گلوگاه پنهان در انقلاب هوش مصنوعی

تا مه 2026، یک واقعیت غیرقابل انکار صنعت هوش مصنوعی را شکل داد: حافظه با پهنای باند بالا یا HBM، نقطه‌ای است که سقف قدرت محاسباتی هوش مصنوعی دقیقاً در آنجا محدود می‌شود. پس از انتشار گزارش مالی سه‌ماهه اول سال مالی 2027 شرکت انویدیا، درآمد مراکز داده با رشد 92 درصدی سالانه به 75.2 میلیارد دلار رسید. معماری بلک‌ول یا Blackwell سهم 70 درصدی از این درآمد را به خود اختصاص داده است. در آستانه راه‌اندازی معماری روبین یا Rubin در نیمه دوم 2026، گلوگاه اصلی نه پروسه لیتوگرافی پیشرفته تاسمک است و نه محدودیت‌های مصرف برق یا کابل‌کشی مسی در دیتاسنترها. محدودیت واقعی، در دسترس بودن فیزیکی و نرخ بازدهی 8 تا 12 پشته حافظه HBM است که مستقیماً در کنار هر واحد پردازنده گرافیکی هوش مصنوعی نصب می‌شود.

این سناریو پایه‌ای تئوریک ندارد، بلکه مستقیماً از محاسبات دقیق هزینه مواد یا BOM استخراج شده است. هر پردازنده گرافیکی B200 بلک‌ول به 8 پشته حافظه HBM3E با ظرفیت مجموع 192 گیگابایت متکی است. حافظه HBM در حال حاضر بیش از 50 درصد از ارزش کل مواد تشکیل‌دهنده این پردازنده را پوشش می‌دهد. نسل بعدی شتاب‌دهنده‌های هوش مصنوعی مبتنی بر معماری روبین، این وابستگی را به 12 پشته HBM4 در هر تراشه افزایش می‌دهد و ظرفیت ذخیره‌سازی کل را به 288 گیگابایت می‌رساند. برآوردها نشان می‌دهد سهم حافظه HBM در هزینه تمام‌شده مواد برای معماری روبین به محدوده 55 تا 60 درصد خواهد رسید. این آمار ساده اما حقیقت‌آمیز بیان می‌کند که بیش از نیمی از ارزش پولی قدرتمندترین تراشه‌های هوش مصنوعی جهان، مستقیماً به حساب سه شرکت اس‌کی هاینیکس، سامسونگ الکترونیکس و میکرون واریز می‌شود. هیچ عرضه‌کننده جایگزینی برای انویدیا یا ای‌ام‌دی در این بخش حیاتی وجود ندارد. این شرایط یک انحصار چندجانبه جهانی ایجاد کرده است که در آن کسری عرضه، قدرت تعیین قیمت خیره‌کننده‌ای در اختیار همین سه شرکت متمرکز می‌کند.

مهندسی پشته‌ها؛ از درام ساده تا پردازنده‌های کمکی

برای درک عمق این رقابت تکنولوژیک، باید نگاهی دقیق به پیچیدگی‌های مهندسی آن بیندازیم. یک پشته حافظه HBM از نظر فیزیکی متشکل از 8 تا 16 ویفر درام خام است که به صورت عمودی بر روی هم قرار می‌گیرند. هزاران کانال انتقال عمودی از سیلیکون یا TSV این لایه‌ها را به هم وصل می‌کنند و در نهایت تمام ارتباطات از طریق یک دای منطقی پایه در انتهای پشته مدیریت می‌شود. این چیدمان سه‌بعدی امکان قرار دادن 24، 36 یا 48 گیگابایت حافظه در فضایی بسیار کوچک را فراهم می‌سازد. اما ویژگی تعیین‌کننده HBM، رابط ارتباطی فوق‌العاده عریض آن است. در حالی که حافظه‌های سنتی گیدر یا GDDR به کانال‌های ارتباطی 32 بیتی محدودند، HBM3E یک گذرگاه 1024 بیتی در هر پشته ارائه می‌دهد و نسخه HBM4 این پهنای باند را دو برابر و به 2048 بیت می‌رساند. نتیجه این مهندسی دقیق این است که هر پشته می‌تواند بیش از 1 ترابایت بر ثانیه پهنای باند تخلیه کند و ترکیب هشت پشته به اعدادی فراتر از 8 ترابایت بر ثانیه می‌رسد. دستیابی به حجم 192 گیگابایت حافظه با پهنای باند 8 ترابایت بر ثانیه از نظر قوانین فیزیک با فناوری گیدر محال است و HBM تنها راه‌حل مهندسی موجود است.

نسخه HBM4 نشان‌دهنده یک تغییر معماری بنیادین است. دای پایه دیگر صرفاً یک کنترل‌کننده ساده محسوب نمی‌شود، بلکه با استفاده از گره‌های منطقی پیشرفته 4 یا 5 نانومتری تولید می‌گردد. این ادغام پشته حافظه را عملاً به یک پردازنده کمکی تبدیل می‌کند. با تعبیه عملیات پیش‌پردازش داده و مدیریت حافظه مستقیماً درون خود پشته، مهندسان امکان اجرای محاسبات نزدیک به حافظه را به دست می‌آورند. این تکنیک جابه‌جایی پرمصرف داده‌ها بین پردازنده مرکزی و حافظه را که در حال حاضر بهره‌وری مراکز داده را تهدید می‌کند، به شدت کاهش می‌دهد.

زیرساخت‌های نانو و چالش‌های تولید

گره‌های تولید درام از نسل 1z تا 1c از نظر فنی به دست هر سه غول نیمه‌هادی قابل دستیابی است، اما مانع اصلی برای ورود به این بازار یا کسب برتری مطلق، در مرحله پس‌تولید یا بسته‌بندی نهایی نهفته است. گلوگاه اصلی، وافرهای مرحله پیش‌تولید نیستند، بلکه فرآیندهای مونتاژ چندلایه پیچیده‌اند.

  • حفاری و تراز دقیق TSV: تراز کردن هزاران سوراخ نانومتری در محدوده 1 تا 10 میکرومتر نیازمند تجهیزات حفاری پلاسما عمیق است که تکنولوژی آن عمدتاً در کره جنوبی و تایوان متمرکز شده است.
  • دستگاه‌های اتصال فشرده حرارتی: دستگاه‌های TC یا Thermo-compression bonders که برای کنترل دقیق دما و فشار در چسباندن لایه‌ها ضروری‌اند، در سطح جهانی به شدت کمیاب‌اند. کمتر از 100 دستگاه از این تجهیزات حیاتی در کل کره زمین وجود دارد.
  • اتصال هیبریدی نوری: حرکت به سمت فناوری HBM4 مستلزم اتصال مس به مس بدون استفاده از ویفرهای جوشکاری سنتی است. این فرآیند نیازمند دقت نانومتری است تا پشته‌های 16 لایه با کیفیت بالا ساخته شوند.
  • تست کامل پشته KGSD: این فرآیند به شدت به نرخ بازدهی وابسته است. یک تست جامع نشان می‌دهد که اگر تنها یک ویفر درون پشته معیوب باشد، کل پشته از دور خارج می‌شود.

سرنوشت صنعت در گرو نرخ بازدهی

ریاضیات پشت نرخ بازدهی بسیار بی‌رحم است. بازدهی نهایی حافظه HBM حاصل‌ضرب نرخ بازدهی ویفرهای درام، دقت فرآیند ستون‌بندی و موفقیت تست‌های نهایی است. حتی با فرض یک سناریوی خوش‌بینانه و رسیدن به بازدهی 70 درصدی برای یک ویفر درام نسل 1c، ترکیب این اعداد در پشته‌های چندلایه به سرعت به اعدادی می‌رسد که هزینه‌های تولید را چندین برابر می‌کند. شرکت‌هایی که بتوانند در این مرحله پس‌تولید پیشی بگیرند، کنترل کامل جریان پول و فناوری در زنجیره تأمین هوش مصنوعی را در دست خواهند گرفت. آینده مراکز کلان داده و مدل‌های زبانی بزرگ، به شکلی مستقیم به توانایی مهندسان این سه شرکت در غلبه بر موانع فیزیکی و افزایش نرخ بازدهی پشته‌های چندلایه گره خورده است.