شرکت SK hynix با رونمایی تراشه‌های قوی هوش مصنوعی از سامسونگ و مایکرون پیشی گرفت_کویر دانش

بنابر گزارش Korea Herald، شرکت SK hynix، دومین تولیدکننده‌ی بزرگ تراشه‌های حافظه در جهان، به‌تازگی تشکیل زیاد اولین تراشه‌های حافظه با پهنای باند بالای (HBM) ۱۲ لایه‌ی خود را اغاز کرده است. این دستاورد مهم، SK hynix  را در رقابت با شرکت‌های بزرگی همانند سامسونگ و مایکرون، در بازار تراشه‌های هوش مصنوعی پیشتاز می‌کند.

تراشه‌های تازه HBM شرکت SK hynix، با افزایش تعداد لایه‌ها به ۱۲ عدد، ظرفیت و شدت انتقال داده‌ها را به‌طور قابل‌ توجهی افزایش خواهند داد. این تراشه‌ها به‌اختصاصی برای کاربردهای هوش مصنوعی و یادگیری عمیق که نیاز به پردازش حجم بسیاری از داده‌ها دارند، زیاد مناسب می باشند.

یکی از ویژگی‌های برجسته‌ی این تراشه‌ها، توانایی آن‌ها در افت مصرف انرژی است. باتوجه‌به افزایش تقاضا برای پردازش‌های پیچیده و نیاز به افت مصرف انرژی در مراکز داده، تراشه‌های یادشده می‌توانند نقش مهمی در بهبود کارایی و افت هزینه‌های عملیاتی ایفا کنند.

علاوه‌بر‌این، شرکت کره‌ای SK hynix با منفعت گیری از فناوری‌های پیشرفته، توانسته است هزینه‌های تشکیل را افت دهد و درعین‌حال کیفیت و کارکرد تراشه‌ها را نگه داری کند. شرکت SK hynix این چنین برنامه‌هایی برای گسترش و بهبود زیاد تر این فناوری دارد تا بتواند در آینده نیز در بازار رقابتی تراشه‌های حافظه پیشتاز باقی بماند. تراشه‌ی تازه ۳۶ گیگابایتی ۱۲ لایه‌ی HBM3E، طی یک سال آینده برای مشتریانش از جمله انویدیا، اراعه خواهد شد.

یکی از کارشناسان مرتبط با صنعت نیمه‌هادی او گفت: «اگرچه پیچیدگی فنی یک محصول ۱۲ لایه نسبت به یک محصول ۸ لایه زیاد تر است، اما توانایی‌ی قبلی SK Hynix در تشکیل زیاد محصول HBM3، به این شرکت امکان می‌دهد تا زمان مورد نیاز برای دستیابی به کیفیت و بازده پایدار را مختصر کند.»

بنابر گزارش‌های منتشرشده‌ی سال قبل، سهم بازار  SK hynix در تشکیل تراشه‌های حافظه با پهنای باند بالا با ۵۳ درصد در صدر لیست قرار گرفت و سامسونگ و مایکرون به‌ترتیب با ۳۸ و ۹ درصد، در رتبه‌های بعدی قرار گرفتند.

در‌ مجموع، تشکیل زیاد تراشه‌های حافظه با پهنای باند بالای ۱۲ لایه توسط SK hynix، نه‌تنها یک دستاورد فنی بزرگ محسوب می‌بشود، بلکه نشان‌دهنده‌ی ضمانت این شرکت به نوآوری و پیشرفت در صنعت تراشه‌های حافظه است. تراشه‌های مذکور با اراعه‌ی کارکرد بهتر و مصرف انرژی کمتر، می‌توانند به‌طور گسترده‌ای در کاربردهای گوناگون از جمله هوش مصنوعی، یادگیری عمیق و مراکز داده مورد منفعت گیری قرار گیرند و نیازهای روزافزون صنایع را برآورده کنند.