AMD выпустила первый документ по мониторингу производительности Zen 6, раскрывающий детали его микроархитектуры, подтверждающий, что Zen 6 не является постепенным улучшением Zen 5, а представляет собой совершенно новую конструкцию, использующую технологию 2 нм от TSMC, оптимизированную для центров обработки данных. Ядро Zen 6 использует 8-широкий механизм распределения и технологию многопоточности (SMT), где два потока динамически конкурируют за ресурсы, акцентируя внимание на пропускной способности, а не на максимальной производительности одного потока. По сравнению с широкими ядрами Apple, производительность в одном потоке может быть немного ниже, но оно подходит для высокопараллельных рабочих нагрузок. Документ показывает, что специализированные счетчики отслеживают неиспользуемые слоты распределения и потери арбитража потоков, подчеркивая важность дизайна ширины для AMD. Векторные вычислительные возможности значительно улучшены, поддерживают полную ширину AVX-512, охватывающую форматы FP64, FP32, FP16, BF16 и имеют FMA/MAC и смешанные инструкции с плавающей запятой и целыми числами (такие как VNNI, AES, SHA). Пропускная способность 512 бит очень высокая, даже требуется объединение счетчиков для точного измерения, что демонстрирует его огромный потенциал в интенсивных математических вычислениях. Zen 6 впервые разработан с акцентом на центры обработки данных, EPYC «Venice» будет поддерживать до 256 ядер. Функции клиентской версии остаются под вопросом, но в целом Zen 6 станет производственным монстром для вычислительно интенсивных приложений.

Второй по величине производитель аналоговых чипов в мире, компания Analog Devices, Inc. (ADI), уведомила своих клиентов о повышении цен, которое планируется с 1 февраля 2026 года на всю линейку продуктов. Повышение цен ADI не будет единообразным, а будет зависеть от различных уровней клиентов и артикулов, в целом ожидаемое повышение составит около 15%, при этом для почти тысячи военных стандартов MPNs повышение может достигнуть 30%. Новые цены будут применяться ко всем незавершенным заказам, конкретные детали цен и список изменений ожидаются к концу 2025 года.

Решение по теплопередаче с использованием алмазных чипов (Diamond Thermal Solution) имеет основной целью справиться с растущим тепловым давлением на систему и серверные помещения, вызванным быстрым увеличением TDP AI GPU от NVIDIA: 1. Преимущества алмазных материалов в снижении теплового сопротивления Традиционный тепловой путь «медная крышка + TIM + холодная пластина» становится довольно напряженным уже при 700W, и основное тепловое сопротивление застревает на интерфейсе между чипом и холодной пластиной, который составляет несколько сотен микрон. Теплопроводность меди составляет около 400 W/m·K, в то время как высококачественный поликристаллический CVD алмаз может достигать 1000–1500 W/m·K, а монокристаллический даже приближается к 2000 W/m·K, что в 3–5 раз больше, чем у меди. Внедрение алмаза на уровне чипа (замена текущих материалов TIM) при одинаковой толщине и площади может снизить вертикальное тепловое сопротивление более чем на 50%, что на практике может снизить температуру контакта на 10–20°C для GPU мощностью 1–2kW или позволить потреблять на несколько сотен ватт больше при сохранении прежнего предела температуры. Это позволяет B200/B300 двигаться к 1.2–1.4kW, а Rubin/Ultra к 2.3–3.5kW, при этом одна и та же система жидкостного или погружного охлаждения сможет поддерживать несколько поколений, оставляя больше пространства для теплового проектирования для установки большего количества GPU в одном сервере и шкафу. 2. Существенное повышение надежности упаковки Когда потребление энергии достигает 2000W или даже 3000W и выше, температурные градиенты и тепловые напряжения, которые испытывают упаковка, подложка и материнская плата, увеличиваются в несколько раз, что может привести к деформации упаковки и образованию пузырьков в TIM, а в худшем случае к усталости припоя и трещинам в RDL/выступах, что влияет на долгосрочную надежность. Алмазный теплопроводник не только хорошо проводит тепло вертикально, но и обладает высокой теплопроводностью в плоскости, что позволяет быстро распределять горячие точки на расстоянии всего нескольких миллиметров, уменьшая температурные пики в 300–500W, которые изначально сосредоточены в локальных областях. Это фактически «снимает нагрузку» с упаковки и подложки: несоответствие теплового расширения между кремнием, упаковочными материалами и подложкой смягчается, а деформация упаковки и циклы усталости припоя увеличиваются. Для таких высокомощных GPU, как Rubin / Rubin Ultra / Feynman, длительное обучение и инференс LLM могут работать ближе к номинальной частоте, уменьшая потери вычислительной мощности из-за перегрева и снижения частоты или аномальных повторных запусков, а также увеличивая общий MTBF и срок службы. 3. Снижение затрат на серверные помещения и гибкость расширения Когда TDP одной GPU становится выше, общая мощность шкафа быстро приближается или превышает 120kW, 130kW, и инфраструктура электроснабжения и охлаждения серверного помещения требует значительных изменений. Если не повысить теплопроводность на уровне чипа, придется постоянно наращивать более дорогие CDU, охладительные башни и электрические схемы, и для поддержания температуры часто приходится опускать температуру охлаждающей воды очень низко и увеличивать поток до предела. После внедрения охлаждения с использованием алмазных чипов, температура одной GPU при одинаковой температуре и потоке воды будет ниже, вероятность снижения частоты уменьшится, и фактическая «стабильная вычислительная мощность на стойку» увеличится; одновременно, благодаря снижению теплового сопротивления, также появляется возможность использовать немного более высокую температуру воды или более низкий поток, что снижает потребление энергии насосов и чиллеров. Более того, это заранее открывает гибкость теплового проектирования для будущих GPU уровня 3.5kW–5kW, таких как Rubin Ultra и Feynman, позволяя производителям систем и облачным провайдерам рассматривать охлаждение с использованием алмаза как «вариант повышения на уровне материалов» при планировании следующего поколения AI кластеров, превращая охлаждение из меры по устранению последствий в часть проектирования архитектуры на раннем этапе, а не ждать, пока произойдет тепловой коллапс, чтобы искать решения.