其實很多家公司／研究機構都碰過「多個執行單元合體來加速單一工作」這個想法，只是做法不同。
Intel 的 Software Defined Supercore (SDS) 算是把這概念正式搬回 CPU。
可以分幾類看：
1. AMD：Clustered Multithreading (CMT)（最像，但方向相反）
AMD 在 Bulldozer (2011) 用過：Clustered Multithreading (CMT)1 "module" = 2 個 integer cores
+ 共用 FPU+ 共用 decode
+ 共用 cache
像這樣：
[Int Core A]\
> shared frontend/FPU
/
[Int Core B]
有點像：
先天合體的雙核心
不像 Intel SDS 是：
平常分開，需要時才動態合體
AMD Bulldozer 比較像「固定黏在一起」。
問題是：
單核沒想像中強
Windows scheduler 很難排
市場評價不好
所以後來 Zen 放棄這條路。
2. IBM：SMT4 / SMT8（反方向做到極致）
像 IBM POWER10：1 core → 同時跑 8 threads這不是「合體」，是：
一個超大核心讓很多 thread 共用
Intel 是
many small cores -> one big logical coreIBM 是：
one giant core -> many logical threads算鏡像設計。
3. NVIDIA GPU：Cooperative Thread Clusters（有點像 XPU 版）
GPU 早就在做類似事。例如 NVIDIA CUDA：
SM0 + SM1 + SM2
↓一起執行同一個 kernel
新 GPU 有：
- Thread Block Clusters
- Cooperative Groups
- GPC-level scheduling
多個運算單元暫時組隊做同一件事
其實很像 Intel Supercore，只是 GPU 比較容易做，因為：
- workload 比較規則
- SIMD/SIMT 天生適合同步
4. Academic research：Reverse Hyper-Threading（超老概念）
其實學界 20 多年前就在想：能不能把 thread-level parallelism 轉回 instruction-level parallelism？甚至很多人直接叫：
Reverse SMT
Reverse Hyper-ThreadingCore Fusion
Dynamic Core Federation
Intel 不是第一個想到。
只是以前做不到，因為：
- cache coherence 太慢
- inter-core latency 太高
- synchronization 太貴
- mesh interconnect 更快
- shared L3 更大
- chiplet fabric 更成熟
5. AI/XPU accelerator：更常見
很多 AI accelerator 已經在做：systolic array pooling例如：
會把：many compute tiles
動態變成：one giant matrix engine
這其實是：
Supercore for AI只是不是 CPU ISA，而是 tensor ISA。
誰最像 Intel Software Defined Supercore？
最像的是這三個：<thead data-start="2349" data-end="2361"></thead>
| 技術 | 像不像 |
|---|---|
| AMD Bulldozer CMT | 70%（固定共享） |
| NVIDIA SM clustering | 80%（動態組隊） |
| AI accelerators tile fusion | 90%（最接近概念） |
但：
Intel 是第一個想把這件事正式用在 general-purpose x86 CPU 上。這才是特別的地方。
一句話：
AMD：先天雙胞胎
IBM：一個巨人分身NVIDIA：多人合作AI XPU：tile fusionIntel SDS：多核心臨時合體
Intel 並不是唯一想到的人，
但可能是第一個想把「動態合體 CPU core」商品化的人。
