2024年7月 Intel Core 第13/14世代デスクトップCPUの不安定性レポート更新
(community.intel.com)- Intelは、返品された Core 第13世代/第14世代デスクトッププロセッサーの分析で、一部製品の不安定性が高い動作電圧に関連していると判断
- 原因は、プロセッサーに誤った電圧要求を送るマイクロコードアルゴリズムであることが確認された
- Intelは、高電圧への曝露の根本原因を解決するマイクロコードパッチを準備中で、完全な検証後、8月中旬のパートナー向けリリースを目標としている
- 不安定症状を経験した、または現在経験している顧客は、交換手続きでサポートを受けられる
- 問い合わせ窓口は購入形態によって異なり、OEM/System Integratorシステムは販売会社、ボックス製品はIntel Customer Support、トレイCPUは購入元に連絡する必要がある
不安定性の原因
- Intelは、不安定性の問題で返品された Core 第13世代/第14世代デスクトッププロセッサーを広範に分析した
- 一部製品では、高い動作電圧が不安定性を引き起こす要因と判断された
- 返品されたプロセッサーの分析結果、高い動作電圧は、プロセッサーに誤った電圧要求を送るマイクロコードアルゴリズムに起因することが確認された
マイクロコードパッチ計画
- Intelは、高電圧への曝露の根本原因を解決するマイクロコードパッチを提供する予定
- Core 第13世代/第14世代デスクトッププロセッサーに関連してIntelに報告された不安定性シナリオが解決されるか、検証を継続している
- 全体の検証を終えた後、パートナーにパッチをリリースする目標時期は8月中旬
顧客交換サポート
- Intelは、第13世代および/または第14世代デスクトッププロセッサーで不安定症状を経験した、または現在経験している顧客が、交換手続きでサポートを受けられるようにすると案内している
- サポート手順は購入方法によって分かれる
- OEM/System Integratorデスクトップシステム購入者は、システム販売会社のカスタマーサポートチームに問い合わせ
- ボックス版 第13世代/第14世代デスクトッププロセッサー購入者は、Intel Customer Supportに問い合わせ
- トレイ版 第13世代/第14世代デスクトッププロセッサー購入者は、購入元に問い合わせ
以降の更新事項
- 2024年9月25日の更新では、最新アップデートを Intel Core 13th and 14th Gen Desktop Processor Vmin Instability Issue Root Cause で確認するよう案内している
- 2024年8月26日の更新では、Core 第13世代/第14世代デスクトップ トレイCPU購入に関するサポート案内を明確化した
- 2024年7月29日の更新では、顧客サポート手順の案内に関して Clarification Update on Intel Core 13th/14th Gen Desktop を参照するよう案内している
1件のコメント
Hacker News の意見
実際にはマイクロコードの問題だという説明は信じにくい
Intel にはこれをマイクロコードの問題にしたがる動機が大きすぎる。パッチを押し込むだけなら無料で直せるが、実際のハードウェア欠陥なら欠陥 CPU をリコールしなければならず、数十億ドルの費用がかかり得る
それに、あまりに長く沈黙しすぎた。バグのあるマイクロコードがマザーボードに仕様外の電圧を要求するだけの単純な問題なら、マザーボードの VRM に電圧ロギングを仕掛けるだけですぐに突き止め、数週間以内に直せたはずだ。一部の情報源によると、Intel はすでに数か月前、記憶では4月ごろから欠陥のない CPU を出荷しており、それらの製品ではマイクロコードは更新されていないという
この長い遅延は、ハードウェア欠陥をできるだけ多くの製品で回避しつつ、性能低下や低電圧による新たなエラーを最小限にするため、数か月かけて R&D で新しい電圧仕様を作ったように見える
今回のマイクロコード更新は一部 CPU のクラッシュだけを「直す」ことになり、1か月ほど後に Intel が実は互いに独立した問題が2つあったと言い出し、マイクロコードでは解決しなかった製品について渋々リコールすることになりそうだ
それでもかなり懐疑的なので、会社では Intel 第13/14世代の購入を一時停止しており、問題が完全に解決したという実際の証拠を待っている
CPU 製造は卵の選別に少し似ている。製造されたチップは特性が少しずつ異なり、仕様をどの程度満たすかに応じて区分ごとに選別される
単純化すれば、「より良い」チップはより高いクロックや電圧に耐えられるため高く売られる。ダイにほこりが一つあれば一部機能が無効化され、より低い価格で販売される
このケースは、出荷時のマイクロコードがすでに対処していれば欠陥とは見なされなかったであろう境界事例である可能性が高い。ただし、影響を受けるチップが本来もっと低い価格帯に入るべきだったのかは検討に値する
その動作を CPU マイクロコードで回避するのは簡単ではない。すべてのマザーボードモデルでエラーが起きているわけではなさそうなので、マザーボードの挙動が少なくとも一因に見える
CPU 設計は、できるだけ多くのものをファームウェアに押し込み、チキンスイッチ、代替パス、通常動作を横取りしてマイクロコードのトラップ・フラッシュ・性能低下動作に置き換える仕組みを入れる形で進められる
修正や回避策にはかなりの性能コストが伴うことがある。Spectre 対応で一部の分岐予測器を無効化した例が代表的だ。公開エラッタでも、理論上の正確性に関するバグをあえて直さず残す場合がある。どこから返品を受け付けるべきかは非常に曖昧だ
電圧制御は周波数、温度、論理スロットリングとともにかなりの部分が設定可能で、チップ内部の完全にプログラム可能なマイクロコントローラが担っている可能性も高い。シリコンに焼き込まれているのは電圧・ドロップセンサー、温度センサーのようなものかもしれず、それらも想定外に動作することがある。それでも冗長性や小さな誤差補正手段があるかもしれない
Intel が「マイクロコード問題に押し付けた」とは見ていない。マイクロコードパッチで直せると言っただけだ。外から見ると、何が合理的にマイクロコードで直せるのか、何をマイクロコード問題と呼ぶべきなのかを知るのは非常に難しい。設計上、多くのものがファームウェアやマイクロコードパッチで修正可能で、実際にそう修正されている
例えば、チップの電圧センサー回路が設計上の想定と少し違う動きをするが、表にオフセットを追加して補正できるなら、「問題」はシリコンがモデルや設計から外れていることであり、シリコン自体は変えられない。それでもファームウェア更新は完全に適切な修正になり得るし、新しいマスクスピンを行うとしてもセンサーを作り直さない程度かもしれない
電圧問題についても、Intel は仕様外の電圧を要求したとは言わず、「不正確」だったと言っている。これは文脈なしに簡単に検出できる問題ではない。動的電圧・周波数スケーリングとそれに関連するアナログ問題は非常に複雑だ。レギュレータに要求した電圧が、チップの特定コンポーネントで実際に見える電圧と同じとは限らず、負荷・スイッチング・容量・周波数・温度などがすべて影響する
現代の CPU は効率を高めるため、可能な限り最小の電圧・タイミング余裕に近いところで動作し、性能のために可能な限り高い電圧までブーストする。多数の変数と大きな多次元テーブルから成る複雑なアルゴリズムでは、特性評価データの小さなバグや誤りだけでも電圧・タイミングが仕様から外れ、不安定になり得る。チップ内の数十億個の構成要素の電圧を常時測定することはできないので、きれいなデバッグログが残るわけでもない
バグによっては、見つけて直すのに単純に時間がかかる。Intel ではないが、商用 CPU で素早く再現でき、コア内部ユニットをハードロックさせる論理バグを見つけたことがあるが、それでも数週間かかった。動作範囲の隅に潜む一時的なアナログバグなら、はるかに難しい可能性がある
その次には実際の修正案を作り、かなり厳格なテストを回して問題が解決したという合理的な確信を得てからでないと発表できない。そこにさらに数週間が加わる
Intel が不誠実だったり悪い動機を持っていたりする可能性を排除するわけではないが、現在の情報だけでそのように推測することは不可能だ。今回の発表はかなりもっともらしく聞こえる
https://scholar.harvard.edu/files/mickens/files/theslowwinte...
「Johnにとって不幸なことに、分岐はサタンと量子力学と契約を結んでいた [...] 最後に残ったエントロピーのかけらと引き換えに、分岐は未来世代のプロセッサに邪悪な呪文をかけた。その呪文の名は『スケーリングによって誘発される電圧リーク』や『増え続ける廃熱』のようなものだった [...] はるか昔に打ち負かされた敵だった分岐が、最後に笑うことになるのだった」
「Johnは並列性バブルの崩壊におびえ、Gary, Indianaで一時、抽象的なプラトン的イデアが3番目にチェスがうまかった743コアプロセッサ『The Hydra of Destiny』計画を急いで捨てた。片手にウイスキーの瓶、もう片手にショットガンを持ったJohnは、無限スケーリングの夢を救うアイデアを探そうと研究文献を漁った。彼はいくつか、ソフトウェア支援ハードウェア回復を扱った論文を見つけた。基本的な考え方は単純だった。ハードウェアが小さくなるほど一時的な故障が増えるなら、ソフトウェアに誤った計算を検出させて再実行させればよいのではないか？ このアイデアは、Johnがそれが史上最悪のアイデアだと気づくまでは有望に見えた。現代のソフトウェアは、ハードウェアが正しくてもどうにか動いている程度なので、ソフトウェアにハードウェアのエラー修正を任せるのは、GodzillaにMega-Godzillaが日本を恐怖に陥れないよう止めてくれと頼むようなものだ。これは東京の不動産価値の上昇にはつながらない。そもそもトランジスタのスケーリングを止めて、怪獣たちと遊ばないほうがましだ。精巧な怪獣の抑制と均衡の仕組みを作ったうえで、怪獣たちがいつもやってきたことをしないよう願うよりはよい。もしそんなことをしないなら、それらはタンポポとか子犬の抱擁と呼ばれていただろうから」
明らかに特権的な側面があり、一部の魅力的な人たちが予測可能な形でその恩恵を受け、健康や外見を維持するためのほかの高額なケアも享受している。いずれ子どもたちに同じように話すことになるかもしれない
マイクロコードパッチが性能にどんな影響を与えるのか、また過電圧で不安定になるほど影響を受けたCPUが6か月後、あるいは数年後にどう劣化していくのかは見守る必要がある
一般に電圧を高くするとタイミングマージンが増え、安定性は上がる。高い電圧で不安定だというのは危険な水準を示唆している。ソフトウェアパッチで今後の電圧を下げることはできても、すでに蓄積した累積疲労を元に戻すことはできない
Intelはベース周波数とブースト周波数の差が、たいていAMDよりはるかに大きく見えた。特に冷却がより大きな制約になるノートPCではそうで、限界まで押し込んでいるように感じた
性能コアと効率コアの構成も、性能コアが少なく効率コアが多い点のせいで、少し冗談のように見えた。「20コアプロセッサ！」と言うが、性能の観点では実質的に8コアということになる。より高クロックの12コア3DキャッシュRyzenとは比較しにくい
それでもIntelに利点が残っている可能性はある。AMDは現行チップセットでECCサポートに問題があるように見え、そのためほとんどIntelに行きかけた。最終的にはDDR5の内蔵エラー訂正で十分だと判断した。性能グラフもより滑らかなスループットを示していて、より効率的またはエレガントな実行、つまり詰まりの少ない実行のようにも見える。平均的には、AMDもグラフがややギザギザしていても、似たような最終結果を出しているようだ
低すぎると、合理的に考える力や意識を保つ力、自力で回復する能力を失うので危険だ。だが低血糖の即時的な危険がなくても、時間をかけて臓器障害を引き起こすのは高血糖である
Zen5のレビュアーたちが現在のRaptor Lake性能と比較したレビューをすべて出し終えるまで、マイクロコードパッチを遅らせているように見えるのは意味深だ
2002年の Sudden Northwood Death Syndrome を思い出す
歴史は繰り返す、少なくとも韻を踏むように見える
当時のCPUは固定電圧・固定周波数で動作しており、オーバークロッカーだけが限界を探っていた。そのときも、極端なケースでなければ過電圧でCPUが死んだという報告はまれだった。実際に損傷する前に、サーマルスロットリング、不安定化、シャットダウン（THERMTRIP）が先に起きて損傷を防いでいるように見えた
今ではCPUメーカーは、可能な性能を最大限に絞り出そうとして、実質的にファームウェア／マイクロコードで自動・動的にオーバークロックと過電圧をかけている。信頼性を見落としたバグや意図的な無視が一線を越えていたとしても驚かない。Intelは最近まで絶対最大電圧について、より保守的だった可能性があり、より小さいプロセスでエレクトロマイグレーションの可能性が高まり、脆弱性が増している点もある
逸話だが、第8世代モバイルCPUを電力制限をすべて解除し、標準電圧のまま5年以上、24時間ずっと100度の熱限界に張り付かせて動かしていたのに、いまだに100%安定している。ヒートシンクが詰まっていたり、さらには外れたまま何年も使われていたCPUの事例も、CPUを殺すのは熱や周波数ではなく 高い電圧 だという証拠を補強しているように思える
第13／14世代プロセッサのVCore最大値を調べたところ、データシートには1.72Vとあった。10nmプロセスとしては予想よりはるかに高い。比較すると、第1世代i7の45nm版は絶対最大が1.55Vで、32nm版では1.4Vに下がり、22nm版では1.52Vに少し上がっていた
1600MHzで安定していて、数年間そのまま使っていた。1700MHzまで上げることもできたが、そこからはCPUの安定性が周囲温度に左右された。夏に部屋が暑くなると、ワークステーションがランダムに カーネルパニック を起こしていた
昨夏13900Kでシステムを組んだとき、CPUを10年使うつもりで設定を詰めながら、こう考えていた
逸話的には、自分のCPUはゲームもかなりするしコンパイルも多いが、安定性の問題は感じていない。電力制限を 150W に設定して少し性能は失ったが、大きくはなかった
最近、第13／14世代モバイルチップにも似た問題があるという話があったが、Intelは別の問題だと主張していた
どう展開するのか興味深い
[1]: https://news.ycombinator.com/item?id=41026123
数世代前と比べ、5年後の交換まで待つべきか悩みながらIntelを買うという見通しはあまりうれしくない。ただ、AMDサーバーの選択肢もやや限られる可能性があり、全体としてさらに多くの予想外の問題が増える可能性をどう評価すべきかもよく分からない
https://youtube.com/watch?v=gTeubeCIwRw と関連コンテンツを見たあとでは、個人的には マイクロコードで修正できる問題 だとは思わない。様子を見る必要がある
その動画はGamersNexusの動画で、原子堆積層の間の酸化によって生じた 製造プロセス上の問題 だという未検証の主張を扱っている。それが事実なら、マイクロコードにできることは限られる。ただしSteveが動画で言っているように、酸化説はまだ証明されておらず、まもなく出るZen 5レビューの前に、現時点で把握している内容を先に報じたものだ
高い動作電圧を受けたCPUは 永久に損傷 したのか？
自分の 7800X3D にはとても満足している。昔のIntelチップのように最大で約70度で動き、35ドルの空冷クーラーで十分で、現在のゲーム負荷では平均的に最速のチップだ
英国の法外な電気料金を考えると、エネルギー効率は本当にありがたい
競争力を保とうとしてチップにあまりにも多くの電力を押し込んでいるのを見て、こういうことが起きるのではないかと心配していた
Intelのイノベーションが本当に遅くなったのか、あるいはAMDが技術・マーケティング・特許で数手先を読んでIntelを追い込んだように感じる
それでもIntelが終わったとは思わない。少なくとも、まだそうではない