SK Hynix تشحن عينات ذاكرة HBM4E للذكاء الاصطناعي ذات 12 طبقة بسرعة 16 جيجابت/ثانية وسعة 48 جيجابايت

أعلنت SK Hynix الخميس أنها شحنت عينات HBM4E ذات 12 طبقة إلى كبار العملاء – وهو الجيل التالي من الذاكرة عالية النطاق المصممة لأعمال تدريب واستنتاج الذكاء الاصطناعي. يؤكد الإعلان، الذي نُشر عبر غرفة الأخبار الرسمية للشركة، أن SK Hynix لا تزال متقدمة في سباق إنتاج HBM: فقد شحنت Samsung عينات HBM4E الخاصة بها في أواخر مايو، لكن الإصدار ذو 12 طبقة من SK Hynix يقدم مواصفات أعلى للسعة والسرعة.

تحقق ذاكرة HBM4E ذات 12 طبقة سعة 48 جيجابايت لكل رزمة وسرعة نقل بيانات قصوى تبلغ 16 جيجابت في الثانية لكل طرف. تم تحسين كفاءة الطاقة بأكثر من 20% مقارنة بالجيل السابق HBM4. هذه ليست تحسينات هامشية: في عناقيد تدريب الذكاء الاصطناعي حيث تعمل عشرات أو مئات المسرعات في وقت واحد، يؤثر عرض النطاق الترددي للذاكرة وكفاءة الطاقة بشكل مباشر على الإنتاجية والتكلفة التشغيلية.

ما تحسنه HBM4E مقارنة بـ HBM4

تستخدم SK Hynix عملية التغليف المتقدمة MR-MUF لتكديس 12 شريحة مع الحفاظ على الاستقرار الهيكلي – وهو تحدٍ تصنيعي يزداد صعوبة مع زيادة عدد الطبقات. كما يقلل الجيل الجديد من مقاومة الحرارة بنسبة 17% مقارنة بـ HBM4، مما يعالج أحد مخاوف الموثوقية الرئيسية عند عدد الطبقات العالي حيث تصبح الإدارة الحرارية بين الرقائق المكدسة أمرًا بالغ الأهمية.

تم تقليل زمن الوصول أيضًا من خلال تحسين الواجهة والتصميم، وهو أمر مهم بشكل خاص لأعمال الاستنتاج حيث أن أنماط الوصول إلى الذاكرة أقل قابلية للتنبؤ منها في التدريب. النتيجة الصافية هي ذاكرة تعمل بشكل أسرع وأبرد وأكثر كفاءة من سابقتها – وكل هذه التحسينات الثلاثة ذات صلة بعملاء مسرعات الذكاء الاصطناعي الذين تستهدفهم SK Hynix.

المشهد التنافسي

أصبحت HBM ساحة المعركة الحاسمة في أجهزة الذكاء الاصطناعي. تستخدم وحدات معالجة الرسوميات H100 و H200 من Nvidia ذاكرة HBM3E، وقد تم تصميم منصة Rubin Ultra القادمة للشركة حول HBM4E – مما يجعل هذا الجيل من الذاكرة حاسمًا لدورة منتج Nvidia التالية. كانت SK Hynix المورد الرئيسي لـ HBM لـ Nvidia؛ والحفاظ على هذه العلاقة عبر HBM4E أمر مهم للغاية لكلتا الشركتين.

عينات HBM4E من Samsung، التي شحنت في أواخر مايو، كانت ذات 10 طبقات وليس 12 – مما يمنح SK Hynix ميزة في السعة في نفس الجيل. لم تعلن Micron، ثالث مورد رئيسي لـ HBM، عن جداولها الزمنية لـ HBM4E علنًا. موقف SK Hynix هو أن عيناتها المبكرة ذات 12 طبقة تمنح العملاء مزيدًا من الوقت للتأهيل قبل بدء إطلاق Rubin Ultra.

الشحنات الحالية هي عينات تأهيل، وليست إنتاجًا ضخمًا. قالت SK Hynix إنها تعمل عن كثب مع الشركاء لتحديد توقيت الإنتاج الضخم ولكنها لم تلتزم بموعد محدد. نظرًا لدورة التأهيل النموذجية التي تتراوح بين 6 إلى 12 شهرًا لذاكرة الذكاء الاصطناعي، فمن المحتمل أن يبدأ إنتاج HBM4E بكميات كبيرة في أواخر عام 2026 أو أوائل عام 2027.