Τεχνητή Νοημοσύνη – Νέα & Εργαλεία | Greek AI Network

Greek AI Network

  • Αρχική
  • Νέα
  • Εργαλεία AI
    • Για Βίντεο
    • Για Εικόνα
    • Για Εκπαιδευτικούς
    • Για Εξειδικευμένες Εφαρμογές
    • Για Ήχο
    • Για Κείμενο
  • Εφαρμογές AI
  • Βασικές έννοιες
  • Εκπαιδευτικά Προγράμματα
    • Δωρεάν σεμινάρια AI
    • Κατάρτηση AI
No Result
View All Result
Τεχνητή Νοημοσύνη – Νέα & Εργαλεία | Greek AI Network
  • Αρχική
  • Νέα
  • Εργαλεία AI
    • Για Βίντεο
    • Για Εικόνα
    • Για Εκπαιδευτικούς
    • Για Εξειδικευμένες Εφαρμογές
    • Για Ήχο
    • Για Κείμενο
  • Εφαρμογές AI
  • Βασικές έννοιες
  • Εκπαιδευτικά Προγράμματα
    • Δωρεάν σεμινάρια AI
    • Κατάρτηση AI
No Result
View All Result
Τεχνητή Νοημοσύνη – Νέα & Εργαλεία | Greek AI Network

Greek AI Network

No Result
View All Result
Home Νέα

NVIDIA Vera: ταχύτερος σχεδιασμός CPU και GPU

by Theodoros Kostogiannis
28 Ιουλίου, 2026
in Νέα
0
Η NVIDIA φέρνει το Vera στον σχεδιασμό των επόμενων chip
Share on FacebookShare on Twitter

Η ανάπτυξη σύγχρονων επεξεργαστών έχει μετατραπεί σε μια διαδικασία εξαιρετικά υψηλής πολυπλοκότητας, καθώς οι ομάδες μηχανικών πρέπει να συνδυάσουν απόδοση, κατανάλωση, αξιοπιστία και δυνατότητες AI σε όλο και πιο απαιτητικά σχέδια. Σε αυτό το πλαίσιο, η NVIDIA ανακοίνωσε ότι χρησιμοποιεί το Vera CPU για να επιταχύνει κρίσιμες ροές electronic design automation, ή EDA, οι οποίες αποτελούν τον πυρήνα του σχεδιασμού των επόμενων CPU και GPU της. Η κίνηση δεν αφορά απλώς μία ακόμη εσωτερική δοκιμή υποδομών, αλλά ένα βήμα που συνδέει άμεσα την αρχιτεκτονική CPU με τον χρόνο που απαιτείται ώστε ένα νέο chip να φτάσει πιο κοντά στην παραγωγή.

Παράλληλα, η εταιρεία συνεργάζεται με τις Cadence και Synopsys ώστε να βελτιστοποιήσει βασικές εφαρμογές EDA για το Vera. Η εστίαση σε τέτοιου είδους λογισμικό είναι ουσιαστική, επειδή μεγάλα τμήματα της προσομοίωσης, της επαλήθευσης και της υλοποίησης εξακολουθούν να εξαρτώνται σε μεγάλο βαθμό από την απόδοση της CPU. Με αυτόν τον τρόπο, η NVIDIA επιχειρεί να ενισχύσει ένα από τα πιο χρονοβόρα στάδια της αλυσίδας ανάπτυξης ημιαγωγών.

Γιατί οι ροές EDA παραμένουν κρίσιμες

Πριν από την κατασκευή ενός chip, προηγούνται χρόνια δουλειάς σε επίπεδο σχεδίασης και ελέγχου. Οι μηχανικοί χρειάζεται να επιβεβαιώσουν ότι η συμπεριφορά του σχεδίου είναι σωστή, να εντοπίσουν ακραίες περιπτώσεις λειτουργίας και να επαναλάβουν τη διαδικασία χιλιάδες φορές μέχρι να σταθεροποιηθεί το τελικό αποτέλεσμα. Οι ροές EDA είναι εκείνες που οργανώνουν και εκτελούν αυτό το έργο, από την περιγραφή του σχεδίου έως την προετοιμασία του για κατασκευή.

Αν και οι GPU και οι τεχνικές AI έχουν ήδη επιταχύνει αρκετές πλευρές της σχεδίασης chip, δεν καλύπτουν όλα τα σημεία της διαδικασίας. Κρίσιμες εργασίες, όπως η λογική προσομοίωση, το formal verification και τμήματα της ψηφιακής υλοποίησης, παραμένουν ιδιαίτερα εξαρτημένες από γρήγορους μεμονωμένους πυρήνες, αποτελεσματική μνήμη και σταθερά υψηλό συνολικό throughput. Αυτό σημαίνει ότι η αρχιτεκτονική της CPU συνεχίζει να επηρεάζει άμεσα το πόσο γρήγορα μια ομάδα μπορεί να εξετάσει εναλλακτικές και να οδηγήσει ένα προϊόν προς το tapeout.

Τα πρώτα αποτελέσματα με τις Cadence και Synopsys

Η NVIDIA δημοσιοποίησε αρχικές μετρήσεις από επιλεγμένες εφαρμογές παραγωγικού επιπέδου, θέλοντας να δείξει πώς αποδίδει το Vera σε δύο από τα πιο υπολογιστικά απαιτητικά στάδια του σύγχρονου chip design. Στις δοκιμές αυτές συμπεριλήφθηκαν το Cadence Jasper, μια πλατφόρμα formal verification, και το Synopsys VCS, μια λύση functional verification που χρησιμοποιείται για προσομοίωση και επικύρωση πολύπλοκων σχεδίων πριν από την κατασκευή. Και στις δύο περιπτώσεις, οι μετρήσεις έγιναν με τον ίδιο αριθμό πυρήνων.

Σύμφωνα με τα αρχικά στοιχεία, οι εφαρμογές έδειξαν έως και 1,5 φορά υψηλότερη απόδοση σε επιλεγμένα workloads. Η εταιρεία δεν παρουσιάζει αυτό το αποτέλεσμα ως οριστικό συμπέρασμα για κάθε πιθανή ροή εργασίας, αλλά ως ένδειξη ότι η αρχιτεκτονική του Vera μπορεί να βελτιώσει ουσιαστικά απαιτητικά βήματα επαλήθευσης και προσομοίωσης. Επιπλέον, η NVIDIA σημειώνει ότι η συνεργασία με τις δύο εταιρείες συνεχίζεται σε επίπεδο profiling εφαρμογών, software optimization και tuning συστήματος, ώστε να διευρυνθούν τα οφέλη σε περισσότερα σενάρια χρήσης με την πάροδο του χρόνου.

Τι φέρνει το Vera στην πράξη

Το Vera αναπτύσσεται πλέον μέσα στις ίδιες τις ροές EDA που χρησιμοποιεί η NVIDIA για να δημιουργήσει τους μελλοντικούς επεξεργαστές της. Η CPU συνδυάζει 88 custom NVIDIA Olympus cores, υποσύστημα μνήμης LPDDR5X υψηλής αποδοτικότητας και τη δεύτερη γενιά του NVIDIA Scalable Coherent Fabric. Η σύνθεση αυτή έχει σχεδιαστεί ώστε να προσφέρει ισχυρή απόδοση ανά πυρήνα, υψηλό memory bandwidth και σταθερά χαμηλό latency, στοιχεία κρίσιμα για απαιτητικές εφαρμογές μηχανικής.

Αυτά τα χαρακτηριστικά αποκτούν ιδιαίτερη σημασία σε περιβάλλοντα όπου συνυπάρχουν εργασίες ευαίσθητες στην καθυστέρηση με μεγάλες παρτίδες regression testing σε compute farms. Σε τέτοια σενάρια, η ταχύτερη εκτέλεση δεν περιορίζεται μόνο στη μείωση του χρόνου ενός μεμονωμένου verification run. Μπορεί επίσης να αυξήσει το συνολικό throughput, δίνοντας στις ομάδες τη δυνατότητα να εξετάσουν περισσότερες σχεδιαστικές επιλογές και να ολοκληρώσουν περισσότερους ελέγχους μέσα στο ίδιο χρονικό παράθυρο ανάπτυξης.

Από το RTL έως το manufacturable silicon

Αφού οριστούν η αρχιτεκτονική και η μικροαρχιτεκτονική ενός επεξεργαστή, οι μηχανικοί περιγράφουν μεγάλο μέρος της συμπεριφοράς του σε register-transfer level, ή RTL. Από εκεί και πέρα ξεκινά μια αλυσίδα εργαλείων και διαδικασιών που μετατρέπει το λογικό σχέδιο σε μορφή κατάλληλη για υλοποίηση σε silicon. Η λογική προσομοίωση, το formal verification, τα regression tests και η ψηφιακή υλοποίηση λειτουργούν συμπληρωματικά ώστε να ελεγχθούν η ορθότητα και η δυνατότητα κατασκευής.

Η σημασία αυτής της αλληλουχίας είναι ότι τα επιμέρους στάδια συνδέονται στενά μεταξύ τους. Αν ένα βήμα επαλήθευσης επιταχυνθεί, προβλήματα μπορούν να εντοπιστούν νωρίτερα, πριν μεταφερθούν σε μεταγενέστερα και ακριβότερα στάδια. Έτσι, η βελτίωση στην απόδοση των CPU-bound EDA workloads δεν μεταφράζεται μόνο σε ταχύτερους αριθμούς benchmark, αλλά και σε πιθανή μείωση του κόστους επανασχεδιασμού στην πορεία προς την παραγωγή.

Η ευρύτερη στρατηγική της NVIDIA

Η απόφαση να χρησιμοποιηθεί το Vera για τον σχεδιασμό μελλοντικών NVIDIA CPU και GPU εντάσσεται σε μια πιο γενική λογική που ακολουθεί η εταιρεία. Η βασική ιδέα είναι ότι κάθε workload πρέπει να επιταχύνεται από την υπολογιστική αρχιτεκτονική που του ταιριάζει καλύτερα. Στον χώρο του EDA, αυτό σημαίνει ότι οι GPU και το AI συνεχίζουν να έχουν σημαντικό ρόλο σε πολλούς αλγορίθμους, ενώ οι CPU υψηλών επιδόσεων παραμένουν αναντικατάστατες για συγκεκριμένες κρίσιμες λειτουργίες.

Με άλλα λόγια, η NVIDIA δεν παρουσιάζει το Vera ως υποκατάστατο όλων των υπόλοιπων επιταχυντών, αλλά ως μέρος ενός συνδυαστικού μοντέλου. Η συνολική απόδοση του κύκλου σχεδιασμού βελτιώνεται όταν κάθε τμήμα της υποδομής αναλαμβάνει το έργο στο οποίο υπερέχει. Αυτό είναι ιδιαίτερα σημαντικό σε μια εποχή όπου η ανάπτυξη νέων chip επιβαρύνεται από όλο και μεγαλύτερη τεχνική δυσκολία και αυξανόμενες απαιτήσεις επαλήθευσης.

Το επόμενο βήμα στον οδικό χάρτη των CPU

Κοιτώντας μπροστά, η NVIDIA αναφέρει ότι σκοπεύει να συνεχίσει προς την κατεύθυνση του Vera με την επόμενη γενιά Rosa CPU, η οποία θα βασίζεται στον NVIDIA Rigel core. Παράλληλα, δηλώνει ότι θα συνεχίσει τη βελτιστοποίηση κορυφαίων εφαρμογών EDA σε όλο τον μελλοντικό οδικό χάρτη των CPU της. Η αναφορά αυτή δείχνει ότι η τρέχουσα προσπάθεια δεν αντιμετωπίζεται ως μεμονωμένο project, αλλά ως διαρκής επένδυση στην εσωτερική της υπολογιστική πλατφόρμα.

Έχει ιδιαίτερο ενδιαφέρον το γεγονός ότι η εταιρεία χρησιμοποιεί NVIDIA CPU για να βοηθήσει στον σχεδιασμό μελλοντικών NVIDIA CPU και GPU. Αυτό δημιουργεί έναν διαρκή κύκλο ανατροφοδότησης ανάμεσα στον σχεδιασμό silicon, τη βελτιστοποίηση λογισμικού και τη μηχανική συστημάτων. Αν η προσέγγιση αυτή αποδώσει σε μεγαλύτερη κλίμακα, μπορεί να προσφέρει στη NVIDIA πιο άμεση εικόνα για το πώς η δική της αρχιτεκτονική επηρεάζει τα πιο απαιτητικά εσωτερικά workloads της.

Πηγές

  • https://blogs.nvidia.com/blog/vera-cpu-eda/
Tags: AI NewsMachine LearningNvidiaΕπιχειρήσεις

ΣΧΕΤΙΚΑ ΑΡΘΡΑ

Πότε η Τεχνητή Νοημοσύνη βοηθά τη μάθηση και πότε την εμποδίζει; Τι δείχνουν οι έρευνες για τη σωστή χρήση της AI στα σχολεία και στην τάξη.
Νέα

AI στην τάξη: Τι δείχνει η επιστήμη της μάθησης

by Theodoros Kostogiannis
26 Οκτωβρίου, 2026
Πώς η Nvidia μαθαίνει στο Microduck να περπατά σε προσομοίωση
Νέα

Nvidia: AI Agents εκπαιδεύουν το Microduck σε προσομοίωση

by Kyriakos Koutsourelis
26 Οκτωβρίου, 2026
NVIDIA Minerva: Έξυπνη παρακολούθηση και αυτόματη αντιμετώπιση προβλημάτων στα AI factories
Νέα

Η NVIDIA μειώνει τις διακοπές λειτουργίας στα AI data centers

by Theodoros Kostogiannis
25 Οκτωβρίου, 2026
Mistral και NVIDIA φέρνουν την AI πιο κοντά στη βιομηχανική μηχανική
Νέα

Mistral και NVIDIA φέρνουν AI στη βιομηχανική μηχανική

by Kyriakos Koutsourelis
25 Οκτωβρίου, 2026
Ο Geoffrey Hinton, πρωτοπόρος της τεχνητής νοημοσύνης και βραβευμένος με Νόμπελ Φυσικής, προειδοποιεί για τους κινδύνους της AI και υποστηρίζει ότι τα σύγχρονα μοντέλα έχουν ήδη αποκτήσει συνείδηση.
Νέα

Geoffrey Hinton: Η AI έχει συνείδηση και δικαιούται σεβασμό

by Theodoros Kostogiannis
24 Οκτωβρίου, 2026
Η AI ενισχύει τις μικρές επιχειρήσεις, αλλά απαιτείται καθοδήγηση
Νέα

AI και μικρές επιχειρήσεις: παραγωγικότητα με κενά

by Kyriakos Koutsourelis
24 Οκτωβρίου, 2026
NVIDIA CEO Jensen Huang delivers the GTC Berlin 2026 keynote, presenting the company’s plans for AI infrastructure, secure AI agents, robotics, and RTX Spark.
Νέα

GTC Berlin 2026: NVIDIA σχεδιάζει το μέλλον της AI στην Ευρώπη

by Theodoros Kostogiannis
23 Οκτωβρίου, 2026
Η Databricks φέρνει προγνωστική ανάλυση απευθείας στη SQL
Νέα

Databricks: Predictive AI Functions απευθείας στη SQL

by Kyriakos Koutsourelis
23 Οκτωβρίου, 2026
Πώς το NVIDIA NeMo Gym ενισχύει την αξιοπιστία των AI agents
Νέα

NVIDIA NeMo Gym: αξιοπιστία AI agents στο chip design

by Kyriakos Koutsourelis
22 Οκτωβρίου, 2026
Next Post
Ποιος πληρώνει τον λογαριασμό ρεύματος της τεχνητής νοημοσύνης;

Ποιος πληρώνει τον λογαριασμό ρεύματος της τεχνητής νοημοσύνης;

Η NVIDIA δείχνει ότι η αρχιτεκτονική των AI agents αλλάζει τις επιδόσεις

NVIDIA NOOA: πώς η αρχιτεκτονική βελτιώνει AI agents

Η Meta χρηματοδοτεί 30 έργα με γυαλιά AI στις ΗΠΑ

Meta: 30 επιχορηγήσεις για εφαρμογές με γυαλιά AI

Πρόσφατα Άρθρα

Πότε η Τεχνητή Νοημοσύνη βοηθά τη μάθηση και πότε την εμποδίζει; Τι δείχνουν οι έρευνες για τη σωστή χρήση της AI στα σχολεία και στην τάξη.

AI στην τάξη: Τι δείχνει η επιστήμη της μάθησης

26 Οκτωβρίου, 2026
Πώς η Nvidia μαθαίνει στο Microduck να περπατά σε προσομοίωση

Nvidia: AI Agents εκπαιδεύουν το Microduck σε προσομοίωση

26 Οκτωβρίου, 2026
NVIDIA Minerva: Έξυπνη παρακολούθηση και αυτόματη αντιμετώπιση προβλημάτων στα AI factories

Η NVIDIA μειώνει τις διακοπές λειτουργίας στα AI data centers

25 Οκτωβρίου, 2026

Ετικέτες

Adobe AI Agents AI News AI Tools AI Ρομποτική AI στην καθημερινότητα Alibaba Amazon AMD Anthropic Apple AWS Azure AI Chatbot ChatGPT Claude Copilot Deep Learning Deepmind DeepSeek Gemini GenAI Google Grok Huggingface IBM Intel Llama Machine Learning Meta Microsoft Mistral Nvidia OpenAI Oracle Perplexity Physical AI SAP xAI Εκπαίδευση Επιχειρήσεις Ευρωπαϊκή Ένωση Ηνωμένες Πολιτείες Αμερικής Μέσα Κοινωνικής Δικτύωσης Υγεία

Μενού

  • Αρχική
  • Νέα
  • Εργαλεία AI
    • Για Βίντεο
    • Για Εικόνα
    • Για Εκπαιδευτικούς
    • Για Εξειδικευμένες Εφαρμογές
    • Για Ήχο
    • Για Κείμενο
  • Εφαρμογές AI
  • Βασικές έννοιες
  • Εκπαιδευτικά Προγράμματα
    • Δωρεάν σεμινάρια AI
    • Κατάρτηση AI
  • Σχετικά με εμάς
  • Βασικές έννοιες
  • Όροι Χρήσης
  • Ιδιωτικότητα

© 2024 Gain - Greek AI Network, all rights reserved.

No Result
View All Result
  • Αρχική
  • Νέα
  • Εργαλεία AI
    • Για Βίντεο
    • Για Εικόνα
    • Για Εκπαιδευτικούς
    • Για Εξειδικευμένες Εφαρμογές
    • Για Ήχο
    • Για Κείμενο
  • Εφαρμογές AI
  • Βασικές έννοιες
  • Εκπαιδευτικά Προγράμματα
    • Δωρεάν σεμινάρια AI
    • Κατάρτηση AI

© 2024 Gain - Greek AI Network, all rights reserved.