„Samsung Electronics“ paskelbė, kad pradėjo tiekti pirmuosius 12 aukštų 48 GB HBM4E pavyzdžius didžiausiems klientams visame pasaulyje.Po pirminio mėginio siuntimo ir optimizavimo proceso „Samsung“ planuoja pradėti masinę HBM4E gamybą pagal klientų kūrimo grafikus.
„Samsung“ taip pat pranešė, kad plečia savo produktų asortimentą ir pristatys 8 aukštų 32 GB ir 16 aukštų 64 GB versijas, kad atitiktų įvairius klientų skaičiavimo našumo reikalavimus.
HBM arba High Bandwidth Memory yra pagrindinis AI greitintuvo lustų komponentas, kurio pralaidumas ir talpa tiesiogiai veikia AI mokymo ir išvadų efektyvumą.
„Samsung“ į HBM rinką įžengė 2015 m., o nuo to laiko jos produktai buvo kuriami dešimt kartų.2026 m. vasario mėn. „Samsung“ pradėjo masinę HBM4 gamybą ir tapo pirmąja kompanija pasaulyje, pasiekusia masinę HBM4 gamybą.
„Samsung“ teigimu, 12 aukščio HBM4E, patobulintas HBM4 įpėdinis, yra sukurtas naudojant šeštosios kartos 10 nanometrų klasės (1c) DRAM procesą ir 4 nm loginį pagrindą, kurį gamina Samsung Foundry.Naujasis produktas labai pagerina našumą, pajėgumą, energijos vartojimo efektyvumą ir šilumos valdymą. Jis skirtas didelėms kalbų modeliams, generuojamoms AI ir didelio našumo skaičiavimo programoms.Palyginti su HBM4:
Našumas: HBM4E užtikrina stabilų 14 Gb/s duomenų perdavimo spartą vienam kontaktui su masteliu iki 16 Gb/s, kad atitiktų augančius duomenų apdorojimo poreikius.Palyginti su HBM4, našumas pagerėjo daugiau nei 20 %, o atminties pralaidumas siekia net 3,6 TB/s viename krūvoje, o tai padeda maksimaliai padidinti didelio masto modelių ir naujos kartos AI sistemų skaičiavimo našumą.
Talpa: HBM4E siūlo 48 GB talpos, daugiau nei 30% daugiau nei ankstesnės kartos.„Samsung“ taip pat planuoja išplėsti asortimentą, atsižvelgdama į klientų poreikius, įskaitant 32 GB (8 aukštų) ir 64 GB (16 aukštų) konfigūracijas.
Energijos efektyvumas ir šiluminis našumas: Mažos galios dizainas ir pakuotės optimizavimas padidina energijos vartojimo efektyvumą 16 % ir sumažina šiluminę varžą daugiau nei 14 %, žymiai pagerina šilumos išsklaidymą ir padeda sumažinti energijos sąnaudas didelės apkrovos AI duomenų centrų aplinkoje.