Mise à jour de juillet 2024 sur les rapports d’instabilité des CPU de bureau Intel Core de 13e/14e génération
(community.intel.com)- Intel estime, après analyse des processeurs de bureau Core de 13e/14e génération retournés, que l’instabilité de certains produits est liée à une tension de fonctionnement élevée
- La cause a été identifiée comme un algorithme de microcode envoyant des demandes de tension erronées au processeur
- Intel prépare un correctif de microcode pour traiter la cause profonde de l’exposition à une tension élevée, avec une publication partenaire visée pour la mi-août après validation complète
- Les clients ayant rencontré ou rencontrant actuellement des symptômes d’instabilité peuvent être accompagnés dans la procédure d’échange
- Le point de contact varie selon le mode d’achat : pour les systèmes OEM/System Integrator, contacter le vendeur ; pour les produits en boîte, Intel Customer Support ; pour les CPU tray, le lieu d’achat
Cause de l’instabilité
- Intel a mené une analyse approfondie des processeurs de bureau Core de 13e/14e génération retournés pour des problèmes d’instabilité
- Pour certains produits, une tension de fonctionnement élevée a été identifiée comme un facteur déclenchant de l’instabilité
- L’analyse des processeurs retournés a montré que cette tension de fonctionnement élevée provenait d’un algorithme de microcode envoyant des demandes de tension erronées au processeur
Plan de correctif de microcode
- Intel prévoit de fournir un correctif de microcode pour traiter la cause profonde de l’exposition à une tension élevée
- Concernant les processeurs de bureau Core de 13e/14e génération, Intel poursuit la validation afin de vérifier si les scénarios d’instabilité signalés sont résolus
- Après validation complète, l’objectif pour la publication du correctif auprès des partenaires est fixé à la mi-août
Assistance pour l’échange client
- Intel indique que les clients ayant rencontré, ou rencontrant actuellement, des symptômes d’instabilité sur des processeurs de bureau de 13e et/ou 14e génération pourront être accompagnés dans la procédure d’échange
- La procédure de support diffère selon le mode d’achat
- Les acheteurs de systèmes de bureau OEM/System Integrator doivent contacter le service client du vendeur du système
- Les acheteurs de processeurs de bureau 13e/14e génération en boîte doivent contacter Intel Customer Support
- Les acheteurs de processeurs de bureau tray 13e/14e génération doivent contacter leur point de vente
Mises à jour ultérieures
- La mise à jour du 25 septembre 2024 invite à consulter les dernières informations dans Intel Core 13th and 14th Gen Desktop Processor Vmin Instability Issue Root Cause
- La mise à jour du 26 août 2024 clarifie les indications de support pour l’achat de CPU tray Core de 13e/14e génération pour desktop
- La mise à jour du 29 juillet 2024 invite, concernant les indications sur la procédure de support client, à se référer à Clarification Update on Intel Core 13th/14th Gen Desktop
1 commentaires
Avis sur Hacker News
En réalité, l’explication du problème de microcode est difficile à croire
Intel a beaucoup trop intérêt à présenter cela comme un problème de microcode. S’il suffit de pousser un correctif, la réparation est gratuite, mais s’il s’agit d’un vrai défaut matériel, il faudrait rappeler les CPU défectueux, ce qui pourrait coûter des milliards de dollars
Ils sont aussi restés silencieux beaucoup trop longtemps. Si le problème était simplement qu’un microcode bogué demandait à la carte mère des tensions hors spécifications, il aurait suffi de journaliser la tension au niveau du VRM de la carte mère pour l’identifier rapidement et le corriger en quelques semaines. Selon certaines sources, Intel livrerait déjà depuis plusieurs mois — de mémoire depuis avril — des CPU sans défaut, et ceux-ci n’auraient pas reçu de mise à jour de microcode
Ce long délai donne l’impression que plusieurs mois de R&D ont servi à définir une nouvelle spécification de tension, afin de contourner au maximum un défaut matériel sur le plus grand nombre de produits possible, tout en minimisant les baisses de performances ou les nouvelles erreurs dues à une sous-tension
Cette mise à jour de microcode ne fera sans doute que « corriger » les plantages de certains CPU, puis dans environ un mois Intel expliquera probablement qu’il y avait en fait deux problèmes indépendants, et finira à contrecœur par rappeler les produits que le microcode n’aura pas corrigés
Je reste toutefois très sceptique : dans mon entreprise, nous avons suspendu temporairement l’achat de processeurs Intel de 13e/14e génération et nous attendons des preuves concrètes que le problème est entièrement résolu
La fabrication de CPU ressemble un peu au tri des œufs. Les puces produites ont toutes des caractéristiques légèrement différentes, puis elles sont classées par segments selon leur capacité à respecter les spécifications
Pour simplifier, les « meilleures » puces peuvent supporter des fréquences ou des tensions plus élevées et sont vendues plus cher. S’il y a une poussière sur un die, certaines fonctions sont désactivées et la puce est vendue moins cher
Dans ce cas, il s’agit très probablement de cas limites qui n’auraient pas été considérés comme défectueux si le microcode livré les avait déjà pris en charge. Reste à savoir si les puces concernées auraient dû être classées dès le départ dans une gamme de prix inférieure
Contourner ce comportement au niveau du microcode du CPU n’est pas trivial. Le problème ne semble pas toucher tous les modèles de cartes mères, ce qui laisse penser que le comportement de la carte mère est au moins un facteur
La conception de CPU consiste à pousser autant de choses que possible dans le firmware, et à prévoir des chicken switches, des chemins alternatifs, ainsi que des mécanismes capables d’intercepter le fonctionnement normal pour le remplacer par des traps de microcode, des flushes ou des comportements dégradant les performances
Les corrections ou contournements peuvent avoir un coût de performance assez élevé. La désactivation de certains prédicteurs de branchement pour répondre à Spectre en est un exemple typique. Même dans les errata publics, certains bugs théoriques de justesse sont parfois laissés sans correction. La frontière à partir de laquelle il faut accepter les retours est extrêmement floue
La régulation de tension est probablement largement configurable, avec la fréquence, la température et le throttling logique, et il est très possible qu’elle soit gérée par un microcontrôleur entièrement programmable à l’intérieur de la puce. Ce qui est gravé dans le silicium peut être des capteurs de tension, de droop ou de température, et eux aussi peuvent se comporter de façon inattendue. Il peut toutefois exister de la redondance ou de petits mécanismes de correction d’erreur
Je ne pense pas qu’Intel ait « rejeté la faute sur le microcode ». Ils ont simplement dit que cela pouvait être corrigé par un patch de microcode. Vu de l’extérieur, il est très difficile de savoir ce qui peut raisonnablement être corrigé par microcode, et ce qu’il faut appeler un problème de microcode. Par conception, beaucoup de choses peuvent être corrigées via le firmware ou un patch de microcode, et le sont effectivement
Par exemple, si le circuit du capteur de tension de la puce se comporte légèrement différemment de ce que prévoyait la conception, mais qu’on peut le compenser en ajoutant un offset dans une table, le « problème » est que le silicium s’écarte du modèle ou du design, et le silicium lui-même ne peut pas être changé. Malgré tout, une mise à jour du firmware peut être une correction tout à fait appropriée, au point que même lors d’un nouveau mask spin, on ne choisirait peut-être pas de refaire le capteur
À propos du problème de tension, Intel n’a pas dit que le CPU demandait des tensions hors spécifications, mais qu’elles étaient « incorrectes ». Ce n’est pas un problème facile à détecter sans contexte. Le scaling dynamique tension-fréquence et les problèmes analogiques associés sont terriblement complexes. La tension demandée au régulateur n’est pas identique à la tension réellement vue par un composant précis de la puce ; la charge, les commutations, la capacitance, la fréquence, la température, etc. ont toutes une influence
Pour gagner en efficacité, les CPU modernes fonctionnent aussi près que possible des marges minimales de tension et de timing, tout en boostant vers des tensions aussi élevées que possible pour les performances. Dans un algorithme complexe composé de nombreuses variables et de grandes tables multidimensionnelles, un petit bug ou une erreur dans les données de caractérisation peut suffire à faire sortir tension et timing des spécifications et à rendre le système instable. Comme on ne peut pas mesurer en continu la tension de milliards de composants dans la puce, il n’y a pas non plus de journal de débogage propre
Certains bugs prennent simplement beaucoup de temps à trouver et à corriger. Ce n’était pas chez Intel, mais j’ai déjà trouvé dans un CPU commercial un bug logique qui se reproduisait rapidement et verrouillait durement une unité interne du cœur, et cela a tout de même pris plusieurs semaines. Un bug analogique transitoire caché dans un coin de la plage de fonctionnement peut être bien plus difficile
Ensuite, il faut élaborer la correction réelle et lancer une batterie de tests assez stricte pour pouvoir annoncer, avec une confiance raisonnable, que le problème est résolu. Cela ajoute encore plusieurs semaines
Je n’exclus pas qu’Intel ait été malhonnête ou animé de mauvaises motivations, mais avec les informations disponibles, il est impossible de tirer cette conclusion. Cette annonce paraît assez plausible
https://scholar.harvard.edu/files/mickens/files/theslowwinte...
« Malheureusement pour John, les branches avaient conclu un pacte avec Satan et la mécanique quantique [...] En échange du dernier fragment d’entropie restant, les branches avaient jeté sur les générations futures de processeurs des sorts maléfiques, aux noms comme “fuites de tension induites par le scaling” et “augmentation de la chaleur perdue” [...] Les branches, cet ennemi vaincu depuis longtemps, auraient le dernier mot »
« John fut terrifié par l’éclatement de la bulle du parallélisme et abandonna en hâte son projet de processeur à 743 cœurs, “The Hydra of Destiny”, où, à Gary dans l’Indiana, un idéal platonicien abstrait jouait brièvement aux échecs au troisième meilleur niveau. Une bouteille de whisky dans une main et un fusil à pompe dans l’autre, John se plongea dans la littérature scientifique pour trouver des idées capables de sauver le rêve du scaling infini. Il trouva plusieurs articles sur la récupération matérielle assistée par logiciel. L’idée de base était simple. Si les défaillances transitoires augmentent à mesure que le matériel rétrécit, pourquoi ne pas laisser le logiciel détecter les mauvais calculs et les relancer ? L’idée semblait prometteuse, jusqu’à ce que John se rende compte que c’était la pire idée de tous les temps. Les logiciels modernes fonctionnent à peine quand le matériel est correct ; confier au logiciel la correction des erreurs matérielles, c’est comme demander à Godzilla d’empêcher Mega-Godzilla de terroriser le Japon. Cela ne fera pas monter la valeur de l’immobilier à Tokyo. Mieux vaut arrêter d’emblée le scaling des transistors et ne pas jouer avec les monstres, plutôt que de mettre en place un système sophistiqué de freins et contrepoids pour monstres, puis espérer qu’ils ne fassent pas ce qu’ils font toujours. S’ils ne le faisaient pas, on les appellerait des pissenlits ou des câlins de chiots »
Il y a clairement une dimension de privilège, et certaines personnes attirantes en bénéficient de manière prévisible, tout en profitant aussi d’autres soins coûteux pour préserver leur santé et leur apparence. On pourrait finir par en parler à nos enfants de la même façon
Il faudra voir quel impact le correctif de microcode aura sur les performances, et comment vieilliront dans six mois ou dans quelques années les CPU déjà suffisamment affectés par la surtension pour devenir instables
En général, augmenter la tension accroît la marge temporelle et améliore la stabilité. Le fait d’être instable à haute tension suggère un niveau dangereux. Un correctif logiciel peut réduire les tensions à l’avenir, mais il ne peut pas annuler la fatigue cumulée déjà accumulée
Chez Intel, l’écart entre la fréquence de base et la fréquence boost semblait, dans la plupart des cas, beaucoup plus grand que chez AMD. C’était particulièrement vrai sur les laptops, où le refroidissement est une contrainte plus forte, et j’ai eu l’impression qu’ils poussaient les limites
La configuration avec cœurs de performance et cœurs d’efficacité me semblait aussi un peu artificielle, parce qu’il y avait peu de cœurs de performance et beaucoup de cœurs d’efficacité. On annonce un « processeur 20 cœurs ! », mais du point de vue des performances, c’est en fait pratiquement un 8 cœurs. Difficile de le comparer à un Ryzen 12 cœurs 3D cache à fréquence plus élevée
Cela dit, Intel peut encore avoir des avantages. AMD semblait avoir des problèmes de prise en charge de l’ECC sur les chipsets actuels, et c’est presque ce qui m’a fait choisir Intel. Au final, j’ai jugé que la correction d’erreurs intégrée à la DDR5 suffisait. Les graphiques de performance montraient aussi un débit plus régulier, donnant l’impression d’une exécution plus efficace ou plus élégante, c’est-à-dire moins sujette aux blocages. En moyenne, AMD semble obtenir des résultats finaux similaires, même si ses graphiques sont un peu plus en dents de scie
Si elle est trop basse, c’est dangereux parce qu’on perd la capacité de raisonner correctement, de rester conscient et de récupérer par soi-même. Mais même sans danger immédiat lié à une glycémie basse, c’est la glycémie élevée qui provoque, avec le temps, des lésions aux organes
Le fait de retarder le correctif de microcode jusqu’après la publication de toutes les reviews où les testeurs de Zen5 comparent avec les performances de Raptor Lake paraît lourd de sens
Cela rappelle le Sudden Northwood Death Syndrome de 2002
L’histoire semble se répéter, ou du moins rimer.
À l’époque, les CPU fonctionnaient avec une tension et une fréquence fixes, et seuls les overclockers en cherchaient les limites. Même alors, sauf cas extrêmes, les signalements de CPU morts à cause d’une surtension étaient rares. Avant les dégâts réels, le thermal throttling, l’instabilité et l’arrêt (THERMTRIP) semblaient intervenir pour éviter les dommages.
Désormais, les fabricants de CPU cherchent à extraire le maximum de performances possibles et, de fait, appliquent automatiquement et dynamiquement de l’overclocking et de la surtension via le firmware/microcode. Il ne serait pas surprenant qu’un bug négligeant la fiabilité, ou une ignorance délibérée de celle-ci, ait dépassé les limites. Intel a peut-être été, jusqu’à récemment, plus conservateur sur la tension maximale absolue, et le fait que des procédés plus fins augmentent le risque d’électromigration accroît aussi la vulnérabilité.
Anecdotiquement, j’ai fait tourner un CPU mobile de 8e génération, avec toutes les limites de puissance levées et à la tension par défaut, 24 h/24 pendant plus de cinq ans, collé à sa limite thermique de 100 degrés, et il reste encore parfaitement stable. Les cas de CPU utilisés pendant des années avec un radiateur bouché, voire détaché, semblent aussi étayer l’idée que ce qui tue les CPU, ce n’est pas la chaleur ni la fréquence, mais la haute tension.
En cherchant la valeur maximale de VCore des processeurs de 13e/14e génération, j’ai vu qu’elle était indiquée à 1,72 V dans la fiche technique. C’est bien plus élevé que ce à quoi je m’attendais pour un procédé 10 nm. À titre de comparaison, le i7 de 1re génération en 45 nm avait un maximum absolu de 1,55 V, la version 32 nm était descendue à 1,4 V, puis la version 22 nm était légèrement remontée à 1,52 V.
Il était stable à 1600 MHz, et je l’ai utilisé ainsi pendant des années. Je pouvais même monter jusqu’à 1700 MHz, mais à partir de là, la stabilité du CPU dépendait de la température ambiante. Quand la pièce chauffait en été, la workstation faisait des kernel panics aléatoires.
J’y ai pensé l’été dernier en assemblant un système avec un 13900K, en réglant les paramètres avec l’intention de garder le CPU 10 ans.
Anecdotiquement, mon CPU sert beaucoup pour les jeux comme pour la compilation, et je n’ai constaté aucun problème de stabilité. J’ai fixé la limite de puissance à 150 W, ce qui m’a fait perdre un peu de performances, mais pas énormément.
Il a récemment été question de problèmes similaires sur les puces mobiles de 13e/14e génération, mais Intel a affirmé qu’il s’agissait d’un autre problème.
Ce sera intéressant de voir comment cela évolue.
[1] : https://news.ycombinator.com/item?id=41026123
La perspective d’acheter Intel en se demandant, par rapport à il y a quelques générations, s’il faut attendre cinq ans pour remplacer la machine n’est pas très réjouissante. Cela dit, les options serveur AMD peuvent aussi être quelque peu limitées, et je ne sais pas très bien comment évaluer le risque, plus globalement, de voir se multiplier les mauvaises surprises.
Après avoir regardé https://youtube.com/watch?v=gTeubeCIwRw et le contenu associé, personnellement, je ne crois pas qu’il s’agisse d’un problème pouvant être corrigé par microcode. À suivre.
La vidéo en question est une vidéo de GamersNexus, qui traite d’une affirmation non vérifiée selon laquelle il s’agirait d’un problème de procédé de fabrication dû à une oxydation entre des couches de dépôt atomique. Si c’est vrai, le microcode ne pourra pas faire grand-chose. Cela dit, comme Steve le dit dans la vidéo, la théorie de l’oxydation n’est pas encore prouvée, et ils ont préféré publier ce qu’ils avaient déjà avant les prochains tests de Zen 5.
Les CPU ayant reçu des tensions de fonctionnement élevées ont-ils subi des dommages permanents ?
Je suis très satisfait de mon 7800X3D. Il tourne, comme les anciennes puces Intel, autour de 70 degrés maximum, un ventirad à 35 dollars suffit, et c’est actuellement, en moyenne, la puce la plus rapide en charge de jeu.
Vu les tarifs absurdes de l’électricité au Royaume-Uni, son efficacité énergétique est vraiment appréciable.
En voyant qu’ils injectaient autant de puissance dans les puces pour rester compétitifs, je craignais que ce genre de chose finisse par arriver.
On a l’impression que l’innovation d’Intel a vraiment ralenti, ou qu’AMD a eu plusieurs coups d’avance sur Intel en matière de technologie, de marketing et de brevets, au point de le pousser dans ses retranchements.
Je ne pense toutefois pas qu’Intel soit fini. Du moins, pas encore.