Глобальная гонка вооружений в сфере искусственного интеллекта сталкивается с неожиданным физическим барьером — критическим дефицитом высокопроизводительной памяти. Отраслевой голод по чипам HBM становится определяющим фактором при проектировании следующего поколения вычислительных систем. Даже технологический лидер Nvidia вынужден пересматривать спецификации своих будущих ускорителей, чтобы сохранить темпы поставок. В центре этой драмы оказывается стратегический компромисс между объемом данных и скоростью их передачи.
Современный рынок полупроводников переживает период турбулентности, где спрос на специализированную память HBM (High Bandwidth Memory) значительно опережает возможности производителей. Аналитики TrendForce констатируют тревожный тренд: дефицит предложения сохранится как минимум до конца следующего года. Эта ситуация ставит Nvidia перед сложным выбором при подготовке линейки ускорителей Rubin Ultra, которые должны стать фундаментом для обучения моделей следующего поколения.
В текущем квартале компания приступила к детальной проработке конфигураций памяти для семейства Rubin Ultra. Первоначальный план предполагал использование 12-ярусных стеков HBM4E, однако реальность заставляет рассматривать альтернативы. В списке возможных спецификаций теперь значатся и 8-ярусные версии HBM4E, а также варианты на базе стандартной HBM4 с разным количеством слоев. Такая гибкость продиктована не столько инженерным замыслом, сколько необходимостью хеджировать риски: существует высокая вероятность того, что к моменту массовых поставок производители памяти просто не успеют сертифицировать 12-ярусные стеки HBM4E в необходимых объемах.
Проблема носит системный характер и затрагивает не только Nvidia. Облачные гиганты, создающие собственные специализированные чипы (ASIC), также вынуждены «умерить аппетиты». Более того, дефицит уже ощущается в сегменте серверного оборудования: производители и их заказчики были вынуждены сократить объемы памяти RDIMM в системах, запланированных к установке еще в первой половине этого года.
Особое внимание заслуживает ситуация с Vera Rubin Superchip. Здесь Nvidia планирует радикально — вдвое — сократить объем памяти SOCAMM. Причиной стал ожидаемый дефицит модулей LPDDR5X, который, по прогнозам, продлится на протяжении всего 2027 года. Таким образом, мы наблюдаем масштабную тенденцию к оптимизации и даже сокращению объемов памяти в угоду доступности компонентов.
Однако в случае с Rubin Ultra приоритеты расставлены жестко: пропускная способность важнее общего объема. Для задач глубокого обучения скорость передачи данных является критическим фактором, определяющим эффективность вычислений. Если Nvidia и пойдет на сокращение количества ярусов памяти, она сделает это только при условии сохранения высокой скорости обмена данными.
Технический разрыв между поколениями здесь очевиден: стандарт HBM4 позволяет достичь пропускной способности порядка 12 Гбит/с, в то время как модификация HBM4E способна поднять планку до 14–16 Гбит/с. Именно этот прирост производительности является главной целью, ради которой компания готова жертвовать емкостью хранилища.
Перспективы на ближайшие годы остаются напряженными. Даже при условии роста производства HBM на 50–60% в следующем году, этого объема будет недостаточно для удовлетворения аппетитов индустрии ИИ. Следствием станет неизбежный рост цен на память, который продолжится и в 2027 году. Для разработчиков ускорителей это создает двойной вызов: им приходится бороться не только с физическим отсутствием чипов, но и с растущей стоимостью компонентов, что неизбежно отразится на финальной стоимости вычислительных мощностей для всего рынка.
Энергетический стандарт для рабочих станций Aorus
