اگر امروز در حال طراحی زیرساخت‌های مرکز داده هستید، باید بدانید که جنگ سخت‌افزاری از رقابت بر سر «ظرفیت» به رقابت بر سر «کارایی» تغییر مسیر داده است. سامسونگ با توسعه نسخه سفارشی ۸ لایه از حافظه HBM4E برای پلتفرم NVHBM شرکت انویدیا (NVIDIA)، رسماً اعلام کرد که دیگر لایه‌های بیشتر، لزوماً به معنای برتری نیستند. این حرکت نشان‌دهنده فاصله گرفتن سامسونگ از پشته‌های بلندتر ۱۲ و ۱۶ لایه است که پیش از این برای سیستم‌های هوش مصنوعی نسل بعد آماده کرده بود.
حافظه پهنای‌باند بالا (HBM) — شبیه به یک اتوبان ۱۶ بانده که داده‌ها را با سرعت سرسام‌آور بین پردازنده و حافظه جابه‌جا می‌کند — حیاتی‌ترین بخش شتاب‌دهنده‌های هوش مصنوعی است. با رشد مدل‌های زبانی، صنعت به‌طور سنتی برای دستیابی به ظرفیت بالاتر، به دنبال افزایش تعداد لایه‌ها بود. اما استراتژی جدید انویدیا تحت عنوان NVLink Fusion نشان می‌دهد که اولویت اکنون به سمت بهره‌وری فیزیکی و مقیاس‌پذیری زنجیره تأمین تغییر کرده است، نه صرفاً افزایش حجم خام حافظه. این رقابت برای بهینه‌سازی زیرساخت‌ها در حالی رخ می‌دهد که رقبای سامسونگ نیز سرمایه‌گذاری‌های کلانی را آغاز کرده‌اند؛ برای نمونه، SK hynix برای رفع گلوگاه‌های حافظه در زیرساخت‌های هوش مصنوعی، سرمایه‌گذاری ۳۹ میلیارد دلاری را در دستور کار قرار داده است.
به نقل از گزارش SEDaily در ۲۸ اوت ۲۰۲۶، انویدیا از سامسونگ خواسته است تا نسل هفتم HBM4E را دقیقاً در قالب یک پیکربندی ۸ لایه پیاده کند. هدف از این طراحی، رسیدن به سرعت ۱۷ تا ۱۸ گیگابیت بر ثانیه (Gbps) به ازای هر پین است؛ عددی که نسبت به نمونه‌های اولیه ۱۶ گیگابیتی سامسونگ، جهشی محسوس محسوب می‌شود و نشان‌دهنده فشار انویدیا برای استخراج حداکثری سرعت از لایه‌های کمتر است.
معماری NVHBM یک تغییر بنیادین و حیاتی را معرفی می‌کند: انتقال کنترل‌کننده حافظه (Memory Controller) به داخل لایه پایه (Base Die) حافظه HBM. این جابه‌جایی معماری، سه مزیت کلیدی و استراتژیک ایجاد می‌کند:
- پهنای‌باند: افزایش تا ۳۰ درصدی پهنای‌باند حافظه در مقایسه با مدل‌های استاندارد HBM4E.
- بهره‌وری: کاهش ۱۵ درصدی مصرف انرژی که در مقیاس مراکز داده، هزینه‌های عملیاتی را به‌شدت کاهش می‌دهد.
- فضای محاسباتی: با حذف کنترل‌کننده از روی XPU (واحد پردازش)، فضای فیزیکی بیشتری روی تراشه اصلی برای قرار دادن منابع محاسباتی واقعی و هسته‌های پردازشی باز می‌شود.
گزارش‌ها حاکی از آن است که این پیکربندی ۸ لایه NVHBM برای پلتفرم‌های آینده انویدیا، به‌ویژه نسل Vera Rubin Ultra، در نظر گرفته شده است تا تعادلی میان سرعت دسترسی و مدیریت حرارتی ایجاد کند.
این همکاری با استراتژی گسترده‌تر سامسونگ برای توسعه «حافظه سه‌بعدی AI» همسو است. در ۲۳ اوت ۲۰۲۶، این شرکت چشم‌انداز aHBM را معرفی کرد؛ سیستمی که در آن حافظه به‌جای ذخیره‌سازی صرف، برخی عملیات منتخب هوش مصنوعی را مستقیماً در داخل خود مدیریت می‌کند. این رویکرد که به آن پردازش در حافظه (Processing-in-Memory) می‌گویند — شبیه به این است که آشپز به‌جای رفتن به انبار برای هر ماده اولیه، میز کارش را به داخل انبار منتقل کند — هدفش کاهش جابه‌جایی انرژی‌بر داده‌ها بین GPU و RAM است که یکی از بزرگترین گلوگاه‌های فعلی سخت‌افزار است.
مهندسان DRAM سامسونگ اکنون روی لایه پایه منطقی (Logic Base Die) در داخل HBM تمرکز کرده‌اند تا این قابلیت پردازشی را اضافه کنند. سامسونگ معتقد است با انتقال کنترل‌کننده حافظه از GPU به لایه پایه HBM، می‌تواند عملکرد کلی سیستم را بهبود ببخشد. اگرچه چالش‌های حرارتی به‌دلیل تولید گرمای اضافی در لایه پایه همچنان یک مانع جدی است، اما سامسونگ برای شروع عملیاتی، روی بارهای کاری خاصی که دسترسی شدید و مکرر به حافظه دارند تمرکز کرده است.
علاوه بر این، سامسونگ در رویداد FMS ۲۰۲۶ معماری zHBM را رونمایی کرد و ادعا نمود که این معماری در نهایت می‌تواند عملکردی ۸ برابر بیشتر از HBM5 را ارائه دهد و در عین حال بهره‌وری انرژی را بهبود بخشد. این پیشرفت‌ها سامسونگ را در موقعیتی منحصر‌به‌فرد قرار می‌دهد؛ زیرا این شرکت به‌طور همزمان مالک قابلیت‌های DRAM، طراحی منطقی (Logic)، ظرفیت‌های فاندری (Foundry) و بسته‌بندی پیشرفته (Advanced Packaging) است.
در کنار انویدیا، سامسونگ در حال گسترش نفوذ خود در هوش مصنوعی روی دستگاه (On-Device AI) است. در ۳۱ اوت ۲۰۲۶، شرکت CoAsia SEMI پروژه‌ای را برای تولید تراشه‌های AI جدید برای ال‌جی (LG Electronics) با استفاده از کسب‌وکار نیمه‌هادی سامسونگ اعلام کرد.
این پروژه بخشی از برنامه دولتی کره جنوبی با عنوان «توسعه فناوری نیمه‌هادی AI روی دستگاه K» است. این همکاری شامل جزئیات اجرایی دقیقی است:
- زمان‌بندی و هزینه: این پروژه تا دسامبر ۲۰۳۰ ادامه خواهد داشت و هزینه کل توسعه آن تقریباً ۳۱ میلیارد وون برآورد شده است.
- نقش‌ها: شرکت ال‌جی وظیفه تعریف توابع و مشخصات فنی تراشه را بر عهده دارد. CoAsia SEMI مسئولیت طراحی و تضمین سازگاری با فناوری تولید سامسونگ را بر عهده می‌گیرد. همچنین کارکنان CoAsia NEXELL ممکن است در این مسیر پشتیبانی فنی ارائه دهند.
- کاربرد: این تراشه‌ها برای محصولات خانگی هوشمند و دستگاه‌های اینترنت اشیا (IoT) طراحی شده‌اند که وظیفه جمع‌آوری و اشتراک‌گذاری اطلاعات را دارند. این رویکرد با تلاش‌های گسترده‌تر ال‌جی برای تقویت زیرساخت‌های داده‌ای همسو است، همان‌طور که در پروژه کارخانه داده‌های ال‌جی برای آموزش رباتیک مشاهده شد.
- هدف نهایی: هدف، خلق تراشه‌هایی است که از مقدار بسیار کمی برق استفاده کنند اما به دستگاه‌ها اجازه دهند به‌طور مداوم محیط اطراف خود را حس کرده و درک کنند.
این یک چرخش عجیب و قابل توجه برای ال‌جی است؛ شرکتی که به‌طور تاریخی برای تراشه‌های لوازم خانگی خود به TSMC تکیه می‌کرد. انتخاب فاندری سامسونگ توسط ال‌جی در صنعت نیمه‌هادی‌ها غیرمعمول تلقی می‌شود و نشان از تغییرات استراتژیک در سطح ملی دارد.
این همکاری در واقع زیرمجموعه‌ای از یک استراتژی ملی بزرگتر است. پروژه نیمه‌هادی‌های AI دولت کره جنوبی بودجه‌ای کل در حدود ۸۰۰ میلیارد وون دارد و تا سال ۲۰۳۰ ادامه می‌یابد. این برنامه گسترده‌تر قصد دارد تراشه‌های پیشرفتهای را برای طیف وسیعی از صنایع توسعه دهد، از جمله:
- صنایع خودرو و رباتیک
- لوازم خانگی و اینترنت اشیا (IoT)
- ماشین‌آلات صنعتی و صنایع دفاعی
شین دونگ-سو، مدیرعامل CoAsia SEMI، اظهار داشت که انتظار می‌رود مشارکت با ال‌جی فرصت‌های تجاری بیشتری را در بازار محصولات خانگی AI و سایر بازارهای نوظهور ایجاد کند.
با این حال، در حالی که پیشرفتهای فنی ادامه دارد، ریسک‌های ژئوپلیتیک سایه انداخته است. به گزارش Politico در ۲۷ اوت ۲۰۲۶، دولت دونالد ترامپ در حال بررسی وضع تعرفه‌های سنگین بر محصولات نیمه‌هادی و کالاهای نهایی حاوی این تراشه‌ها است. این لیست شامل لپ‌تاپ‌ها، کنسول‌های بازی، سرورهای مرکز داده و دستگاه‌های موبایل می‌شود.
هوارد لوتنیک، وزیر بازرگانی آمریکا، ظاهراً طرفدار ساختاری است که تولید داخلی را ترویج کند. او پیشنهاد داده است که معافیت‌های تعرفه‌ای برای شرکت‌های خارجی، مشروط به سرمایه‌گذاری آن‌ها در ساخت نیمه‌هادی‌ها در داخل خاک ایالات متحده باشد. دولت آمریکا از ژانویه تاکنون تعرفه‌هایی را بر روی مجموعه کوچکی از محصولات خاص اعمال کرده است.
این وضعیت می‌تواند بازیگران جهانی مانند سامسونگ را مجبور کند تا برای حفظ رقابت در بازار آمریکا، تولیدات مستقر در ایالات متحده را تسریع کنند؛ به‌ویژه در شرایطی که دولت آمریکا در حال بررسی نرخ‌های تعرفه خاص برای هر کشور، سهمیه‌های وارداتی و دستورالعمل‌های هدفمند برای تولیدکنندگان بزرگ است.
در همین حال، اینتل (Intel) نیز در رویداد Hot Chips ۲۰۲۶ در ۲۶ اوت، سه محصول جدید Diamond Rapids، Crescent Island و Wildcat Lake را معرفی کرد تا مرزهای توانمندی خود را جابه‌جا کند. این محصولات برای رقابت مستقیم با TSMC، سامسونگ، انویدیا و AMD طراحی شده‌اند.
پردازنده Diamond Rapids که نسل بعدی پردازنده‌های سرور Xeon است و انتظار می‌رود در سال ۲۰۲۷ عرضه شود، نقطه عطف این معرفی است. این نخستین پردازنده سروری خواهد بود که با استفاده از فرآیند تولید بهبودیافته 18A-P اینتل ساخته می‌شود. جزئیات فنی کلیدی عبارتند از:
- تکنولوژی: استفاده از طراحی ترانزیستور RibbonFET و یک سیستم توزیع برق جدید به نام PowerVia.
- تولید: این تراشه‌ها در کارخانه جدید Fab 52 اینتل در آریزونای آمریکا تولید می‌شوند.
- هدف: طراحی شده برای کسب‌وکارهای مبتنی بر AI جهت ارائه عملکرد بهتر، مصرف برق کمتر و مدیریت بهینه‌تر بارهای کاری حجیم.
اینتل پیش از این فناوری 18A را در محصولات دیگر مانند Panther Lake برای لپ‌تاپ‌ها، Wildcat Lake برای کسب‌وکارهای کوچک و پردازنده‌های دستی Arc G3 و Arc G3 Extreme به کار گرفته است. در بازار سرور، اینتل پیش از رسیدن به Diamond Rapids، مدل Clearwater Forest (Xeon 6+) را به عنوان اولین پردازنده سرور 18A معرفی کرده بود.
همگرایی حافظه‌های سفارشی، AI روی دستگاه و فشار برای تولید داخلی نشان می‌دهد که عصر «یک اندازه برای همه» در دنیای نیمه‌هادی‌ها به پایان رسیده است. برنده این رقابت کسی است که بتواند سخت‌افزار را دقیقاً بر اساس نیازهای سرعت و توانِ هر بار کاری (Workload) خاص تنظیم کند.
برای کسانی که لایه سخت‌افزاری را دنبال می‌کنند، نقطه عطف بعدی، انتشار بنچمارک‌های رسمی نسل Vera Rubin Ultra خواهد بود تا مشخص شود آیا پیکربندی ۸ لایه NVHBM واقعاً می‌تواند افزایش ۳۰ درصدی پهنای‌باند وعده داده شده را محقق کند یا خیر.
گام بعدی شما
- اگر تحلیلگر سخت‌افزار هستید، روی بنچمارک‌های رسمی نسل Vera Rubin Ultra نظارت کنید تا ببینید آیا افزایش ۳۰ درصدی پهنای‌باند در عمل محقق می‌شود یا خیر.
- تغییر استراتژی ال‌جی از TSMC به سامسونگ را به عنوان سیگنالی برای تغییر در زنجیره تأمین تراشه‌های مصرفی دنبال کنید.
- اثرات احتمالی تعرفه‌های جدید آمریکا بر قیمت سرورهای AI را در بودجه‌های سال ۲۰۲۷ پیش‌بینی کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell مراجعه کنید.
گفتگو