Atualização de julho de 2024 sobre relatos de instabilidade nos CPUs desktop Intel Core de 13ª/14ª geração
(community.intel.com)- A Intel concluiu, a partir da análise de processadores desktop Core de 13ª/14ª geração devolvidos, que a instabilidade em alguns produtos está relacionada a altas tensões de operação
- A causa foi identificada como um algoritmo de microcódigo que envia solicitações incorretas de tensão ao processador
- A Intel está preparando um patch de microcódigo para corrigir a causa raiz da exposição a alta tensão e pretende liberá-lo para parceiros em meados de agosto, após a validação completa
- Clientes que tiveram ou estão tendo sintomas de instabilidade podem receber suporte no processo de troca
- Os canais de atendimento variam conforme a forma de compra: sistemas OEM/System Integrator devem contatar o vendedor, produtos boxed devem contatar o Intel Customer Support, e CPUs tray devem contatar o local de compra
Causa da instabilidade
- A Intel realizou uma análise ampla de processadores desktop Core de 13ª/14ª geração devolvidos por problemas de instabilidade
- Em alguns produtos, concluiu-se que a alta tensão de operação é um fator que provoca a instabilidade
- A análise dos processadores devolvidos confirmou que a alta tensão de operação se origina de um algoritmo de microcódigo que envia solicitações incorretas de tensão ao processador
Plano de patch de microcódigo
- A Intel pretende fornecer um patch de microcódigo para corrigir a causa raiz da exposição a alta tensão
- Em relação aos processadores desktop Core de 13ª/14ª geração, a Intel continua realizando validações para verificar se os cenários de instabilidade relatados foram resolvidos
- Após concluir toda a validação, a meta é liberar o patch para parceiros em meados de agosto
Suporte para troca ao cliente
- A Intel informou que clientes que tiveram ou estão tendo sintomas de instabilidade em processadores desktop de 13ª e/ou 14ª geração poderão receber suporte no processo de troca
- O procedimento de suporte varia conforme a forma de compra
- Compradores de sistemas desktop OEM/System Integrator devem entrar em contato com a equipe de suporte ao cliente do vendedor do sistema
- Compradores de processadores desktop boxed de 13ª/14ª geração devem entrar em contato com o Intel Customer Support
- Compradores de processadores desktop tray de 13ª/14ª geração devem entrar em contato com o local de compra
Atualizações posteriores
- A atualização de 25 de setembro de 2024 orienta a verificar as informações mais recentes em Intel Core 13th and 14th Gen Desktop Processor Vmin Instability Issue Root Cause
- A atualização de 26 de agosto de 2024 esclarece as orientações de suporte para a compra de CPUs tray desktop Core de 13ª/14ª geração
- A atualização de 29 de julho de 2024 orienta a consultar Clarification Update on Intel Core 13th/14th Gen Desktop sobre os procedimentos de suporte ao cliente
1 comentários
Opiniões no Hacker News
Na prática, é difícil acreditar na explicação de que seja um problema de microcódigo
A Intel tem um incentivo enorme para atribuir isso a um problema de microcódigo. Se bastar empurrar um patch, dá para corrigir de graça; mas, se for um defeito real de hardware, teria de fazer recall das CPUs defeituosas, o que poderia custar dezenas de bilhões de dólares
Além disso, ficaram em silêncio por tempo demais. Se fosse um problema simples em que um microcódigo com bug solicita à placa-mãe uma tensão fora da especificação, bastaria colocar logging de tensão no VRM da placa-mãe para detectar rapidamente e corrigir em poucas semanas. Segundo algumas fontes, a Intel já estaria enviando CPUs sem defeito há meses, se não me engano desde abril, e esses produtos não tiveram o microcódigo atualizado
Esse longo atraso dá a impressão de que passaram meses em P&D criando uma nova especificação de tensão, tentando contornar um defeito de hardware no maior número possível de produtos, ao mesmo tempo minimizando perda de desempenho ou novos erros causados por subtensão
Esta atualização de microcódigo provavelmente só vai “corrigir” travamentos em algumas CPUs e, daqui a mais ou menos um mês, a Intel deve dizer que na verdade havia dois problemas independentes e, a contragosto, fazer recall dos produtos que não foram resolvidos pelo microcódigo
Ainda assim, estou bastante cético, por isso suspendemos temporariamente a compra de Intel 13ª/14ª geração na empresa e estamos esperando evidências reais de que o problema foi totalmente resolvido
A fabricação de CPUs é parecida com selecionar ovos. Os chips produzidos têm características ligeiramente diferentes e são classificados em faixas conforme o quanto atendem às especificações
Simplificando, chips “melhores” aguentam clocks ou tensões mais altos e são vendidos mais caro. Se houver um grão de poeira no die, parte da funcionalidade é desativada e ele é vendido por um preço menor
Neste caso, é bem provável que sejam casos limítrofes que não teriam sido considerados defeitos se o microcódigo enviado já os tivesse tratado. Ainda assim, vale questionar se os chips afetados deveriam originalmente ter entrado em uma faixa de preço mais baixa
Contornar esse comportamento no microcódigo da CPU não é trivial. Como o erro não parece ocorrer em todos os modelos de placa-mãe, o comportamento da placa-mãe parece ser pelo menos um dos fatores
O projeto de CPUs é feito empurrando o máximo possível para firmware e inserindo chicken switches, caminhos alternativos e mecanismos que interceptam o funcionamento normal e o transformam em traps de microcódigo, flushes e operações com perda de desempenho
Correções ou workarounds podem ter um custo de desempenho considerável. Um exemplo clássico é desativar alguns preditores de desvio como mitigação para Spectre. Mesmo em erratas públicas, às vezes bugs de correção teórica são simplesmente deixados sem correção. É muito nebuloso definir a partir de que ponto deveria haver devolução do produto
A regulação de tensão provavelmente é em grande parte configurável, junto com frequência, temperatura e throttling lógico, e há uma boa chance de ser controlada por um microcontrolador totalmente programável dentro do chip. O que fica gravado no silício pode ser algo como sensores de tensão/droop e sensores de temperatura, e esses também podem se comportar de maneira inesperada. Ainda assim, pode haver redundância ou meios de compensar pequenos desvios
Não vejo isso como a Intel “empurrando a culpa para um problema de microcódigo”. Ela apenas disse que pode ser corrigido com um patch de microcódigo. Visto de fora, é muito difícil saber o que pode ser razoavelmente corrigido por microcódigo e o que deve ser chamado de problema de microcódigo. Por design, muitas coisas podem ser corrigidas por firmware ou patches de microcódigo, e de fato são corrigidas assim
Por exemplo, se o circuito do sensor de tensão do chip se comporta de forma um pouco diferente do previsto no projeto, mas pode ser compensado adicionando um offset a uma tabela, o “problema” é que o silício se desviou do modelo ou do projeto, e o silício em si não pode ser alterado. Mesmo assim, uma atualização de firmware pode ser uma correção totalmente adequada, a ponto de nem valer a pena refazer o sensor mesmo em um novo mask spin
Sobre o problema de tensão, a Intel também não disse que a CPU solicitava tensão fora da especificação, mas sim que era “incorreta”. Isso não é algo facilmente detectável sem contexto. Escalonamento dinâmico de tensão e frequência e problemas analógicos relacionados são extremamente complexos. A tensão solicitada ao regulador não é igual à tensão efetivamente vista por componentes específicos do chip, e carga, chaveamento, capacitância, frequência, temperatura etc. influenciam tudo
CPUs modernas operam o mais próximo possível da margem mínima de tensão e timing para aumentar a eficiência, e fazem boost até tensões tão altas quanto possível para desempenho. Em um algoritmo complexo composto por muitas variáveis e grandes tabelas multidimensionais, um pequeno bug ou erro nos dados de caracterização já pode fazer tensão e timing saírem da especificação e causar instabilidade. Como não dá para medir continuamente a tensão de dezenas de bilhões de componentes dentro do chip, também não fica um log de debug limpo
Alguns bugs simplesmente demoram para ser encontrados e corrigidos. Embora não tenha sido na Intel, já encontrei em uma CPU comercial um bug lógico que era rapidamente reproduzível e travava rigidamente uma unidade interna do núcleo, e ainda assim levou semanas. Um bug analógico transitório escondido nos cantos da faixa de operação pode ser muito mais difícil
Depois disso, é preciso criar a correção real e rodar testes bastante rigorosos para ter uma confiança razoável de que o problema foi resolvido antes de anunciar. Isso acrescenta mais algumas semanas
Não estou descartando a possibilidade de a Intel estar sendo desonesta ou ter más motivações, mas com as informações atuais é impossível fazer essa suposição. Este anúncio soa bastante plausível
https://scholar.harvard.edu/files/mickens/files/theslowwinte...
“Infelizmente para John, as ramificações tinham feito um pacto com Satanás e com a mecânica quântica [...] Em troca do último fragmento restante de entropia, as ramificações lançaram feitiços malignos sobre as futuras gerações de processadores. Os nomes desses feitiços eram coisas como ‘vazamento de tensão induzido por scaling’ e ‘calor residual crescente’ [...] As ramificações, inimigas derrotadas havia muito tempo, ririam por último”
“John ficou aterrorizado com o colapso da bolha de paralelismo e rapidamente abandonou o plano para o processador de 743 núcleos ‘The Hydra of Destiny’, no qual, por um breve momento em Gary, Indiana, um ideal platônico abstrato foi o terceiro melhor enxadrista. Com uma garrafa de uísque em uma mão e uma espingarda na outra, John vasculhou a literatura de pesquisa em busca de uma ideia que salvasse o sonho do scaling infinito. Ele encontrou vários artigos sobre recuperação de hardware auxiliada por software. A ideia básica era simples. Se, à medida que o hardware fica menor, as falhas transitórias aumentam, por que não fazer o software detectar cálculos incorretos e executá-los novamente? A ideia parecia promissora até John perceber que ela era a pior ideia de todos os tempos. Software moderno mal funciona mesmo quando o hardware está correto, então encarregar o software de corrigir erros de hardware é como pedir ao Godzilla que impeça o Mega-Godzilla de aterrorizar o Japão. Isso não leva a uma valorização imobiliária em Tóquio. Para começo de conversa, é melhor parar o scaling de transistores e não brincar com monstros. Melhor do que criar um sistema sofisticado de freios e contrapesos para monstros e torcer para que eles não façam o que sempre fizeram. Porque, se não fizessem essas coisas, seriam chamados de dentes-de-leão ou abraços de filhotes”
Claramente há um aspecto de privilégio, e algumas pessoas atraentes se beneficiam disso de maneiras previsíveis, além de desfrutarem de outros cuidados caros para manter a saúde e a aparência. Talvez acabemos dizendo a mesma coisa aos nossos filhos no futuro
Ainda precisamos ver que impacto o patch de microcódigo terá no desempenho e como CPUs afetadas a ponto de ficarem instáveis por sobretensão vão envelhecer daqui a 6 meses ou alguns anos
Em geral, aplicar mais tensão aumenta a margem de temporização e melhora a estabilidade. Ficar instável em alta tensão sugere um nível perigoso. Um patch de software pode reduzir a tensão daqui para frente, mas não consegue desfazer a fadiga acumulada que já se formou
A diferença entre a frequência base e a frequência de boost da Intel parecia, na maior parte dos casos, muito maior que a da AMD. Especialmente em notebooks, onde a refrigeração é uma restrição maior, tive a impressão de que estavam forçando os limites
A configuração de núcleos de desempenho e núcleos de eficiência também pareceu meio uma brincadeira, por ter poucos núcleos de desempenho e muitos de eficiência. Dizem “processador de 20 núcleos!”, mas, do ponto de vista de desempenho, na prática é um 8 núcleos. Fica difícil comparar com um Ryzen de 12 núcleos, clock mais alto e cache 3D
Ainda assim, a Intel pode ter algumas vantagens restantes. A AMD parecia ter problemas com suporte a ECC nos chipsets atuais, e por causa disso quase fui de Intel. No fim, concluí que a correção de erros integrada do DDR5 seria suficiente. Os gráficos de desempenho também mostram uma vazão mais suave, o que faz parecer uma execução mais eficiente ou elegante, isto é, com menos gargalos. Em média, porém, a AMD também parece chegar a resultados finais semelhantes, mesmo que os gráficos sejam um pouco mais serrilhados
Se estiver baixa demais, é perigoso porque a pessoa perde a capacidade de pensar racionalmente, manter a consciência e se recuperar por conta própria. Mas, mesmo sem o risco imediato da glicemia baixa, o que causa danos aos órgãos ao longo do tempo é a glicemia alta
Parece significativo que estejam adiando o patch de microcódigo para depois que os reviewers do Zen5 publicarem todas as análises comparando com o desempenho do Raptor Lake atual
Isso me lembra a Sudden Northwood Death Syndrome de 2002
A história parece se repetir, ou pelo menos rimar
Na época, as CPUs operavam com tensão fixa e frequência fixa, e só os overclockers encontravam os limites. Mesmo então, eram raros os relatos de CPUs morrendo por sobretensão, exceto em casos extremos. Antes de danos reais, pareciam ocorrer primeiro thermal throttling, instabilidade e desligamento (THERMTRIP), impedindo o dano
Agora, os fabricantes de CPUs tentam extrair o máximo desempenho possível e, na prática, aplicam overclock e sobretensão automática e dinamicamente via firmware/microcódigo. Não seria surpreendente se um bug que negligenciou a confiabilidade, ou uma decisão deliberada de ignorá-la, tivesse passado do ponto. A Intel talvez tenha sido mais conservadora com a tensão máxima absoluta até recentemente, e há também o fato de que processos menores aumentam a possibilidade de eletromigração, elevando a vulnerabilidade
Como anedota, usei uma CPU móvel de 8ª geração com todos os limites de energia removidos, em tensão padrão, rodando 24 horas por dia por mais de 5 anos colada no limite térmico de 100 graus, e ela ainda é 100% estável. Casos de CPUs usadas por anos com o dissipador entupido, ou até solto, parecem reforçar a evidência de que o que mata CPUs não é calor nem frequência, mas tensão alta
Fui procurar o VCore máximo dos processadores de 13ª/14ª geração e o datasheet diz 1,72 V. É muito mais alto do que eu esperaria para um processo de 10 nm. Para comparação, o i7 de 1ª geração em 45 nm tinha máximo absoluto de 1,55 V; na versão de 32 nm, caiu para 1,4 V; e na versão de 22 nm, subiu um pouco para 1,52 V
Era estável a 1600 MHz, e usei assim por alguns anos. Dava para subir até 1700 MHz, mas a partir daí a estabilidade da CPU dependia da temperatura ambiente. No verão, quando o quarto esquentava, a workstation dava kernel panic aleatoriamente
Pensei nisso no verão passado, quando montei um sistema com um 13900K e ajustei as configurações com a intenção de usar a CPU por 10 anos
Anedoticamente, minha CPU roda muitos jogos e compila bastante, e não percebi problemas de estabilidade. Coloquei o limite de energia em 150 W, perdendo um pouco de desempenho, mas não muito
Recentemente houve comentários de que chips móveis de 13ª/14ª geração teriam problemas semelhantes, mas a Intel alegou que era outro problema
Vai ser interessante ver como isso se desenrola
[1]: https://news.ycombinator.com/item?id=41026123
A perspectiva de comprar Intel enquanto me pergunto se vou conseguir esperar 5 anos até a substituição, comparado a algumas gerações atrás, não é muito animadora. Dito isso, as opções de servidores AMD também podem ser um tanto limitadas, e eu também não sei bem como avaliar a probabilidade de haver mais problemas surpreendentes no geral
Depois de assistir a https://youtube.com/watch?v=gTeubeCIwRw e ao conteúdo relacionado, pessoalmente não acredito que seja um problema que dê para corrigir com microcódigo. Vamos ver
Esse vídeo é da GamersNexus e trata de uma alegação não verificada de que seria um problema no processo de fabricação causado por oxidação entre camadas de deposição atômica. Se isso for verdade, há um limite para o que o microcódigo pode fazer. Mas, como Steve diz no vídeo, a teoria da oxidação ainda não foi comprovada, e eles publicaram o que tinham reunido até agora antes das análises do Zen 5 que sairão em breve
As CPUs que receberam alta tensão de operação ficaram permanentemente danificadas?
Estou muito satisfeito com meu 7800X3D. Ele roda a no máximo cerca de 70 graus, como os chips Intel antigos, um cooler a ar de 35 dólares dá conta, e atualmente é, em média, o chip mais rápido em cargas de jogos
Considerando as tarifas de eletricidade absurdas do Reino Unido, a eficiência energética é muito bem-vinda
Eu tinha receio de que algo assim acontecesse ao ver tanta energia sendo empurrada para os chips para manter a competitividade
Parece que a inovação da Intel realmente desacelerou, ou que a AMD pensou vários passos à frente em tecnologia, marketing e patentes, encurralando a Intel
Ainda assim, não acho que a Intel tenha acabado. Pelo menos ainda não