رونمایی از تراشه‌ای که جهان را شگفت‌زده می‌کند در کنفرانس GTC 2026

به گزارش خبرگزاری خبرآنلاین و براساس گزارش دیجیاتو، جنسن هوانگ، مدیرعامل و یکی از بنیان‌گذاران انویدیا، از تراشه‌ای «شگفت‌انگیز» خبر داده که این شرکت قصد دارد ماه آینده در جریان کنفرانس GTC 2026 از آن رونمایی کند. هوانگ این موضوع را در یک مصاحبه اختصاصی با یک نشریه کره‌ای و پس از ضیافت شام با مهندسان شرکت SK Hynix در سانتا کلارا مطرح کرده است. وی با ابراز اطمینان نسبت به این رویداد که قرار است ۱۶ مارس (25 اسفند) برگزار شود، اشاره کرد که سخت‌افزار جدید مرزهای کنونی را جابه‌جا خواهد کرد.

برنامه‌های احتمالی انویدیا برای GTC 2026

هرچند مدیرعامل انویدیا مستقیماً نام این محصول را اعلام نکرده، اما گزارش‌های زیادی به معماری Rubin اشاره کرده‌اند. این معماری اولین بار در ژوئن ۲۰۲۴ در نمایشگاه کامپیوتکس معرفی و در GTC 2025 به طور رسمی رونمایی شد؛ حتی ماه گذشته در نمایشگاه CES، انویدیا نمونه‌های فیزیکی این سخت‌افزار را به نمایش گذاشت.

تمرکز اصلی معماری Rubin حذف گلوگاه‌های حافظه از طریق ادغام حافظه‌های با پهنای باند بالا (HBM4) است. گزارش‌ها می‌گویند که انویدیا با همکاری SK Hynix، درحال کار روی قرار دادن مستقیم این حافظه‌ها روی لایه‌ منطقی پردازنده گرافیکی است. این پروژه می‌تواند پیچیده‌ترین تراشه‌ای باشد که تا به‌حال به مرحله تولید انبوه رسیده است.

احتمال دیگر که البته ضعیف‌تر به نظر می‌رسد، نگاهی اولیه به معماری Feynman است. این معماری که قرار است حوالی سال ۲۰۲۸ جایگزین روبین شود، اولین بار در نقشه‌ راه سال ۲۰۲۵ شرکت دیده شد. شایعه شده است که این معماری با معرفی فناوری‌هایی از جمله «فوتونیک سیلیسیم» (استفاده از نور به جای الکتریسیته برای انتقال داده) و بهره‌گیری از فرآیند ساخت ۱.۶ نانومتری TSMC، قصد دارد محدودیت‌های «قانون مور» را به چالش بکشد. اگر هوانگ موفق شود دو سال زودتر از موعد، نمونه‌ای اولیه از این فناوری را نمایش دهد، قطعاً جهان را شگفت‌زده خواهد کرد.

وعده‌ هوانگ برای معرفی این تراشه‌ انقلابی در حالی مطرح شده که رقابت با رقبایی نظیر AMD و تراشه‌های اختصاصی شرکت‌هایی مثل گوگل (TPU)، آمازون (Trainium) و مایکروسافت (Maia) به شدت بالا گرفته است. از سوی دیگر، این نگرانی در صنعت هوش مصنوعی وجود دارد که پیشرفت‌ها به «دیوار مقیاس‌پذیری» برخورد کرده باشند؛ نقطه‌ای که در آن اضافه کردن پردازنده‌های بیشتر، دیگر منجر به افزایش چشمگیر هوش مدل‌های زبانی نمی‌شود.

۲۲۷۲۲۷