Home
Language
English
Türkçe
Bahasa Indonesia
About
Privacy Policy
Terms of Service
Pricing
Sign In
Download All
Share
titicaca.eth (3, 3)
@Titicaca__
#BTC
#ETH
#HODL
#Crypto
fanat JUST DYOR!
People's Republic of China
Joined October 2017
1.6K
Following
150
Followers
1.4K
Posts
titicaca.eth (3, 3)
@Titicaca__
23 days ago
@thsottiaux
Could you spend some time optimizing the output of the web version of ChatGPT? Not everyone needs to use Codex.
titicaca.eth (3, 3)
@Titicaca__
27 days ago
@manateelazycat
不管几纳米,为什么三颗算力也才2100TOPS呢?
titicaca.eth (3, 3)
@Titicaca__
27 days ago
@realNyarime
看这个官网的迷之宣传图就知道有啥用了,你有在烈日的田间做excel的需求吗?
titicaca.eth (3, 3)
@Titicaca__
30 days ago
省流总结,短期受益,长期受限,无法超车
fin
@fi56622380
30 days ago
华为τ scaling定律营销���略,无非是more than moore的广义摩尔定律的另一种说法而已 作为芯片架构师,我更感兴趣的,还是芯片密度提升,ppt上41%能耗提升和12.7%性能提升,到底是怎么实现的 看完了论文,感觉华为这次创新,本质上是用设计复杂度高 + 高制造成本 + 超前散热,一定程度弥补了工艺差距 ----------------- 1. 华为芯片堆叠带来的等效密度提升,是虚假宣传还是真的,是不是工艺突破?有没有实打实的好处? 等效密度提升的来源,是两片芯片用hybrid bonding技术绑在一起,投影面积理论上能减小一半,但第一代不是全芯片双层折叠,而是选择性折叠关键logic,所以只有大概53%的芯片面积实现了折叠(密度155->238),等到后面几代折叠面积会逐渐增大,到2030年接近全折叠(密度155->292) 这2026第一代等效密度从 2025 年 155 MTr/mm² 跳到 2026 年 238 MTr/mm²,时钟频率也提升了12.7%,功耗比提升41%,表面上看似乎和工艺突破没有什么区别,但有一点重要区别就是leakage power华为从头到尾没有提,只要工艺节点不变,gate leakage、junction leakage 不会因为 3D stacking 自动改善 2030年到2031年的等效密度突变,大概率是来自于2层堆叠到3层堆叠,正如2025到2026年的等效密度突变,时钟频率突变,来自单层到2层折叠 所以从leakage没提这个事来看,这个2031年等效1.4nm,和工艺节点上的突破没有联系。 本质上是用设计复杂度高 + 高成本 + 超前散热 + 超前部署advanced packaging,一定程度弥补了工艺差距 ----------- 那么这样看起来虚假的等效密度提升,有用处吗?好处在哪里? 有的,设计上topology折叠,原来要跑几毫米的水平走线,折叠后变成了几十微米。降低了super buffer/bus的长度,降低了clock tree的深度(clock depth -42%、clock wire -28%),clock skew也带来了改良(-25%),这对动态功耗的改善是实实在在的。部分critical path的缩短,也让时钟频率的上升更容易 所以ppt roadmap上performance的提升,从2025年到2026年上升了12.7%,大部分都是来自于时钟频率的上升(12.7%) 所以好处基本上是topology拆分电路逻辑设计上带来的提升 既然没有实质上的工艺提升,华为芯片堆叠带来等效密度提升的trade off代价在哪里? 三个代价:散热超前发展,设计复杂度高,制造成本变高 最大的代价就是热密度的同步上升,理论上logic on logic都是CPU execution发热最严重的区域,这部分折叠起来相当于功耗密度直接翻倍,但算上41% power efficiency改善,功耗密度仍只��非堆叠方案高40%左右。所以第一代只能对最关键的部分做折叠,大概只占全芯片面积的53%。 所以散热技术也被逼的超前发展,直接上毫米级的MEMS风扇,做micro-cooling fan。 另外的代价就是设计复杂度的变高,critical path的折叠,哪个部分的logic能折叠,折叠之后又会带来从前端到后端的巨大变化要推翻重来 现有的所有EDA工具也不可能支持3D topology,论文自己也承认,full-scale LogicFolding需要全新的3D-native EDA toolchain,把多层stacked dies当作单一连续设计实体处理。哪些logic能折叠、折叠后的inter-die timing closure怎么做,Physical Design(PD)也是难点 制造成本也会更高,被迫超前部署advanced packaging封装,1.5~2um的hybrid bonding + logic on logic都是很有挑战需要显著更高的成本 以前一层wafer做一次光刻;现在两层wafer分别做光刻再bonding,加上hybrid bonding的overlay控制(论文要求<0.5μm)、TSV、KOZ keep-out zone、冗余修复、良率乘法损失,每颗芯片的制造成本和测试成本都要显著上升 -------------------------- 2. Tau scaling这个说法,scaling的到底是什么,这个scaling技术路线是不是一次性的design topology红利?潜力如何?持续进步的空间在哪里? τ Scaling的核心主张是:用时间常数τ替代几何线宽作为全栈优化目标,在器件、电路、芯片、系统四个层级分别压缩特征延迟 公式本身没有任何新物理。"关注瓶颈延迟"是所有架构师都在做的事情。整个行业都知道互联RC是延迟瓶颈,TSMC每一代工艺都在用low-k dielectrics/semi-damascene等手段降RC。把一个众所周知的优化方向包装成"定律"是显然的营销宣传手段,本质是More than Moore的广义摩尔定律的另一种说法 抛开marketing,华为目前所谓RC delay的改善,本质上是芯片堆叠之后,topology距离缩短,让匹配的effective RC都变小,不是RC工艺常数 至于scaling的意思,是能持续发展的一条roadmap。这里的持续改善路径指的是,全芯片堆叠的层数越来越多,从25~30年的2层堆叠,到31年开始的3层堆叠,以后甚至会考虑4层堆叠 第一代折叠技术甚至不是全芯片双层折叠,而是选择性折叠关键logic,所以只有大概53%的芯片面积实现了折叠(密度155->238),等到后面几代折叠面积会逐渐增大,到2030年接近全折叠(密度155->292)。2031年的roadmap之所以会出现一个阶跃,就是因为那是从2层折叠到3层折叠的时间点。 但需要注意的是,这个scaling方法的边际效应是逐渐缩小的,折叠成双层的收益是100%,2->3层的收益就只有50%,如果2035年再从3->4层堆叠,收益就只有33%了 另外随着堆叠层数变高,上面说到的三个挑战,散热,设计复杂度,成本,都是越来越大 --------------------- 3. 华为的芯片堆叠,是不是TSMC/AMD已经有的hybrid bonding技术?华为做到的是cache on logic,cache on cache,还是logic on logic,logic on logic最大的散热问题是怎么解决的? 是已经有的技术没错,但同时也是把现有技术指标做到了领先也是真的,3D堆叠本身不是新技术,TSMC的hybrid bonding量产还是6um,华为论文给出Kirin 2026的hybrid bonding pitch是1.5μm 我在刚刚看到华为的堆叠消息之后,第一反应也是怀疑和AMD的3D V cache类似,它主要把 SRAM cache 叠在 已经有的L3 cache 区域上,通常会避免直接堆在最热的 CPU execution logic 上,就是避免散热问题,毕竟SRAM 的功耗密度和热点特性与high-activity logic 不一样,如果最热的logic on logic堆叠,散热恐怕会碰到困难 但看了更多数据之后,clock buffer -56%、clock depth -42%、clock wire -28%,这些只有在core内部的clock distribution被重构时才可能发生。纯SRAM stacking不会碰core内部的clock tree。另外如果只是cache on cache,大概率是不需要单独MEMS微型风扇额外散热的,证据普遍都指向logic on logic方式 华为这��技术的精妙之处在于,logic on logic 折叠之后热密度并没有翻倍,而是因为topology的好处,能耗下降了30%,这样热密度只上升了40~50% 而第一代没有完全把整个最热的execution logic 100%堆叠起来,论文也明确说selectively applied along key critical paths,只是大概53%有选择性关键路径会堆叠起来,可能颗粒度都没有那么好,只是IP堆叠在IP上,那么热密度上升也许能维持在20%以内 但这条道路继续前行,超前发展的散热就成了必然,现在是MEMS微型毫米级的主动散热风扇,紧贴处理器传导效率高,和华为手机一样,散热堆料特别足,而且技术领先同行。 以后怕是要把HBM7/8的微流道散热技术提前用起来了,毕竟HBM7/8要上24+层堆叠,华为很可能要在提前用上下个世代的散热技术了 ------------------------- 4. 从架构角度来说,最重要的问题,华为41%的power efficiency(能耗比)提升,到底是怎么实现的?为什么AMD的3D V cache没有这么大的提升? 首先确定41%的定义。论文只说"SoC performance-core power efficiency improved by 41%",没有给出benchmark名称、Voltage/Freq点、温度条件、功耗边界。但PPT roadmap上有一个关键线索:ISO-Power Performance的数字,2025年是2.75,2026年是3.1,提升12.7% 这个时钟频率提升12.7%完全一致,可以理解为,同功耗的性能提升是12.7%,绝大部分是时钟频率提升带来的 至于能耗比上优化的猜测是,LogicFolding缩短critical path → 在固定Vdd下Fmax从2.75GHz提升到3.1GHz → 这意味着在原来的2.75GHz频率下,有了约12.7%的timing headroom → 这个空间在iso-performance模式下可以换成更低的Vdd 另外的能耗比的提升,可能也来自于电路折叠之后,cache hit latency的下降。从业界经验来看,一般L2/L3 cache hit latency下降10%,CPU整体性能会有至少5%的提升 ppt里显示SRAM latency下降30%,估计会有一部分转化为cache hit latency的下降 AMD的3D V cache没有这么大的提升,主要是因为AMD的底层logic die并没有重新设计,3D cache的延迟latency不仅没有减小反而加大,只是增加了cache大���,收益不如latency下降那么明显。 另一方面,clock skew的下降,critical路径变短,造成电路timing变好,意味着华为可以使用更低的vdd(猜测甚至能低7~8%),以及路径缩短所带来的RC的下降(考虑到clock buffer -56%、wire -28%、SRAM pJ/bit -24%这些数字,比如C_eff下降10~15%合理),再加上clock tree的整体缩短和下降,确实是有可能在部分Voltage/Freq点做到同性能下,做到30%的功耗下降的,而30%的功耗下降换算过来就是41%的power efficiency 对比苹果和高通,每一代手机芯片在iso-power下单核性能一般提升10-20%,iso-performance下功耗一般降30-40%,这是V/F曲线的特性决定的,所以从经验上来说,数字是对的上的。 所以这个power efficiency(能耗比)的提升,从现有的数字上来说可以从topology推导出来是合理的,可能真的和工艺节点没有太大关系 ---------------------------- 5. 这个技术路线有没有可复制性,其他家会不会效仿? 短期内不会大规模效仿,因为性价比和风险收益比来说不好。长期来看,这个方向所有人都在走,只是名字不一样 华为做LogicFolding的根本驱动力是制裁,工艺节点被卡在7nm,只能在封装,散热,和设计层面想办法弥补。华为也为此付出了不小的代价:散热成本,设计复杂度,以及制造成本更高(包括良率)。这是一个被逼出来的路线,不是一个自然选择 其他玩家在用TSMC就能做到正常的经济迭代,是没有必要冒着这个风险,去超前迭代散热技术和设计复杂度的 长期来看,Intel的Foveros、TSMC的SoIC、AMD的MI300的3D stacking都在朝同一个方向走。如果继续追最先进节点的经济性持续恶化,那么"固定一个成熟节点+3D topology optimization"的路线会越来越有吸引力 散热方面,MEMS微型风扇和微流道也会成为未来HBM散热的主流 ------------------- 总结一下,华为这次的创新,绝对是值得尊重的,在制裁环境下,用极高的设计复杂度和成本,在一个被锁定的工艺节点上大胆重新设计,榨出��一次大的topology红利,虽然它有天花板。每多加一层的边际收益递减(���叠1->2层, 2->3层, 3->4层,提升百分比变小),leakage无法解决,散热越来越难,3D EDA工具链更是全新的挑战。 但这个Tau scaling不是一条可以走十年的指数增长路径,每次爬完一个台阶,下一个台阶更难爬,而且台阶更矮收益更小,华为以后想缩小差距,还得再想想靠什么其他的路线
See More
Who to follow
nine_
@nine_DeFi
Alpha Hunter 丨推文仅代表个人观点 不构成投资建议丨 #Binance https://t.co/EeOglUgL9t #OKX https://t.co/rZSGg4E8Up Building @HoNobuild2026 商务合作:Tg: https://t.co/ZEmM69MHvO
Lee Mason ᯅ
@MetageistVR
Creating mixed reality sculptures in VR for a decade, inspired by nature, evolution and non human intelligence. Metageist Ltd.
寅午🌊RIVER
@peter_gny
深度区块链爱好者! 资深��投专家! 专家!!!! 家!!!!
titicaca.eth (3, 3)
@Titicaca__
30 days ago
@_FORAB
乔纳森·埃维设计的,本来是苹果汽车的设计😂
titicaca.eth (3, 3)
@Titicaca__
about 1 month ago
太有梗了,视频质量变得没那么重要,本身足够有趣就行了
CuiMao
@CuiMao
about 1 month ago
各位好,这真的是我最后一个关于Anthropic的故事了,本视频由seedance2制作完成。感谢你一直以来对我的关注。结尾有彩蛋。
CuiMao's tweet video.
titicaca.eth (3, 3)
@Titicaca__
about 1 month ago
@Stanleysobest
13p是第一代高刷
titicaca.eth (3, 3)
@Titicaca__
about 1 month ago
@Kai866
一个个股价格来判断两个时期的两个产业泡沫?
Titicaca__
retweeted
歸藏(guizang.ai)
@op7418
about 2 months ago
Codex 越来越猛了,昨天更新增加了内置的谷歌浏览器插件,可以直接控制你的谷歌浏览器执行任务。 而且它可以在后台跨浏览器页面并行工作,不耽误你正常使用浏览器。所谓“并行工作”,指的是你可以启动多个子 SubAgent 帮你操作多个网页。 我试了一下,发现最厉害的一点是:它不仅可以控制 Chrome,任何基于 Chromium 的浏览器都是可以的。比如我这里用的是 Dia 浏览器,我在 Dia 浏览器安装了一个插件,它就可以直接控制我的 Dia 浏览器。 具体如何使用呢? 在 Codex 的插件库里找到 Chrome 这个插件。 点击添加,随后它会引导你打开浏览器插件的安装页面。 点击打开并安装即可。 ���装完成后就可以直接给它下达任务了。这种支持并发且不影响用户原生操作的体验真的很爽。而且 Mac 和 Windows 都支持。
See More
titicaca.eth (3, 3)
@Titicaca__
about 2 months ago
@imwsl90
工银亚洲还要求用邮寄的纸质账单做地址证明
titicaca.eth (3, 3)
@Titicaca__
about 2 months ago
@GoSailGlobal
前车200码的速度在跑,后车100码的速度在追,怎么能追上呢
titicaca.eth (3, 3)
@Titicaca__
2 months ago
@skywt2003
说明没有用ai写,良心😂
titicaca.eth (3, 3)
@Titicaca__
3 months ago
@xiaohu
是的,绝大多数都是非专业用户,完全是被舆论给玩弄
titicaca.eth (3, 3)
@Titicaca__
4 months ago
这类OpenClaw产品的时间窗口也就到6月份,Apple Intelligence推出之后就不用玩了
Perplexity
@perplexity_ai
4 months ago
Announcing Personal Computer. Personal Computer is an always on, local merge with Perplexity Computer that works for you 24/7. It's personal, secure, and works across your files, apps, and sessions through a continuously running Mac mini.
perplexity_ai's tweet video.
titicaca.eth (3, 3)
@Titicaca__
4 months ago
@oragnes
说好的x402呢,怎么又回去card了😂
titicaca.eth (3, 3)
@Titicaca__
4 months ago
@op7418
😂像个软广,skill都不是啥新鲜东西了,即���AI浏览器+skill也是Dia很久前就有了的啊
titicaca.eth (3, 3)
@Titicaca__
4 months ago
@op7418
记得2月底的一次更新就已经直接默认变成流式传输,看着不爽让他自己改回去了
titicaca.eth (3, 3)
@Titicaca__
4 months ago
@xiaomucrypto
千亿是怎么算出来的?怎么看都达不到吧
titicaca.eth (3, 3)
@Titicaca__
4 months ago
@hongkongdoll
Citrini只是顺应当下市场的焦虑情��,把逻辑和故事讲圆满了,但这个逻辑链条不是半年一年就能促成的,就算五年十年促成了,但是劳动力也将被重新定价。
titicaca.eth (3, 3)
@Titicaca__
4 months ago
@xiaohu
这个难度还不如无人机表演的数量多吧😂
Last Seen Users on Sotwe
Asupan indo
Seen from
Indonesia
Bow
Seen from
Thailand
ə
Seen from
Vietnam
Magali Adela
Seen from
Guatemala
fan ( . ) ( . )
Seen from
India
سـكـــسًْ انا الشرموطه
兔の露出日记
Seen from
United States
IBU MONTOX
Seen from
Indonesia
奶盖小熊猫
Seen from
Poland
Rashmi Das
Seen from
India
Trends for you
1
Venezuela
Under 10K tweets
2
Ochoa
Under 10K tweets
3
South Korea
Under 10K tweets
4
#AEWDynamite
Under 10K tweets
5
Caracas
Under 10K tweets
6
Terrion Arnold
Under 10K tweets
7
Mets
Under 10K tweets
8
Alyssa Thomas
Under 10K tweets
9
Beef Stew
Under 10K tweets
10
La Guaira
Under 10K tweets
Most Popular Users
1
Elon Musk
@elonmusk
240.5M followers
2
Barack Obama
@barackobama
119.3M followers
3
Donald J. Trump
@realdonaldtrump
111.7M followers
4
Cristiano Ronaldo
@cristiano
110.2M followers
5
Narendra Modi
@narendramodi
107M followers
6
Rihanna
@rihanna
97.6M followers
7
NASA
@nasa
92.1M followers
8
Justin Bieber
@justinbieber
90.8M followers
9
KATY PERRY
@katyperry
87.5M followers
10
Taylor Swift
@taylorswift13
81.3M followers
11
Lady Gaga
@ladygaga
72.8M followers
12
Kim Kardashian
@kimkardashian
69.7M followers
13
Virat Kohli
@imvkohli
69.6M followers
14
YouTube
@youtube
68.7M followers
15
Bill Gates
@billgates
63.8M followers
16
The Ellen Show
@theellenshow
62.5M followers
17
Neymar Jr
@neymarjr
62.3M followers
18
CNN
@cnn
61.9M followers
19
X
@x
60.8M followers
20
Selena Gomez
@selenagomez
60.6M followers
Olivia
Online
✨
⭐
💫