Samsung un atmiņas čipi: HBM4, zHBM un AI pieprasījums

Ievads

Lielas likmes tiek liktas uz atmiņas čipiem. Samsung Device Solutions vadība prognozē, ka pasūtījumi pieaugs caur 2026. un 2027. gadu — un uzņēmums jau pozicionējas, lai no tā gūtu labumu.

Kas mainījies tirgū

Atbilde ir vienkārša un skaidra: hiperskaleru (hyperscalers) veidotie masīvie mākoņi mākslīgajam intelektam. Šie uzņēmumi pēdējā laikā pērk atmiņu apjomā, kādu daudzi nebija gaidījuši. Piedāvājums sašaurinājās, cenas pieauga, un rezultātā lielie atmiņas ražotāji saņēma būtisku ienākumu pieaugumu un sāka sacensties par ražošanas paplašināšanu.

Šis tirgus pavērsiens ir tehnoloģiski un komerciāli nozīmīgs: AI modeļi, īpaši tie, kas apstrādā lielus transformatoru tīklus un multimodālo datu plūsmas, pieprasa arvien lielāku atmiņas joslas platumu (bandwidth), zemāku latentumu un labāku siltuma pārvaldību (thermal efficiency). Tāpēc ražotāji fokusējas uz HBM (High Bandwidth Memory) risinājumiem, kas spēj nodrošināt šīs īpašības mērogā.

Samsung pieprasījuma vilnis: no HBM3E uz HBM4

Samsung jau ir rideojis šo pieprasījuma vilni. Spēcīgs pieprasījums pēc HBM3E pacēla pārdošanas apjomus trešajā ceturksnī un turpināja impulsu ceturtajā ceturksnī. Tagad uzņēmums pārorientējas uz HBM4. Masveida ražošanas plāni ir mērķēti uz pirmo ceturksni, un, pēc Samsung teiktā, agrīnās piegādes klientiem ir parādījušas gandarinošu veiktspēju.

HBM4 sola augstāku joslas platumu, uzlabotu energoefektivitāti un blīvumu salīdzinājumā ar iepriekšējām paaudzēm. Šīs tehniskās uzlabojumu kombinācijas ir tieši tās, ko hiperskaleri un datu centru operators meklē, lai izvietotu nākamās paaudzes AI modeļus ar samērīgi zemu enerģijas patēriņu un kontrolējamu termisko profilu.

HBM3E loma pārejā

HBM3E bija kritisks starpposms: tas sniedza papildu joslas platumu un uzlabotu signāla integritāti salīdzinājumā ar HBM3, bet tas nav galējais risinājums lielāko AI formātu prasībām. HBM3E deva ražotājiem laiku optimizēt paketes dizainu un siltuma pārvaldības metodes, kas ir sagatavotas nākamajai pārejai uz HBM4 un uzlabotajām arhitektūrām, piemēram, zHBM.

Inženiertehniskie uzlabojumi aiz čipu nosaukumiem

Aiz produktu marķējumiem stāv reāli inženiertehniski uzlabojumi, kas maina to, kā darbojas atmiņas moduļi lielos mērogos. Samsung identificē vairākas galvenās tehnoloģijas, kuras veicina veiktspēju, temperatūras samazināšanu un energoefektivitāti:

Hibrīdā savienošana (hybrid bonding) HBM kaudzēs

Viena no būtiskākajām izmaiņām ir hibrīdā savienošana HBM (High Bandwidth Memory) stakos. Mainot to, kā slāņi tiek savienoti viens ar otru, Samsung ziņo par aptuveni 20% samazinājumu termiskajā pretestībā (thermal resistance) 12H un 16H stakos. Laboratorijas testi arī demonstrēja aptuveni 11% kritumu iepakojuma (package) temperatūrā bāzes scenārijos.

Praktiskais ieguvums ir skaidrs: vēsāki staki ļauj uzturēt augstākas takts frekvences (higher operating speeds) un pagarināt komponentu kalpošanas laiku. Tas ir īpaši svarīgi datu centros, kur pastāvīga augsta slodze var strauji palielināt termisko stresa ietekmi uz atmiņas ierīcēm.

zHBM — vertikālā slāņošana Z asī

Vēl viens virziens, ko Samsung attīsta, ir zHBM — pieeja, kurā dies tiek sakrauti gar Z asi. Šī vertikālā slāņošana ļauj sasniegt dramatiski augstāku joslas platumu, reizēm līdz pat četrkārtīgam pieaugumam, vienlaikus samazinot enerģijas patēriņu aptuveni par 25% salīdzinājumā ar tradicionālajiem risinājumiem.

Šāda kombinācija — ievērojami vairāk joslas platuma un zemāks enerģijas patēriņš — ir tieši tas, ko AI «fermas» (AI farms) un lieli datu centri vēlas, jo tie samazina gan ekspluatācijas izmaksas, gan nepieciešamo dzesēšanas infrastruktūru.

Atmiņā iebūvēta apstrāde: compute-in-memory

Samsung arī pēta pielāgotus HBM dizainus, kas iekļauj aprēķinu (compute) kapacitātes tieši atmiņas iekšienē. Šāda integrācija izplūda robežas starp uzglabāšanu un datu apstrādi, samazinot datu pārvietošanas attālumus un latentumu, kas tradicionāli rodas, kad dati tiek pārvietoti starp atmiņu un atsevišķo procesoru vai akceleratoru.

Compute-in-memory risinājumi var būt īpaši efektīvi specializētiem darbiem, piemēram, noteiktu neironu tīklu slāņu apstrādei, kvantitatīvajai matricas operācijai vai sparsētas matricu sarēķināšanai. Tie samazina datu pārsūtīšanas enerģiju un var ievērojami palielināt energoefektivitāti konkrētu slodžu gadījumā.

Tehniskie sīkumi un laboratorijas rezultāti

Ir vērts pievērst uzmanību konkrētiem rādītājiem, ko Samsung publiski minējis:

• Termiskās pretestības samazinājums apmēram par 20% 12H un 16H stakos, pateicoties hibrīdai savienošanai.
• Apkārtējā iepakojuma temperatūras kritums laboratorijas testos apmēram par 11% bāzes scenārijos.
• zHBM arhitektūras gadījumā joslas platuma pieaugums līdz četriem reizēm un enerģijas patēriņa samazinājums aptuveni par 25% atkarībā no konfigurācijas.

Šie skaitļi sniedz kontekstu tam, kā fiziski dizaina lēmumi ietekmē reālo veiktspēju: mazāka termiskā pretestība ne tikai ļauj ierīcēm darboties vēsāk, bet arī samazina nepieciešamību pēc papildu dzesēšanas risinājumiem datu centros, kas savukārt var samazināt kopējās īpašumtiesību izmaksas (TCO).

Reliģija pret ražojamību: no laboratorijas uz ražošanu

Vienmēr pastāv plaisa starp laboratorijas rezultātiem un masveida ražošanu. Samsung mēģina samazināt šo plaisu, testējot agrīnās piegādes klientiem un pakāpeniski pārejot uz masveida ražošanu. Svarīgi aspekti, kas nosaka, cik veiksmīga būs pāreja, ietver yield (iznākuma) rādītājus, ražošanas izmaksu optimizāciju un siltuma/vadīšanas kvalitātes saglabāšanu lielā apjomā.

Ko tas nozīmē mākslīgajam intelektam un datu centriem

AI modeļi arvien biežāk kļūst par joslas platuma un datu pārvietošanas problēmu, nevis tikai par skaitļošanas jaudas lielāko izaicinājumu. Lieliem transformatoru modeļiem nepieciešama ātra piekļuve lieliem svaru kopumiem un starpkārtotajām aktivācijām; šādā scenārijā atmiņas joslas platums un latentums kļūst par galveno veiktspējas faktoru.

Praktiskie ieguvumi datu centra operatoriem

• Samazinātas enerģijas izmaksas uz ērtu vienību, pateicoties zHBM un efektīvākām pakotnēm.
• Augstāks veiktspējas potenciāls vienā GPU/acceleratoru modulī, kas ļauj palielināt modeļu izmēru vai apkalpot vairāk pieprasījumu uz to pašu infrastruktūru.
• Siltuma pārvaldības vienkāršošana, kas var samazināt nepieciešamību pēc sarežģītas un dārgas dzesēšanas infrastruktūras.

Vai atmiņa kļūs par nākamo šaurumu (bottleneck)?

Tas, vai atmiņas tehnoloģijas kļūs par “bottleneck-breaker” nākamās paaudzes modeļiem, būs atkarīgs no tā, cik ātri ražotāji spēj ieviest un noslogot jaunās arhitektūras reālajā vidē. Ja HBM4 un zHBM masveida ražošana izrādīsies ekonomiski dzīvotspējīga, datu centru arhitektoniskās pieejas var mainīties — vairāk integrēti risinājumi, vairāk atmiņas lokāli uz akceleratoriem un jauni moduļu dizaini, kas samazina datu pārvietošanas izmaksas.

Konkurence un tirgus pozicionēšana

Samsung nav vienīgais spēlētājs atmiņas tirgū; citi ražotāji arī attīsta savus HBM un specializētos atmiņas risinājumus. Tomēr Samsung priekšrocība var izpausties kombinācijā starp ražošanas jaudu, piegādes ķēdes pārvaldību un spējām ātri pāriet no izstrādes uz masveida ražošanu.

Konkurences priekšrocību elementi, ko vērts uzsvērt:

• Ražošanas mērogs un yield optimizācija (augsts iznākums uz ražošanas plāksnes).
• Inženiertehniskā integrācija — spēja apvienot hibrīdo savienošanu, zHBM un compute-in-memory pieejas.
• Sadarbība ar lielajiem hiperskaleriem, kas nodrošina agrīnu tiražēšanu un stabilu pasūtījumu plūsmu.

Riska faktori un izaicinājumi

Joprojām pastāv vairāki riska punkti, kas var ietekmēt prognozes:

1. Ražošanas sarežģītība: ja yield nav pietiekami augsts, ražošanas izmaksas var palielināties, kavējot masveida ieviešanu.
2. Tehnoloģiskās pārejas izmaksas: datu centru operatoriem būs jāiegulda infrastruktūrā, lai pilnībā izmantotu jaunās atmiņas priekšrocības.
3. Tirgus pieprasījuma svārstības: AI mākoņu izvietojumi var mainīties atkarībā no ekonomiskās vides un tehnoloģiskām preferencēm.

Kā izskatīsies nākotne un ko gaidīt 2026.–2027. gadā

Samsung prognozē spēcīgus pasūtījumus 2026. un 2027. gadā. Vadmotīvs ir pazīstams: AI slodžu nepārtraukta paplašināšanās, kas pieprasa vairāk joslas platuma, labāku termisko un enerģijas efektivitāti. Tomēr realizācija būs atkarīga no spējām pārvērst laboratorijas rezultātus un prototipus par masveida, ekonomiski dzīvotspējīgiem produktiem.

Predikcijas ietver vairākus iespējamos attīstības scenārijus:

• Optimistisks: HBM4 un zHBM tiek veiksmīgi ieviesti, samazinot enerģijas un dzesēšanas prasības datu centros un ļaujot ātri mērogot AI modeļus.
• Vidējs: daļa klientu pāriet uz jaunām arhitektūrām, bet plašāka adopcija kavējas, jo izmaksas un ražošanas izaicinājumi paliek nozīmīgi.
• Pesimistisks: tehnoloģiskas vai ekonomiskas barjeras bremzē adopciju, un tirgus meklē alternatīvas arhitektūras.

Secinājums

Jā — Samsung sagaida spēcīgus pasūtījumus 2026. un 2027. gadā. Virzītājspēks ir tas pats, ko mēs redzam jau tagad: arvien lielākas AI slodzes, kas pieprasa vairāk joslas platuma un labāku termisko un enerģijas efektivitāti. Vai šie atmiņas tehnoloģiskie uzlabojumi kļūs par galveno šķērsli (bottleneck) nākamās paaudzes modeļiem? Laiks rādīs — tomēr ir skaidrs, ka atmiņa klusībā kļūst par centrālo elementu AI sacensībā.

Galvenie atslēgvārdi

• atmiņas čipi
• HBM4
• HBM3E
• zHBM
• hibrīdā savienošana
• compute-in-memory
• AI mākoņi

Padomi tehnoloģiju un infrastruktūras plānotājiem

Plānojot ieguldījumus datu centra arhitektūrā vai akceleratoru izvietošanā, ņemiet vērā sekojošo:

• Analizējiet slodžu profilu: vai jūsu slodzes gūst lielāku labumu no joslas platuma vai no zemas latentuma un lokālas apstrādes?
• Izvērtējiet TCO: jaunās atmiņas var prasīt augstākas sākotnējas izmaksas, bet tās var samazināt ekspluatācijas izmaksas, īpaši enerģijas un dzesēšanas jomā.
• Sazinieties ar piegādātājiem par agrīnām piegādēm un testiem, lai noteiktu, kā jaunas HBM arhitektūras darbojas jūsu reālajās darba slodzēs.