快科技 12 月 29 日消息，虽然 NVIDIA 目前在 AI 训练领域无可匹敌，但面对日益增长的即时推理需求，其正筹划一项足以改变行业格局的 " 秘密武器 "。

据 AGF 透露，NVIDIA 计划在 2028 年推出的 Feynman（费曼）架构 GPU 中，整合来自 Groq 公司的 LPU（语言处理单元），以大幅提升 AI 推理性能。

Feynman 架构将接替 Rubin 架构，采用台积电最先进的 A16（1.6nm）制程，为了突破半导体物理限制，NVIDIA 计划利用台积电的 SoIC 混合键合技术，将专为推理加速设计的 LPU 单元直接堆叠在 GPU 之上。

这种设计类似于 AMD 的 3D V-Cache 技术，但 NVIDIA 堆叠的不是普通缓存，而是专为推理加速设计的 LPU 单元。

设计的核心逻辑在于解决 SRAM 的微缩困境，在 1.6nm 这种极致工艺下，直接在主芯片集成大量 SRAM 成本极高且占用空间。

通过堆叠技术，NVIDIA 可以将运算核心留在主芯片，而将需要大量面积的 SRAM 独立成另一层芯片堆叠上去。

台积电的 A16 制程一大特色是支持背面供电技术，这项技术可以腾出芯片正面的空间，专供垂直信号连接，确保堆叠的 LPU 能以极低功耗进行高速数据交换。

结合 LPU 的 " 确定性 " 执行逻辑，未来的 NVIDIA GPU 在处理即时 AI 响应（如语音对话、实时翻译）时，速度将实现质的飞跃。

不过这也存在两大潜在挑战，分别是散热问题和 CUDA 兼容性难题，在运算密度极高的 GPU 再加盖一层芯片，如何避免 " 热当机 " 是工程团队的头号难题。

同时 LPU 强调 " 确定性 " 执行顺序，需要精确的内存配置，而 CUDA 生态则是基于硬件抽象化设计的，要让这两者完美协同，需要顶级的软件优化。