SK hynix از قدرتمندترین حافظه HBM3E جهان با ظرفیت 48 گیگابایت و 16 لایه رونمایی کرد

به گزارش کارگروه فناوری اطلاعات سایبربان ؛ حافظه جدید HBM3E با ساختار 16-لایه‌ای توسط “کواک نو-جونگ”، مدیرعامل SK hynix، در رویداد SK AI Summit 2024 معرفی شد و عنوان قدرتمندترین حافظه HBM3E جهان را به دست آورد. مدیرعامل SK hynix در این نشست از محصول نمونه 48 گیگابایتی این حافظه، که با بالاترین ظرفیت و تعداد لایه‌ها اولین محصول در نوع خود است، رونمایی کرد. انتظار می‌رود نمونه‌های اولیه این حافظه در اوایل سال 2025 در دسترس مشتریان قرار گیرد.

بازار حافظه‌های 16-لایه‌ای از نسل HBM4 توسعه خواهد یافت، اما SK hynix با عرضه حافظه HBM3E 16-لایه و ظرفیت 48 گیگابایت به دنبال تثبیت پایداری فناوری این حوزه است و برنامه دارد که نمونه‌ها را اوایل سال آینده به مشتریان ارائه کند. این شرکت از فرآیند پیشرفته MR-MUF که برای تولید انبوه محصولات 12-لایه به کار رفته بود، در تولید حافظه HBM3E 16-لایه نیز استفاده کرده و فناوری پیوند هیبریدی را به‌عنوان پشتیبان در نظر گرفته است.

مدیرعامل SK hynix

محصولات 16-لایه عملکردی 18 درصد بالاتر در آموزش مدل‌های یادگیری ماشین و 32 درصد بالاتر در عملیات استنتاج در مقایسه با محصولات 12-لایه دارند. با توجه به گسترش بازار شتاب‌دهنده‌های هوش مصنوعی مخصوص استنتاج، این محصولات 16-لایه‌ای می‌توانند جایگاه SK hynix را در حافظه‌های ویژه هوش مصنوعی تقویت کنند.

علاوه بر این، SK hynix در حال توسعه ماژول LPCAMM2 برای رایانه‌های شخصی و مراکز داده، و حافظه‌های LPDDR5 و LPDDR6 مبتنی بر فناوری 1cnm است تا از مزیت رقابتی خود در زمینه محصولات کم‌مصرف و با عملکرد بالا بهره‌برداری کند. این شرکت همچنین در حال آماده‌سازی نسل ششم PCIe SSDهای QLC با ظرفیت بالا و UFS 5.0 است. از نسل HBM4 به بعد، این شرکت برنامه دارد در لایه پایه تراشه، فرآیند منطق را با همکاری با یکی از برترین تولیدکنندگان تراشه‌های منطقی در سطح جهان پیاده‌سازی کند تا به ارائه بهترین محصولات به مشتریان بپردازد.

حافظه‌های HBM سفارشی‌سازی شده، که با در نظر گرفتن نیازهای مختلف مشتریان در زمینه ظرفیت، پهنای باند و عملکرد بهینه شده‌اند، می‌توانند به ایجاد پارادایمی جدید در حافظه‌های ویژه هوش مصنوعی کمک کنند. افزون بر این، SK hynix در حال توسعه فناوری‌هایی است که قابلیت‌های پردازشی را به حافظه می‌افزایند تا از “دیوار حافظه” عبور کند. فناوری‌هایی مانند پردازش نزدیک حافظه (PNM)، پردازش درون حافظه (PIM) و ذخیره‌سازی محاسباتی، که برای پردازش حجم بالای داده‌های آینده ضروری هستند، چالش‌هایی خواهند بود که ساختار سیستم‌های هوش مصنوعی نسل بعدی و آینده صنعت هوش مصنوعی را متحول خواهند ساخت.