تسلا نقشه راه جدید تراشه های فوق هوشمند خود را با هدف افزایش 80 برابری قدرت پردازشی نسل ششم و توسعه شتاب دهنده Dojo 3 برای کاربردهای فضایی معرفی کرد.
به گزارش سرویس هوش مصنوعی مجردمهمترین قسمت این برنامه به نسل ششم شتاب دهنده SI6 اختصاص دارد. تسلا انتظار دارد قدرت پردازشی این محصول در مقایسه با نسل چهارم تراشه HW4 تا 80 برابر افزایش یابد.
تسلا همچنین قصد دارد معماری شتاب دهنده آموزشی Dojo 3 را به طور اساسی تغییر دهد. در نسل جدید، این شرکت از طراحی چند تراشه و پشته حافظه HBM استفاده خواهد کرد و وابستگی خود را به معماری مبتنی بر حافظه SRAM کاهش خواهد داد. توسعه نسخه های مناسب برای محیط های فضایی نیز بخشی از برنامه های این شرکت است.
نقل شده از سخت افزار تامهمزمان، تسلا نام پردازنده های خود را تغییر داده است. این شرکت اکنون عبارت «هوش مصنوعی» را جایگزین عبارت «هوش مصنوعی» کرده و از پیشوند SI برای تراشههای خود استفاده میکند. این تغییر نام شامل محصولات قدیمی نیز می شود. به عنوان مثال، تراشه HW4 که بعدها AI4 نامیده شد، اکنون با نام SI4 شناخته می شود.
ایلان ماسک نیز اخیرا تایید کرد که SpaceXAI به SpaceXSI تغییر نام خواهد داد. این تغییر با رویکرد جدید او در استفاده از اصطلاح ابرهوشی سازگار است.
افزایش 80 برابری قدرت پردازش تراشه ی تسلا SI6
مهم ترین دستاورد پیش بینی شده در نقشه راه تسلا مربوط به نسل ششم شتاب دهنده SI6 است. این پردازنده برای اجرای مدل های هوش مصنوعی و پردازش استنتاج طراحی شده است و انتظار می رود عملکرد بسیار بالاتری نسبت به نسل فعلی داشته باشد.
تسلا اعلام کرده است که SI6 حدود 80 برابر قدرت پردازشی بیشتری نسبت به HW4 ارائه می دهد. در متن اطلاعات منتشر شده به افزایش ظرفیت حافظه نیز 9 برابر اشاره شده است. البته ظرفیت 144 گیگابایتی درج شده در جدول مشخصات دقیقاً 9 برابر حافظه 16 گیگابایتی HW4 است.
برآوردهای اولیه نشان می دهد که قدرت پردازش SI6 می تواند بین 17280 تا 46080 تریلیون عملیات در ثانیه (TOPS) باشد. این ارقام معادل 17.28 تا 46.08 کوادریلیون عملیات در ثانیه (POPS) است.
البته تسلا هنوز فرمت های داده های پشتیبانی شده و قدرت پردازش رسمی این تراشه را اعلام نکرده است. بنابراین اعداد ذکر شده تخمینی بوده و نمی توان آن را نتیجه آزمون های عملی دانست.
برای مقایسه، پردازنده گرافیکی Rubin Nvidia در پردازش استنتاج با فرمت NVFP4 به 50 پتافلاپ می رسد. قدرت این محصول هنگام آموزش مدل های با فرمت یکسان 35 پتافلاپ است. همچنین عملکرد آن در فرمت های FP8 و FP6 به 17.5 پتافلاپ می رسد.
با این حال، تفاوت در قالب های عددی و معیارهای اندازه گیری، مقایسه مستقیم این محصولات را دشوار می کند. علاوه بر این، انویدیا در حال حاضر ارسال Rubin به مشتریان را آغاز کرده است، در حالی که انتظار می رود SI6 بین سال های 2029 تا 2030 در دسترس باشد.
تسلا در حال حاضر از نسل چهارم پردازنده HW4 در خودروهای خود استفاده می کند. سامسونگ این تراشه را با فناوری ساخت ۷ نانومتری تولید می کند. پردازنده مذکور از بسته بندی معمولی FCBGA بهره می برد و احتمالاً به 16 گیگابایت حافظه GDDR6 مجهز شده است.
این تراشه معیار عملکرد فعلی سیستم رانندگی کاملاً خودکار تسلا است که با نام FSD شناخته می شود.
تسلا هنوز به طور رسمی قدرت پردازش مطلق، ظرفیت حافظه و مصرف انرژی HW4 را منتشر نکرده است. با این حال، ایلان ماسک قبلاً عملکرد آن را بین 3 تا 8 برابر بالاتر از HW3 توصیف کرده بود.
از آنجایی که قدرت پردازش رسمی HW3 برابر با 72 تریلیون عملیات در ثانیه است، عملکرد HW4 را می توان بین 216 تا 576 تریلیون عملیات در ثانیه تخمین زد. این تفاوت قابل توجه تعیین قدرت نهایی نسل های بعدی را دشوار می کند.
بیشتر بخوانید: تسلا و اسپیس ایکس ادغام خواهند شد
مشخصات تراشه های تسلا و تغییرات نسل پنجم و ششم
تسلا قبل از عرضه SI6 وارد مرحله تولید تراشه نسل پنجم خود به نام SI5 می شود. این پردازنده که قبلا با نام های HW5 و AI5 شناخته می شد، اکنون به مرحله تولید نزدیک می شود.
شرکت های TSMC و سامسونگ مسئولیت ساخت نسخه های مختلف آن را بر عهده خواهند داشت. TSMC از فناوری 3 نانومتری و سامسونگ از فناوری 2 نانومتری برای تولید این شتاب دهنده استفاده می کنند.
برخلاف HW4، تراشه SI5 از معماری ماژول چند تراشه (MCM) استفاده می کند. در این ساختار چند تراشه به صورت یک مجموعه قرار می گیرند. این تغییر امکان استفاده از واحدهای پردازش بیشتر و طراحی انعطاف پذیرتر را فراهم می کند.
ایلان ماسک انتظار دارد SI5 حدود 40 برابر بیشتر از HW4 قدرت پردازشی داشته باشد. وی افزایش هشت برابری قدرت محاسباتی و بهینه سازی پنج برابری طراحی سیلیکونی را از عوامل اصلی این پیشرفت معرفی کرده است.
افزایش تعداد واحدهای اجرایی و استفاده از فناوری ساخت و ساز متراکمتر به تحقق این هدف کمک میکند.
بر این اساس، عملکرد احتمالی SI5 بین 8640 تا 23040 تریلیون عملیات در ثانیه برآورد شده است. مصرف انرژی این تراشه بسته به کاربرد بین 250 تا 800 وات خواهد بود.
ظرفیت حافظه SI5 احتمالا به 96 گیگابایت می رسد که 6 برابر نسل چهارم است. نوع حافظه هنوز مشخص نیست، اما استفاده از GDDR6 یا GDDR7 پیشنهاد شده است. پهنای باند احتمالی نیز بین 768 گیگابایت تا 1536 ترابایت بر ثانیه برآورد شده است.
جدول زیر مشخصات و تفاوت های نسل های مختلف شتاب دهنده های تسلا را بر اساس اطلاعات منتشر شده نشان می دهد.
| مشخصات | HW3/AI3 | SI4 / HW4 | SI5 / AI5 | SI6/AI6 | دوجو D1 | دوجو D3 |
| برنامه | نتیجه گیری | نتیجه گیری | نتیجه گیری | نتیجه گیری | آموزش و پرورش | آموزش و پرورش |
| تکنولوژی ساخت و ساز | سامسونگ 14 نانومتر | سامسونگ 7 نانومتری | TSMC سه نانومتری / سامسونگ دو نانومتری | کلاس 2 نانومتر | 7 نانومتری TSMC | نامشخص |
| معماری | یکپارچه شده است | یکپارچه شده است | MCM | MCM | سیستم مقیاس ویفر | چیپلت |
| بسته بندی | FCBGA | FCBGA | MCM | MCM | InFO_SoW | ترکیبی از 2.5 و 3D |
| نوع حافظه | LPDDR4 | GDDR6 | احتمالا GDDR6/GDDR7 | احتمالا GDDR7 | SRAM داخلی | HBM انباشته شده |
| ظرفیت حافظه | 8 گیگابایت | 16 گیگابایت | 96 گیگابایت | 144 گیگابایت | 440 مگابایت در هر تراشه / 11 گیگابایت در هر ویفر | نامشخص |
| پهنای باند حافظه | حدود 68 گیگابایت بر ثانیه است | حدود 224 گیگابایت در ثانیه | نامشخص | نامشخص | حدود 10 ترابایت در ثانیه، داخلی | نامشخص |
| عملکرد نسبت به SI4 | – | 1 بار | 40 بار | 80 بار | – | – |
| قدرت پردازش تخمینی | ۷۲ تاپ | 216 تا 576 تاپس | 8640 تا 23040 تاپس | 17280 تا 46080 تاپس | 362 ترافلاپس | نامشخص |
| وضعیت | نسل قدیم | در تولید | نزدیک به تولید | در حال توسعه | متوقف شد | در حال توسعه |
مقادیر پردازش نسلهای SI4، SI5 و SI6 تقریبی است. قدرت Dojo D1 نیز در واحدهای فلاپ بیان می شود و نمی توان مستقیماً با مقادیر TOPS مقایسه کرد. تسلا همچنین تا سال 2033 با سامسونگ برای تولید SI6 قرارداد امضا کرده است. این شتاب دهنده از فناوری ساخت کلاس 2 نانومتری استفاده خواهد کرد.
طبق برنامه تولید سامسونگ، امکان استفاده از فناوری های SF2A، SF2P یا SF2Z وجود دارد. فناوری SF2A برای کاربردهای خودرو طراحی شده است و SF2Z از انتقال نیرو از پشت تراشه پشتیبانی می کند.
قابل ذکر است که نقشه راه منتشر شده تولید SI6 در کارخانه Terafab با فناوری 14A اینتل را پیش بینی نمی کند. تسلا همچنین معماری MCM را در نسل ششم حفظ خواهد کرد. این تصمیم می تواند استفاده از تجربه تولید SI5 و کنترل هزینه های بسته بندی را ممکن سازد. با وجود بررسی استفاده از حافظه HBM در صنعت خودروسازی، به نظر نمی رسد تسلا از این فناوری در شتاب دهنده استنتاج SI6 استفاده کند.
بیشتر بخوانید: تسلا می خواهد خودروهای مشتری را از سال 2027 به ناوگان روباتاکسی معرفی کند
بازگشت پروژه Dojo 3 با معماری چند تراشه و حافظه HBM
یکی از تغییرات عمده در نقشه راه تسلا، بازگشت پروژه شتاب دهنده آموزشی دوجو است. ایلان ماسک پروژه Dojo بر اساس معماری در مقیاس ویفر را در آگوست 2025 متوقف کرده بود. او همچنین در آگوست 2026 اعلام کرد که SpaceX و xAI تنها از سخت افزار Nvidia برای مراکز داده زمینی و فضایی خود استفاده خواهند کرد.
اکنون تسلا در حال توسعه نسل سوم Dojo با معماری متفاوت است. این محصول با نام D3 شناخته میشود و بر خلاف نسلهای قبلی، بر طراحی چند تراشهای و حافظه HBM تکیه خواهد داشت. شتاب دهنده Dojo D1 از معماری یکپارچه در مقیاس ویفر استفاده می کرد. در این سیستم 25 پردازنده D1 به یکدیگر متصل بودند و ظرفیت کل حافظه SRAM آنها به 11 گیگابایت می رسید. هر چیپ D1 نیز حدود 440 مگابایت حافظه داخلی SRAM داشت.
تسلا قصد دارد از ترکیبی از فناوریهای بستهبندی 2.5 بعدی و سه بعدی در Dojo 3 به همراه حافظه HBM روی هم استفاده کند. این تغییر به افزایش نیاز به حافظه بیشتر در مدل های پیشرفته هوش مصنوعی مربوط می شود. مدل های بزرگ ظرفیت حافظه قابل توجهی را برای نگهداری پارامترها، داده های فعال سازی و نتایج پردازش میانی مصرف می کنند.
حافظه SRAM سرعت بسیار بالایی دارد، اما افزایش ظرفیت آن در مقیاس مورد نیاز مدل های بزرگ دشوار است. از طرفی فناوری HBM امکان دستیابی به ظرفیت بیشتر و پهنای باند بالا را فراهم می کند. به همین دلیل، استفاده از آن می تواند توسعه شتاب دهنده های یادگیری قدرتمندتر را تسهیل کند.
با این حال، استفاده از حافظه HBM چالش های جدیدی را از نظر سرعت دسترسی به داده، مصرف انرژی، پهنای باند حافظه و طراحی تراشه ایجاد می کند. همچنین مشخص نیست که آیا تسلا قصد دارد معماری یکپارچه در مقیاس ویفر را به طور کامل کنار بگذارد یا به استفاده از آن در نسل جدید شتاب دهنده های خود ادامه دهد.
از نظر فنی امکان قرار دادن ماژول های سفارشی HBM بر روی تراشه های منطقی متصل در مقیاس ویفر وجود دارد. با این حال، چنین طراحی پیچیده ای مشکلات تولید و خنک کننده را افزایش می دهد.
کاهش راندمان تولید، افزایش هزینه های ساخت و نگرانی در مورد قابلیت اطمینان طولانی مدت از دیگر چالش های این معماری است. استفاده از افزونگی و بهبود فرآیندهای تولید می تواند برخی از مشکلات را کاهش دهد، اما هزینه نهایی را نیز افزایش می دهد. به همین دلیل، به نظر می رسد که تسلا از معماری رایج تر و ارزان تر در Dojo 3 استفاده کند.
بیشتر بخوانید: مدرسه ای با 20 هزار ربات انسان نما; طرح جدید ایلان ماسک برای تحول تسلا
توسعه شتاب دهنده Dojo 3 برای مراکز داده مکانی
علاوه بر آموزش مدلهای هوش مصنوعی، تسلا قصد دارد شتابدهنده Dojo 3 را برای کاربردهای فضایی و توسعه سیستمهای پردازش بزرگتر بهینه کند. این شرکت سه اولویت اصلی را برای D3 معرفی کرده است: استفاده در فضا، آموزش هوش مصنوعی و مقیاس پذیری.
مقیاس پذیری در اینجا به معنای توانایی افزایش قدرت پردازش با افزودن شتاب دهنده های بیشتر است. چنین قابلیتی برای توسعه زیرساخت های آموزشی بزرگ مهم است. با این حال، جالب ترین بخش برنامه تسلا به استفاده احتمالی از Dojo 3 در محیط های فرازمینی مربوط می شود.
تسلا هنوز دقیقاً مشخص نکرده است که این شتاب دهنده در چه نوع زیرساخت فضایی استفاده خواهد شد. همچنین جزئیاتی در مورد قدرت پردازش، ظرفیت حافظه، فناوری ساخت و زمان انتشار آن وجود ندارد. استفاده از تراشه های پیشرفته در فضا چالش های مختلفی را ایجاد می کند. یکی از مهمترین مشکلات قرار گرفتن تجهیزات الکترونیکی در معرض تشعشعات فضایی است.
این تشعشعات می توانند عملکرد مدارهای الکترونیکی را مختل کنند. بنابراین، نسخههای فضایی D3 احتمالاً به طراحی مقاوم در برابر تشعشع نیاز دارند. البته تسلا هنوز استفاده از چنین فناوری هایی را تایید نکرده است و مقاومت در برابر تشعشعات فعلا یک امکان فنی در نظر گرفته می شود. همچنین مشخص نیست که آیا نسخههای فضایی و زمینی Dojo 3 دقیقاً از همان معماری استفاده میکنند یا اینکه تسلا طراحیهای متفاوتی را برای محیطهای مختلف در نظر خواهد گرفت.
تسلا هنوز اطلاعات دقیقی در مورد قدرت پردازش، ظرفیت حافظه و فناوری ساخت شتاب دهنده D3 منتشر نکرده است. با این حال، معرفی این محصول نشان می دهد که این شرکت با وجود تعلیق پروژه اصلی Dojo، همچنان به دنبال توسعه تراشه های اختصاصی برای آموزش هوش مصنوعی است. استفاده از D3 در فضا نیز به تکمیل فرآیند طراحی، انجام تست های فنی و بررسی عملکرد آن در شرایط محیطی فضا بستگی دارد.















گفتگو در مورد این post