HBM (High Bandwidth Memory — მაღალი სიჩქარის მეხსიერება) სპეციალური ტიპის DRAM-ია, რომელიც მეხსიერების ჩიპებს ვერტიკალურად ახვამს ერთმანეთზე და ასე მონაცემთა გადაცემის სიჩქარეს ჩვეულებრივ მეხსიერებასთან შედარებით 10–20-ჯერ ზრდის. სწორედ ეს ტექნოლოგია უდევს საფუძვლად თანამედროვე AI ჩიპებს — NVIDIA-ს, AMD-სა და სხვათა — რომლებიც დიდ ენობრივ მოდელებს ამუშავებენ.
როგორ განსხვავდება HBM ჩვეულებრივი მეხსიერებისგან
ჩვეულებრივი DDR5 მეხსიერება, რომელიც კომპიუტერებსა და სერვერებში გამოიყენება, 64-ბიტიანი ინტერფეისით გადასცემს მონაცემებს. HBM სრულიად განსხვავებულ მიდგომას იყენებს: 16 მეხსიერების ჩიპი ვერტიკალურად ახვამს ერთმანეთზე, მათ ათასობით პატარა არხით (TSV — through-silicon via) აკავშირებს და 1 024-ბიტიანი ფართო ინტერფეისით ერთდროულად გადასცემს მონაცემებს.
შედეგი: HBM3E — დღეს ყველაზე გავრცელებული თაობა — ერთ სტეკზე 1,2 ტერაბაიტ/წამამდე სიჩქარეს უზრუნველყოფს. DDR5 მეხსიერება კი ერთ მოდულზე დაახლოებით 50–100 გბ/წამს გვაძლევს. გარდა ამისა, HBM პროცესორის გვერდით, ერთ სუბსტრატზე თავსდება — ეს მონაცემთა გზას ამოკლებს და ენერგიის მოხმარებას ამცირებს.
რატომ სჭირდება AI ჩიპებს მეხსიერების მეტი სიჩქარე
დიდი ენობრივი მოდელების ტრენინგი და ინფერენსი (შედეგების გამომუშავება) მოითხოვს უზარმაზარი მოცულობის მონაცემების გადაადგილებას: მოდელის წონები, შუალედური შედეგები და, ინფერენსის დროს, KV ქეში (key-value cache), რომელიც საუბრის გახანგრძლივებასთან ერთად სულ უფრო იზრდება.
GPU-ების გამოთვლითი ბირთვები ბევრად სწრაფია, ვიდრე მეხსიერება მათთვის მონაცემებს მიაწვდის. პრაქტიკაში LLM ინფერენსის დროს GPU 30–50%-ზე მუშაობს — არა ნელი გამოთვლების, არამედ მომდევნო მონაცემების ლოდინის გამო.
ეს „მეხსიერების სიჩქარის კედელია” (memory bandwidth wall). ტოკენ-ტოკენ გენერაციის ფაზაში, ყოველი ახალი ტოკენის შექმნისთვის, მოდელის მთელი წონები ხელახლა იკითხება მეხსიერებიდან. 70-მილიარდი პარამეტრის მქონე მოდელისთვის ეს ყოველ ტოკენზე ~140 გბ-ის კითხვას ნიშნავს.
HBM ამ ბარიერს პირდაპირ ეჯახება: მეხსიერებას პროცესორის გვერდით ათავსებს და მას ტერაბაიტ/წამი სიჩქარის ინტერფეისს უქმნის. ეს უზრუნველყოფს ბირთვების სრულ დატვირთვას, გრძელი კონტექსტის ეფექტიანი დამუშავების საშუალებას და სწრაფ ტრენინგს.
HBM-ის თაობები: HBM1-დან HBM4-მდე
სტანდარტი 2013 წელს შეიქმნა — Samsung-ის, AMD-სა და SK Hynix-ის ერთობლივი ძალისხმევით — და სწრაფად განვითარდა:
| თაობა | სიჩქარე სტეკზე | მაგალითი |
|---|---|---|
| HBM1 (2013) | ~128 გბ/წამ | AMD Fiji |
| HBM2 (2016) | ~256 გბ/წამ | NVIDIA V100 |
| HBM2E (2017) | ~384 გბ/წამ | NVIDIA A100 |
| HBM3 (2022) | ~819 გბ/წამ | NVIDIA H100 |
| HBM3E (2023) | ~1 229 გბ/წამ | NVIDIA H200, B200; AMD MI300X |
| HBM4 (2025) | ~2 048 გბ/წამ | მომდევნო თაობა |
HBM4 ინტერფეისს 2 048 ბიტამდე ორმაგდება. SK Hynix-მა HBM4-ის შემუშავება 2025 წელს დაასრულა; 2026 წლის AI ამაჩქარებლებში გამოჩნდება.
ვინ აწარმოებს HBM-ს — და რომელ ჩიპებში გამოიყენება
HBM-ს დღეს მხოლოდ სამი კომპანია აწარმოებს: SK Hynix, Samsung და Micron. SK Hynix ბაზრის დაახლოებით ნახევარს ფლობს და HBM3E-ის მასობრივ წარმოებაში პირველი შევიდა.
ყველა მსხვილი AI ამაჩქარებელი HBM-ზეა დამოკიდებული:
- NVIDIA H100: 80 გბ HBM3, 3,35 ტბ/წამ
- NVIDIA H200: 141 გბ HBM3E, 4,8 ტბ/წამ
- NVIDIA B200: 180 გბ HBM3E, 7,7 ტბ/წამ
- AMD MI300X: 192 გბ HBM3, 5,3 ტბ/წამ
ვინაიდან HBM-ის წარმოება მსოფლიოში მხოლოდ რამდენიმე ქარხანშია კონცენტრირებული და AI-ის მოთხოვნა მიწოდებას სჭარბობს, HBM სტრატეგიულ რესურსად იქცა — გავლენას ახდენს GPU-ების ფასზე, მიწოდების ჯაჭვებზე და ნახევარგამტარების საერთაშორისო კონკურენციაზე.
სიახლეებში
SK Hynix-მა, HBM-ის მსოფლიოს უმსხვილესმა მწარმოებელმა, 2026 წლის ივნისში Nasdaq-ზე $29 მილიარდის ოდენობის განთავსება გამოაცხადა AI მეხსიერების წარმოების გასაფართოებლად — ეს ნაბიჯი კარგად ასახავს HBM-ის სტრატეგიულ მნიშვნელობას.
ხშირად დასმული კითხვები
AI მოდელები HBM-ის გარეშეც მუშაობს?
დიახ — მცირე მოდელები ჩვეულებრივ LPDDR ან GDDR მეხსიერებაზე მუშაობს, და მომხმარებლის მრავალი AI პროდუქტი ასეც მუშაობს. თუმცა ფრონტიერ მოდელების (ასობით მილიარდი პარამეტრი) ტრენინგი და ინფერენსი მხოლოდ HBM-ის სიჩქარეზეა შესაძლებელი.
რატომ არ გამოიყენება HBM ყველა კომპიუტერში?
HBM-ის წარმოება ძვირია და სპეციალური შეფუთვის ტექნოლოგიას საჭიროებს, რომელიც მეხსიერებასა და პროცესორს ერთ სუბსტრატზე ათავსებს. ჩვეულებრივი კომპიუტინგისთვის DDR მეხსიერება ბევრად ეკონომიურია.
რა არის HBM4 და როდის გამოჩნდება?
HBM4 ინტერფეისს 2 048 ბიტამდე ორმაგდება და ~2 ტბ/წამ სიჩქარეს უზრუნველყოფს — HBM3E-ზე თითქმის ორჯერ მეტი. SK Hynix-მა HBM4 2025 წელს შეიმუშავა; 2026 წლის AI ჩიპებში გამოჩნდება.
რა ღირს HBM?
ფასი მოცულობასა და კონტრაქტის პირობებზეა დამოკიდებული. 2026 წლის შუა პერიოდის მდგომარეობით, HBM3E-ის სავარაუდო ღირებულება ~$8–10/გბ-ს შეადგენს, რაც HBM-ს AI ამაჩქარებლების ყველაზე ძვირ კომპონენტებს შორის აქცევს. დეტალებისთვის იხ. SK Hynix-ის პროდუქტის გვერდი.
წყაროები: High Bandwidth Memory — Wikipedia; SK Hynix-ის პროდუქტის დოკუმენტაცია; NVIDIA H100/H200/B200 სპეციფიკაციები; AMD MI300X სპეციფიკაციები.