به گاراژ تکین خوش آمدید. وقتی افکار عمومی درگیر شمارش ترافلاپسها (Teraflops) و قدرت خامِ پردازندههای جدید هستند، ما در تکین آنالیز به عنوان بازرسانِ سایبری به گلوگاههای پنهان در لایههای زیرینِ سیلیکون نگاه میکنیم. سالهاست که کمپانیهای بزرگ روی ساخت GPUهای قدرتمندتر تمرکز کردهاند، اما فراموش کردهاند که این هیولاهای پردازشی، برای بلعیدن دادهها به دهانهای گشادتری نیاز دارند! امروز با بحرانی روبرو هستیم که بزرگترین مغزهای هوش مصنوعی جهان و غولهای سرگرمی را همزمان به زانو درآورده است. از یک سو، دمیس هاسابیس در گوگل دیپمایند با صراحت اعتراف میکند که توسعهی مدلهای زبانی بزرگ (LLMs) به دلیل کمبود حافظه فلج شدهاند و از سوی دیگر، گزارشهای تحلیلی نشان میدهند که سونی احتمالاً مجبور است به دلیل هزینههای نجومیِ حافظههای نسل جدید، تولد نسل دهم کنسولها (PS6) را تا سال ۲۰۲۹ عقب بیندازد. در این مگامقاله، با بیرحمیِ تمام و دقتِ یک مهندس سختافزار، کالبدشکافیِ فنیِ پدیدهی مرگبارِ «دیوار حافظه» را آغاز میکنیم تا ببینیم چرا رم (RAM) به پادشاه جدید، کمیاب و البته ظالمِ دنیای تکنولوژی در سال ۲۰۲۶ تبدیل شده است.
صنعت تکنولوژی در حال تجربه یک سکتهی قلبیِ خاموش در لایهی سختافزار است. گزارش امروز تکین آنالیز ، کالبدشکافیِ بحرانی است که نشان میدهد چگونه یک قطعهی به ظاهر ساده به نام حافظه (Memory)، میتواند جاهطلبانهترین
پروژههای بشریت—از دستیابی به هوش مصنوعیِ عمومی (AGI) تا رندرینگِ گرافیکهای فوتورئالیستیک در گیمینگ—را متوقف کند. ۱. دیباگِ بحران: وقتی هیولاهای سیلیکونی از گرسنگی میمیرند [IMAGE_PLACEHOLDER_1] تا همین
چند ماه پیش، تیترِ اصلی تمام رسانههای تکنولوژی و دغدغهی سرمایهگذاران، «کمبود شدید پردازندههای انویدیا (NVIDIA)» بود. اما دمیس هاسابیس ، رهبر افسانهای Google DeepMind و یکی از پدرانِ هوش مصنوعی مدرن،
در افشاگری اخیر خود، انگشت روی یک زخم بسیار عمیقتر گذاشت. او رسماً اعلام کرد که مانعِ اصلی برای آموزش مدلهای هوش مصنوعیِ بزرگتر و هوشمندتر، دیگر فقط قدرت پردازشیِ GPU نیست، بلکه کمبود وحشتناک و قیمتِ
سرسامآورِ حافظههای پرسرعت است. ۱.۱. اعتراف تاریخیِ دیپمایند: HBM، طلای جدیدِ سیلیکونولی مدلهای زبانی غولپیکر (مثل Gemini 1.5 Pro یا GPT-5) برای پردازش تریلیونها پارامتر به صورت همزمان، به پهنای
باند حافظهی نجومی نیاز دارند. شما نمیتوانید این حجم از داده را روی حافظههای معمولیِ DDR قرار دهید. تکنولوژی HBM (High Bandwidth Memory) تنها راهکارِ مهندسیِ فعلی است که میتواند دادهها را با سرعت کافی
به حلقومِ GPUهای تشنهی انویدیا و AMD بریزد. ۱.۲. گلوگاهِ بستهبندی (CoWoS): چرا تولید حافظه کُند است؟ تولید چیپهای HBM3e و نسلهای بعدی آن به شدت پیچیده است. این حافظهها به صورت سهبعدی روی هم چیده
میشوند (3D Stacking) و از طریق هزاران مسیرِ میکروسکوپی به نام TSV (Through-Silicon Via) به هم متصل میگردند. اما بحران اصلی حتی خودِ چیپ نیست؛ بلکه فرآیند اتصال این حافظهها به GPU است که نیازمند تکنولوژی
ادامه مطلب در سایت