Nvidia 正在研究各种多芯片模块集成 GPU 设计

　　NVIDIA 的下一代将瞄准数据中心和消费市场，分别推出基于 Hopper 架构和Ada Lovelace架构的GPU 。不同的是，Nvidia 仅在 Hopper 架构 GPU 上使用了 MCM 多芯片封装，而 Ada Lovelace 架构 GPU 仍将保留传统设计，不会将 MCM 多芯片封装引入像 AMD 的基于 Navi 31 的消费级 GPU在 RDNA 3 架构上。

　　Nvidia 研究人员最近发表了一篇文章，详细介绍了 Nvidia 如何探索如何为未来产品部署多芯片设计。随着异构计算的兴起，英伟达正在寻找一种方法来提高其半导体设计的灵活性，以根据工作负载灵活匹配各种模块，这就是 MCM 多芯片封装的用武之地。

　　英伟达对多芯片设计的研究在 2017 年首次曝光，当时英伟达展示了一种由四个小芯片构建的设计，不仅提高了性能，还有助于提高良率，还可以将更多的计算资源汇集在一起​​。多芯片设计还有助于提高电源效率，以及更好的散热。

　　Nvidia 当前的 MCM 多芯片封装 GPU 方法称为“可组合封装 GPU”或 COPA。文章解释了 Nvidia 如何处理 HPC 和 AI 工作负载之间的差异，并且随着两者的计算需求发生变化，计算需求也会发生变化。英伟达担心过于单一的 GPU 架构会逐渐失去在 HPC 和 AI 工作负载中的计算优势，而两者的市场规模都在增长。

　　为了更好地满足未来的计算需求，NVIDIA一直在模拟不同的多芯片设计和配置，以确认不同工作负载所需的硬件模块。根据 NVIDIA 提供的数据，在 HPC 工作负载上，将内存带宽降低 25% 实际上只会降低 4% 的性能，如果再降低 25%，性能损失会再增加 10%。因此，将内存带宽降低50%，并去掉相关硬件模块后，可以更换为更合适的硬件模块，为相应的工作负载提供相应的性能，从而提高效率。由于并非所有硬件模块都是平等的，并且各个功能都是不可或缺的，因此 COPA 是 Nvidia 尝试模拟多芯片设计的影响，以及它与性能的关系。

　　NVIDIA 目前优先考虑 HPC 和 AI 市场。除了高利润的因素外，很多公司都在通过定制化解决方案逐渐蚕食英伟达的市场空间。当然，这种特定于工作负载的配置也可以应用于其他 NVIDIA GPU 产品线，包括面向消费市场的 GeForce 显卡。但是，与专业市场不同的是，游戏中的渲染工作有着根本的不同。如果采用多芯片设计，小芯片之间的互连速度需要进一步提高。