原创<br> 台积电官博力挺摩尔定律，5nm制程工艺将有重大突破( 五 )_：台积电官博力挺摩尔定律

从CPU和GPU的经典计算任务中可以看出，现代芯片的晶体管时钟速度极快，接近5千兆赫甚至更高。实际上，这些计算任务所面临的核心挑战是保持CPU和GPU内核数据的供应。

虽然这是典型的软件问题，但现代线程架构和方法已经直接将性能瓶颈置于硬件层面。我们终于看到了大数据分析和人工智能时代内存缓存的局限性。

为了满足现代快速CPU、GPU和专用AI处理器的需求，我们除了要为内核处理器提供更高宽带的数据之外，还必须提供在物理上更靠近请求数据（requesting the data）的内存，以改善内核延迟，这些都是设备级密度所提供的。当内存靠近逻辑内核配置时，系统可以实现更低的延迟、更低的功耗和更高的整体性能。

有些人可能认为这是系统级的问题，而不是设备技术的内在属性。这在过去可能是正确的，但现在芯片和系统之间定义的界限已经变得模糊，并且还会更模糊，最终将完全被消除。因为目前我们已经从设计技术协同优化（DTCO）时代，过渡到了系统技术协同优化（STCO）的时代。

四、封装技术影响AI的训练和推理