Το σύστημα rack AI επόμενης γενιάς Kyber NVL144 της Nvidia καθυστέρησε περισσότερο από ένα χρόνο, ωθώντας την κυκλοφορία του στο 2028, αφού ο γίγαντας των chip αντιμετώπισε επίμονα προβλήματα κατασκευής με ένα κρίσιμο εσωτερικό εξάρτημα, σύμφωνα με έκθεση της ερευνητικής εταιρείας SemiAnalysis. Το σπάνιο παραπάτημα για την πιο πολύτιμη εταιρεία ημιαγωγών στον κόσμο έστειλε κυματισμούς στην αλυσίδα εφοδιασμού υλικού AI και έδωσε ένα απροσδόκητο άνοιγμα στους ανταγωνιστές. Για συνεχή κάλυψη της δημιουργίας υποδομής τεχνητής νοημοσύνης, ακολουθήστε τις [ενημερωτικές ειδήσεις AI] (https://aibuzzwire.news).
Η αποκάλυψη, που αναφέρθηκε για πρώτη φορά από το CNBC στις 6 Ιουλίου 2026, αναφέρει μια ανάλυση SemiAnalysis που διαπίστωσε ότι η Nvidia δυσκολεύεται να κατασκευάσει το μεσαίο επίπεδο της πλακέτας τυπωμένου κυκλώματος (PCB) που συνδέει τις GPU μέσα στο rack Kyber. Το μεσαίο επίπεδο είναι η φυσική ραχοκοκαλιά του συστήματος, δρομολογώντας σήματα υψηλής ταχύτητας μεταξύ δεκάδων τσιπ και οι δυσκολίες παραγωγής του σε κλίμακα ανάγκασαν τη Nvidia να ωθήσει το χρονοδιάγραμμα για πάνω από δώδεκα μήνες.
Τι έπρεπε να παραδώσει το Kyber NVL144
Το Kyber NVL144 αποτελεί μέρος του φιλόδοξου οδικού χάρτη της Nvidia για τη συγκέντρωση ολοένα περισσότερης υπολογιστικής ισχύος σε μεμονωμένες, εργοστασιακής κλίμακας rack που μπορούν να αναπτύξουν οι πάροχοι cloud υπερκλίμακας για την εκπαίδευση και την εκτέλεση μοντέλων τεχνητής νοημοσύνης συνόρων. Κάθε σύστημα NVL144 έχει σχεδιαστεί για να φιλοξενεί 144 GPU σε ένα ενοποιημένο, υγρόψυκτο πλαίσιο, χρησιμοποιώντας διασυνδέσεις υψηλού εύρους ζώνης για να επιτρέπουν στα τσιπ να λειτουργούν ως ένας ενιαίος γιγαντιαίος επιταχυντής.
Αυτά τα συστήματα κλίμακας rack έχουν γίνει το κεντρικό δομικό στοιχείο του σύγχρονου κέντρου δεδομένων AI. Εταιρείες όπως η Microsoft, η Meta, η Amazon και η Google τις παραγγέλνουν κατά χιλιάδες για να συμβαδίσουν με τις εκρηκτικές υπολογιστικές απαιτήσεις των μεγάλων γλωσσικών μοντέλων. Επομένως, μια καθυστέρηση άνω του ενός έτους σε ένα εμβληματικό προϊόν έχει συνέπειες πολύ πέρα από τα ίδια έσοδα της Nvidia, επιβραδύνοντας τις επεκτάσεις χωρητικότητας από τις οποίες εξαρτάται ολόκληρη η βιομηχανία τεχνητής νοημοσύνης.
Το PCB Midplane Bottleneck
Σύμφωνα με τη SemiAnalysis, το βασικό πρόβλημα έγκειται στην κατασκευή του μεσαίου επιπέδου PCB στις ανοχές που απαιτούν οι διασυνδέσεις υψηλής ταχύτητας του Kyber. Το μεσαίο επίπεδο πρέπει να μεταφέρει τεράστιους όγκους δεδομένων μεταξύ των GPU με ελάχιστη απώλεια σήματος και στις πυκνότητες που στοχεύει η Nvidia, ακόμη και μικρά κατασκευαστικά ελαττώματα μπορούν να υποβαθμίσουν την απόδοση ή να προκαλέσουν αστοχίες.
Η έκθεση αναφέρει ότι οι δυσκολίες δεν είναι μεμονωμένες σε έναν μόνο προμηθευτή, αλλά αντικατοπτρίζουν μια ευρύτερη πρόκληση για την ώθηση της τεχνολογίας PCB στα φυσικά της όρια. Καθώς οι ταχύτητες του σήματος ανεβαίνουν και ο αριθμός των επιπέδων αυξάνεται, οι αποδόσεις πέφτουν και οι κύκλοι παραγωγής επιμηκύνονται, δημιουργώντας ένα εμπόδιο που μέχρι στιγμής τα χρήματα από μόνα τους δεν μπόρεσαν να λύσουν.
Ένα δεύτερο μέτωπο: CPO και το NVL576
Τα ευρήματα της SemiAnalysis εκτείνονται πέρα από το NVL144. Η μεγαλύτερη διαμόρφωση Kyber NVL576, η οποία θα στοίβαζε ακόμη περισσότερες GPU σε ένα μόνο rack, αντιμετωπίζει επίσης αβεβαιότητα λόγω των προκλήσεων στη μαζική παραγωγή co-packaged optics (CPO), την τεχνολογία στην οποία στοιχηματίζει η Nvidia για την αντικατάσταση χάλκινων διασυνδέσεων σε κλίμακα. Τόσο το PCB midplane όσο και το CPO θεωρούνται ευρέως ως βασικοί πυλώνες του πλεονεκτήματος απόδοσης της Nvidia και το γεγονός ότι και τα δύο αποδεικνύονται τώρα δύσκολο να κατασκευαστούν μετατρέπει αυτό που ήταν ανταγωνιστική τάφρο σε πηγή καθυστέρησης.
Τα νέα για τις καθυστερήσεις προκάλεσαν απότομη πτώση των μετοχών των εταιρειών που συνδέονται με την οπτοηλεκτρονική και τις προηγμένες συσκευασίες, καθώς οι επενδυτές επανεκτίμησαν πόσο γρήγορα θα έφτανε στην πραγματικότητα το επόμενο κύμα υλικού τεχνητής νοημοσύνης.
Αντίπαλοι Βλέπουν ένα άνοιγμα
Για τους ανταγωνιστές της Nvidia, η καθυστέρηση είναι ένα σπάνιο δώρο. Η Advanced Micro Devices κλείνει σταθερά το χάσμα στην απόδοση της GPU και έχει τις δικές της προσφορές σε κλίμακα rack υπό ανάπτυξη. Η Google, η οποία σχεδιάζει τους δικούς της προσαρμοσμένους επιταχυντές τεχνητής νοημοσύνης που ονομάζονται Tensor Processing Units (TPUs), κατασκευάζει ολοκληρωμένα συστήματα εσωτερικά και είναι λιγότερο εκτεθειμένη στα σημεία συμφόρησης στην κατασκευή που περιορίζουν τώρα τον οδικό χάρτη της Nvidia.
Οι αναλυτές σημείωσαν ότι ένα δελτίο δώδεκα μηνών δίνει στην AMD επιπλέον χρόνο για να προσγειώσει τις νίκες του σχεδιασμού με υπερκλιμακωτές που διαφορετικά θα περίμεναν το Kyber. Ενισχύει επίσης τη στρατηγική λογική πίσω από το κύμα προσαρμοσμένων επενδύσεων σε πυρίτιο από παρόχους cloud, οι οποίοι έχουν γίνει επιφυλακτικοί στο να εξαρτώνται από έναν μόνο προμηθευτή του οποίου τα πιο προηγμένα προϊόντα συνεχίζουν να διολισθαίνουν.
Η Nvidia δεν αμφισβήτησε δημόσια τον χαρακτηρισμό SemiAnalysis. Η εταιρεία έχει υπογραμμίσει προηγουμένως ότι η ανάπτυξη εντελώς νέων αρχιτεκτονικών rack είναι μια εγγενώς πολύπλοκη διαδικασία και ότι δίνει προτεραιότητα στην αξιοπιστία έναντι της ταχύτητας όταν οι πελάτες επενδύουν δισεκατομμύρια δολάρια ανά εγκατάσταση.
Συνέπειες για το AI Compute Race
Η καθυστέρηση Kyber υπογραμμίζει μια πραγματικότητα που είναι εύκολο να ξεχαστεί εν μέσω κερδών ρεκόρ και αυξανόμενης ζήτησης: η επανάσταση της τεχνητής νοημοσύνης εξακολουθεί να εκτελείται σε φυσικό υλικό και αυτό το υλικό γίνεται εξαιρετικά δύσκολο να κατασκευαστεί και να κατασκευαστεί. Καθώς τα μοντέλα μεγαλώνουν και οι διασυνδέσεις που συνδέουν τις ομάδες προπόνησής τους μεγαλώνουν ταχύτερα, η ανοχή για σφάλματα σε οτιδήποτε, από το σχεδιασμό PCB έως την οπτική συσκευασία συρρικνώνεται σχεδόν στο μηδέν.
Για τους παρόχους cloud και τα εργαστήρια τεχνητής νοημοσύνης που βασίζονται σε μια σταθερή σειρά από ολοένα πιο ισχυρά rack, το μήνυμα από το SemiAnalysis είναι ότι ο ρυθμός βελτίωσης του υλικού μπορεί να είναι λιγότερο προβλέψιμος από ό,τι προτείνουν οι οδικοί χάρτες λογισμικού. Ο τρόπος με τον οποίο η Nvidia και οι προμηθευτές της επιλύουν τις προκλήσεις του midplane και του CPO θα βοηθήσει στον προσδιορισμό του πόσο γρήγορα θα φτάσει η επόμενη γενιά συστημάτων τεχνητής νοημοσύνης και ποιες εταιρείες είναι σε θέση να ωφεληθούν όταν συμβεί αυτό.
---
Μείνετε μπροστά από την τεχνητή νοημοσύνη
Το τοπίο υλικού AI αλλάζει γρήγορα. Το AI Buzz Wire σας μεταφέρει τις πιο πρόσφατες εξελίξεις στα τσιπ, τα κέντρα δεδομένων και τις εταιρείες που αγωνίζονται για την κατασκευή της υποδομής πίσω από την τεχνητή νοημοσύνη.
Διαβάστε περισσότερα νέα AI →
