موفقیت در حافظه‌های HBM، شرکت SK Hynix را به سمت توسعه راهکاری مشابه برای بازار موبایل سوق داده است. این شرکت در حال توسعه فناوری جدیدی به نام «حافظه ذخیره‌سازی با پهنای باند بالا» (HBS) برای دستگاه‌های موبایل است. این فناوری با روی هم چیدن تراشه‌های DRAM و NAND، قصد دارد گلوگاه سرعت حافظه را که مانعی جدی برای اجرای AI روی گوشی‌هاست، برطرف کند.
به گزارش ETNEWS، شرکت کره‌ای SK Hynix که در تولید حافظه‌های HBM گوی سبقت را از رقبایی مثل سامسونگ و Micron ربوده، اکنون توجه خود را به یک چالش مهم دیگر معطوف کرده است: گلوگاه عملکرد حافظه در دستگاه‌های موبایل. این شرکت در حال توسعه فناوری جدیدی به نام High Bandwidth Storage یا HBS است که پتانسیل آن را دارد تا عملکرد هوش مصنوعی در گوشی‌های هوشمند و تبلت‌ها را به شکل چشمگیری بهبود بخشد.
VFO: فناوری کلیدی در پسِ HBS
اساس کار HBS بر روی هم چیدن تا ۱۶ لایه از تراشه‌های DRAM و NAND استوار است. اما نوآوری اصلی در روش اتصال این لایه‌هاست. SK Hynix برای این منظور از یک فناوری پکجینگ جدید به نام Vertical Wire Fan-Out یا VFO استفاده می‌کند که اولین بار در سال ۲۰۲۳ معرفی شد.
در روش‌های سنتی مانند اتصال سیمی خمیده (Curved Wire Bonding)، سیم‌ها با یک انحنا به تراشه‌ها متصل می‌شوند که این امر باعث افزایش طول مسیر سیگنال، اتلاف انرژی و تأخیر در انتقال داده می‌شود. در مقابل، فناوری VFO تراشه‌ها را مستقیماً و به صورت یک خط مستقیم به هم متصل می‌کند. این اتصال کوتاه‌تر و مستقیم، مزایای متعددی از جمله کاهش قاصله سیم‌کشی، کاهش افت سیگنال، کاهش تأخیر و در نهایت امکان ساخت تعداد I/O بیشتر را دارد.
مجموع این بهبودها به افزایش قابل توجه سرعت پردازش داده‌ها منجر می‌شود که برای اجرای روان مدل‌های پیچیده هوش مصنوعی مولد روی دستگاه‌های موبایل ضروری است.
حافظه HBS به صورت یک پکیج یکپارچه همراه با SoC اصلی گوشی طراحی شده و سپس روی برد اصلی دستگاه نصب می‌شود. این روش که در پردازنده‌هایی مثل سری M اپل و Lunar Lake اینتل نیز به کار می‌رود، باعث کاهش تأخیر و افزایش پهنای باند بین پردازنده و حافظه می‌شود. هرچند هنوز مشخص نیست کدام پردازنده‌ها از این فناوری پشتیبانی خواهند کرد، اما شایعاتی مبنی بر پشتیبانی تراشه Snapdragon 8 Elite Gen 6 Pro از حافظه‌های LPDDR6 و UFS 5.0 به گوش می‌رسد که آن را به یکی ازگزینه‌های اصلی برای بهره‌گیری از HBS تبدیل می‌کند.
هزینه کمتر نسبت به HBM
یکی از مهم‌ترین مزایای HBS نسبت به حافظه‌های HBM که در دیتاسنترها استفاده می‌شوند، هزینه تولید آن است. فناوری HBM نیازمند اتصال لایه‌ها از طریف TSV است که در آن حفره‌های میکروسکوپی در تراشه ایجاد می‌شود. HBS به این فرآیند نیازی ندارد و حذف این مرحله باعث کاهش هزینه‌های تولید و افزایش بازده می‌شود. این ویژگی، HBS را به گزینه‌ای جذاب و اقتصادی برای تولیدکنندگان گوشی‌های هوشمند تبدیل می‌کند.
با توجه به گزارش‌ها مبنی بر تلاش اپل برای استفاده از HBM و TSV در دستگاه‌های آینده خود برای اجرای مدل‌های هوش مصنوعی پیشرفته به صورت محلی، جای تعجب نیست که این شرکت و سایر غول‌های فناوری به دقت توسعه فناوری HBS را زیر نظر داشته باشند. این فناوری می‌تواند بدون افزایش چشمگیر قیمت نهایی، قابلیت‌های هوش مصنوعی را برای میلیون‌ها کاربر به ارمغان بیاورد.
نظر خود را اضافه کنید.
برای ارسال نظر وارد شوید
ارسال نظر بدون عضویت در سایت