۱۰ میلیارد دلار؛ این مبلغی است که میکرون (Micron) برای تضمین زیرساخت‌های سخت‌افزاری عصر هوش مصنوعی روی میز گذاشته است. طبق اعلام این شرکت در ۲۰ اوت ۲۰۲۶، تأسیس «آزمایشگاه‌های تحقیقاتی میکرون» (Micron Research Labs) — نهادی مستقر در ایالات متحده و با مرکزیت بویزی در ایالت آیداهو — با هدف حل گلوگاه‌های حافظه پیش از رسیدن آن‌ها به خط تولید طراحی شده است.
این پروژه را می‌توان «مرحله‌ی نقشه‌کشی» در تکامل نیمه‌هادی‌ها دانست. در حالی که بیشتر هزینه‌های صنعت صرف ساخت کارخانه‌هایی برای تولید تراشه‌های فعلی می‌شود، این ابتکار روی کارهای تئوریک سرمایه‌گذاری می‌کند که تعیین می‌کنند این کارخانه‌ها در یک دهه آینده چه محصولاتی تولید خواهند کرد. این شبیه به مهندسی شهری است که به‌جای ساخت یک ساختمان، در حال طراحی استانداردهای شهرسازی برای ۱۰ سال آینده است. این یک شرط‌بندی استراتژیک است بر این فرض که مسیر فعلی فناوری حافظه نمی‌تواند تقاضای مقیاس‌پذیری سیستم‌های هوش مصنوعی در آینده را تأمین کند. این رقابت برای تسلط بر زیرساخت‌های حافظه تنها محدود به میکرون نیست و سرمایه‌گذاری گسترده SK hynix برای رفع گلوگاه‌های مشابه نشان‌دهنده شدت رقابت در این حوزه است.
بستر سازمانی
میکرون این مرکز را نخستین نهاد تحقیقاتی اختصاصی حافظه در نوع خود در ایالات متحده توصیف می‌کند. این مرکز به‌جای یک آزمایشگاه داخلی استاندارد برای توسعه محصول، به عنوان یک نهاد همکاری‌محور و «پیش‌رقابتی» (Precompetitive) طراحی شده است. برای پیشبرد این مأموریت، شرکت از گنجینه‌ی ۶۲ هزار پتنت ثبت‌شده در طول تاریخ خود استفاده می‌کند تا مبنایی برای نوآوری‌های جدید باشد.
اسکات دبور، نایب‌رئیس اجرایی و مدیر ارشد فناوری و محصولات میکرون، تأکید کرد که این آزمایشگاه‌ها «خانه‌ای اختصاصی برای نوآوری‌های بلندمدت» هستند و بر تحقیقاتی تمرکز دارند که در بالادستِ هر محصولی که شرکت می‌سازد قرار می‌گیرد. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی امنیت مدل‌های بازمتن و زیرساخت‌های آن‌ها اشاره کردیم، کنترل لایه‌های سخت‌افزاری اکنون به اندازه بهینه‌سازی نرم‌افزاری اهمیت یافته است.
بر اساس مستندات شرکت، این نهاد به صورت یک شبکه «مرکز و شعبه» (Hub-and-Spoke) عمل می‌کند. پرچم‌دار این شبکه در بویزی، میزبان صدها پژوهشگر خواهد بود و به عنوان مرکزی برای انجمن‌های نوآوری جهانی، کارگاه‌ها و کنفرانس‌ها عمل می‌کند. این هسته مرکزی توسط آزمایشگاه‌های ماهواره‌ای و مشارکت‌های استراتژیک در ایالات متحده، اروپا، ژاپن، هند، سنگاپور و تایوان پشتیبانی می‌شود تا دسترسی به استعدادها و دانش جهانی فراهم شود.
تمرکز تحقیقاتی استراتژیک
آزمایشگاه‌های تحقیقاتی میکرون بر مشکلاتی با افق زمانی بیش از ۱۰ سال تمرکز می‌کنند. این رویکرد بلندمدت به‌ویژه در حوزه‌های زیر متمرکز است:
- معماری‌های پیشرفته حافظه و محاسبات (Compute Architectures)
- تکنیک‌های بسته‌بندی (Packaging) نسل بعد برای تراشه‌ها
- فرآیندهای ساخت نیمه‌هادی‌های آینده
- توسعه حافظه‌های پایدار، در دسترس و مقیاس‌پذیر برای هوش مصنوعی
- پرورش و توسعه نسل بعدی پژوهشگران حوزه حافظه
این تلاش کاملاً از مبلغ ۲۵۰ میلیارد دلاری که میکرون تا سال ۲۰۳۵ برای تولید و تحقیق و توسعه در آمریکا متعهد شده، مجزا است. در حالی که بودجه بزرگ‌تر صرف ساخت «مگافب‌ها» (Megafabs) در نیویورک و آیداهو می‌شود، این صندوق ۱۰ میلیارد دلاری بر علوم پیش‌رقابتی در بالادست این تأسیسات متمرکز است تا اطمینان حاصل شود که کارخانه‌ها از پیش تکنولوژی‌های آینده را می‌شناسند.
حمایت‌های اکوسیستمی
این ابتکار حمایت‌های سطح بالایی را در اکوسیستم هوش مصنوعی جلب کرده است. جن‌سن هوانگ، مدیرعامل انویدیا (NVIDIA)، اشاره کرد که میکرون در حال «بازتعریف فناوری‌ها و معماری‌های حافظه برای تغذیه نسل بعدی سیستم‌های قدرتمند هوش مصنوعی» است. همچنین تیم کوک از اپل (Apple) به دو دهه همکاری استراتژیک میان این دو شرکت اشاره کرد که این پروژه را تقویت می‌کند.
سایر شرکا شامل سازندگان تجهیزات پیشرفتهای چون اپلاید متریالز (Applied Materials) و لم ریسرچ (Lam Research)، کنسرسیوم تحقیقاتی ایمک (imec)، آکادمی ملی مهندسی و مؤسسات دانشگاهی برجسته‌ای مانند استنفورد و یوتی‌‌ای آستین هستند.
حمایت‌های دولتی نیز به وضوح مشهود است؛ امضاهای هاوارد لوتنیک، وزیر بازرگانی و مایکل کراتسیوس، مدیر سیاست‌های علمی کاخ سفید، نشان می‌دهد که این پروژه به عنوان مسئله‌ای حیاتی در حوزه «حاکمیت محاسباتی» (Compute Sovereignty) ملی نگریسته می‌شود.
برای یک مدیر کسب‌وکار یا سرمایه‌گذار، این حرکت سیگنالی است که «تب gold rush هوش مصنوعی» از بهینه‌سازی نرم‌افزاری به سمت فیزیک بنیادی در حال حرکت است. گلوگاه هوش مصنوعی دیگر فقط تعداد GPUها نیست، بلکه سرعت انتقال داده‌ها به این پردازنده‌هاست. میکرون با تصاحب تحقیقات معماری حافظه، قصد دارد سرعت مقیاس‌پذیری هوش مصنوعی را دیکته کند. در همین راستا، تلاش‌هایی نظیر تغییر معماری شبکه مراکز داده توسط Xsight Labs نشان می‌دهد که کل زنجیره انتقال داده در حال بازنگری است.
اگر پیشرفتهای حافظه متوقف شود، مدل‌های هوش مصنوعی فارغ از تعداد تراشه‌های تولید شده، به سقف عملکرد می‌رسند. این سرمایه‌گذاری در واقع یک بیمه در برابر این سقف است تا سخت‌افزار بتواند با جاه‌طلبی‌های الگوریتمی شرکت‌هایی مثل OpenAI یا گوگل همگام شود.
ادغام با تولید
بر اساس برنامه زمان‌بندی، عملیات ساخت تأسیسات بویزی در سال تقویمی ۲۰۲۷ آغاز می‌شود. این بازه زمانی با توسعه گسترده‌تر میکرون در آمریکا، از جمله مگافب نیویورک که در ژوئیه ۲۰۲۶ اولین بتن خود را ریخت، همسو است.
سایر نقاط عطف تولید عبارتند از:
- ساخت دو فب در بویزی که انتظار می‌رود اولین خروجی ویفر آن‌ها در اواسط ۲۰۲۷ و اواخر ۲۰۲۸ اتفاق بیفتد
- گسترش ظرفیت تولید در ایالت ویرجینیا
- هدف بلندمدت برای تولید ۴۰٪ از کل حافظه‌های DRAM شرکت در خاک ایالات متحده
سانجای مهروترا، رئیس، رئیس هیئت مدیره و مدیرعامل میکرون، این نهاد تحقیقاتی را مستقیماً به شرط‌بندی تولید گره زد و بیان کرد که این آزمایشگاه‌ها به شرکت اجازه می‌دهد «پشت منحنی را ببیند و سیستم‌های حافظه و محاسباتی را که آینده می‌طلبد، پیش‌بینی کند».
در نهایت، انتظار می‌رود این برنامه سرمایه‌گذاری گسترده بیش از ۹۰ هزار شغل ایجاد کند. میکرون با ساخت موازی آزمایشگاه تحقیقاتی و کارخانه‌ها، تلاش می‌کند حلقه بین کشف تئوریک و تولید انبوه را ببندد تا فاصله بین ایده و محصول به حداقل برسد.
دنبال‌کننده اولین مقالات فنی (White Papers) مرکز بویزی در سال ۲۰۲۷ باشید؛ این متون احتمالاً اولین نشانه از تغییرات بزرگ در نحوه مدیریت مجموعه‌داده‌های عظیم توسط سخت‌افزار AI خواهند بود.
گام بعدی شما
- دنبال‌کننده مقالات فنی (White Papers) مرکز بویزی در سال ۲۰۲۷ باشید؛ این متون اولین نشانه از تغییر معماری سخت‌افزاری AI خواهند بود.
- در تحلیل‌های سرمایه‌گذاری خود، وزن بیشتری به شرکت‌های زیرساختی حافظه بدهید، زیرا گلوگاه از پردازش به انتقال داده منتقل شده است.
- بررسی کنید که آیا معماری‌های جدید حافظه، نیاز به تغییر در نحوه طراحی مدل‌های زبانی بزرگ را ایجاد می‌کنند یا خیر.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو