Nvidia Memulakan Pengeluaran Vera Rubin ketika Permintaan HBM4 Memacu Persaingan Cip Memori

Barisan pemasangan lebih pantas menjadikan bekalan memori tumpuan

Nvidia telah memulakan pengeluaran penuh platform pengkomputeran kecerdasan buatan Vera Rubin, dengan Ketua Pegawai Eksekutif Jensen Huang berkata nod pelayan kini boleh dipasang dalam masa kurang daripada lima minit, berbanding dua jam bagi pendahulunya, Grace Blackwell. Perubahan ini menjanjikan pembuatan pelayan yang lebih pantas, di samping meningkatkan permintaan terhadap memori canggih yang dibekalkan oleh Samsung Electronics, SK hynix dan Micron.

Huang memperkenalkan nod Vera Rubin di GTC Berlin 2026, dengan menerangkan reka bentuk tanpa kabel atau wayar dan penyejukan cecair 100%. Grace Blackwell menggunakan penyejukan cecair untuk 80% sistem dan memerlukan kerja pemasangan yang jauh lebih banyak.

Perbandingan pemasangan itu menunjukkan pengurangan lebih daripada 95.8%, daripada 120 minit kepada kurang daripada lima minit. Bagi syarikat yang membina pelayan AI dalam jumlah besar, langkah yang lebih ringkas itu boleh membantu peralatan bergerak lebih pantas melalui kilang. Masa yang diperlukan untuk mengeluarkan cip, membungkus memori dan memasang sistem lengkap masih menjadi sebahagian daripada jadual pengeluaran yang lebih luas.

Samsung dan SK hynix bersaing untuk merebut permintaan yang terhasil bagi HBM4, memori lebar jalur tinggi generasi keenam. Micron juga layak membekalkan Vera Rubin, menjadikan persaingan ini melibatkan ketiga-tiga pengeluar utama HBM.

Pada masa sama, pembekal sudah pun memperkenalkan HBM4E, generasi seterusnya selepas HBM4. Pengumuman mereka menunjukkan dua tekanan yang saling berkait: Nvidia mahukan pelayan yang lebih mudah dibina, sementara pengeluar memori perlu menawarkan kelajuan dan kapasiti lebih tinggi melalui proses pengeluaran yang sukar. Pemasangan pelayan yang lebih pantas menjadikan penghantaran cip yang boleh diharap lebih bernilai.

Apakah perubahan dalam Vera Rubin?

Nod pelayan ialah blok binaan bagi sistem pengkomputeran yang lebih besar. Nvidia menghubungkan unit-unit ini supaya banyak pemproses boleh bekerja bersama-sama untuk tugasan AI yang mencabar, seperti melatih model atau menjawab permintaan daripada ramai pengguna.

Reka bentuk pemasangan Vera Rubin yang lebih ringkas mengurangkan kerja menyambungkan komponen. Perbandingan Huang dengan Grace Blackwell tertumpu pada penghapusan kabel dan wayar daripada nod itu serta peralihan kepada penyejukan cecair sepenuhnya.

Penyejukan cecair menyingkirkan haba daripada komponen menggunakan bendalir yang beredar. Pemproses AI berkuasa menghasilkan haba yang banyak, dan kawalan suhu membantu memastikan pemproses beroperasi dengan andal semasa beban kerja berterusan. Vera Rubin memperluas pendekatan itu ke seluruh sistem yang diterangkan Huang.

Pengumuman pengeluaran Nvidia membawa reka bentuk itu ke peringkat pembuatan. Kelajuan sistem siap sampai kepada pelanggan juga bergantung pada ketersediaan pemproses, memori, pembungkusan dan peralatan penyejukan.

Mengapa HBM4 penting untuk prestasi AI

HBM meletakkan beberapa cip memori dalam tindanan menegak bersebelahan pemproses AI. Sambungan kecil yang menembusi silikon membolehkan data bergerak antara lapisan. Permukaan penghubung bersama menyambungkan tindanan itu kepada pemproses, sekali gus memberikannya akses pantas kepada maklumat.

Pemproses AI memerlukan akses ini kerana pengiraan bergantung pada bekalan data yang berterusan. Pemproses berkuasa boleh menghabiskan masa menunggu jika memorinya tidak dapat menyampaikan maklumat dengan cukup pantas. Jalur lebar menerangkan jumlah data yang boleh dipindahkan setiap saat; kapasiti pula menerangkan jumlah yang boleh disimpan pada satu-satu masa.

HBM4 meluaskan antara muka data kepada 2,048 bit, dua kali lebar generasi terdahulu. Samsung melaporkan jalur lebar 2.8 terabait sesaat bagi tindanan 12 lapisannya, manakala Micron melaporkan lebih daripada 2.8 terabait sesaat bagi produk HBM4 semasanya.

Kedua-dua kelajuan dan ruang simpanan penting. Latihan model AI memerlukan pengiraan berulang terhadap jumlah data yang besar. Menjalankan model yang telah dilatih, yang dikenali sebagai inferens, juga memerlukan memori untuk menyimpan model itu serta maklumat tentang permintaan yang sedang diproses.

Samsung mengejar kelajuan, SK hynix pula menambah kapasiti

HBM4 Samsung menggabungkan proses pembuatan DRAM 1c generasi keenamnya dengan acuan asas yang dibuat menggunakan proses logik 4 nanometer. Acuan asas ialah lapisan kawalan di bawah tindanan memori. Samsung melaporkan kadar data 11.7 gigabit sesaat pada setiap pin, mencecah sehingga 13 gigabit dalam konfigurasi yang dioptimumkan.

Hwang Sang-joon, ketua pembangunan memori Samsung Electronics, menjelaskan pilihan pembuatan itu ketika syarikat mengumumkan penghantaran komersial pertamanya:

Daripada memilih laluan konvensional dengan menggunakan reka bentuk sedia ada yang telah terbukti, Samsung mengambil langkah berani dengan menggunakan nod paling canggih seperti DRAM 1c dan proses logik 4nm untuk HBM4,

SK hynix mengambil pendekatan berbeza dengan produk HBM4 yang dipamerkannya, menggunakan proses DRAM 1b yang lebih mantap dan menindankan 16 lapisan. Versi itu menampung 48 gigabait, berbanding 36 gigabait dalam tindanan 12 lapisan Samsung.

Oleh itu, tindanan SK hynix menampung 12 gigabait lebih banyak, iaitu peningkatan kapasiti sebanyak satu pertiga. Ruang tambahan itu boleh membantu sistem menyimpan lebih banyak maklumat kerja berhampiran pemproses. Pendekatan Samsung pula menumpukan pada pemindahan lebih pantas dengan menggunakan proses pembuatan yang lebih baharu.

Perbualan panjang dan tugasan AI yang kompleks menjadikan kapasiti amat bernilai. Model menyimpan maklumat tentang bahagian terdahulu sesuatu permintaan dalam simpanan sementara yang dipanggil cache nilai kunci. Apabila semakin ramai pengguna menghantar permintaan yang lebih panjang, cache itu boleh memenuhi memori yang tersedia dan memaksa maklumat dipindahkan ke storan yang lebih perlahan.

Ketua pembangunan SK hynix, Ahn Hyeon, meramalkan skala prestasi yang diperlukan bagi infrastruktur AI mungkin kira-kira 20 kali lebih besar pada 2030 berbanding 2026. Hujahnya bagi teknologi memori baharu sebahagiannya berpaksikan jumlah maklumat yang semakin banyak dan perlu disimpan agar mudah dicapai oleh sistem inferens.

Micron berkembang dengan kapasiti 2027 sudah ditempah

Micron membuka kemudahan pemasangan dan pengujian HBM canggih keduanya di Taichung, Taiwan, pada pertengahan Oktober 2026. Kilang yang dikenali sebagai AATT2 itu menambah kapasiti untuk menukar cip memori individu menjadi tindanan siap.

Manish Bhatia, presiden dan ketua pegawai operasi Micron, menyifatkan permintaan pada majlis pembukaan:

Keseluruhan kapasiti 2027 yang dirancang sudah habis dijual,

Ketua Pegawai Eksekutif Micron, Sanjay Mehrotra, berkata dalam panggilan pendapatan syarikat pada Jun bahawa jualan terkumpul HBM4 melepasi $1 bilion dalam tempoh beberapa bulan selepas penghantaran komersial bermula. Beliau turut berkata pengeluaran HBM4 12 lapisannya meningkat dua kali lebih pantas berbanding peningkatan pengeluaran HBM3E yang setara.

Huang dari Nvidia mengesahkan pada Jun bahawa Samsung, SK hynix dan Micron semuanya telah melayakkan HBM4 dan memulakan pengeluaran besar-besaran untuk Vera Rubin. Kelayakan pelanggan bermaksud produk pembekal telah melepasi pemeriksaan yang diperlukan untuk digunakan dalam sistem pelanggan.

Micron menyasarkan jumlah kapasiti pengeluaran HBM sekitar 100,000 wafer sebulan menjelang akhir 2026. Sehingga Jun, pelaburan terkumpulnya di Taiwan melebihi NT$1.6 trilion, kira-kira $50.2 bilion.

Tapak Tongluo syarikat itu di Daerah Miaoli disasarkan memulakan penghantaran produk penuh menjelang pertengahan 2027. Wafer dari lokasi itu akan menempuh kira-kira 24 kilometer ke AATT2 untuk pemasangan dan pengujian, menghubungkan dua peringkat pengeluaran dalam jarak yang agak dekat.

Pembungkusan dan tenaga kerja boleh mengehadkan penghantaran

Pengeluaran HBM memerlukan lebih daripada sekadar menghasilkan cip memori yang berfungsi. Pengeluar perlu menipiskan silikon, membuat sambungan tepat menembusinya dan mengikat beberapa lapisan bersama-sama. Kecacatan semasa langkah-langkah ini boleh mengurangkan jumlah tindanan siap yang boleh digunakan.

Tindanan yang lebih tinggi menambah bilangan sambungan dan operasi pengikatan yang perlu berjaya. Oleh itu, pilihan Samsung menggunakan proses lebih baharu dengan 12 lapisan dan penggunaan proses yang lebih mantap oleh SK hynix dengan 16 lapisan melibatkan cabaran pembuatan yang berbeza, selain spesifikasi produk yang berlainan.

Pembekal peralatan Hanmi Semiconductor menyediakan mesin pengikatan mampatan terma, yang menggunakan haba dan tekanan terkawal dengan teliti untuk menyambungkan lapisan. SK hynix menandatangani kontrak bernilai 44.2 bilion won, kira-kira $33 juta, pada Jun bagi peralatan TC Bonder 4.5 Griffin yang dinaik taraf untuk kemudahan Cheongju. Hanmi menjadualkan pelancaran komersial Wide TC Bonder seterusnya pada 2027.

Micron turut berdepan ketidaktentuan tenaga kerja di Taiwan. Kesatuan Taoyuannya melaporkan bahawa 1,994 daripada 2,012 anggota yang layak memberi kuasa untuk tindakan mogok pada 7 Oktober, kira-kira 99% daripada anggota yang layak. Sesi pengantaraan yang melibatkan kesatuan Taichung dijadualkan pada 22 Oktober. Presiden Taiwan Lai Ching-te menghadiri pembukaan AATT2 dan menggesa rundingan dengan niat baik.

Perkembangan itu menjadikan tumpuan terhadap tenaga kerja sama pentingnya dengan peralatan kilang. Kebenaran untuk mogok ialah langkah yang membolehkan tindakan perusahaan diambil; tindakan keluar bekerja dan sebarang gangguan penghantaran yang menyusul belum diumumkan.

HBM4E sudah mula dibangunkan

Samsung dan SK hynix mempamerkan teknologi HBM4E generasi seterusnya di SEDEX 2026, yang berlangsung dari 14 hingga 16 Oktober di COEX, Seoul. Kedua-duanya turut mempamerkan Vera Rubin Superchip Nvidia, menunjukkan hubungan rapat antara persaingan memori dengan platform Nvidia.

HBM4E Samsung menggunakan DRAM 1c dan acuan asas yang dibuat dengan proses 4 nanometer. Syarikat itu melaporkan kelajuan sehingga 16 gigabit sesaat bagi setiap pin dan jalur lebar 3.6 terabait sesaat.

Berbanding jalur lebar HBM4 Samsung yang dinyatakan sebanyak 2.8 terabait sesaat, angka itu meningkat kira-kira 29%. Tindanan HBM4E 12 lapisannya menampung 48 gigabait, satu pertiga lebih banyak daripada 36 gigabait dalam tindanan HBM4 dengan jumlah lapisan yang sama. Samsung turut merancang versi lapan lapisan dan 32 gigabait, serta 16 lapisan dan 64 gigabait.

SK hynix turut memperkenalkan HBM4E dengan kelajuan sehingga 16 gigabit sesaat bagi setiap pin dan berkata kecekapan tenaga akan meningkat lebih daripada 20% berbanding HBM4. Samsung membekalkan sampel kepada pelanggan pada Mei, manakala SK hynix membekalkan sampel pada Jun untuk pemeriksaan prestasi. Samsung sedang menuju ke pengeluaran besar-besaran mengikut jadual pelanggan.

Pengeluar melihat melangkaui memori di sisi GPU

Samsung mempamerkan model zHBM, seni bina yang meletakkan memori secara menegak di atas cip pengkomputeran dan bukannya di sisinya. Pemendekan jarak antara kedua-duanya boleh mengurangkan masa dan tenaga yang digunakan untuk memindahkan data.

SK hynix memperkenalkan memori kilat lebar jalur, atau HBF, yang dijangka menawarkan kapasiti kira-kira 10 kali ganda berbanding HBM sedia ada. Teknologi yang dicadangkan itu akan menambah satu lagi aras antara memori pantas dengan storan, membantu sistem AI mengurus jumlah data yang lebih besar.

Samsung turut menunjukkan memori yang mampu melakukan beberapa pengiraan secara dalaman. Pendekatan itu bertujuan mengurangkan kekerapan data perlu dihantar ke pemproses berasingan. Setiap cadangan menangani masalah yang berkaitan: pemindahan maklumat menggunakan masa dan kuasa, walaupun cip pengkomputeran itu sendiri sangat pantas.

zHBM dan HBF masih di peringkat konsep dan pembangunan, sementara tarikh pengkomersialan serta penerimaan pelanggan belum diputuskan. Bagi pengeluaran semasa Vera Rubin, pembuatan dan penghantaran HBM4 kekal sebagai tugas segera.

Pencapaian pengeluaran yang perlu diperhatikan

Nvidia memasuki fasa pengeluaran penuh selepas beberapa bulan kelayakan memori, peluasan kilang dan demonstrasi produk masa depan. Pencapaian utama menunjukkan jadual pemproses dan memori semakin berkait rapat:

• Awal 2026: HBM4 Micron memasuki pengeluaran besar-besaran.
• Mei dan Jun 2026: Samsung dan SK hynix membekalkan sampel HBM4E kepada pelanggan.
• Jun 2026: Huang mengesahkan ketiga-tiga pembekal HBM utama layak dan sedang mengeluarkan produk untuk Vera Rubin.
• 7 Oktober 2026: Kesatuan Micron di Taoyuan memberi kuasa untuk tindakan mogok.
• 14 hingga 16 Oktober 2026: Samsung dan SK hynix memperkenalkan teknologi memori di SEDEX, Seoul.
• Pertengahan Oktober 2026: Micron membuka kemudahan pembungkusan dan pengujian AATT2 di Taichung.
• 22 Oktober 2026: Sesi pengantaraan yang melibatkan kesatuan Micron di Taichung dijadualkan.
• Pertengahan 2027: Micron menyasarkan penghantaran produk penuh dari tapak Tongluo yang diperluas.

Samsung dan SK hynix berpeluang mendapat manfaat daripada keperluan memori Vera Rubin yang semakin meningkat, manakala kapasiti Micron yang sudah dikontrak menunjukkan persaingan sengit untuk bekalan yang tersedia. Pelanggan memerlukan sistem lengkap, maka pemasangan nod yang pantas perlu disokong oleh memori yang mencukupi, pembungkusan yang boleh diharap dan operasi kilang yang andal.

Perkara Utama

• Nvidia berkata Vera Rubin berada dalam pengeluaran penuh, dengan pemasangan nod mengambil masa kurang daripada lima minit berbanding dua jam.
• Platform itu menggunakan penyejukan cecair sepenuhnya dan HBM4 yang dibekalkan oleh pengeluar yang layak, iaitu Samsung, SK hynix dan Micron.
• Tindanan HBM4 Samsung dengan 12 lapisan menampung 36 gigabait; tindanan 16 lapisan SK hynix yang dipamerkan menampung 48 gigabait.
• Micron berkata semua kapasiti 2027 yang dirancang di kemudahan HBM baharunya di Taichung sudah dikontrak.
• Pembungkusan canggih, ketersediaan peralatan dan rundingan tenaga kerja kekal sebagai faktor praktikal dalam jadual penghantaran.
• Samsung dan SK hynix sedang menguji HBM4E sambil membangunkan cara baharu untuk meletakkan dan menyusun memori AI.