سامسونگ نسل جدید ماژول های هوش مصنوعی zHBM وV10 BV_NAND را برای شتاب دهنده ها معرفی کرد.

سامسونگ از zHBM رونمایی کرد؛ نسل جدید حافظه هوش مصنوعی با معماری کاملاً متفاوت

zHBM چیست و چرا اهمیت دارد؟

با رشد سریع هوش مصنوعی، دیگر تنها قدرت پردازنده‌ها عامل تعیین‌کننده عملکرد نیست. امروزه انتقال سریع داده بین پردازنده و حافظه به یکی از مهم‌ترین چالش‌های این صنعت تبدیل شده است؛ مشکلی که از آن با عنوان Memory Wall یا «دیوار حافظه» یاد می‌شود. سامسونگ برای رفع این محدودیت از فناوری جدید zHBM (Zenith High Bandwidth Memory) رونمایی کرده است؛ معماری تازه‌ای که نسبت به حافظه‌های HBM رایج، طراحی کاملاً متفاوتی دارد.

سامسونگ دلایلی برای عدم ورود به جزئیات این فناوری دارد، زیرا هنوز در مرحله مفهومی اولیه است، اما آنها اظهار می‌کنند که zHBM از نظر طراحی‌های خاص مشتری، انعطاف‌پذیری ارائه می‌دهد. سامسونگ در حال حاضر با مشتریان خود برای بهینه‌سازی بیشتر ادغام zHBM در شتاب‌دهنده‌های هوش مصنوعی نسل بعدی همکاری می‌کند.

zHBM چه تفاوتی با HBM معمولی دارد؟

در حافظه‌های HBM نسل فعلی، چندین تراشه حافظه به‌صورت عمودی روی هم قرار گرفته و در کنار پردازنده هوش مصنوعی (GPU یا XPU) قرار می‌گیرند. این طراحی اگرچه پهنای باند بسیار بالایی ارائه می‌دهد، اما داده‌ها همچنان باید از طریق مسیرهای ارتباطی میان حافظه و پردازنده جابه‌جا شوند که باعث ایجاد تأخیر، مصرف انرژی بیشتر و محدودیت در افزایش عملکرد می‌شود.

اما سامسونگ در zHBM این ساختار را تغییر داده است. در این فناوری، حافظه به‌صورت مستقیم روی شتاب‌دهنده هوش مصنوعی قرار می‌گیرد و فاصله انتقال داده به حداقل می‌رسد. نتیجه این تغییر، افزایش چشمگیر سرعت ارتباط، کاهش مصرف انرژی و بهبود عملکرد کلی سیستم‌های هوش مصنوعی خواهد بود.

فناوری Wafer Bonding؛ راز اصلی معماری جدید سامسونگ

یکی از مهم‌ترین بخش‌های zHBM استفاده از فناوری Wafer Bonding است.

در نسل‌های قبلی HBM، تراشه‌ها پس از ساخت به یکدیگر متصل می‌شدند، اما در فناوری جدید سامسونگ، ویفرها به‌صورت مستقیم روی هم قرار می‌گیرند و به هم متصل می‌شوند. این روش باعث کاهش فاصله بین لایه‌ها، افزایش سرعت انتقال داده و بهبود دفع حرارت می‌شود.

همین فناوری همچنین امکان ساخت حافظه‌هایی با تعداد لایه بسیار بیشتر را نیز فراهم می‌کند.

عملکرد zHBM نسبت به HBM چقدر بهتر است؟

سامسونگ اعلام کرده است که معماری zHBM در مقایسه با نسل‌های فعلی HBM می‌تواند پیشرفت قابل‌توجهی ایجاد کند.

مهم‌ترین مزایای اعلام‌شده عبارت‌اند از:

• تا ۸ برابر عملکرد بالاتر نسبت به HBM5
• حدود ۳ برابر بهره‌وری انرژی بیشتر
• بیش از ۱۰ برابر افزایش چگالی حافظه
• بیش از ۵۰ درصد کاهش مقاومت حرارتی

البته این اعداد مربوط به اهداف معماری سامسونگ هستند و هنوز در قالب یک محصول تجاری عرضه نشده‌اند.

V10 BV-NAND؛ اولین حافظه NAND با بیش از ۴۰۰ لایه

در کنار معرفی zHBM، سامسونگ از نسل جدید حافظه‌های NAND خود با نام V10 BV-NAND نیز رونمایی کرد.

این محصول اولین حافظه NAND سامسونگ است که با فناوری Bonding Vertical (BV) ساخته شده و تعداد لایه‌های آن از ۴۰۰ لایه فراتر رفته است؛ موضوعی که آن را به یکی از پیشرفته‌ترین حافظه‌های NAND دنیا تبدیل می‌کند.

سامسونگ اعلام کرده این فناوری نسبت به نسل قبلی مزایای قابل‌توجهی دارد که شامل موارد زیر می‌شود:

• افزایش حدود ۵۸ درصدی چگالی حافظه
• سرعت خواندن و نوشتن بالاتر
• بهبود سرعت I/O
• مصرف انرژی کمتر
• ظرفیت بیشتر برای مراکز داده و پردازش‌های هوش مصنوعی

گفته می‌شود که با BV-NAND، طراحی‌های ذخیره‌سازی V10 سامسونگ عملکرد و بهره‌وری انرژی بالاتری را ارائه می‌دهند و در عین حال تراکم ذخیره‌سازی را به میزان قابل توجهی افزایش می‌دهند. این فناوری ساده است و از پیوند هیبریدی برای انباشت سلول‌های حافظه به جای ساخت یک سلول واحد با لایه‌های متراکم‌تر استفاده می‌کند. تراکم حافظه در مقایسه با V9 NAND، ۵۸ درصد افزایش یافته و همچنین عملکرد خواندن، نوشتن و ورودی/خروجی (IO) را در مقایسه با نسل‌های قبلی بهبود می‌بخشد.

چرا این فناوری‌ها برای هوش مصنوعی مهم هستند؟

مدل‌های زبانی بزرگ مانند ChatGPT، Gemini یا Claude برای پردازش داده‌ها به حجم بسیار زیادی از حافظه و پهنای باند نیاز دارند. هرچه فاصله بین پردازنده و حافظه کمتر باشد، سرعت پردازش افزایش یافته و انرژی کمتری مصرف می‌شود.

به همین دلیل، سامسونگ معتقد است نسل آینده سخت‌افزارهای هوش مصنوعی تنها به پردازنده‌های قدرتمند وابسته نخواهد بود، بلکه معماری حافظه نیز نقش بسیار مهمی در افزایش عملکرد ایفا می‌کند.

جمع‌بندی

فناوری zHBM را نمی‌توان صرفاً نسخه‌ای سریع‌تر از HBM دانست؛ بلکه این فناوری یک معماری کاملاً جدید برای حافظه‌های مخصوص هوش مصنوعی محسوب می‌شود. استفاده از فناوری Wafer Bonding، قرار دادن حافظه روی پردازنده، افزایش چشمگیر چگالی، بهبود بهره‌وری انرژی و کاهش حرارت، همگی نشان می‌دهند سامسونگ قصد دارد محدودیت‌های فعلی حافظه در سیستم‌های هوش مصنوعی را برطرف کند.

در کنار آن، V10 BV-NAND با بیش از ۴۰۰ لایه نیز نشان می‌دهد سامسونگ در حوزه حافظه‌های ذخیره‌سازی نیز به‌دنبال نسل جدیدی از فناوری‌ها است؛ فناوری‌هایی که احتمالاً در سال‌های آینده نقش مهمی در توسعه مراکز داده و سخت‌افزارهای هوش مصنوعی خواهند داشت.