NVIDIA 的下一代将瞄准数据中心和消费市场，分别推出基于 Hopper 架构和Ada Lovelace架构的GPU 。不同的是，Nvidia 仅在 Hopper 架构 GPU 上使用了 MCM 多芯片封装，而 Ada Lovelace 架构 GPU 仍将保留传统设计，不会将 MCM 多芯片封装引入像 AMD 的基于 Navi 31 的消费级 GPU在 RDNA 3 架构上。

　　Nvidia 研究人员最近发表了一篇文章，详细介绍了 Nvidia 如何探索如何为未来产品部署多芯片设计。随着异构计算的兴起，英伟达正在寻找一种方法来提高其半导体设计的灵活性，以根据工作负载灵活匹配各种模块，这就是 MCM 多芯片封装的用武之地。

　　英伟达对多芯片设计的研究在 2017 年首次曝光，当时英伟达展示了一种由四个小芯片构建的设计，不仅提高了性能，还有助于提高良率，还可以将更多的计算资源汇集在一起​​。多芯片设计还有助于提高电源效率，以及更好的散热。

　　Nvidia 当前的 MCM 多芯片封装 GPU 方法称为“可组合封装 GPU”或 COPA。文章解释了 Nvidia 如何处理 HPC 和 AI 工作负载之间的差异，并且随着两者的计算需求发生变化，计算需求也会发生变化。英伟达担心过于单一的 GPU 架构会逐渐失去在 HPC 和 AI 工作负载中的计算优势，而两者的市场规模都在增长。

　　为了更好地满足未来的计算需求，NVIDIA一直在模拟不同的多芯片设计和配置，以确认不同工作负载所需的硬件模块。根据 NVIDIA 提供的数据，在 HPC 工作负载上，将内存带宽降低 25% 实际上只会降低 4% 的性能，如果再降低 25%，性能损失会再增加 10%。因此，将内存带宽降低50%，并去掉相关硬件模块后，可以更换为更合适的硬件模块，为相应的工作负载提供相应的性能，从而提高效率。由于并非所有硬件模块都是平等的，并且各个功能都是不可或缺的，因此 COPA 是 Nvidia 尝试模拟多芯片设计的影响，以及它与性能的关系。

　　NVIDIA 目前优先考虑 HPC 和 AI 市场。除了高利润的因素外，很多公司都在通过定制化解决方案逐渐蚕食英伟达的市场空间。当然，这种特定于工作负载的配置也可以应用于其他 NVIDIA GPU 产品线，包括面向消费市场的 GeForce 显卡。但是，与专业市场不同的是，游戏中的渲染工作有着根本的不同。如果采用多芯片设计，小芯片之间的互连速度需要进一步提高。