Nvidia ची पुढची पिढी Kyber NVL144 AI रॅक सिस्टीम एक वर्षाहून अधिक काळ विलंबित झाली आहे, 2028 मध्ये लाँच करण्यासाठी चीप जायंट गंभीर अंतर्गत घटकासह हट्टी उत्पादन समस्यांना सामोरे जात आहे, असे संशोधन फर्म SemiAnalysis च्या अहवालानुसार. जगातील सर्वात मौल्यवान सेमीकंडक्टर कंपनीसाठी दुर्मिळ अडखळल्याने एआय हार्डवेअर पुरवठा साखळीद्वारे तरंग पाठवले आणि स्पर्धकांना अनपेक्षित सलामी दिली. एआय इन्फ्रास्ट्रक्चर बिल्डआउटच्या सतत कव्हरेजसाठी, आमच्या ब्रेकिंग एआय न्यूज फॉलो करा.
CNBC द्वारे 6 जुलै 2026 रोजी प्रथम नोंदवलेला खुलासा, अर्धविश्लेषण विश्लेषणाचा हवाला देते ज्यामध्ये Nvidia ला Kyber रॅकच्या आत GPU ला जोडणारे प्रिंटेड सर्किट बोर्ड (PCB) मिडप्लेन तयार करण्यासाठी धडपडत असल्याचे आढळले. मिडप्लेन हा सिस्टीमचा भौतिक कणा आहे, डझनभर चिप्स दरम्यान हाय-स्पीड सिग्नल मार्गी लावणे आणि मोठ्या प्रमाणात ते तयार करण्यात अडचणींनी Nvidia ला टाइमलाइन बारा महिन्यांपेक्षा जास्त मागे ढकलण्यास भाग पाडले आहे.
कायबर NVL144 ने काय डिलिव्हर करायचे होते
Kyber NVL144 हा Nvidia च्या महत्वाकांक्षी रोडमॅपचा एक भाग आहे ज्यामध्ये अधिक संगणकीय शक्ती सिंगल, फॅक्टरी-स्केल रॅकमध्ये पॅक केली जाते जी हायपरस्केल क्लाउड प्रदाते फ्रंटियर AI मॉडेल्सना प्रशिक्षित करण्यासाठी आणि चालवण्यासाठी तैनात करू शकतात. प्रत्येक NVL144 प्रणाली 144 GPUs एका युनिफाइड, लिक्विड-कूल्ड चेसिसमध्ये ठेवण्यासाठी डिझाइन केलेली आहे, उच्च-बँडविड्थ इंटरकनेक्ट्स वापरून चिप्सला सिंगल जायंट एक्सीलरेटर म्हणून काम करू देते.
या रॅक-स्केल सिस्टम आधुनिक AI डेटा सेंटरचे मध्यवर्ती बिल्डिंग ब्लॉक बनले आहेत. Microsoft, Meta, Amazon आणि Google सारख्या कंपन्या मोठ्या भाषेच्या मॉडेल्सच्या स्फोटक संगणकीय मागण्यांसह वेगवान राहण्यासाठी त्यांना हजारो ऑर्डर देतात. फ्लॅगशिप उत्पादनामध्ये एक वर्षापेक्षा जास्त विलंब झाल्यामुळे Nvidia च्या स्वतःच्या कमाईच्या पलीकडे परिणाम होतात, ज्यामुळे संपूर्ण AI उद्योग अवलंबून असलेल्या क्षमतेच्या विस्ताराची गती कमी होते.
PCB मिडप्लेन बॉटलनेक
SemiAnalysis नुसार, मुख्य समस्या PCB मिडप्लेनला Kyber च्या हाय-स्पीड इंटरकनेक्टला आवश्यक असलेल्या सहनशीलतेसाठी तयार करण्यात आहे. मिडप्लेनमध्ये कमीत कमी सिग्नल लॉससह GPUs दरम्यान प्रचंड प्रमाणात डेटा असणे आवश्यक आहे आणि Nvidia लक्ष्य करत असलेल्या घनतेवर, अगदी लहान उत्पादन दोष देखील कार्यप्रदर्शन खराब करू शकतात किंवा अपयशास कारणीभूत ठरू शकतात.
अहवाल सूचित करतो की अडचणी एकाच पुरवठादारासाठी वेगळ्या नाहीत परंतु PCB तंत्रज्ञानाला त्याच्या भौतिक मर्यादेपर्यंत ढकलण्यात एक व्यापक आव्हान प्रतिबिंबित करते. जसजसा सिग्नलचा वेग वाढतो आणि थरांची संख्या वाढत जाते, तसतसे उत्पन्न कमी होते आणि उत्पादन चक्र वाढते, ज्यामुळे एक अडचण निर्माण होते जी आतापर्यंत केवळ पैशाने सोडवता आली नाही.
दुसरा मोर्चा: CPO आणि NVL576
अर्धविश्लेषण निष्कर्ष NVL144 च्या पलीकडे विस्तारित आहेत. मोठ्या Kyber NVL576 कॉन्फिगरेशन, जे एकाच रॅकमध्ये आणखी जास्त GPUs स्टॅक करेल, मोठ्या प्रमाणात उत्पादन करणाऱ्या को-पॅकेज्ड ऑप्टिक्स (CPO) मधील आव्हानांमुळे अनिश्चिततेचा सामना करावा लागतो, Nvidia हे तंत्रज्ञान मोठ्या प्रमाणावर कॉपर इंटरकनेक्ट्स बदलण्यासाठी पैज लावत आहे. पीसीबी मिडप्लेन आणि सीपीओ हे दोन्ही एनव्हीडियाच्या कार्यक्षमतेच्या फायद्याचे मुख्य स्तंभ मानले जातात आणि या दोन्ही गोष्टींचे उत्पादन करणे आता कठीण होत आहे या वस्तुस्थितीमुळे स्पर्धात्मक खंदक जे विलंबाचे स्रोत बनले होते.
विलंबाच्या बातम्यांमुळे ऑप्टोइलेक्ट्रॉनिक्स आणि प्रगत पॅकेजिंगशी संबंधित कंपन्यांच्या समभागांमध्ये तीव्र घट झाली, कारण गुंतवणूकदारांनी एआय हार्डवेअरची पुढील लाट प्रत्यक्षात किती लवकर येईल याचे पुनर्मूल्यांकन केले.
प्रतिस्पर्धी ओपनिंग पहा
Nvidia च्या स्पर्धकांसाठी, विलंब ही एक दुर्मिळ भेट आहे. Advanced Micro Devices ने GPU कार्यप्रदर्शनातील अंतर सतत कमी केले आहे आणि विकासामध्ये स्वतःचे रॅक-स्केल ऑफर आहेत. Google, जे टेन्सर प्रोसेसिंग युनिट्स (TPUs) नावाचे स्वतःचे सानुकूल AI प्रवेगक डिझाइन करते, एकात्मिक प्रणाली इन-हाउस तयार करते आणि आता Nvidia च्या रोडमॅपला अडथळा आणणाऱ्या उत्पादनातील अडथळ्यांना कमी सामोरे जात आहे.
विश्लेषकांनी नमूद केले की बारा महिन्यांची स्लिप एएमडीला हायपरस्केलर्ससह डिझाइन जिंकण्यासाठी अतिरिक्त वेळ देते ज्यांनी अन्यथा कायबरची वाट पाहिली असती. हे क्लाउड प्रदात्यांच्या सानुकूल सिलिकॉन गुंतवणुकीच्या लाटेमागील धोरणात्मक तर्क देखील मजबूत करते, जे एकाच पुरवठादारावर अवलंबून राहण्यापासून सावध झाले आहेत ज्यांची सर्वात प्रगत उत्पादने घसरत आहेत.
Nvidia ने अर्धविश्लेषण वैशिष्ट्यांवर सार्वजनिकरित्या विवाद केलेला नाही. कंपनीने याआधी यावर भर दिला आहे की संपूर्णपणे नवीन रॅक आर्किटेक्चर्सची रॅम्पिंग ही एक अंतर्निहित गुंतागुंतीची प्रक्रिया आहे आणि जेव्हा ग्राहक प्रति तैनाती अब्जावधी डॉलर्सची गुंतवणूक करत असतात तेव्हा ते वेगापेक्षा विश्वासार्हतेला प्राधान्य देते.
एआय कंप्यूट रेससाठी परिणाम
Kyber विलंब एक वास्तव अधोरेखित करतो जे रेकॉर्ड कमाई आणि वाढत्या मागणीमध्ये विसरणे सोपे आहे: AI क्रांती अजूनही भौतिक हार्डवेअरवर चालते आणि ते हार्डवेअर अभियंता आणि उत्पादन करणे विलक्षण कठीण होत आहे. मॉडेल्स जसजसे मोठे होतात आणि त्यांच्या प्रशिक्षण क्लस्टर्सला जोडणारे इंटरकनेक्ट्स जलद वाढतात, PCB डिझाइनपासून ते ऑप्टिकल पॅकेजिंगपर्यंतच्या प्रत्येक गोष्टीतील त्रुटी सहिष्णुता कमी होत जाते.
क्लाउड प्रदाते आणि एआय लॅब्स यापेक्षा अधिक शक्तिशाली रॅकच्या स्थिर पाइपलाइनवर मोजत आहेत, सेमीॲनालिसिसचा संदेश असा आहे की हार्डवेअर सुधारणेची गती सॉफ्टवेअर रोडमॅप्सने सुचवलेल्या पेक्षा कमी अंदाजे असू शकते. Nvidia आणि त्याचे पुरवठादार मिडप्लेन आणि CPO आव्हाने कशी सोडवतात ते AI सिस्टीमची पुढची पिढी किती लवकर येईल हे ठरवण्यात मदत करेल आणि ते आल्यावर कोणत्या कंपन्यांना फायदा होईल.
---
AI च्या पुढे रहा
AI हार्डवेअर लँडस्केप वेगाने बदलत आहे. AI Buzz Wire तुमच्यासाठी चिप्स, डेटा सेंटर्स आणि आर्टिफिशियल इंटेलिजन्समागील पायाभूत सुविधा तयार करण्याच्या शर्यतीत असलेल्या कंपन्यांमधील नवीनतम घडामोडी घेऊन येतात.
अधिक AI बातम्या वाचा →
