حافظه ۴۰۰ لایه سامسونگ؛ انقلاب V10 در هوش مصنوعی

حافظه V10 BV-NAND سامسونگ چیست؟ بررسی تراکم ۴۰۰ لایه و فناوری مفهومی zHBM

پایان رقابت صرف بر سر پردازنده‌ها؛ چگونه حافظه‌های سه‌بعدی و کم‌مصرف سامسونگ آینده مدل‌های زبانی بزرگ را شکل می‌دهند؟

رقابت صنعت نیمه‌هادی دیگر تنها بر سر ساخت پردازنده‌های قدرتمندتر نیست؛ امروز حافظه به یکی از مهم‌ترین گلوگاه‌های توسعه هوش مصنوعی تبدیل شده است. هرچه مدل‌های زبانی بزرگ‌تر و حجم داده‌های پردازش‌شده بیشتر می‌شود، نیاز به حافظه‌هایی با ظرفیت بالاتر، سرعت بیشتر و مصرف انرژی کمتر نیز افزایش پیدا می‌کند.

در همین راستا، سامسونگ در جریان نمایشگاه Future of Memory and Storage (FMS) 2026 از نسل جدید فناوری‌های حافظه خود رونمایی کرد؛ مجموعه‌ای از فناوری‌ها که می‌تواند معماری مراکز داده هوش مصنوعی را در سال‌های آینده متحول کند. مهم‌ترین عضو این خانواده، V10 BV-NAND است؛ نخستین تراشه V-NAND صنعت که با استفاده از فناوری Wafer Bonding از مرز ۴۰۰ لایه عبور کرده است.

سایبرکست قسمت 116 : حافظه ۴۰۰ لایه سامسونگ

سامسونگ از نخستین حافظه NAND با بیش از ۴۰۰ لایه رونمایی کرد؛ گام بزرگ بعدی برای زیرساخت‌های هوش مصنوعی

از حافظه‌های HBM تا معماری مفهومی zHBM؛ برنامه‌های سامسونگ برای افزایش ۸ برابری پهنای باند دیتاسنترها

V10 BV-NAND؛ وقتی تعداد لایه‌ها دیگر تنها یک عدد نیست

در نگاه اول، عبور از مرز ۴۰۰ لایه شاید صرفاً یک رکورد مهندسی به نظر برسد، اما اهمیت واقعی این دستاورد بسیار فراتر از افزایش تعداد لایه‌هاست.

در حافظه‌های سه‌بعدی V-NAND، سلول‌های ذخیره‌سازی به‌جای گسترش روی سطح ویفر، به‌صورت عمودی روی یکدیگر قرار می‌گیرند. هرچه تعداد این لایه‌ها بیشتر شود، می‌توان ظرفیت ذخیره‌سازی بالاتری را بدون افزایش ابعاد فیزیکی تراشه در اختیار داشت؛ موضوعی که برای سرورهای هوش مصنوعی و مراکز داده اهمیت حیاتی دارد.

سامسونگ اعلام کرده است که معماری جدید V10 BV-NAND نسبت به نسل قبل (V9) حدود ۵۸ درصد تراکم ذخیره‌سازی بیشتری ارائه می‌دهد. علاوه بر این، عملکرد خواندن، نوشتن و عملیات ورودی/خروجی (I/O) نیز بهبود یافته و مصرف انرژی کاهش پیدا کرده است؛ ویژگی‌هایی که مستقیماً بر سرعت پاسخ‌دهی سامانه‌های هوش مصنوعی تأثیر می‌گذارند.

فناوری Wafer Bonding؛ نوآوری اصلی پشت این پیشرفت

آنچه V10 را از نسل‌های قبلی متمایز می‌کند، صرفاً تعداد لایه‌ها نیست؛ بلکه روش ساخت آن است.

سامسونگ برای نخستین بار در صنعت حافظه NAND از فناوری Wafer Bonding استفاده کرده است. در این روش، سلول‌های حافظه و مدارهای کنترلی (Peripheral Circuits) به‌صورت جداگانه روی دو ویفر مستقل ساخته می‌شوند و سپس با دقت بسیار بالا به یکدیگر متصل می‌شوند.

این معماری چند مزیت مهم دارد:

• افزایش چشمگیر تراکم حافظه بدون بزرگ‌تر شدن تراشه
• بهبود بازده تولید و کاهش پیچیدگی ساخت
• کاهش مصرف انرژی
• افزایش سرعت انتقال داده
• امکان توسعه نسل‌های آینده با تعداد لایه‌های بیشتر

به بیان ساده، سامسونگ تنها یک تراشه جدید معرفی نکرده، بلکه روش جدیدی برای ساخت حافظه‌های سه‌بعدی ارائه کرده است که می‌تواند مسیر توسعه NAND را در سال‌های آینده تغییر دهد.

چرا این فناوری برای هوش مصنوعی اهمیت دارد؟

در سال‌های گذشته، تمرکز صنعت هوش مصنوعی بیشتر روی افزایش قدرت پردازنده‌هایی مانند GPU و شتاب‌دهنده‌های اختصاصی بود؛ اما امروز یکی از بزرگ‌ترین چالش‌ها، انتقال سریع داده میان حافظه و پردازنده است.

با گسترش مدل‌های زبانی بزرگ (LLM)، سامانه‌های استدلال (Reasoning Models) و پردازش بلادرنگ، حجم داده‌ای که باید در هر ثانیه جابه‌جا شود به‌شدت افزایش یافته است. در چنین شرایطی، اگر حافظه نتواند با سرعت کافی اطلاعات را در اختیار پردازنده قرار دهد، حتی قدرتمندترین شتاب‌دهنده‌های هوش مصنوعی نیز بخشی از توان خود را از دست می‌دهند.

به همین دلیل سامسونگ اعلام کرده است که V10 BV-NAND از ابتدا با هدف پاسخ‌گویی به نیازهای سرورهای هوش مصنوعی، مراکز داده و زیرساخت‌های پردازش ابری نسل جدید طراحی شده است؛ جایی که ظرفیت بالا، پهنای باند مناسب و بهره‌وری انرژی اهمیت بیشتری از گذشته پیدا کرده‌اند.

zHBM؛ نگاهی به آینده حافظه‌های هوش مصنوعی

در کنار V10 BV-NAND، سامسونگ از یک فناوری مفهومی با نام zHBM نیز رونمایی کرد؛ پروژه‌ای که شاید از نظر بلندمدت حتی مهم‌تر از خود V10 باشد.

در معماری‌های متداول، حافظه‌های HBM در کنار پردازنده یا شتاب‌دهنده هوش مصنوعی قرار می‌گیرند، اما در طراحی zHBM، حافظه به‌صورت عمودی و مستقیماً روی شتاب‌دهنده AI قرار می‌گیرد. این تغییر، فاصله‌ای را که داده‌ها باید طی کنند به حداقل می‌رساند و در نتیجه، تأخیر کاهش یافته و پهنای باند به شکل محسوسی افزایش پیدا می‌کند.

سامسونگ مدعی است که در صورت تجاری‌سازی این معماری، سیستم‌های مبتنی بر zHBM می‌توانند تا ۸ برابر پهنای باند بیشتر از HBM5 ارائه دهند. همچنین استفاده از فناوری Wafer Bonding در این معماری، امکان دستیابی به بیش از ۱۰ برابر تراکم حافظه، سه برابر بهره‌وری انرژی بهتر و کاهش بیش از ۵۰ درصدی مقاومت حرارتی را فراهم می‌کند. البته باید توجه داشت که zHBM هنوز یک فناوری مفهومی است و سامسونگ زمان مشخصی برای عرضه تجاری آن اعلام نکرده است.

نقشه راه سامسونگ؛ از Edge AI تا مراکز داده

سامسونگ در FMS 2026 تنها به معرفی یک تراشه بسنده نکرد. این شرکت همچنین از zNAND-O برای کاربردهای Edge AI، نمونه‌های HBM4E و مدل مفهومی HBM5 رونمایی کرد و بر مزیت خود به‌عنوان یک تولیدکننده یکپارچه تأکید داشت؛ شرکتی که می‌تواند از طراحی معماری، تولید حافظه، بسته‌بندی و تولید انبوه را در داخل مجموعه خود انجام دهد.

این رویکرد به مشتریان اجازه می‌دهد راهکارهای اختصاصی خود را سریع‌تر توسعه دهند و زمان ورود محصولات مبتنی بر هوش مصنوعی به بازار را کاهش دهند؛ موضوعی که در رقابت امروز صنعت نیمه‌هادی به یک مزیت استراتژیک تبدیل شده است.

رونمایی از V10 BV-NAND شاید در نگاه نخست تنها معرفی یک نسل جدید از حافظه NAND باشد، اما در واقع نشان می‌دهد رقابت هوش مصنوعی وارد مرحله‌ای شده که نوآوری در معماری حافظه به اندازه پیشرفت پردازنده‌ها اهمیت پیدا کرده است.

سامسونگ با عبور از مرز ۴۰۰ لایه، معرفی فناوری Wafer Bonding و نمایش چشم‌اندازهایی مانند zHBM و zNAND-O، پیام روشنی به بازار ارسال کرده است: آینده زیرساخت‌های هوش مصنوعی تنها با پردازنده‌های سریع‌تر ساخته نمی‌شود؛ بلکه به حافظه‌هایی هوشمندتر، متراکم‌تر و کم‌مصرف‌تر نیز وابسته خواهد بود. این فناوری‌ها هنوز در مراحل اولیه توسعه قرار دارند، اما جهت‌گیری آن‌ها نشان می‌دهد رقابت نسل بعدی مراکز داده، بیش از هر زمان دیگری بر محور معماری حافظه شکل خواهد گرفت

جمع‌بندی : 

در نهایت، معرفی V10 BV-NAND سامسونگ فراتر از یک رکوردشکنی ساده در افزایش لایه‌های حافظه به ۴۰۰ لایه است. سامسونگ با بهره‌گیری از فناوری نوآورانه Wafer Bonding و نمایش طرح‌های مفهومی جسورانه‌ای نظیر zHBM، به وضوح نشان داد که حل گلوگاه انتقال داده، کلید توسعه نسل بعدی مدل‌های هوش مصنوعی است. این پیشرفت‌ها ثابت می‌کنند که بازار نیمه‌هادی‌ها در حال تغییر پارادایم است و شرکت‌هایی که بتوانند راهکارهای یکپارچه و بهینه برای پردازش و ذخیره‌سازی ارائه دهند، برندگان بلامنازع آینده خواهند بود.

———————————————————————————

• نکات کلیدی:

• رونمایی سامسونگ از حافظه V10 BV-NAND به‌عنوان نخستین تراشه صنعت با بیش از ۴۰۰ لایه در نمایشگاه FMS 2026.

• استفاده نوآورانه از فناوری Wafer Bonding که در آن سلول‌های ذخیره‌سازی و مدارهای کنترلی روی ویفرهای مجزا ساخته و سپس به هم متصل می‌شوند.

• افزایش چشمگیر ۵۸ درصدی تراکم ذخیره‌سازی در کنار بهبود سرعت خواندن، نوشتن، عملیات I/O و کاهش مصرف انرژی.

• معرفی فناوری مفهومی zHBM که با قرارگیری مستقیم حافظه روی شتاب‌دهنده، تا ۸ برابر پهنای باند بیشتر نسبت به HBM5 ارائه می‌دهد.

• پاسخ‌گویی مستقیم این حافظه‌ها به نیازهای حیاتی سرورهای هوش مصنوعی جهت انتقال سریع داده در پردازش مدل‌های زبانی بزرگ (LLM).

• رونمایی از راهکارهایی مانند zNAND-O برای کاربردهای Edge AI و نمونه‌های HBM4E برای تکمیل نقشه راه جامع سامسونگ.

• نکات تکمیلی:

• معماری Wafer Bonding نه‌تنها ظرفیت را افزایش می‌دهد، بلکه باعث بهبود بازده تولید، کاهش پیچیدگی ساخت و تسهیل توسعه نسل‌های آینده با لایه‌های بیشتر می‌شود.

• در صورت تجاری‌سازی zHBM و استفاده از Wafer Bonding در آن، می‌توان به بیش از ۱۰ برابر تراکم بیشتر و کاهش ۵۰ درصدی مقاومت حرارتی دست یافت.

• سامسونگ بر مزیت انحصاری خود به‌عنوان یک تولیدکننده یکپارچه تأکید دارد؛ شرکتی که تمام مراحل طراحی، تولید، بسته‌بندی و تولید انبوه را به‌طور مستقل انجام می‌دهد.

• نتیجه گیری:

معرفی حافظه ۴۰۰ لایه V10 BV-NAND و فناوری مفهومی zHBM پیام روشنی برای صنعت فناوری دارد: گلوگاه اصلی هوش مصنوعی اکنون از توان شتاب‌دهنده‌ها به سرعت و ظرفیت انتقال داده منتقل شده است. سامسونگ با بهره‌گیری از نوآوری‌هایی نظیر Wafer Bonding، ثابت کرده است که آینده دیتاسنترها و مدل‌های زبانی بزرگ تنها به پردازنده‌های قدرتمندتر متکی نیست، بلکه نیازمند معماری‌های نوین حافظه با تراکم فوق‌العاده و مصرف انرژی بهینه است.

• پرسش‌های تحقیقاتی بیشتر:

• آیا پیچیدگی‌های فنی و افزایش ضایعات (Defect Rate) احتمالی در اتصال دقیق ویفرها در فناوری Wafer Bonding، هزینه تولید انبوه سرورهای AI را افزایش خواهد داد؟

• رقبای اصلی سامسونگ مانند SK hynix و Micron چه استراتژی‌هایی را برای مقابله با عبور سامسونگ از مرز ۴۰۰ لایه اتخاذ خواهند کرد؟

• معماری zHBM با قرار دادن مستقیم حافظه روی شتاب‌دهنده، چه چالش‌های مهندسی جدیدی در زمینه مدیریت حرارت (Thermal Management) و خنک‌کنندگی ایجاد می‌کند؟

• توسعه فناوری‌هایی نظیر zNAND-O چگونه می‌تواند معماری پردازش متمرکز ابری را به سمت پردازش غیرمتمرکز در تجهیزات لبه (Edge Computing) تغییر دهد؟

• سخن پایانی نویسنده :

وقتی داشتم این مقاله را تدوین می‌کردم، مدام به این فکر می‌کردم که سرعت پیشرفت سخت‌افزارها چقدر سرگیجه‌آور شده است. تا همین چند وقت پیش، تمام بحث‌ها سر این بود که انویدیا چه پردازنده‌ای می‌سازد، اما حالا سامسونگ با یک حافظه ۴۰۰ لایه‌ای به ما یادآوری می‌کند که پردازنده بدون حافظه سریع، مثل یک فراری است که در ترافیک گیر کرده باشد! راستش را بخواهید، وقتی به وضعیت زیرساخت‌های ابری و دیتاسنترها در ایران نگاه می‌کنم، این اخبار کمی حسرت‌برانگیز است. ما هنوز در تأمین قطعات پایه سرورها و رم‌های استاندارد با چالش‌های تحریم، فرسودگی تجهیزات و قیمت‌های نجومی روبه‌رو هستیم؛ آن‌وقت دنیا در حال چیدن عمودی حافظه روی شتاب‌دهنده‌های هوش مصنوعی است تا میلی‌ثانیه‌ها را ذخیره کند. اما به هر حال، فهم این معماری‌های جدید (مثل Wafer Bonding) برای مهندسان و متخصصان شبکه ما ضروری است؛ چرا که حتی اگر امروز این سخت‌افزارها به دستمان نرسد، معماری نرم‌افزارهای فردا بر اساس همین زیرساخت‌ها بهینه‌سازی می‌شوند و ما باید برای آن آماده باشیم.

منبع : به گزارش news.samsung

 

در مجله سایبرلایف بخوانید