WccftechTechnologie

FuriosaAI verzichtet auf GPUs und setzt auf 2-nm Broadcom-Inferenzchip mit HBM4/E-Bandwidth

FuriosaAI und Broadcom haben sich zur Entwicklung eines Hochleistungs-AI-Beschleunigerchips mit next-Generation HBM4/E-Speicher verbunden.

27. Mai 2026Hassan MujtabaLive Redaktion
FuriosaAI Ditches GPU Playbook For 2 nm Broadcom-Built Inference Chip, Claims HBM4/E Bandwidth Beats Even The Most Efficient GPUs

Kurzfassung

Warum das wichtig ist

WccftechTechnologie
  • FuriosaAI und Broadcom haben sich zur Entwicklung eines Hochleistungs-AI-Beschleunigerchips mit next-Generation HBM4/E-Speicher verbunden.
  • FuriosaAI und Broadcom haben eine strategische Partnerschaft eingegangen, um gemeinsam einen Hochleistungs-AI-Beschleunigerchip zu entwickeln.
  • Im Mittelpunkt dieses Projekts steht der Einsatz nächsten Generation, dem HBM4/E, der eine deutlich erhöhte Bandbreite für rechenintensive Anwendungen verspricht.

Die angekündigte dritte Generation des AI-Beschleunigers zweiten Generation der RNGD-Plattform.

FuriosaAI Ditches GPU Playbook For 2 nm Broadcom-Built Inference Chip, Claims HBM4/E Bandwidth Beats Even The Most Efficient GPUs
FuriosaAI Ditches GPU Playbook For 2 nm Broadcom-Built Inference Chip, Claims HBM4/E Bandwidth Beats Even The Most Efficient GPUs

Diese Vorgängerversion wird derzeit in der Massenfertigung auf der 5-nm-Prozess-Technologie der zweiten Generation ist als 180-Watt-Modul konzipiert, das über einen PCIe-Slot angeschlossen wird, und richtet sich spezifisch an Arbeitslasten für große Sprachmodelle (LLM) sowie für Agentic-AI-Systeme.

FuriosaAI verzichtet auf GPUs und setzt auf 2-nm Broadcom-Inferenzchip mit HBM4/E-Bandwidth
FuriosaAI verzichtet auf GPUs und setzt auf 2-nm Broadcom-Inferenzchip mit HBM4/E-Bandwidth

Das neue, dritte Generation-Design wird sich ausschließlich auf den Bereich der AI-Inferenz konzentrieren. Diese Ausrichtung resultiert aus der weiterhin extrem hohen Nachfrage nach Agentic-AI-Lösungen.

Der neue Chip wird zudem eine 2-nm-Chiplet-Architektur aufweisen und den HBM4/E-Speicher unterstützen, um die Leistungsfähigkeit für massive KI-Rechencluster zu gewährleisten.

Quellenprofil

Quelle und redaktionelle Angaben

Quelle
Wccftech
Originaltitel
FuriosaAI Ditches GPU Playbook For 2 nm Broadcom-Built Inference Chip, Claims HBM4/E Bandwidth Beats Even The Most Efficient GPUs
Canonical
https://wccftech.com/furiosaai-ditches-gpu-playbook-for-2nm-broadcom-built-inference-chip-claims-hbm4-e-bandwidth-beats-gpus/
Quell-URL
https://wccftech.com/furiosaai-ditches-gpu-playbook-for-2nm-broadcom-built-inference-chip-claims-hbm4-e-bandwidth-beats-gpus/

Aehnliche Inhalte

Verwandte Themen und interne Verlinkung

Weitere Artikel aus aehnlichen Themenfeldern, damit Leser direkt im selben Kontext weiterlesen koennen.