NextSilicon, лидер в разработке решений для вычислений следующего поколения для AI и высокопроизводительных вычислений (HPC), объявила о планах коммерциализации своего ядра Arbel на архитектуре RISC-V в виде процессора корпоративного класса с 64 и 128 ядрами. Этот процессор предназначен для обеспечения сверхвысокой производительности для агентских инструментов и ожидается к выпуску в начале 2028 года.После предварительного показа в октябре компания теперь делится расширенными техническими деталями и дорожной картой, сформированной на основе отзывов ранних клиентов и партнеров. Это объявление совпадает с презентацией NextSilicon на саммите RISC-V. NextSilicon разработала Arbel с нуля для удовлетворения требований производительности инфраструктуры AI и HPC.Переход от тестового чипа к производственной дорожной карте был обусловлен оценками кремния со стороны клиентов и партнеров, включая руководителей программ по HPC, архитекторов инфраструктуры AI и операторов центров обработки данных. Их вклад подтвердил ключевые эксплуатационные характеристики Arbel и формирует требования и архитектурные решения для производственного процессора с 64 ядрами.Представляем Arbel: кремниево-доказанный, проверенный клиентамиArbel существует потому, что NextSilicon нуждалась в ядре, которое могло бы соответствовать остальной системе. Изначально компания разработала его как управляющий процессор для своей ускорительной платформы Maverick-2, где он обрабатывает последовательную логику и перемещение данных, которые движок потоков данных не может распараллелить. Это производственное развертывание стало полигоном: ядро должно было работать в реальных условиях нагрузки, а не просто проходить набор тестов.NextSilicon изготовила автономный тестовый чип Arbel на процессе 5 нм TSMC для проверки архитектуры вне контекста ускорителя как полноценной системы оценки. Результаты подтвердили то, что уже продемонстрировало развертывание Maverick-2. Конвейер выдачи инструкций шириной в 10 и буфер переупорядочения на 480 записей обеспечивают до 16 скалярных инструкций за такт при выводе. Четыре векторных блока шириной 128 бит обрабатывают рабочие нагрузки с параллельной обработкой данных, включая вывод AI. Тактовые частоты достигают 2,5 ГГц. Стандартный когерентный межсоединение CHI и полная поддержка ОС Linux делают ядро практичным кандидатом для оценки в серверах и системах HPC. Оценки тестового чипа клиентами и партнерами подтвердили эти характеристики производительности и сформировали требования к производственному процессору. Этот отзыв послужил причиной решения о коммерциализации Arbel как автономного серверного чипа с 64 ядрами, что подробно описано в следующем разделе.От тестового чипа до производстваПроизводственный процессор масштабирует архитектуру Arbel до 64/128 высокопроизводительных ядер, нацелен на рабочую частоту 3,4 ГГц и переходит на более продвинутый технологический узел для соответствия требованиям энергоэффективности и плотности в производственных ЦОД и системах HPC. Архитектура ядра сохраняет определяющие характеристики тестового чипа, включая предсказатель ветвлений TAGE, разработанный для конкурентной точности прогнозирования по сравнению с ведущими серверными реализациями x86 и Arm.Чип нацелен на две взаимодополняющие роли развертывания. Как автономный корпоративный серверный процессор, он предлагает организациям высокопроизводительную альтернативу RISC-V, разработанную для снижения ограничений лицензирования ISA и долгосрочной зависимости от дорожных карт сторонних поставщиков. Как хостовый процессор для ускорительной платформы Maverick NextSilicon, он управляет оркестровкой системы и перемещением данных для гетерогенных развертываний AI и HPC. Обе роли поддерживаются полной совместимостью с RVA23 и стандартной поддержкой дистрибутивов Linux."Агентский AI меняет правила игры. Будущее — это не просто больше ускорителей, а более умные, более мощные ЦП с меньшим количеством, но более сильными ядрами. Отзывы наших ранних клиентов и партнеров были однозначны: архитектура работает, и они хотят видеть ее в производственном масштабе", — сказал Элад Раз, генеральный директор и соучредитель NextSilicon."Мы создали Arbel, потому что Агентский AI меняет то, что должен делать ЦП. Поскольку AI-агенты вызывают больше инструментов, запускают больше кода, оркестрируют больше сервисов и проходят через более сложные рабочие процессы, ЦП больше не может быть второстепенной деталью. Он должен работать быстро, реагировать мгновенно и поддерживать работу всей системы".С Arbel NextSilicon начинала с требований рабочей нагрузки, а не с ограничений унаследованной архитектуры. Результатом стал ЦП, разработанный для следующего поколения систем AI и HPC, построенный на открытой ISA, которая дает клиентам контроль."RISC-V — самая убедительная архитектура для будущего рабочих нагрузок в области AI, центров обработки данных и HPC", — сказала Андреа Галло, генеральный директор RISC-V International. "Мы рады видеть инновации и успех ускорителя Maverick-2 и тестового чипа Arbel и с нетерпением ждем будущих разработок, включая соответствие RVA23".Возможности центров обработки данных на базе RISC-VRISC-V преодолел порог академической архитектуры и стал жизнеспособной корпоративной платформой. По мере созревания отраслевых стандартов поставщики программного обеспечения получают все более стабильные и согласованные цели для разработки и сертификации — похоже на основу, которая способствовала широкому внедрению x86 и Arm в центрах обработки данных.Основные дистрибутивы Linux, цепочки инструментов компиляторов и системное программное обеспечение теперь поддерживают RISC-V нативно, при поддержке экосистемы от Canonical, Red Hat и NVIDIA. Прогнозируется, что сегмент HPC и центров обработки данных на базе RISC-V будет расти со среднегодовым темпом роста в 33,1% с 2025 по 2034 год, превысив $200 млрд.Оставшийся пробел находится в верхней части диапазона производительности. Рабочие нагрузки HPC и AI являются гибридными. Им требуется массивный параллелизм для сегментов с интенсивными вычислениями в сочетании с последовательной управляющей логикой, которая определяет потолок пропускной способности всей системы. Платформы кодирования агентского AI представляют собой быстрорастущий пример этого архитектурного несоответствия. В отличие от рабочих нагрузок обучения, которые масштабируются на тысячи ядер GPU