导读：英伟达正评估，在下一代“费曼（Feynman）”GPU中，通过先进封装技术，引入来自格罗克（Groq）的LPU推理单元。

根据多位芯片领域人士的分析，英伟达可能最早在2028年前后，在“费曼（Feynman）”GPU中引入格罗克（Groq）的LPU（Language Processing Unit，语言处理单元）。这些LPU不会与GPU计算核心融为一体，而是以独立芯片的形式进行3D堆叠。

从现有情况来看，英伟达并不打算把大规模SRAM直接做进GPU主计算芯片。原因主要是：SRAM这种存储单元，在工艺升级后带来的体积和成本收益并不明显，如果强行放在先进制程节点上，不仅浪费高端硅资源，还会大幅推高单位面积成本。

相比之下，将LPU作为独立芯片，与GPU计算核心进行3D堆叠，是更可控、也更灵活的选择。

这种方式，预计会采用台积电（TSMC）的SoIC混合键合（Hybrid Bonding）技术。主计算芯片负责张量计算、控制逻辑等核心功能，而LPU芯片则主要承载大容量SRAM，用于推理阶段的高吞吐数据访问。

在具体实现上，费曼GPU的主芯片可能会使用A16（1.6nm）级别制程，并引入背面供电技术。这样一来，芯片正面可以为SRAM与LPU提供更高密度的垂直互连通道。

这种混合键合方式能显著降低每比特能耗，并缩短推理解码路径的延迟。对以推理为核心负载的数据中心来说，这是一个非常现实的性能红利。

不过，这条路线也会有一定的“代价”。 首先是散热与热密度问题。在高算力GPU之上再叠加LPU芯片，本身就会让热设计窗口更加紧张。而LPU强调持续吞吐，也可能在某些负载下形成新的瓶颈。

执行模型本身还有更复杂的挑战。LPU强调固定执行顺序和确定性，这与GPU长期强调的灵活调度机制存在天然冲突。在硬件层面解决之后，软件层面的适配压力会进一步放大。

尤其是在CUDA生态中，LPU式执行需要更明确的内存布局，而CUDA内核设计长期依赖硬件抽象。如何在不破坏现有开发体验的前提下，引入更“刚性”的推理执行路径，将是英伟达工程团队必须正面解决的问题。

如果英伟达希望在AI推理市场建立长期壁垒，引入LPU并重构GPU内部结构，可能是绕不开的一步。这不仅是一次封装或制程升级，更是一次围绕“推理优先”的体系级选择。

接下来几年，费曼GPU是否真的会迎来LPU堆叠方案，仍有变数。但可以确定的是，推理，正在成为下一代GPU竞争的主战场。

参考资料：https://wccftech.com/nvidia-feynman-gpus-could-see-the-inclusion-of-groq-lpu-units-by-2028/