี้ยังเป็น รายงานจากแหล่งข่าวและข้อมูลซัพพลายเชนที่ยังไม่ได้รับการยืนยันจาก NVIDIA หรือ TSMC และสเปกของผลิตภัณฑ์จริงอาจเปลี่ยนแปลงได้ก่อนเข้าสู่การผลิตจำนวนมากในปี 2028

ที่มา: TechPowerUp