از زمان شکست Snapdragon 8 Gen 1 سامسونگ، کوالکام اکثر تراشه های جدید خود را به TSMC سپرده است. اما ممکن است در آینده به Samsung Foundry بازگردد.
یک گزارش جدید ادعا میکند که کوالکام میتواند از فرآیند 2 نانومتری Samsung Foundry (SF2) برای ساخت پردازندههای پرچمدار آیندهاش اسنپدراگون استفاده کند. در حالی که TSMC پیشرو بلامنازع در بخش تولید تراشه های نیمه هادی به ویژه برای گوشی های هوشمند، رایانه های شخصی و تراشه های سرور رده بالا است، (IFS)Intel و Samsung Foundry در تلاش هستند تا این فاصله را کاهش دهند. هر سه سازنده تراشه در تلاش هستند تا فرآیند کلاس 2 نانومتری خود را در چند سال آینده راهاندازی کنند. از آنجایی که سامسونگ اولین شرکتی بود که تراشه های 3 نانومتری را تولید کرد و اولین شرکتی بود که از طراحی جدیدی به نام MBCFET (Multi-Bridge-Channel FET) استفاده کرده است معتقد است که انتقال به 2 نانومتر در مقایسه با رقبای خود آسان تر خواهد بود.
Samsung Foundry موقعیت خوبی برای تبدیل شدن به دومین مرکز تراشه را دارد. در حالی که TSMC قبلاً فناوری پردازش 2 نانومتری خود را در Apple، AMD و Nvidia به نمایش گذاشته بود. طبق گزارش فایننشال تایمز، Samsung Foundry نسخه های ارزان قیمت فناوری 2 نانومتری خود را به بعضی از شرکت ها از جمله Nvidia ارائه می دهد تا بتواند بقیه شرکت ها را نیز جذب کند. مردم هنوز تردید دارند که این شرکت بتواند تراشه های بسیار پیچیده ای را با استفاده از این فرآیندها با بازده کافی بالا ایجاد کند.
TSMC اعلام کرد که می تواند تا سال 2025 تولید تراشه های 2 نانومتری را آغاز کند ، در حالی که Samsung Foundry نیز همین ادعا را درد . IFS (Intel Foundry Services) ادعا میکند که میتواند تولید انبوه تراشههای 18A (کلاس 1.8 نانومتری) را تا پایان سال 2024 آغاز کند. کارشناسان بر این باورند که رقابت برای ساخت تراشههای کوچکتر تشدید شده است، بازده عملکرد بالا رفته است. Samsung Foundry می خواهد با تولید تراشه های 2 و 3 نانومتری فاصله خود را با TSMC، بزرگترین رقیب خود، کم کند.
اگرچه Samsung Foundry اصرار دارد که بازده آن بهبود یافته است، اما نزدیکان سامسونگ ادعا می کنند که بازده تراشه های ساده تر ساخته شده توسط سامسونگ با استفاده از فرآیند 3 نانومتری به سختی به 60 درصد رسیده است. این بدان معناست که اگر از آن برای ساخت تراشههای پیچیدهتر مانند تراشههای AMD، Nvidia و Qualcomm استفاده شود، احتمالاً منجر به کاهش بیشتر بازدهی خواهد شد.
منبع: https://www.sammobile.com/news