Update vom Juli 2024 zu Instabilitätsberichten bei Intel Core Desktop-CPUs der 13. und 14. Generation

 (community.intel.com)
1 Punkte von GN⁺ 2024-07-24 | 1 Kommentare | Auf WhatsApp teilen
  • Intel kam bei der Analyse zurückgesendeter Core Desktop-Prozessoren der 13. und 14. Generation zu dem Schluss, dass die Instabilität einiger Produkte mit hohen Betriebsspannungen zusammenhängt
  • Als Ursache wurde ein Mikrocode-Algorithmus identifiziert, der fehlerhafte Spannungsanforderungen an den Prozessor sendet
  • Intel bereitet einen Mikrocode-Patch vor, der die Grundursache der hohen Spannungsexposition beheben soll; nach vollständiger Validierung ist die Freigabe an Partner für Mitte August vorgesehen
  • Kundinnen und Kunden, die Instabilitätsprobleme hatten oder derzeit haben, können Unterstützung beim Austauschverfahren erhalten
  • Die Anlaufstelle hängt von der Kaufart ab: Bei OEM-/System-Integrator-Systemen ist der Verkäufer zu kontaktieren, bei Boxed-Produkten der Intel Customer Support, bei Tray-CPUs die Bezugsquelle

Ursache der Instabilität

  • Intel hat Core Desktop-Prozessoren der 13. und 14. Generation, die wegen Instabilitätsproblemen zurückgesendet wurden, umfassend analysiert
  • Bei einigen Produkten wurde hohe Betriebsspannung als Faktor eingestuft, der die Instabilität verursacht
  • Die Analyse der zurückgesendeten Prozessoren ergab, dass die hohe Betriebsspannung von einem Mikrocode-Algorithmus herrührt, der fehlerhafte Spannungsanforderungen an den Prozessor sendet

Plan für den Mikrocode-Patch

  • Intel wird einen Mikrocode-Patch bereitstellen, der die Grundursache der hohen Spannungsexposition behebt
  • Im Zusammenhang mit Core Desktop-Prozessoren der 13. und 14. Generation setzt Intel die Validierung weiter fort, ob die gemeldeten Instabilitätsszenarien behoben werden
  • Der Zieltermin für die Freigabe des Patches an Partner nach Abschluss der vollständigen Validierung ist Mitte August

Unterstützung beim Kundenaustausch

  • Intel teilt mit, dass Kundinnen und Kunden, die bei Desktop-Prozessoren der 13. und/oder 14. Generation Instabilitätsprobleme hatten oder derzeit haben, Unterstützung beim Austauschverfahren erhalten können
  • Das Supportverfahren unterscheidet sich je nach Kaufart
    • Käufer von OEM-/System-Integrator-Desktop-Systemen wenden sich an das Kundensupport-Team des Systemverkäufers
    • Käufer von boxed Desktop-Prozessoren der 13. und 14. Generation wenden sich an den Intel Customer Support
    • Käufer von Tray-Desktop-Prozessoren der 13. und 14. Generation wenden sich an ihre Bezugsquelle

Spätere Aktualisierungen

Verwandte Beiträge

1 Kommentare

 
GN⁺ 2024-07-24
Meinungen auf Hacker News

  • Tatsächlich ist die Erklärung, es handle sich um ein Microcode-Problem, schwer zu glauben
    Intel hat einen sehr großen Anreiz, das auf den Microcode zu schieben. Wenn man einfach einen Patch ausrollt, lässt es sich kostenlos beheben; wenn es aber ein tatsächlicher Hardwaredefekt ist, müssten die fehlerhaften CPUs zurückgerufen werden, was Milliarden Dollar kosten könnte
    Außerdem hat Intel viel zu lange geschwiegen. Wenn das Problem einfach darin bestünde, dass fehlerhafter Microcode vom Mainboard Spannungen außerhalb der Spezifikation anfordert, hätte man das mit Spannungs-Logging am Mainboard-VRM schnell finden und innerhalb weniger Wochen beheben müssen. Einige Quellen sagen, Intel liefere bereits seit Monaten, wenn ich mich recht erinnere seit April, fehlerfreie CPUs aus, und diese Produkte hätten keinen aktualisierten Microcode
    Diese lange Verzögerung wirkt so, als habe man monatelang in R&D neue Spannungsspezifikationen erarbeitet, um einen Hardwaredefekt bei möglichst vielen Produkten zu umgehen und dabei Performanceverluste oder neue Fehler durch Unterspannung zu minimieren
    Dieses Microcode-Update wird vermutlich nur die Abstürze einiger CPUs „beheben“, und etwa einen Monat später wird Intel wohl sagen, es habe in Wirklichkeit zwei voneinander unabhängige Probleme gegeben, und für die Produkte, die sich nicht per Microcode reparieren lassen, widerwillig einen Rückruf starten

    • Nach meinem Verständnis gibt es innerhalb der CPU mehrere Spannungen, daher reicht es nicht aus, nur den VRM des Mainboards zu überwachen
      Trotzdem bin ich sehr skeptisch, deshalb haben wir in der Firma den Kauf von Intel-CPUs der 13. und 14. Generation vorübergehend ausgesetzt und warten auf echte Belege dafür, dass das Problem vollständig gelöst ist
    • Am wahrscheinlichsten ist, dass es ein Hardwareproblem und zugleich ein Microcode-Problem ist
      CPU-Fertigung ähnelt dem Sortieren von Eiern. Die hergestellten Chips haben leicht unterschiedliche Eigenschaften und werden je nachdem, wie gut sie die Spezifikationen erfüllen, in Klassen eingeteilt
      Vereinfacht gesagt halten „bessere“ Chips höhere Taktraten oder Spannungen aus und werden teurer verkauft. Wenn sich ein Staubkorn auf dem Die befindet, werden Teile der Funktion deaktiviert und der Chip zu einem niedrigeren Preis verkauft
      In diesem Fall handelt es sich sehr wahrscheinlich um Grenzfälle, die man nicht als Defekt betrachtet hätte, wenn der ausgelieferte Microcode sie bereits abgefangen hätte. Allerdings kann man durchaus diskutieren, ob die betroffenen Chips ursprünglich in eine niedrigere Preisklasse hätten einsortiert werden müssen
    • Dass die Entwicklung eines Workarounds mehrere Monate R&D gebraucht hat, könnte daran liegen, dass einige Mainboards, die dieses Problem auslösen, beim Spannungsmanagement grenzwertiges oder unerwartetes Verhalten zeigen
      Dieses Verhalten im CPU-Microcode zu umgehen, ist nicht trivial. Es scheint nicht bei allen Mainboard-Modellen Fehler zu geben, daher wirkt das Mainboard-Verhalten zumindest wie ein Faktor
    • Moderne CPUs haben bereits ab Werk zahlreiche Bugs. Die veröffentlichten Errata sind nur die nach der Auslieferung gefundenen, und mit Glück werden überhaupt alle veröffentlicht. Viele Bugs werden während Tests und Validierung vor der Auslieferung behoben
      CPU-Design läuft darauf hinaus, möglichst viel in Firmware auszulagern und Chicken Switches, alternative Pfade sowie Mechanismen einzubauen, die normales Verhalten abfangen und in Microcode-Traps, Flushes oder Performance-reduzierende Abläufe umwandeln
      Fixes oder Workarounds können spürbare Performancekosten verursachen. Ein typisches Beispiel sind Spectre-Gegenmaßnahmen, bei denen bestimmte Branch Predictor deaktiviert wurden. Selbst in veröffentlichten Errata gibt es Fälle, in denen theoretische Korrektheitsfehler gar nicht behoben werden und bestehen bleiben. Wo genau man anfangen müsste, Rückgaben zu akzeptieren, ist sehr unscharf
      Die Spannungsregelung dürfte zusammen mit Frequenz, Temperatur und logischem Throttling zu einem großen Teil konfigurierbar sein und möglicherweise von einem vollständig programmierbaren Mikrocontroller im Chip übernommen werden. Was fest im Silizium steckt, könnten Dinge wie Spannungs- und Droop-Sensoren oder Temperatursensoren sein, und auch diese können sich unerwartet verhalten. Trotzdem kann es Redundanz oder Möglichkeiten zur Korrektur kleiner Abweichungen geben
      Ich würde nicht sagen, Intel habe es „auf ein Microcode-Problem abgeschoben“. Sie haben lediglich gesagt, dass es per Microcode-Patch behoben werden könne. Von außen ist sehr schwer zu erkennen, was sinnvollerweise per Microcode behoben werden kann und was man als Microcode-Problem bezeichnen sollte. Im Design können viele Dinge durch Firmware- oder Microcode-Patches korrigiert werden, und genau so geschieht es auch tatsächlich
      Wenn sich zum Beispiel die Spannungssensor-Schaltung eines Chips etwas anders verhält als im Designmodell erwartet, sich das aber durch einen Offset in einer Tabelle kompensieren lässt, dann besteht das „Problem“ darin, dass das Silizium vom Modell oder Design abweicht, und das Silizium selbst kann man nicht ändern. Trotzdem kann ein Firmware-Update eine völlig angemessene Korrektur sein, und selbst bei einem neuen Mask Spin würde man den Sensor möglicherweise nicht neu entwerfen
      Auch beim Spannungsproblem hat Intel nicht gesagt, dass Spannungen außerhalb der Spezifikation angefordert wurden, sondern dass sie „inkorrekt“ seien. Das ist kein Problem, das sich ohne Kontext leicht erkennen lässt. Dynamische Spannungs- und Frequenzskalierung und die damit verbundenen analogen Probleme sind extrem komplex. Die beim Regler angeforderte Spannung ist nicht identisch mit der Spannung, die eine bestimmte Komponente im Chip tatsächlich sieht; Last, Schaltvorgänge, Kapazität, Frequenz, Temperatur und weitere Faktoren spielen alle hinein
      Moderne CPUs arbeiten aus Effizienzgründen möglichst nahe an der minimalen Spannungs- und Timing-Marge und boosten für Performance auf möglichst hohe Spannungen. Schon ein kleiner Bug oder Fehler in den Charakterisierungsdaten eines komplexen Algorithmus aus vielen Variablen und großen mehrdimensionalen Tabellen kann dazu führen, dass Spannung oder Timing außerhalb der Spezifikation geraten und Instabilität entsteht. Da man nicht ständig die Spannungen von Milliarden Komponenten im Chip messen kann, gibt es auch kein sauberes Debug-Log
      Manche Bugs brauchen einfach lange, bis man sie findet und behebt. Ich habe einmal, nicht bei Intel, in einer kommerziellen CPU einen Logikbug gefunden, der sich schnell reproduzieren ließ und eine interne Einheit eines Cores hart blockierte, und trotzdem hat es Wochen gedauert. Ein flüchtiger Analogbug, der in einer Ecke des Betriebsbereichs versteckt ist, kann noch viel schwieriger sein
      Danach muss man die eigentliche Korrektur entwickeln und ziemlich strenge Tests laufen lassen, um mit angemessener Sicherheit sagen zu können, dass das Problem behoben ist, bevor man es ankündigen kann. Das dauert noch einmal einige Wochen
      Ich schließe nicht aus, dass Intel unehrlich war oder schlechte Motive hatte, aber anhand der derzeitigen Informationen lässt sich so etwas nicht seriös vermuten. Diese Ankündigung klingt ziemlich plausibel
    • Das Wasser ist inzwischen ausreichend trüb, sodass man einen vollständigen Rückruf vermeiden und möglicherweise nur in Fällen reagieren kann, in denen Belege vorgelegt werden, dass das System weiterhin abstürzt

  • https://scholar.harvard.edu/files/mickens/files/theslowwinte...
    „Unglücklicherweise für John hatten die Branches einen Pakt mit Satan und der Quantenmechanik geschlossen [...] Im Austausch für das letzte verbliebene Stück Entropie belegten die Branches künftige Prozessorgenerationen mit bösen Zaubern. Diese Zauber trugen Namen wie ‚durch Skalierung verursachte Spannungsleckage‘ und ‚zunehmende Abwärme‘ [...] Die Branches, ein vor langer Zeit besiegter Feind, würden am Ende zuletzt lachen.“
    „John war vom Platzen der Parallelitätsblase erschrocken und verwarf hastig den Plan für den 743-Kern-Prozessor ‚The Hydra of Destiny‘, bei dem in Gary, Indiana, für kurze Zeit ein abstraktes platonisches Ideal das drittbeste Schach spielte. Mit einer Flasche Whisky in der einen und einer Schrotflinte in der anderen Hand durchforstete John die Forschungsliteratur auf der Suche nach einer Idee, die den Traum unendlicher Skalierung retten könnte. Er fand mehrere Papers zu softwaregestützter Hardware-Recovery. Die Grundidee war einfach: Wenn Hardware mit zunehmender Verkleinerung häufiger temporär versagt, könnte man dann nicht die Software fehlerhafte Berechnungen erkennen und erneut ausführen lassen? Diese Idee wirkte vielversprechend, bis John erkannte, dass sie die schlechteste Idee aller Zeiten war. Moderne Software funktioniert schon kaum, wenn die Hardware korrekt arbeitet; Software mit der Korrektur von Hardwarefehlern zu betrauen, ist also so, als würde man Godzilla bitten, Mega-Godzilla daran zu hindern, Japan in Angst und Schrecken zu versetzen. Das führt nicht zu steigenden Immobilienpreisen in Tokio. Es ist besser, das Transistor-Scaling gar nicht erst weiterzutreiben und nicht mit Monstern zu spielen, als ein ausgeklügeltes System von Checks and Balances für Monster zu bauen und dann zu hoffen, dass die Monster nicht das tun, was sie immer tun. Denn wenn sie das nicht täten, hießen sie Pusteblumen oder Welpenumarmungen.“

    • Ich lese diesen Text zum ersten Mal, aber schon etwa in der Mitte war mir sofort klar, dass ihn Mickens geschrieben haben musste
    • Die Passage „Laut meinem Vater war Fliegen früher angenehm ... alle waren attraktiv ...“ erinnert mich an heutige Supercharger-Ladestationen für Elektroautos
      Es gibt da eindeutig einen privilegierten Aspekt, und einige attraktive Menschen profitieren auf vorhersehbare Weise davon und leisten sich auch andere teure Pflege, um Gesundheit und Aussehen zu erhalten. Vielleicht erzähle ich meinen Kindern später einmal auf dieselbe Art davon

  • Man muss abwarten, wie sich der Microcode-Patch auf die Performance auswirkt und wie CPUs, die durch Überspannung so stark betroffen waren, dass sie instabil wurden, in sechs Monaten oder einigen Jahren altern werden
    Im Allgemeinen erhöht mehr Spannung die Timing-Reserven und verbessert die Stabilität. Instabilität bei hoher Spannung deutet auf ein gefährliches Niveau hin. Ein Software-Patch kann die künftige Spannung senken, aber die bereits angesammelte kumulative Ermüdung nicht rückgängig machen

    • Intel behauptet für den finalen Patch einen Performanceverlust von 4 % https://youtu.be/wkrOYfmXhIc?t=308
    • Ich habe in letzter Zeit ein paar Systeme zusammengebaut und mich vor dem Kauf umgesehen; eigentlich mochte ich Intel, bin diesmal aber zu AMD gegangen
      Bei Intel schien der Abstand zwischen Basistakt und Boost-Takt meist deutlich größer zu sein als bei AMD. Das galt besonders bei Laptops, wo die Kühlung stärker limitiert, und es fühlte sich an, als hätten sie die Grenzen ausgereizt
      Auch die Aufteilung in Performance-Kerne und Effizienz-Kerne wirkte wegen der wenigen Performance-Kerne und vielen Effizienz-Kernen ein wenig wie ein Trick. Es heißt dann „20-Kern-Prozessor!“, aber aus Performance-Sicht ist es im Grunde ein 8-Kerner. Das lässt sich schwer mit einem höher getakteten 12-Kern-Ryzen mit 3D-Cache vergleichen
      Trotzdem kann Intel noch Vorteile haben. AMD schien bei den aktuellen Chipsätzen Probleme mit ECC-Support zu haben, und deshalb hätte ich mich fast doch für Intel entschieden. Am Ende kam ich zu dem Schluss, dass die integrierte Fehlerkorrektur von DDR5 ausreicht. Auch die Performance-Grafiken zeigen einen gleichmäßigeren Durchsatz, was nach effizienterer oder eleganterer Ausführung aussieht, also nach weniger Staus. Im Durchschnitt scheint AMD aber trotz etwas spitzerer Graphen zu ähnlichen Endergebnissen zu kommen
    • Es mag ein etwas weiter Sprung sein, aber es erinnert mich an die Blutzuckerkontrolle bei Typ-1-Diabetikern
      Ist der Blutzucker zu niedrig, ist das gefährlich, weil man rationales Denken, Bewusstsein und die Fähigkeit verliert, sich selbst zu erholen. Aber auch wenn niedriger Blutzucker unmittelbar gefährlich ist, ist es hoher Blutzucker, der mit der Zeit Organschäden verursacht

  • Es wirkt bezeichnend, dass der Microcode-Patch offenbar aufgeschoben wird, bis Zen5-Reviewer alle ihre Reviews veröffentlicht haben, in denen sie mit der aktuellen Raptor-Lake-Performance vergleichen

    • Warum sollte man Vergleichsreviews veröffentlichen? Raptor-Lake-Prozessoren sind keine ordnungsgemäß funktionierenden Produkte, die man als Benchmark-Basis verwenden sollte

  • Das erinnert an das Sudden Northwood Death Syndrome von 2002
    Die Geschichte scheint sich zu wiederholen oder zumindest zu reimen
    Damals liefen CPUs mit fester Spannung und fester Frequenz, und nur Overclocker loteten die Grenzen aus. Auch damals waren Berichte selten, dass CPUs durch Überspannung starben, sofern es keine extremen Fälle waren. Vor tatsächlichen Schäden schienen zuerst Thermal Throttling, Instabilität und Abschaltung (THERMTRIP) einzusetzen und Schäden zu verhindern
    Heute versuchen CPU-Hersteller, möglichst viel Leistung herauszuholen, und betreiben im Grunde per Firmware/Microcode automatisches und dynamisches Overclocking samt Überspannung. Es wäre nicht überraschend, wenn ein Bug oder ein bewusstes Ignorieren der Zuverlässigkeit eine Grenze überschritten hätte. Intel könnte bis vor Kurzem bei der absoluten Maximalspannung konservativer gewesen sein; dazu kommt, dass bei kleineren Fertigungsprozessen die Wahrscheinlichkeit von Elektromigration steigt und damit die Anfälligkeit zunimmt
    Nur anekdotisch: Ich habe eine mobile CPU der 8. Generation mit aufgehobenen Power-Limits und Standardspannung über mehr als fünf Jahre rund um die Uhr bei 100 Grad am thermischen Limit betrieben, und sie ist immer noch zu 100 % stabil. Fälle von CPUs, die jahrelang mit verstopftem oder sogar abgefallenem Kühlkörper genutzt wurden, scheinen ebenfalls zu belegen, dass nicht Hitze oder Frequenz CPUs töten, sondern hohe Spannung
    Ich habe nach dem VCore-Maximum der Prozessoren der 13./14. Generation gesucht; laut Datenblatt liegt es bei 1,72 V. Für einen 10-nm-Prozess ist das deutlich höher als erwartet. Zum Vergleich: Der i7 der 1. Generation in 45 nm hatte ein absolutes Maximum von 1,55 V, bei der 32-nm-Version sank es auf 1,4 V, und bei der 22-nm-Version stieg es leicht auf 1,52 V

    • Das weckt Erinnerungen. Ich hatte einen Thunderbird-Core-Athlon, dessen Standardfrequenz, wenn ich mich recht erinnere, 1050 MHz betrug
      Bei 1600 MHz lief er stabil, und ich habe ihn mehrere Jahre so genutzt. Bis 1700 MHz konnte ich ihn auch bringen, aber ab da hing die CPU-Stabilität von der Umgebungstemperatur ab. Wenn es im Sommer im Zimmer warm wurde, bekam die Workstation zufällig Kernel Panics
    • Interessant, ich hatte noch nie von Pentium-Overclocking-Problemen gehört. Meine Hypothese zum aktuellen Problem ist, dass es der Lebensdauer nicht guttut, einen Chip lange bei 100 Grad laufen zu lassen, aber auch die Spannung könnte ein Problem sein
      Als ich letzten Sommer ein System mit einem 13900K gebaut habe, dachte ich daran und wählte die Einstellungen mit dem Ziel, die CPU zehn Jahre zu nutzen
      Anekdotisch: Meine CPU wird viel fürs Gaming und viel fürs Kompilieren genutzt, aber ich habe keine Stabilitätsprobleme bemerkt. Ich habe das Power-Limit auf 150 W gesetzt und dadurch etwas Leistung verloren, aber nicht viel
    • Intels erste Erklärung war meiner Erinnerung nach, den Mainboard-Herstellern die Schuld zuzuschieben, weil sie versucht hätten, diese CPU „automatisch“ zu übertakten

  • Kürzlich gab es Berichte, dass es bei mobilen Chips der 13./14. Generation ähnliche Probleme gebe, Intel behauptete jedoch, es handle sich um ein anderes Problem
    Es wird spannend zu sehen, wie sich das entwickelt
    [1]: https://news.ycombinator.com/item?id=41026123

    • Das Mobile-Problem wirkt eher anekdotisch als datenbasiert. Es fühlt sich eher so an, als habe jemand auf Reddit gehört, dass CPUs der 13./14. Generation schlecht seien, und nach einem Notebook-Absturz entschieden: „Mich hat es auch erwischt“
    • Gibt es bei Server-CPUs keine ähnlichen Probleme, oder weiß Intel, dass Server-Käufer das weniger hinnehmen würden?
      Die Aussicht, Intel zu kaufen und dann zu überlegen, ob man im Vergleich zu einigen Generationen zuvor fünf Jahre bis zum Austausch wartet, ist nicht besonders attraktiv. Allerdings könnten auch die AMD-Serveroptionen etwas eingeschränkt sein, und ich bin mir insgesamt nicht sicher, wie man die Wahrscheinlichkeit einschätzen soll, dass es immer mehr überraschende Probleme gibt

  • Nachdem ich https://youtube.com/watch?v=gTeubeCIwRw und die zugehörigen Inhalte gesehen habe, glaube ich persönlich nicht, dass es ein Problem ist, das sich per Microcode beheben lässt. Man wird sehen

    • HN bietet keine Link-Vorschauen, daher ist es besser, in Kommentaren etwas Beschreibung zum Inhalt hinzuzufügen. Sonst muss man YouTube anklicken, um den Kommentar zu verstehen
      Das betreffende Video ist von GamersNexus und behandelt eine nicht verifizierte Behauptung, es handle sich um ein Problem im Fertigungsprozess, verursacht durch Oxidation zwischen atomaren Abscheidungsschichten. Wenn das stimmt, kann Microcode nur begrenzt etwas ausrichten. Wie Steve im Video sagt, ist die Oxidationstheorie allerdings noch nicht bewiesen; sie berichten lediglich vor den demnächst erscheinenden Zen-5-Reviews über das, was sie derzeit zusammengetragen haben

  • Sind CPUs, die hohe Betriebsspannungen erhalten haben, dauerhaft beschädigt?

    • Das ist die dringendste Frage. Wenn es nur ein Microcode-Problem wäre, müsste es sich zumindest zurücksetzen lassen, indem man abkühlt und den Rechner aus- und wieder einschaltet; laut Wendel von Level 1 Tech ist das aber offenbar nicht immer der Fall
    • Es scheint nicht sofort kaputtzugehen, aber es gibt Berichte, dass sie mit der Zeit degradieren. Das dürfte von Fall zu Fall unterschiedlich sein
    • Schäden durch Elektromigration sind möglich

  • Mit meinem 7800X3D bin ich sehr zufrieden. Er läuft wie frühere Intel-Chips bei maximal etwa 70 Grad, ein 35-Dollar-Luftkühler reicht aus, und unter aktuellen Gaming-Lasten ist er im Durchschnitt der schnellste Chip

    • Ich bin mit meinem 5800X3D ebenfalls sehr zufrieden. Zu dem Zeitpunkt, als AM5 gerade erschienen war und DDR5 sowie Mainboards extrem teuer waren, war er ein hervorragendes Preis-Leistungs-Angebot
      Angesichts der absurden Strompreise in Großbritannien bin ich für die Energieeffizienz wirklich dankbar

  • Als ich sah, wie viel Leistung man in Chips hineinpumpt, um wettbewerbsfähig zu bleiben, hatte ich schon Sorge, dass so etwas passieren könnte
    Es wirkt, als sei Intels Innovation wirklich langsamer geworden, oder als habe AMD bei Technik, Marketing und Patenten einige Züge vorausgedacht und Intel in die Ecke gedrängt
    Trotzdem glaube ich nicht, dass Intel am Ende ist. Zumindest noch nicht