La prochaine "loi de Moore" pourrait expliquer pourquoi NVIDIA veut tellement ARM Holdings

La prochaine "loi de Moore" pourrait expliquer pourquoi NVIDIA veut tellement ARM Holdings

Vous avez probablement déjà entendu le nom Intel, mais vous ne connaissez peut-être pas le nom de Gordon Moore. Ce dernier est le co-fondateur d'Intel et vaut 12 milliards de dollars. Mais ce pour quoi Moore est connu, c'est une observation qu'il a faite dans les années 1960. Il a remarqué que les densités de transistors doublaient tous les deux ans, ce qui donnait aux fabricants de puces une sorte de feuille de route et un objectif. TSMC, la plus grande fonderie indépendante au monde, a inséré un peu plus de 52 millions de transistors dans chaque mm carré sur des puces fabriquées à l'aide de son procédé 10 nm (comme le Snapdragon 835 de 2017 par exemple). La plate-forme mobile Snapdragon 865, qui alimente de nombreux modèles phares d'Android cette année, est construite à l'aide du processus 7 nm qui est équipé de près de 100 millions de transistors par mm carré.

La loi de Huang pourrait être à l'origine du projet d'achat d'ARM Holdings par Nvidia

Le nouveau procédé de 5 nm, utilisé pour fabriquer le Le chipset Apple A14 Bionic aura environ 171,3 millions de transistors par mm carré. La puce était vient d'être introduit par Apple car il alimentera la tablette iPad Air de quatrième génération récemment dévoilée. Il devrait également être trouvé à l'intérieur de tous Modèles Apple iPhone 12 5G 2020. Il contient 11,8 milliards de transistors contre 8,5 milliards à l'intérieur de l'A13 Bionic qui alimente la famille iPhone 11. Vous vous demandez peut-être quel est le problème. Eh bien, plus le nombre de transistors sur une puce est élevé, plus elle est puissante et économe en énergie.

TSMC et Samsung, les deux plus grandes fonderies indépendantes au monde, ont des feuilles de route jusqu'à 2 nm. Mais que se passe-t-il lorsque nous arrivons à la fin de la loi de Moore? Christopher Mims du Wall Street Journal a la réponse: la loi de Huang. Mims nomme son observation d'après le directeur général et co-fondateur de Nvidia Corp. Jensen Huang. La loi de Huang dit que les puces qui alimentent l'intelligence artificielle (IA) plus que doublent en performance tous les deux ans; cette amélioration peut être attribuée aux améliorations logicielles et matérielles au fil du temps. Bill Dally, scientifique en chef et vice-président senior de la recherche chez Nvidia, rapporte qu'entre novembre 2012 et mai 2020, les performances de certaines puces AI Nvidia ont été multipliées par 317. C'est mieux que la «loi» dictée par Gordon Moore. TuSimple, une entreprise active dans les camions autonomes, affirme que les performances doublent chaque année sur ses systèmes alimentés par Nvidia.

Les puces GPU, comme celles pour lesquelles Nvidia est connue, peuvent gérer simultanément de nombreuses tâches différentes. Les CPU, ou unités centrales de traitement, sont plus efficaces pour gérer rapidement des tâches uniques. Certaines tâches, y compris celles liées à l'IA, peuvent être découpées et traitées beaucoup plus rapidement par une puce GPU utilisant moins d'énergie. Et alors que l'IA passe du cloud à l'utilisation sur appareil, ARM Holdings est l'un des leaders dans la fourniture des composants nécessaires. Et cela pourrait expliquer l'offre de 40 milliards de dollars de Nvidia pour acheter la société.

Cependant, il y a quelques mises en garde. La puissance de traitement disponible à partir des GPU ne peut pas être utilisée dans toutes les situations. Le co-fondateur et directeur de la technologie de TuSimple, Xiaodi Hou, note que même dans les entreprises qui dépendent fortement de l'IA, comme les camions autonomes, la plupart du code du système nécessite l'utilisation du processeur. Et comme la loi de Moore, la loi de Huang ne sera plus réalisable. Cela pourrait encore laisser près d'une décennie pour que la loi de Huang soit utile. Mais elle ne sera pas aussi répandue que la loi de Moore l'a été et continue de l'être. Et au moment où les fabricants de puces devront peut-être remplacer la loi de Moore, nous espérons que quelque chose avec des capacités plus étendues sera développé et aura un long avenir devant lui. Pourtant, pour que Nvidia dépense 40 milliards de dollars pour acheter ARM, il doit avoir une très bonne raison de le faire.

No Comment

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Articles récents