IBM представила 0,7-нанометровий чіп з майже 100 млрд транзисторів

Прорив у напівпровідниках: IBM представляє 0,7-нанометровий чіп

Як повідомляє НВ — Техно: IBM представила 0,7-нанометровий чіп, який, хоча й не готовий до промислового використання, відкриває нові горизонти в галузі напівпровідників. Компанія планує розпочати виробництво цієї технології протягом наступних п'яти років. Чіп містить майже 100 мільярдів транзисторів, що майже вдвічі перевищує щільність 2-нанометрових чіпів, які наразі масово виробляє компанія TSMC.

Переваги нового чіпа

Новий 0,7-нанометровий чіп обіцяє значне підвищення продуктивності, зокрема:

• до 50% вищу продуктивність;
• до 70% вищу енергоефективність у порівнянні з 2-нанометровими вузловими чіпами IBM.

Технологія базується на архітектурі nanostack, яка забезпечує 40% покращення мікросхем пам'яті SRAM, що є значним досягненням для галузі, як зазначив віцепрезидент IBM з напівпровідників Хуеймін Бу.

"Останній прорив IBM у сфері чіпів знаменує собою знаменний момент в обчислювальній техніці, виводячи технології за межі нанометрової ери до масштабів атомів." Джей Гамбетта, директор IBM Research

У той же час, 24 червня компанія OpenAI представила спеціалізований ШІ-чіп Jalapeno, розроблений спільно з Broadcom. Інженерні зразки чіпа Jalapeno вже виконують робочі навантаження, включаючи GPT-5.3-Codex-Spark, що свідчить про постійний розвиток технологій у сфері штучного інтелекту.

Ці розробки підкреслюють важливість інновацій у галузі напівпровідників, які стають критично важливими для подальшого прогресу в обчислювальних системах та штучному інтелекті. IBM та OpenAI демонструють, як нові технології можуть змінити підходи до виробництва чіпів та їх використання, що може призвести до суттєвих змін у продуктивності та енергоефективності майбутніх обчислювальних платформ.

На фоні таких інновацій, нові розробки Nvidia також привертають увагу, адже компанія активно конкурує з AMD та Intel, представляючи свої чіпи RTX Spark. Ці технології можуть суттєво вплинути на ринок, зокрема в контексті продуктивності та енергоефективності, що робить їх важливими для подальшого розвитку обчислювальних систем.