在上周于格勒诺布尔举行的Leti创新日(LID)2025活动中,功耗问题成为所有人关注的焦点。
随着人工智能驱动对计算能力的无限需求,数据中心的规模和能耗正在急剧膨胀。"预计一些数据中心很快将达到500兆瓦的功耗,"CEA-Leti首席技术官Jean-René Lèquepeys在接受Computer Weekly独家采访时表示。"在爱尔兰等地,数据中心消耗了全国40%的电力,这引发了对可持续性的严重担忧。"
今年的活动吸引了超过1000名参会者,举办了130多场演讲,围绕可持续电子产品的未来展开讨论。CEA-Leti首席执行官Sébastien Dauvé在全体会议上强调了解决能效问题的紧迫性。"AI不是可选项,而是战略必需品。但我们不能让它失控。"
许多公司正在响应这一号召。半导体生态系统的代表们齐聚一堂,分享解决方案——从先进封装到光子互连,以及驯服高性能计算热量和功耗需求的新方法。Ardian Semiconductor的Thibault Basquin强调了私人投资界日益增长的承诺:"我们正在加倍投资构建下一代节能技术的公司。公私投资在这个转折点至关重要。"
Lèquepeys宣布启动Resolve项目,这是一个雄心勃勃的倡议,目标到2032年实现能效提升1000倍。"我们正在计算堆栈的三个层面上开展15个技术轨道的工作,从节俭数据使用到硬件级功耗优化。"由包括弗劳恩霍夫研究所、奥地利硅谷和芬兰VTT在内的不断壮大的联盟支持,Resolve将欧洲定位为全球可持续发展竞赛的核心参与者。
Lèquepeys还透露,CEA-Leti正与施耐德电气等合作伙伴以及铁电存储器公司和Soitec等初创企业合作,将试点生产线的早期成果产业化。这些合作已经在塑造商业策略,从用于电动汽车的宽禁带功率器件到为AI中心数据中心量身定制的光子链路和功率转换器。
宽禁带功率器件是指由氮化镓或碳化硅等材料制成的半导体,与传统硅基组件相比,能够在更高的电压、频率和温度下工作。这些特性使它们在转换和管理功率方面高度高效,特别是在电动汽车和数据中心中。光子链路则使用光而非电来在芯片或系统之间传输数据,这减少了高速通信中的延迟和能耗,对处理AI应用中的大规模数据流至关重要。
基于节俭和先进集成的解决方案
尽管量子和神经形态计算备受关注,但LID 2025讨论的近期成果重点关注实用的、可扩展的创新。正如Natcast首席执行官Deirdre Hanford在全体演讲中所说:"我们必须在追求革命性技术与采取可操作步骤降低功耗并提高当前性能之间取得平衡。"
Lèquepeys分享了一个这样的可操作步骤——3D顺序集成,这是一种堆叠晶体管和互连的方法,可大幅减少能耗。"我们已经成功在450°C下实现3D集成,而传统工艺需要1000°C,"他告诉Computer Weekly。"这大幅削减了制造能耗成本,同时保持了晶体管性能。"
Leti还展示了其Genesis项目,这是一个拥有58个合作伙伴的欧洲倡议,开发无PFAS、低排放的芯片制造方法。"我们不仅要在数据和功耗方面节俭,在水和材料方面也要如此,"Lèquepeys说。
他指出,目前只有15%的电子废料得到回收,尽管所涉及的金属价值很高。"Genesis旨在通过改变芯片制造方式来改变这一现状——更清洁、更安全、更可回收。"
AI不仅是问题所在,也是解决方案。Leti正在部署AI工具来优化晶圆厂运营并缩短上市时间。"如今,太多工程决策仅依赖人类直觉,"他说。"通过将AI嵌入流程中,我们可以避免昂贵的试错过程并加速生产时间线。"
Lèquepeys还指出了即将应用的贝叶斯算法和神经形态架构,这些可能会大幅减少边缘推理的能耗。
贝叶斯算法是随着新数据可用而更新预测的概率模型。其自适应特性使其在计算资源有限的边缘设备上特别有效,有助于平衡准确性和能效。
神经形态架构使用脉冲神经元和突触模拟人脑的结构和功能。这些架构在模式识别方面表现出色,功耗远低于传统处理器,使其成为电池供电设备上语音或图像识别等任务的理想选择。
芯粒——模块化硅块——仍然是一个诱人但难以实现的目标。标准化正在进行中,但更广泛的采用取决于开发可重用芯粒功能的通用库。"目前只有像AMD这样的垂直集成企业能够充分实现芯粒,"Lèquepeys说。"但如果我们希望汽车制造商或较小的OEM受益,必须有人创建他们可以组装的构建块,而无需重新发明轮子。"
Leti还在投资下一代计算范式。从使用阻性RAM的模拟计算到光子AI协处理器和基于自旋的量子计算,该研究所正在为未来的突破奠定基础。但LID 2025传达的信息很明确:AI可持续性的最大收益将来自现有技术的智能集成——是现在,而不是在投机的未来。
在AI的承诺可能因其对功耗的渴求而受到削弱的时刻,Leti创新日2025为植根于节俭、开放和协作创新的欧洲模式做出了论证。正如Lèquepeys总结所说:"能效一直是Leti DNA的一部分。现在它必须成为整个行业战略的一部分。"
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。