بعد از HBM نوبت کیه؟
هوش مصنوعیخلاصهٔ کاملتر
صنعت حافظه تو دو سال یه چرخش کامل زده. نویسنده یادآوری میکنه که سال ۲۰۲۳ ته بدترین رکود تاریخ این صنعت بود: سامسونگ تولیدشو ۵۰ درصد کم کرد و SK Hynix و مایکرون حاشیهٔ سود ناخالص منفی ثبت کردن. حالا ورق برگشته. HBM حدود ۶۰ درصد هزینهٔ ساخت یه GPU انویدیا رو تشکیل میده، پروژهٔ Stargate به تنهایی ۴۰ درصد کل تولید DRAM دنیا رو لازم داره، و ظرفیت هر سه غول حافظه تا یک سال جلوتر پیشفروش شده.
این در حالیه که بازدهی تولید HBM3e دوازدهلایه گاهی تا ۷۵ درصد پایین میآد. مدیرعامل SK Hynix گفته کمبود عرضه سال بعد بدتر هم میشه و تقاضا تا بعد از ۲۰۳۰ از عرضه جلو میزنه. پیشبینی اینه که این سه شرکت تا چند سال دیگه سود عملیاتی بیشتری از سود امروز اپل داشته باشن، و اجماع والاستریت میگه حتی اگه قیمتها از ۲۰۲۸ آروم بشه، کف سود اینها ۵ تا ۱۰ برابر چرخهٔ قبلی میمونه.
نویسنده میگه استارتاپی که بخواد وارد این بازار بشه باید همون معیار سختی رو رد کنه که قبلاً برای شتابدهندههای هوش مصنوعی گذاشته بودن: روی کاغذ حدود ۱۰۰ برابر بهتر از H100 امروزی، چون اون ۱۰۰ برابر تو عمل میشه ۲۵ برابر، و تا وقتی محصول بعد از ۶ تا ۸ سال به بازار برسه انویدیا هم ۶ تا ۸ نسل جلو رفته و مزیت واقعی به حدود ۱۰ برابر میرسه. چون DRAM بیشتر از ده ساله به دیوار کوچکسازی خورده، نویسنده دنبال فیزیک متفاوتیه، نه بستهبندی خلاقانهتر.
دستهٔ اول حافظههاییه که از HBM سریعتر خونده میشن. راهحلهای d-Matrix و کوالکام که DRAM رو به منطق نزدیکتر میکنن نزدیکترین به تولیدن، ولی به نظر نویسنده جهش تعیینکنندهای نمیسازن. گزینهٔ جذابترش magnon هست، یعنی استفاده از موج اسپین به جای جریان بار برای حمل اطلاعات. تو مواد آنتیفرومغناطیس عایق هیچ باری از دل ماده رد نمیشه، پس اتلاف انرژی خیلی کمه، و فرکانس تشدید حدود یک تراهرتزه که دینامیک رو به بازهٔ ۱ تا ۲ پیکوثانیه میرسونه.
مشکل تاریخی magnon خوندن اطلاعات بوده: حس کردن یه حالت مغناطیسی تو مقیاس حدود ۱۰ نانومتر کار سادهای نیست. تو شش سال اخیر سیگنال خروجی چهار مرتبهٔ بزرگی رشد کرده، از حدود ۱۰۰ نانوولت به بالای میکروولت، ولی برای اینکه تجاری باشه باید به ۱۰۰ میلیولت برسه. دستهٔ دوم هم ferroelectric هست که بیستسی ساله به عنوان حافظهٔ جهانی مطرحه. مایکرون یک میلیارد دلار خرج کرد تا خازن DRAM رو با نمونهٔ فروالکتریک عوض کنه، ولی چون سیگنال باز هم به مساحت خازن وابسته موند و افت کیفیت حل نشد، پروژه کنار گذاشته شد.
کار دانشگاهی جدید با ساختار عمودی 2T-nC یه خازن رو بین چند بیت روی هم به اشتراک میذاره و شاید چگالی نزدیک NAND بده. با این حال نویسنده تأکید داره فاصله تا بازار خیلی زیاده و پول لازمش صدها میلیون تا بالای یک میلیارد دلاره؛ فقط ساخت یه نود جدید تو همین سیستمهای موجود دو هزار مهندس میخواد. امیدش اینه که ابزارهای هوش مصنوعی برای کشف مواد و طراحی تراشه این مسیرو کوتاه کنن، همونطور که به گفتهٔ خودش نسل جدید استارتاپهای تراشه با حدود ۵۰ توسعهدهنده به MVP رسیدن، نه ۲۰۰ نفر و بیشتر.
نکات کلیدی:
- HBM حدود ۶۰ درصد هزینهٔ ساخت یک GPU انویدیا رو تشکیل میده و بازدهی HBM3e دوازدهلایه تا ۷۵ درصد پایین میآد
- اجماع والاستریت: قیمتها شاید از ۲۰۲۸ آروم بشه، ولی کف سود غولهای حافظه ۵ تا ۱۰ برابر چرخهٔ قبلیه
- معیار ورود یه استارتاپ: حدود ۱۰۰ برابر بهبود روی کاغذ، که تا زمان عرضه به حدود ۱۰ برابر آب میره
- سیگنال خوندن magnon تو شش سال از حدود ۱۰۰ نانوولت به بالای میکروولت رسیده؛ آستانهٔ تجاری ۱۰۰ میلیولته
- مایکرون یک میلیارد دلار روی نمونهٔ فروالکتریک خرج کرد و پروژه رو به خاطر چگالی و افت کیفیت کنار گذاشت
