摘要：一颗还没流片的2nm通用处理器，宣称推理性能破1000 PFLOPs，比英伟达Rubin Ultra快21倍
一颗还没流片的2nm通用处理器，宣称推理性能破1000 PFLOPs，比英伟达Rubin Ultra快21倍
这话出自一家并不算耳熟的公司，Tachyum
时间是13号，地点在线，姿态极猛
公司把这颗名为Prodigy的芯片摆上台，放出一串数字：最高1024个64位核心，频率可冲到6GHz，1GB级别的组合缓存，支持24通道的DDR5，速率写到17600 MT/s，还给了128条PCIe 7.0通道
如果按官方说法，这颗芯片能在单插槽聚拢千核，在多插槽场景往上扩，平台宣称最多16路，但1024核SKU标注为8路
问题来了：尚未制造的2nm芯片，用纸面参数对比英伟达预计2027年登场的Rubin Ultra，参考价值有多大？
这不是反问句的套路，而是接下来所有讨论都绕不开的前提
先把硬指标摆清楚
Tachyum的Prodigy 2系列处理器声称在单插槽提供最多1024个64位核心，乱序执行，每个时钟周期能发射8条指令
每个核心配128KB指令缓存和64KB数据缓存，均做了ECC，二级三级合计的LLC号称能到1GB
全系从32核到1024核给出多个SKU，TDP覆盖30W到1600W，跨度巨大
内存这边写到每个插槽可挂48TB DDR5，24通道拉满到17600 MT/s；
I/O则是128条PCIe 7.0，总计64个控制器
这些数字漂亮，也超前
保守讲，DDR5-17600和PCIe 7.0在现有服务器生态里还远未铺开，配套成熟需要时间
性能宣称是新闻的“狠点”
Tachyum说，Prodigy 2将是“首款推理性能超过1000 PFLOPs的芯片”，对面英伟达Rubin的推理指标给到50 PFLOPs
照这口径，速度是后者的21倍
在机架级别，公司进一步放大：Prodigy Ultimate的AI机架性能比Rubin Ultra NVL756高21.3倍，Prodigy Premium对比Rubin NVL144则是25.9倍
但他们没有说明Premium和Ultimate之间的具体差异，只给了结果，不给过程
从定位看，Tachyum想做一颗“通用”处理器
架构层面，他们把RISC和CISC元素揉在一起，指令定长为32或64位，并在部分指令里塞进内存访问以减少往返
官方口径是“无需昂贵的专用AI硬件”，同一颗芯片跑通服务器、AI与HPC的主流工作负载，借此提升服务器利用率、降低数据中心的资本与运维开销
软件兼容性上，他们承诺可直接运行未改动的x86二进制，与原生应用并行共存，配套给出操作系统、编译器、库和常见AI框架
ISA正推进开源，内存技术也宣称开放授权，基于标准DIMM把带宽做到10倍
这不是凭空起高楼
Tachyum总部在加州圣克拉拉，在斯洛伐克布拉迪斯拉发设有研发实验室，团队履历颇硬
联合创始人兼CEO Radoslav Danilak从PlayStation 2时代的MIPS变体干到英伟达的nForce 4与第一代Tesla“Fermi”，后来创办SandForce与Skyera并被并购
联合创始人Mullendore与Shevlyakov分别在系统架构与编译器上长期深耕，顾问阵容里有前AMD CTO Fred Weber、Arm先驱Steve Furber、以及斯坦福教授Christos Kozyrakis
Danilak的原话很锋利：“每个核心都比Xeon或Epyc更快，比Arm核心更小，总体在HPC和AI上比GPU更快”
路也并不平
时间线往回推，这颗芯片延期多年
2019年说要流片，2020年说会用台积电7nm，随后计划从2021、2022一路调到2024，再调到2025
今年更细的表述是：2025年完成流片并计划量产，但从流片、调试、出样到量产，留给现实的日历并不宽裕
为了让生态先动起来，去年底他们发了1600页的FPGA硬件性能优化指南，从指令调度、内存例程、分支对齐到寄存器转发，面向开发者给出一堆“怎么挖并行、怎么绕延迟”的手册级细节
Danilak说：“Prodigy的集成功能会把效率拉到业界领先，研究更快，结果更快”
为什么强调延迟与并行？
因为物理约束在收紧
Tachyum的论点是导线正成为新瓶颈，线更细、阻更大，延迟从每毫米约100皮秒涨到接近1000皮秒
他们的解法是把导线尽量缩短，把并行尽量抬起来，编译器把能并行的事提前拆完，让数据和计算的总往返时间变少
这套方法论解释了为什么要把核心做小、做多，也解释了频率仍要往6GHz冲的野心
钱从哪来？
十月，Tachyum透露一家欧洲投资者将于一个月内打入2.2亿美元C轮资金，并签署了5亿美元的Prodigy采购订单
如果资金如约落地，2nm流片的门槛能跨过一大步；
如果不如约，量产时间表会再次被迫后延
公司自己也承认2nm晶圆成本很高，靠尺寸缩小与更低功耗摊薄总成本，但这需要真正进厂
还有一串被写在PPT上的“大幅减少”的数字
Tachyum给出对比，说传统大规模AI方案可能要花8万亿美元，耗电超过276GW，而他们的方案有望把成本压到780亿美元，把功耗压到1GW
这组数对普通读者的意义很简单：他们想证明“同等能力更便宜更省电”
意义之外的难点同样简单：如何用第三方可复现实验把这事坐实
把镜头拉回到产品线
Tachyum按三档铺货：入门级Prodigy配4或8个DRAM控制器，核心从32到128；
中间的Premium有16个DRAM通道，核心从128到512不等，平台可以扩到16路；
最高的Ultimate集成1024个高性能核心、24条DDR5 17.6GT/s内存通道与128条PCIe 7.0
在对标英伟达的图表上，Ultimate打Rubin Ultra NVL756，Premium对Rubin NVL144，但“为何这样分组、具体配置对应何处”，没有给出脚注
关键转折在于生态与时间
DDR5-17600与PCIe 7.0目前在服务器市场罕见，要让整个平台出现在机房，光芯片做出来不够，板卡、散热、供电、固件、操作系统、驱动、编译链、应用适配，任何一个环节慢半拍，落地就晚
报道中甚至判断，Tachyum在13号展示的平台不太可能在2027年前上市；
若2030年能交付类似水准，就是“奇迹”
把视角压低到工位
开发者最关心的是：拿到手那天能不能跑起已有的栈
Tachyum反复强调“开箱即用”，操作系统与主流AI框架打包好，x86二进制可直接跑
如果这件事成真，将极大降低评估与迁移成本；
如果折在边角兼容上，企业会在第一天就失去耐心
所以真正要追问的，只有两个：钱是否准时到账，硅是否按计划回片
资金决定能不能把设计从FPGA与仿真带到晶圆厂，回片决定吹上去的峰值与机房里的持续功耗能否对上
一旦有第三方测评机构给出样片数据，这场关于“通用芯片是否能兼顾AI、HPC与传统服务器负载”的争论，会从形容词切换到数值
中心观点很克制：纸面上，Prodigy把“通用处理器”这条线拉到了极端；
现实中，唯有流片、上板、上架这三步能给答案
英伟达早年Tesla到规模应用走了好几年，Tachyum想用一颗统一架构跨越多场景，难度只会更高
若它真能站稳，将重塑数据中心的硬件预算；
若它跌倒，也给后来者留下一条“哪里更难”的清晰注脚
在此之前，少一点情绪，多看几个节点：投资到账与否，流片时间表何时公开，2026年是否出现第三方测试数据
无论结果如何，这家公司和它的2nm目标，已经把行业里最该被反复讨论的命题，又推到了桌面中央
最终能否“改写游戏规则”，不看口号，只看硅片
来源：高贵小鱼鱼
