ذاكرة HBM4 تتحول إلى عنق الزجاجة الحقيقي في تصميم رقاقات الذكاء الاصطناعي

على مدى العامين الماضيين، كان النقاش حول أجهزة الذكاء الاصطناعي يدور حول FLOPS — عدد تريليونات عمليات الفاصلة العائمة التي يمكن للرقاقة معالجتها في الثانية. أصبح هذا الإطار قديمًا الآن. في عام 2026، لم يعد القيد الملزم لتدريب واستدلال الذكاء الاصطناعي هو قوة الحوسبة، بل عرض النطاق الترددي للذاكرة. يطلق على هذا اسم "جدار الذاكرة"، وHBM4 — أحدث جيل من الذاكرة عالية النطاق الترددي — هو المحاولة الحالية لاختراقه، رغم أن الأرقام تظهر أنه حل مؤقت وليس حلاً جذريًا.

لماذا يُعد عرض النطاق الترددي، وليس قوة الحوسبة، هو العائق

يستطيع مسرع الذكاء الاصطناعي الحديث إجراء عمليات ضرب مصفوفات في الثانية أكثر بكثير مما يمكنه تغذيته بالبيانات. تحتاج نماذج اللغة الكبيرة التي تحتوي على مئات المليارات من المعاملات إلى نقل كميات هائلة من بيانات الأوزان بين الذاكرة ونوى الحوسبة لكل رمز (token) يتم توليده. إذا لم تستطع الذاكرة مواكبة ذلك، فإن رقائق الحوسبة الباهظة الثمن تبقى خاملة في انتظار البيانات — وهي مشكلة يطلق عليها المهندسون اسم "مقيد بالذاكرة". لهذا السبب تأتي منصة Vera Rubin من NVIDIA بثماني حزم HBM4 توفر 22 تيرابايت/ثانية من النطاق الترددي النظري و288 غيغابايت من السعة، ولهذا تقابلها سلسلة MI400 من AMD مع Instinct MI455X باستخدام 12 حزمة HBM4 لتوفير سعة 432 غيغابايت و19.6 تيرابايت/ثانية — وهي قفزة بنسبة 145% في النطاق الترددي مقارنة بـ 8 تيرابايت/ثانية للجيل السابق MI350.

ما الذي تغير مع HBM4

يضاعف HBM4 عرض واجهة الذاكرة إلى 2048 بت لكل حزمة، مقارنة بالناقل الأضيق لـ HBM3، مما يتيح حوالي 1.5+ تيرابايت/ثانية لكل حزمة فردية بسعات تصل إلى 48 غيغابايت. عند تكديس عدة حزم معًا — كما تفعل NVIDIA وAMD — تحصل على أرقام النطاق الترددي الثنائية الرقم المذكورة أعلاه. هذا ليس تحديثًا تدريجيًا؛ بل إعادة تصميم هيكلية لكيفية تواصل رقائق الذاكرة مع طبقة المنطق الأساسية تحتها، وقد تطلب ذلك من كل من Samsung وSK Hynix بدء الإنتاج الضخم في فبراير 2026 بعد أن أخرت Samsung طرحها مرة واحدة بسبب مشاكل الإنتاجية.

مشكلة العرض التي لا يتحدث عنها أحد

إليك الجزء الذي يجب أن يقلق أي شخص يبني على بنية تحتية للذكاء الاصطناعي: كل وحدة من طاقة إنتاج HBM4 لعام 2026 من الموردين الثلاثة — SK Hynix وSamsung وMicron — كانت قد بيعت بالكامل وحُجزت من قبل NVIDIA وAMD وفريق TPU من Google بحلول نهاية الربع الأول من عام 2026. تمتلك SK Hynix حوالي 50-55% من حصة السوق، وSamsung 35-40%، وMicron 5-10% البعيدة، حيث تقوم Micron الآن فقط برفع طاقتها إلى 15,000 ويفر مخصص بحلول نهاية العام. تعكس الأسعار الندرة: سعر HBM3 حوالي 200 دولار لكل حزمة، وHBM3E حوالي 300 دولار، وHBM4 حوالي 500 دولار — وهي علاوة تُدرج في فاتورة مواد كل مسرع للذكاء الاصطناعي وفي النهاية في ما تفرضه موفري الخدمات السحابية مقابل ساعات GPU.

هذا مهم لأنه يعيد تشكيل من يمكنه المنافسة في الذكاء الاصطناعي الحدودي. لا يمكن لشركة ناشئة أو موفر خدمات سحابية متوسط المستوى ببساطة طلب المزيد من HBM4 لتوسيع النطاق — فقد تم حجز الويفرات قبل عام مقدمًا. أصبحت سعة الحوسبة مقيدة بشكل متزايد ليس بالانتصارات في تصميم الرقائق، بل بعقود توريد الذاكرة الموقعة قبل 12-18 شهرًا.

ماذا يعني هذا للمشترين والبناة

إذا كنت تقوم بتقييم البنية التحتية للذكاء الاصطناعي في عام 2026، فإن عرض النطاق الترددي للذاكرة لكل دولار أصبح الآن مقياس مقارنة أكثر فائدة من TFLOPS الخام. سيكون أداء GPU بقدرة حوسبة أعلى ولكن نطاق ترددي للذاكرة مجهد أقل من تصميم متوازن بشكل أفضل في أعباء العمل الحقيقية، خاصة في تقديم الاستدلال حيث يكون توليد الرموز مقيدًا بشدة بالذاكرة. يجب على الفرق التي تبني خدمات استدلال ذات سياق كبير أو إنتاجية عالية قياس الرموز الفعلية في الثانية تحت التحميل بدلاً من الثقة في مواصفات FLOPS القصوى، لأن الفجوة بين الأداء النظري والفعلي أصبحت الآن قصة نطاق ترددي للذاكرة بشكل أساسي.

بالنسبة لأي شخص يوقع عقود GPU أو سحابية متعددة السنوات، ضع في اعتبارك أن قيود توريد HBM4 هيكلية وليست مؤقتة — توقع استمرار ضغط الأسعار وندرة التخصيص حتى عام 2027 على الأقل بينما تقوم المصانع (fabs) برفع طاقتها. لن تأتي القفزة الحقيقية التالية من مواصفات HBM5 الأسرع وحدها؛ بل ستأتي من تغييرات معمارية — مثل تقريب الذاكرة من الحوسبة عبر تغليف الرقائق الصغيرة (chiplet packaging) أو استكشاف المعالجة داخل الذاكرة (processing-in-memory) — التي تقلل من كمية البيانات التي تحتاج إلى التحرك في المقام الأول.