投资30亿美元 IBM启动云计算大数据芯片研究计划

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

ZDNet至顶网服务器频道 07月11日 新闻消息: IBM宣布,将在未来5年投资30亿美元开展两项广泛研究及早期开发计划,以推动突破芯片技术极限,满足云计算和大数据系统的新兴需求。这些投资将推动IBM的半导体创新,从目前的有所突破,发展到更面向未来所需要的技术领先。

第一项研究计划针对于“7纳米及以下”的硅技术,这将应对那些芯片制造上面的重要的物理工艺上的挑战,这些挑战已经威胁到了现有的半导体技术的进一步发展和制造能力的拓展。第二项研究计划集中于为后硅时代芯片开发出替代技术,IBM科学家和其他专家将采用完全不同的方法来实现这些技术,因为硅基半导体存在着物理极限。

云计算和大数据应用又对系统提出了新的挑战,这是因为底层的芯片技术正面临着众多显著的物理极限。内存带宽、高速通信和设备功耗正逐渐成为日益关键的挑战。

该研究团队将由来自纽约州Albany和Yorktown、加利福尼亚州Almaden以及瑞士苏黎世的IBM研究院科学家和工程师组成。不仅如此,IBM还将在众多新兴研究领域进行大规模招聘,这些领域包括碳纳米电子学、硅光子学、新内存技术,以及支持量子和认知计算的架构。

这些团队将专注于在系统级性能和高能效计算方面进行研究并实现突破。此外,IBM将继续投资于纳米科学和量子计算。三十多年来,IBM在这两个基础科学领域一直是先行者。

7纳米及以下技术

IBM研究人员和其他半导体专家预测,虽然存在挑战,但半导体制程工艺有希望在未来数年里从目前的22纳米缩减到14纳米,进而缩减到10纳米。然而,如果需要在十年以后压缩到7纳米或更低,则需要在半导体架构方面进行巨大投资和创新,并需要发明新型制造工具和技术。

“问题不在于我们是否将把7纳米技术应用到芯片生产制造过程中,而是我们如何做到、何时做到,以及以何种代价做到,”IBM高级副总裁、IBM研究院院长John Kelly博士指出。“IBM的工程师和科学家以及我们的合作伙伴都非常积极应对这个挑战,并已经开始着手处理必需的材料科学和设备工程问题,以满足新兴系统对云计算、大数据和认知系统的需求。这些新的投资将确保我们实现必要的创新,以迎接这些挑战。”

“将芯片的制程工艺缩减到7纳米及以下正在成为一项严峻的挑战。这需要深刻的物理学和纳米材料专业知识。IBM是世界上仅有的少数几家能够开展这种层次的科学与工程研究的公司之一,”Envisioneering 集团技术总监Richard Doherty表示。

通向“后硅”时代的桥梁

硅晶体管,也就是芯片上传递信息的微型开关,一直在年复一年被制造得越来越细小,但它们正在接近物理极限点。它们越来越细小的尺寸现在已经达到了纳米级,但是由于受限于硅的性质和物理定律,这将阻碍其在性能上取得大的改进。在未来若干代技术之后,传统的硅晶体管大规模集成和芯片制程缩小技术,将不会在更低功率、更低成本及更高速处理器方面,实现业界已习以为常的突破和进展。

目前几乎所有的电子设备都采用CMOS(CMOS,Complementary metal–oxide–semiconductor,互补金属氧化物半导体)技术,因此迫切需要与这种工程工艺相兼容的新材料和新电路架构设计,因为该技术已经接近于硅晶体管的物理极限。

在芯片制程工艺低于7纳米时,挑战急剧增加,需要一种新的材料来推动未来的系统,也需要新的计算平台来解决目前无法或难以解决的问题。潜在的替代品包括:碳纳米管等新材料,以及包括神经形态计算、认知计算、机器学习技术甚至量子计算等非传统的计算方法。

作为旨在突破传统硅基计算的领导者,IBM拥有超过500项专利,这些技术将推动7纳米及以下硅芯片的发展。而且,IBM的这些专利数量超过最接近的竞争对手的两倍以上。这些持续的投资将有助于加速在IBM云计算系统和大数据分析领域产生更多发明,并加快把它们投入生产开发。

以下是若干探索性的研究突破,它们可能会导致重大进步,实现明显更小、更快、更强大的计算芯片。这些突破包括量子计算、神经突触(neurosynaptic computing计算、硅光子技术(silicon photonics)、碳纳米管(carbon nanotubes)、III-V族半导体技术(III-V technologies)、低功耗晶体管(low power transistors ):以及石墨烯(graphene):

量子计算

通常计算机能够理解的最基本信息单元是“比特”。就像能够打开或关闭的灯光一样,比特只能是两个值中的一个:“1”或“0”。对于量子比特(或简称为“qubit”)而言,它们可以保持 “1”或“0”的值,也可以同时保持这两个值。这种现象被称为“叠加”(superposition),它能够让量子计算机一次执行数百万次计算,而台式机只能一次只能处理一次计算。

IBM在基于超导量子比特的量子计算科学领域处于世界领先地位,同时也是实验和理论量子信息领域的先锋,这些领域目前仍处于基础科学的范畴,但从长远来看,它们可能会为目前利用传统机器不可能或无法可行地解决的问题带来解决方案。该团队最近展示了利用三个超导量子比特进行奇偶校验的首个实验,这实际上是一类量子计算机必不可少的构建块。

神经突触计算

IBM和大学合作伙伴把纳米科学、神经科学和超级计算机结合到一起,开发出了一套端到端生态系统,其中包括一个新的非冯诺依曼体系结构、一种新的编程语言以及众多应用。这种新颖的技术能够让计算系统模拟大脑的计算效率、规模和能源消耗。IBM的长远目标是建立具有一百亿个神经元和一百万亿个突触的神经突触系统,而其能耗只有一千瓦,体积不到两升。

硅光子技术

超过12年来,IBM一直是CMOS集成硅光子领域的先驱,这种技术能够把光通信功能整合到一个硅芯片上。而且IBM团队最近还设计和制造出世界上第一个基于单片硅光子、采用波分多路复用技术的收发器。这样的收发器能够利用光线以很高的数据速率在计算系统的不同组件之间传输数据,具有成本低、能效高的优点。

硅纳米光子技术利用光脉冲进行通信,而不是采用传统的铜导线技术,从而为大量数据在服务器、大型数据中心和超级计算机的芯片间通信提供了一条超高速公路,能够缓解传统互联方式的数据流量拥堵和高成本的限制。

企业正在进入计算新时代,需要系统来实时处理和分析极其大量的信息,即大数据。硅纳米光子技术为大数据的挑战给出了答案,它能够无缝连接大型系统的各个部件,无论这些部件之间相距几厘米或几公里;而且能够通过光纤以光脉冲的方式传递若干TB的数据。

III-V族半导体技术

IBM公司的研究人员已经在一套自对准III-V族沟道MOSFET器件结构中演示了世界上最高的跨导性,该结构与CMOS缩放相兼容。这些材料以及结构方面的创新有望为7纳米及以下缩放技术铺平道路。利用比硅材料高出一个数量级电子迁移率,通过把III-V族材料整合到CMOS中,可以以更低的功率密度实现更高的性能,从而拓展功耗/性能比缩减的空间,满足云计算和大数据系统的需求。

碳纳米管

IBM研究人员正在碳纳米管(CNT)电子领域开展工作,探索碳纳米管是否能够在7纳米以及以下的节点取代硅。作为开发基于CMOS 超大规模集成电路的碳纳米管的活动的一部分,IBM公司最近在世界上首次展示了2路CMOS与非门(CMOS NAND gates),它采用50纳米栅极长度的碳纳米管晶体管。

IBM还展示了把碳纳米管纯化至99.99%的能力,这是迄今为止最高的(经验证的)纯度;IBM还在10纳米通道长度上展示了不因为规模集成而出现劣化现象的晶体管,这是迄今任何其他材料体系所无法比拟的。


碳纳米管是卷成筒状的单层碳原子。碳纳米管构成了一类晶体管器件的核心,它们可以用类似于目前硅晶体管的方式运行,但性能会更好。它们可以替换当前所使用的芯片中的晶体管,这些芯片使我们的数据运算服务器、高性能计算机以及超快速智能手机得以运转。

碳纳米管晶体管能够在不足10纳米的分子厚度上像精良的开关那样来运行 – 这个厚度相当于人类头发丝的1/10000,小于目前主流硅技术的一半。对电子电路的综合建模表明,相比硅电路,碳纳米管有可能使性能提高大约5-10倍。

石墨烯

石墨烯是一种以一层原子厚度形式存在的纯碳。它是非常优良的热和电导体,并且还具有非常高的强度和柔韧性。电子在石墨烯中的移动速度比在常用的半导体材料(例如硅和硅锗材料)中快约10倍。其特性使得有可能制造出比传统半导体器件更快的开关晶体管,尤其适用于手持无线通信业务领域,石墨烯在这些领域将成为比目前使用的材料更有效的开关。

在2013年,IBM展示了世界上第一套用于无线通信的基于石墨烯的集成电路接收机。该电路包括一个2级放大器和一个4.3GHz的降压转换器。

下一代低功耗晶体管

除了碳纳米管之类的新材料之外,还需要新的架构和创新的设备理念来提高未来系统的性能。功耗是纳米电子电路的根本挑战。为了理解该挑战,可以设想一个漏水的水龙头,即便非常快地关上阀门,还是会有水往下滴,这跟现在的晶体管的情形非常相似,在晶体管中经常会发生能源“泄露”或者浪费的情况。

对目前极其耗电的硅场效应晶体管的一种潜在替代品是所谓的陡坡设备。它们能以非常低的电压运行,从而消耗明显少的功率。

为了减少电子产品的能耗,IBM的科学家们正在研究隧道场效应晶体管(TFET)。在这种特殊类型的晶体管中,“带-带”隧穿的量子力学效应被用来驱动电流流过晶体管。与互补CMOS晶体管相比,TFET的能耗可以降低100倍,这样一来,把TFET与CMOS技术整合到一起就可以提升低功耗集成电路性能。

就在最近,IBM已经开发出一种新方法,利用砷化铟作为源,利用硅作为通道,用环绕式栅极作为陡坡设备,直接在标准的硅衬底上集成III-V族纳米线和异质结构,制造出有史以来第一次基于硅的砷化铟的隧道二极管和TFET,实现了低功耗的应用。

“下一个十年,硬件系统将会和今天有根本上的不同,我们的科学家和工程师正在推动突破半导体创新的局限,探索后硅时代,半导体技术的未来,”IBM高级副总裁、系统与科技部总经理Tom Rosamilia指出,“IBM的研究和开发团队正在创造的是颠覆式的创新,将会引领下一个计算时代的到来。”

IBM对硅和半导体创新的历史性贡献包括发明和首次实施了:单一单元DRAM,支撑“摩尔定律”的“Dennard标度律”(Dennard scaling laws),化学放大的光刻胶,铜互连布线,绝缘硅,疲劳设计(strained engineering),多核心微处理器,浸没式光刻技术,高速硅锗(SiGe),高k栅介质,嵌入式DRAM,3D芯片堆叠,以及气隙绝缘。

IBM的研究人员还被认为开启了纳米设备时代,因为他们发明了获得诺贝尔奖的扫描隧道显微镜,这推动了纳米和原子尺度的发明和创新。

IBM还将继续资助并与大学的研究人员合作,为半导体行业探索和开发未来技术。特别是,IBM将继续通过公-私合作支持(PPP方式)和资助大学研究,例如,与NanoElectornics研究计划(NRI)、半导体高级研究网(STARnet)以及半导体研究公司的全球研究联合会(GRC)进行合作。

原文发布时间为:2014年07月11日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
8天前
|
存储 人工智能 大数据
物联网、大数据、云计算、人工智能之间的关系
物联网、大数据、云计算、人工智能之间的关系是紧密相连、相互促进的。这四者既有各自独立的技术特征,又能在不同层面上相互融合,共同推动信息技术的发展和应用。
78 0
|
16天前
|
算法 大数据 数据库
云计算与大数据平台的数据库迁移与同步
本文详细介绍了云计算与大数据平台的数据库迁移与同步的核心概念、算法原理、具体操作步骤、数学模型公式、代码实例及未来发展趋势与挑战。涵盖全量与增量迁移、一致性与异步复制等内容,旨在帮助读者全面了解并应对相关技术挑战。
28 3
|
6月前
|
存储 大数据 云计算
大数据与云计算
大数据与云计算
197 2
|
2月前
|
人工智能 分布式计算 大数据
超级计算与大数据:推动科学研究的发展
【9月更文挑战第30天】在信息时代,超级计算和大数据技术正成为推动科学研究的关键力量。超级计算凭借强大的计算能力,在尖端科研、国防军工等领域发挥重要作用;大数据技术则提供高效的数据处理工具,促进跨学科合作与创新。两者融合不仅提升了数据处理效率,还推动了人工智能、生物科学等领域的快速发展。未来,随着技术进步和跨学科合作的加深,超级计算与大数据将在科学研究中扮演更加重要的角色。
|
3月前
|
存储 数据可视化 数据挖掘
大数据环境下的房地产数据分析与预测研究的设计与实现
本文介绍了一个基于Python大数据环境下的昆明房地产市场分析与预测系统,通过数据采集、清洗、分析、机器学习建模和数据可视化技术,为房地产行业提供决策支持和市场洞察,探讨了模型的可行性、功能需求、数据库设计及实现过程,并展望了未来研究方向。
142 4
大数据环境下的房地产数据分析与预测研究的设计与实现
|
3月前
|
机器学习/深度学习 数据采集 大数据
2022年第三届MathorCup高校数学建模挑战赛——大数据竞赛 赛道B 北京移动用户体验影响因素研究 问题一建模方案及代码实现详解
本文详细介绍了2022年第三届MathorCup高校数学建模挑战赛大数据竞赛赛道B的题目——北京移动用户体验影响因素研究,提供了问题一的建模方案、代码实现以及相关性分析,并对问题二的建模方案进行了阐述。
90 0
2022年第三届MathorCup高校数学建模挑战赛——大数据竞赛 赛道B 北京移动用户体验影响因素研究 问题一建模方案及代码实现详解
|
3月前
|
机器学习/深度学习 自然语言处理 数据可视化
基于Python大数据的京东产品评论的情感分析的研究,包括snwonlp情感分析和LDA主题分析
本文探讨了基于Python大数据技术对京东产品评论进行情感分析的研究,涵盖了文本预处理、情感分类、主题建模等步骤,并运用了snwonlp情感分析和LDA主题分析方法,旨在帮助电商企业和消费者做出更明智的决策。
135 1
基于Python大数据的京东产品评论的情感分析的研究,包括snwonlp情感分析和LDA主题分析
|
3月前
|
边缘计算 物联网 云计算
云计算演进问题之物理演进中芯片技术的发展经历了阶段如何解决
云计算演进问题之物理演进中芯片技术的发展经历了阶段如何解决
|
3月前
|
机器学习/深度学习 数据采集 大数据
2022年第三届MathorCup高校数学建模挑战赛——大数据竞赛 赛道B 北京移动用户体验影响因素研究 问题二建模方案及代码实现详解
本文详细介绍了2022年第三届MathorCup高校数学建模挑战赛大数据竞赛赛道B的问题二的建模方案和Python代码实现,包括数据预处理、特征工程、模型训练以及预测结果的输出,旨在通过数据分析与建模方法帮助中国移动北京公司提升客户满意度。
74 2
|
3月前
|
分布式计算 并行计算 大数据
【数据挖掘】百度2015大数据云计算研发笔试卷
百度2015年大数据云计算研发笔试卷的题目总结,涵盖了Hadoop、Spark、MPI计算框架特点、TCP连接建立过程、数组最大和问题、二分查找实现以及灯泡开关问题,提供了部分题目的解析和伪代码。
52 1
下一篇
无影云桌面