Nvidia Volta: GV100 liegt an der Grenze des technisch Machbaren
Nvidia reizt mit der 815 mm² großen GV100-GPU die Möglichkeiten aktueller Belichtungstechnologien aus. Der Interposer zum Verbinden der GPU mit dem HBM2-Speicher ist sogar zweigeteilt, um genügend Platz bieten zu können. Der zum Einsatz kommende 12-nm-FFN-Prozess (12 nm FinFET Nvidia) von TSMC sei extra für die Kalifornier modifiziert worden.
Vergangenen Mittwoch hat Nvidia die Tesla V100 angekündigt und damit die erste volta-basierte GPU GV100 gezeigt. Diese sorgte für Aufsehen, denn mit einer Chipfläche von 815 mm² ist der GV100 die größte jemals veröffentlichte GPU. In einem sogenannten "Deep Dive" im Anschluss der Pressekonferenz sprach der Chefentwickler Jonah Alben über die Tesla V100 und den GV100-Grafikchip. Nvidia sei mit dem Konstrukt an die Grenze des technisch Machbaren gegangen.
Je größer ein Chip wird, desto geringer ist die Wahrscheinlichkeit, dass dieser nach seiner Belichtung (voll-)funktionsfähig ist. Der Ausschuss ist bei 815 mm² besonders hoch, kompensieren kann das Nvidia durch die höheren Verkaufspreise im HPC-Bereich. Viel größer als 815 mm² kann ein Chip aktuell gar nicht hergestellt werden, da die Belichtungstechnologien limitieren. Deshalb musste Nvidia beim zugrundeliegenden Interposer tricksen, der schließlich auch aus Silizium besteht und belichtet werden muss, wenn auch ein Interposer deutlich simpler aufgebaut ist als eine GPU. Da kein Auftragsfertiger weit über die 1.000 mm² bei einem Belichtungsschritt hinausgehen kann, wird der Interposer für den GV100 zwei Mal belichtet, um die GPU mit den vier HBM2-Stacks zu verbinden. Der Interposer für AMDs 596 mm² große Fiji-GPU ist übrigens 1.011 mm² groß und wird wegen technischer Limitierungen schon nicht bis zum Rand belichtet.
TSMCs Fertigungsprozess 12 nm FFN basiert bekanntlich auf 16FF+ und sei extra für Nvidia angepasst worden - FFN steht für FinFET Nvidia. Neben dem GV100 dürften auch die kleineren Volta-Ableger damit produziert werden. Andere Hersteller werden 12 nm FFN wohl kaum einsetzen.
Der Performace Chip von Volta wird meines Erachtens die gleiche Leistungssteigerung bringe, die Pascal im Vergleich zu Maxwell auch gebracht hat.
Also eine GTX 2080 wird 30-50% mehr Leistung haben als eine GTX 1080 Ti.
Die Frage ist, wie viel Vram drin stecken wird. 12GB? 16GB?
Denn guckt man sich einen Vergleich zwischen dem GP100 und dem GP102 an stellt man fest, dass diese fast nix gemein haben. Die ganzen tollen Dinge aus der Präsi (größere Caches, Tensoreinheiten, riesige Chipfläche, HBM-Speicher, L0-Cache, NVLink...) werden es vermutlich nicht in die Consumer-Chips schaffen. Und bei Pascal war selbst das grundlegende Shaderlayout anders.
Ich würde den Leistungssprung der nächsten Titan daher etwas konservativer abschätzen. Geht man davon aus, dass nVidia unter der Haube die Dinge nicht völlig grundlegend verändert hat, kann man die maximale Rechenleistung als Leistungsindikator verwenden. Bei Pascal lag der GP104 mit knapp 9 TFlops etwas unter dem GP100 mit 11,6 TFlops, der GP102 hingegen etwas drüber.
Fährt nVidia bei Volta die gleiche Strategie, käme man also auf etwa 12-13 TFlops für den GV104, und 17-18 TFlops für den GV102. Damit läge eine potentielle 1180 knapp über einer 1080 Ti, eine neue Titan oder spätere 1180 Ti könnte da noch mal 40% drauflegen. Eben wie bei Pascal.
Das ganze ist natürlich Kaffeesatzleserei da wir nach gar nix zu den Consumerchips wissen, und basiert allein auf der Annahme, dass Team Green genauso vorgeht wie bei Maxwell und Pascal.
Der derzeitige "14nm" prozess ist ja auch nur eine verbesserung von "16nm" und beides hat wenig mit echten 16 nm zu tun. Mitlerweile stößt man an allen Seiten gegen limitierungen der Physik. Und da hilft dann halt nurmehr die Einzelnen Transistoren effizienter zu betreieben (Sprich langsamer) und dafür mehr fläche - oder bald auch Volumen - zu belegen.
Wobei eine 3D anordnung wieder einiges and neuland aufbricht udn vorallem bei der Kühlung Probleme aufwirft.
Dass das alles nur Namen sind, sollte nun hier schon wirklich jeder wissen