در دنیای معماری کامپیوتر، طراحی پردازنده‌ها به دو دسته‌بندی کلی تقسیم می‌شود: پردازنده‌های همه‌منظوره (General-Purpose Processors) و پردازنده‌های تخصصی (Co-Processors / Accelerators). پردازنده‌های همه‌منظوره، نظیر CPUها، وظیفه مدیریت و اجرای طیف بسیار وسیع و نامحدودی از دستورالعمل‌ها را بر عهده دارند تا بتوانند هر نوع نرم‌افزاری را اجرا کنند. امروزه پردازنده‌های گرافیکی (GPU) نیز به لطف رویکرد پردازش همه‌منظوره بر روی واحد گرافیکی (GPGPU) در این دسته قرار می‌گیرند. در مقابل، شتاب‌دهنده‌های تخصصی مانند NPUها، DSPها و تراشه‌های مدار مجتمع با کاربرد خاص (ASIC) قرار دارند که صرفاً برای اجرای یک یا چند نوع دستورالعمل ثابت با بالاترین راندمان و کمترین مصرف انرژی ساخته شده‌اند.

در طراحی فیزیکی پردازنده‌های همه‌منظوره، مهندسان سیلیکون به طور کلاسیک با دو رویکرد متفاوت مواجه بوده‌اند که هر کدام برای پاسخگویی به نیازهای متفاوتی از پردازش شکل گرفته‌اند:

 ۱. دای (Die) با ابعاد کوچک (عموماً با تعداد هسته‌های پردازشی کمتر) در کنار فرکانس کاری بالا.

 ۲. دای (Die) با ابعاد بزرگ (عموماً با تعداد هسته‌های پردازشی بیشتر) در کنار فرکانس کاری پایین‌تر.

هر دو رویکرد در بسیاری از سناریوها می‌توانند خروجی توان پردازشی نهایی مشابهی ارائه دهند، اما هر کدام مجموعه‌ای از چالش‌ها و مصالحه‌ها (Trade-offs) را در سطح فیزیکی به همراه دارند. در رویکرد نخست، هدف دستیابی به بالاترین عملکرد تک‌رشته‌ای (Single-Thread Performance) است. با این حال، به دلیل ابعاد کوچکتر Die و سوئیچینگ ترانزیستورها در فرکانس‌های بسیار بالا، مهم‌ترین چالش ایجاد «چگالی حرارتی» (Thermal Density) و شار گرمایی شدید است. فعالیت در فرکانس بالا منجر به ایجاد نقاط داغ متمرکز (Hotspots) در سطح سیلیکون شده و دفع این حرارت انفجاری از یک سطح مقطع کوچک، بسیار دشوار است.

با این وجود، رویکرد دای کوچک از منظر اقتصادی در فرآیند لیتوگرافی و تولید، مزیت چشمگیری دارد؛ در یک ویفر سیلیکونی، می‌توان تعداد بسیار بیشتری Die کوچک چاپ کرد. از آنجا که نقص‌های فیزیکی (Defects) در سطح ویفر به‌طور تصادفی پراکنده‌اند، احتمال خرابی یک Die کوچک بسیار کمتر از یک Die بزرگ است. در نتیجه، بازده تولید (Yield) به شدت افزایش و هزینه تمام‌شده‌ی هر تراشه کاهش می‌یابد.

در رویکرد دوم، هدف دستیابی به بالاترین توان عملیاتی (Throughput) در پردازش‌های موازی است. به دلیل ابعاد بزرگتر Die، ترانزیستورها در مساحت وسیع‌تری پخش شده‌اند. در این حالت، حتی با وجود مصرف توان کلی بالا، توزیع حرارت به پخش‌کننده یکپارچه (IHS) و سپس سیستم خنک‌کننده، با چالش‌های کمتری مواجه است. اما نقطه ضعف این معماری، کاهش شدید Yield در فرآیند تولید دای‌های بزرگ یکپارچه (Monolithic) است؛ زیرا وجود تنها یک نقص میکروسکوپی در ویفر می‌تواند کل یک تراشه بزرگ و گران‌قیمت را غیرقابل استفاده کند.

بقای رویکردهای کلاسیک در عصر مدرن:

با وجود گذشت دهه‌ها، این دو رویکرد پایه همچنان در طراحی‌های مدرن یکپارچه (Monolithic) پابرجاست و رقابت کنسول‌های بازی نسل نهم یکی از بارزترین نمونه‌های تقابل این دو فلسفه طراحی در یک نسل واحد است. در معماری تراشه PlayStation 5، سونی دقیقاً رویکرد اول را انتخاب کرده است: یک Die با ابعاد نسبتاً کوچکتر و تعداد واحدهای پردازشی کمتر در بخش گرافیکی (۳۶ واحد CU)، اما با فرکانس کاری بسیار بالا (تا ۲.۲۳ گیگاهرتز). این طراحی هزینه تولید هر تراشه را به دلیل ابعاد کوچکتر Die کاهش داده و Yield کارخانه را بالا می‌برد، اما در عوض چگالی حرارتی شدیدی ایجاد می‌کند که سونی را مجبور به استفاده از سیستم خنک‌کننده پیچیده و فلز مایع (Liquid Metal) برای دفع سریع این حرارت متمرکز کرده است.

در نقطه مقابل، مایکروسافت در Xbox Series X دقیقاً رویکرد دوم را برگزیده است: یک Die با ابعاد فیزیکی بزرگتر و تعداد واحدهای پردازشی بیشتر (۵۲ واحد CU)، اما با فرکانس کاری پایین‌تر و ثابت (۱.۸۲۵ گیگاهرتز). این رویکرد باعث پخش شدن بهتر حرارت در سطح مقطع بزرگتر Die می‌شود و چگالی حرارتی را کاهش می‌دهد، اما در عوض مایکروسافت هزینه بالاتر تولید و ریسک کاهش Yield ناشی از چاپ دای‌های بزرگتر را به جان خریده است.

گذار به ساختارهای هیبریدی:

در دنیای پردازنده‌های کامپیوترهای شخصی (دسکتاپ) و سرورها، صنعت نیمه‌هادی برای حل مشکل Yield در دای‌های بزرگ، به سمت معماری چیپلت (Chiplet) یا کاشی‌محور کوچ کرده است. امروزه نه تنها پردازنده‌های سرور نظیر سری AMD EPYC و Intel Xeon، بلکه تقریباً تمام پردازنده‌های مدرن دسکتاپ نیز این ساختار را پذیرفته‌اند؛ از پردازنده‌های دسکتاپ AMD Ryzen (با تفکیک هسته‌های پردازشی در CCD و کنترلرها در IOD) گرفته تا نسل‌های جدید پردازنده‌های اینتل (مانند رویکرد Tile-based در معماری Meteor Lake تا Panther Lake)

دلیل اصلی این گذار این است که به جای تولید یک Die یکپارچه بسیار بزرگ (که هزینه تولید سرسام‌آور و پرتی بالایی دارد)، چندین Die کوچک (که Yield بالا و هزینه کمی دارند) تولید شده و مانند قطعات یک پازل بر روی یک بستر مشترک به یکدیگر متصل می‌شوند. این ساختار هیبریدی، در واقع تلفیقی از مزایای اقتصادی «دای کوچک» با مزایای پردازش موازی و حرارتی «دای بزرگ» است. با این حال، معماری چیپلت نیز همچنان با مصالحه‌های (Trade-offs) مختص خود روبرو است، زیرا ارتباط فیزیکی بین این قطعات پازل، چالش‌های جدیدی در زمینه تاخیر (Latency) و مصرف انرژی در مسیرهای ارتباطی (Interconnects) ایجاد می‌کند.

نتیجه‌گیری: حقیقت بنیادین این است که پردازنده‌های نیمه‌هادی کلاسیک هرگز قرار نیست چالش‌های نهادینه خود (نظیر چگالی حرارتی، جریان نشتی و محدودیت‌های فرکانسی) را به طور کامل حل کنند، زیرا به سادگی قوانین فیزیک چنین اجازه‌ای نمی‌دهند!. با پایان یافتن مقیاس‌پذیری دنارد (Dennard Scaling) و قانون موور (Moore's Law) و نزدیک شدن ابعاد ترانزیستورها به مرزهای اتمی، پدیده‌هایی نظیر تونل‌زنی کوانتومی (Quantum Tunneling) باعث هدررفت شدید انرژی و تولید حرارت غیرقابل مهار شده‌اند. ترفندهایی مانند معماری چیپلت یا پکیجینگ سه‌بعدی (3D Packaging)، صرفاً راه‌حل‌هایی مهندسی برای به تعویق انداختن این بن‌بست فیزیکی هستند، نه درمان قطعی آن.

در نهایت، غلبه بر محدودیت‌های فعلی پردازشی، نیازمند یک تغییر اساسی در مقیاس کلان است. چالش‌های بی‌پایان معماری نیمه‌هادی‌ها تنها زمانی به طور کامل پایان می‌یابد که فناوری‌های جایگزین، نظیر مدارهای منطقی ابررسانا (سوپر هادی) (Superconducting Logic) و یا کامپیوترهای کوانتومی (Quantum Computers) که منطق باینری را به طور کامل دگرگون می‌کنند، در یک مقیاس تجاری و بزرگ جایگزین سیلیکون شوند. تا آن زمان، مهندسی پردازنده تنها هنر متعادل‌سازی مصالحه‌ها در مرزهای کهنه فیزیک کلاسیک خواهد بود.

واژه‌نامه تخصصی:

• GPGPU (General-Purpose computing on Graphics Processing Units): استفاده از قدرت پردازش موازی کارت‌های گرافیک برای انجام محاسباتی غیر از رندر تصویر، مانند یادگیری ماشین و هوش مصنوعی.

• NPU (Neural Processing Unit): پردازنده‌ای تخصصی که به طور خاص برای اجرای سریع و بهینه‌ی الگوریتم‌های شبکه‌های عصبی و هوش مصنوعی طراحی شده است.

• DSP (Digital Signal Processor): تراشه‌ای تخصصی برای پردازش بلادرنگ سیگنال‌های دیجیتالی مانند صدا، تصویر و امواج رادیویی.

• ASIC (Application-Specific Integrated Circuit): تراشه‌ای که مدار آن منحصراً برای انجام یک وظیفه ثابت و مشخص به صورت سخت‌افزاری چاپ شده و قابل برنامه‌ریزی مجدد برای کار دیگری نیست.

• Die (دای): قطعه‌ی لخت و خالص سیلیکونی که مدارهای مجتمع پردازنده مستقیماً روی آن حک شده‌اند.

• Wafer (ویفر): دیسک‌های نازک و بزرگ از جنس سیلیکون خالص که طی فرآیند لیتوگرافی، صدها دای (Die) به طور همزمان روی آن‌ها چاپ و سپس برش داده می‌شوند.

• Single-Thread Performance (عملکرد تک‌رشته‌ای): قدرت پردازنده در اجرای متوالی و سریع یک رشته از دستورالعمل‌ها؛ این معیار وابستگی شدیدی به فرکانس کاری و معماری درونی هر هسته دارد.

• CU (Compute Unit): واحد محاسباتی؛ بلوک‌های پردازشی پایه‌ای در معماری پردازنده‌های گرافیکی (به‌ویژه در معماری AMD) که معادل هسته‌های پردازشی در CPU عمل می‌کنند.

• Dennard Scaling (مقیاس‌پذیری دنارد): قاعده‌ای فیزیکی که بیان می‌کرد با کوچکتر شدن ابعاد ترانزیستورها، مصرف انرژی آن‌ها نیز به همان نسبت کاهش می‌یابد. این قانون از اواسط دهه ۲۰۰۰ میلادی به دلیل افزایش پدیده نشتی جریان نقض شد و به پایان رسید.

• Moore's Law (قانون مور): قانونی تجربی که توسط گوردون مور (یکی از بنیان‌گذاران اینتل) مطرح شد و پیش‌بینی می‌کند که تعداد ترانزیستورهای روی یک مدار مجتمع (تراشه) تقریباً هر دو سال یک‌بار دو برابر می‌شود. این قانون دهه‌ها نیروی محرکه پیشرفت صنعت نیمه‌هادی بود، اما امروزه به دلیل رسیدن ابعاد ترانزیستورها به مرزهای فیزیکی اتمی و چالش‌های پیچیده حرارتی، حفظ سرعت این روند به شدت کند و پرهزینه شده است.

• Quantum Tunneling (تونل‌زنی کوانتومی): پدیده‌ای در فیزیک کوانتوم که در ترانزیستورهای بسیار کوچک (در ابعاد چند نانومتر) رخ می‌دهد؛ جایی که الکترون‌ها بدون داشتن انرژی کافی از سد عایق عبور کرده (نشت می‌کنند) و باعث ناپایداری جریان و تولید حرارت مضاعف می‌شوند.

با احترام و ارادت.

آرزوی موفقیت دارم برای تمام آن افرادی که به‌ واقع، به‌ دنبال رسیدن به مقاصد سفید می‌باشند.