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
Depthoryzx
Seen from
Thailand
لمبے لن والا انسیسٹ
Seen from
Poland
JTL
Seen from
Peru
Mr Big
Seen from
Singapore
SEUN Yk
Seen from
Nigeria
bkh
Seen from
Japan
ด้านมืดถ่าย ชอบสาวใหญ่สาวอ้วน
Seen from
Thailand
Deryter
Tuấn Anh
Seen from
Vietnam
Khusus video real stw
Seen from
Indonesia
Trends for you
1
Venezuela
Under 10K tweets
2
Lamelo
Under 10K tweets
3
South Korea
Under 10K tweets
4
Ochoa
Under 10K tweets
5
South Africa
Under 10K tweets
6
Caracas
Under 10K tweets
7
Terrion Arnold
Under 10K tweets
8
#AEWDynamite
Under 10K tweets
9
La Guaira
Under 10K tweets
10
Caitlin Clark
Under 10K tweets
Most Popular Users
1
Elon Musk
@elonmusk
240.4M 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
✨
⭐
💫