چین پروژه‌ای گسترده برای توسعهٔ ماشین‌های لیتوگرافی و تقویت زنجیرهٔ تولید نیمه‌هادی‌ها آغاز کرده است. هم‌زمان سامسونگ سه فناوری حافظهٔ جدید معرفی کرد و بحث بازار به سمت اپتیک‌های هم‌بسته (CPO) برای مراکز داده حرکت کرده است.

Bench 2.0: بازطراحی پایگاه بنچمارک

پایگاه بنچمارک Bench به نسخهٔ 2.0 ارتقا یافته و امکان مشاهدهٔ جزئیات و مقایسهٔ دقیق هر بنچمارک را فراهم می‌کند. این نسخه برای تحلیل عملکرد سخت‌افزار طراحی شده و دسترسی کامل به قابلیت‌های پیشرفته برای مشترکان سرویس پریمیوم فعال است.

اپتیک‌های هم‌بسته (CPO): مزایا و موانع اجرایی

رویکرد CPO اجزای نوری را در مجاورت پردازنده یا ASIC مستقر می‌کند تا طول مسیرهای الکتریکی کاهش یابد، توان مصرفی پایین‌تر آید و نرخ انتقال داده افزایش یابد. در نقشه‌های راهی که منتشر شده، TSMC به سرعت‌های 400 گیگابیت‌برثانیه تا سال 2030 اشاره کرده و بازیگران دیگری مانند اینتل، Samsung Foundry و GlobalFoundries راهکارهای متنوعی دنبال می‌کنند.

مزایا

  • کاهش طول مسیرهای الکتریکی داخل رک و بین ماژول‌ها و در نتیجه کاهش مصرف توان.
  • افزایش پایداری ارتباطات با تأخیر کمتر و پهنای‌باند بالاتر برای شتاب‌دهنده‌های هوش مصنوعی.

چالش‌ها

  • نیاز به همکاری نزدیک بین تولیدکنندگان چیپ و تأمین‌کنندگان ماژول‌های نوری.
  • بازطراحی پلتفرم‌های بسته‌بندی و استانداردسازی اتصال‌ها برای مقیاس‌پذیری.

لیتـوگرافی در چین: برنامه‌ها، ظرفیت‌ها و محدودیت‌ها

چین برنامهٔ تولید ماشین‌های DUV غوطه‌وری را دنبال می‌کند و به تولید تراشه‌های نزدیک به گرهٔ 7 نانومتری در افق 2030 می‌اندیشد. دستیابی به ماشین‌های EUV داخلی اما پیچیده‌تر است و به مجموعه‌ای از قطعات و تجهیزات تخصصی وابسته است؛ تا زمانی که محدودیت‌های صادراتی برقرار باشد، دسترسی کامل به برخی اجزا همچنان وابسته به شرکت‌هایی مانند ASML خواهد بود.

خط تولید و تجهیزات لیتوگرافی در تصویر مفهومی

گزارش‌های میدانی از مشارکت بیش از 3,000 مهندس و تکنسین در پروژه‌هایی حکایت دارند که هدفشان فراتر از ساخت ماشین‌آلات است؛ افزایش ظرفیت ویفر، توسعهٔ اکوسیستم تامین قطعات و تربیت نیروی انسانی متخصص نیز در دستور کار قرار دارد.

حوزهٔ حافظه: تلاش‌های داخلی و محدودیت‌های قانونی

شرکت CXMT در تلاش است تولید DRAM را با احداث کارخانهٔ جدید افزایش دهد تا تقاضای داخلی و همکاری با برندهای OEM را پوشش دهد. قوانینی مانند MATCH Act و محدودیت‌های صادراتی می‌توانند بر دسترسی به ابزار پیشرفته، توانایی تولید در گره‌های نوین و تجاری‌سازی ماژول‌های پیشرفته تأثیر بگذارند؛ علاوه بر این، افزایش ظرفیت ویفر بار فنی و اقتصادی سنگینی به همراه دارد.

سه اعلامیهٔ سامسونگ در بخش حافظه

سامسونگ سه فناوری مبتنی بر تکنیک‌های پیشرفتهٔ اتصال ویفر معرفی کرده که هر کدام در سطحی متفاوت به مرحلهٔ تجاری‌سازی نزدیک می‌شوند:

  • zHBM — ادعای عملکرد تا 8 برابر HBM5 در بارهای کاری بسیار سریع.
  • zNAND-O — امکان قرار دادن 4 یا 8 پشتهٔ NAND بر روی دی‌ع‌های منطق برای افزایش چگالی و کاهش تأخیر.
  • BV-NAND — نسل دهم V-NAND که از نظر آماده‌بودن برای تولید تجاری جلوتر از دو گزینهٔ دیگر ارزیابی می‌شود.
نمای شماتیک پشته‌های حافظه و اتصال ویفر

اهمیت این اعلامیه‌ها در تغییر روش‌های بسته‌بندی و اتصال ویفر است؛ تغییراتی که می‌توانند طراحی سیستم‌های محاسباتی و نحوهٔ استفاده از حافظه در شتاب‌دهنده‌ها را بازتعریف کنند.

رقابت قیمت‌گذاری در بازار مدل‌های هوش مصنوعی

ظهور مدل‌های ارزان‌تر چینی مانند Kimi K3 و DeepSeek V4 Flash-0731 فشار رقابتی را افزایش داده و باعث کاهش قیمت‌ها در بازار شده است. شرکت‌هایی مانند OpenAI، Anthropic و گوگل با به‌روزرسانی مدل‌ها و ارائهٔ ویژگی‌های جدید تلاش می‌کنند ارزش افزوده عرضه کنند. این رقابت می‌تواند حاشیهٔ هزینهٔ توکن را فشرده کند و مدل‌های کسب‌وکار ارائهٔ خدمات هوش مصنوعی را بازتعریف کند.

دعوای حقوقی OpenAI و اپل: پیامدها

پروندهٔ حقوقی مطرح میان اپل و OpenAI دربارهٔ ادعاهایی مبنی بر انتقال اسرار تجاری می‌تواند پیامدهای مهمی برای سیاست‌های جذب نیروی انسانی، حفاظت از مالکیت فکری و نحوهٔ توسعهٔ سخت‌افزار اختصاصی در این صنعت داشته باشد.

نکات عملی و مواردی که باید دنبال کرد

  • پیشرفت‌های چین در توسعهٔ ماشین‌های DUV و ظرفیت ویفر را به‌عنوان شاخص خودکفایی صنعتی پیگیری کنید.
  • تحولات CPO را از منظر استانداردهای بسته‌بندی و همکاری سازندگان چیپ و ماژول‌های نوری زیر نظر داشته باشید.
  • نمونه‌های اولیهٔ حافظه‌های سامسونگ را در سناریوهای واقعی کاری ارزیابی کنید؛ تأثیر بسته‌بندی ویفر بر طراحی سیستم اهمیت دارد.
  • تغییرات قیمت و سیاست‌های تجاری در بازار مدل‌های هوش مصنوعی را به‌دقت رصد کنید؛ این تغییرات می‌توانند استراتژی‌های عرضه و قیمت‌گذاری را دگرگون کنند.

منابع مرتبط: ASML، TSMC، Samsung، OpenAI.