Дефицит HBM4E заставит Nvidia сократить память в Rubin Ultra к 2027 году

Да, это правда: из-за глобального дефицита памяти HBM4E компания Nvidia будет вынуждена уменьшить объём памяти в своих ускорителях Rubin Ultra уже в 2027 году. Аналитики TrendForce прогнозируют, что большинство конфигураций этих GPU получат меньше памяти, чем планировалось изначально, что напрямую повлияет на производительность систем искусственного интеллекта. Это решение — не каприз производителя, а вынужденная мера, вызванная ограниченным предложением микросхем нового поколения, которое сохранится, по оценкам экспертов, в течение всего следующего года.

Nvidia Rubin Ultra представляет собой следующее поколение ускорителей для ИИ, которое должно прийти на смену архитектуре Blackwell. Ожидалось, что Rubin Ultra будет использовать память HBM4E, обеспечивающую более высокую пропускную способность и ёмкость по сравнению с текущими решениями. Однако из-за проблем с производством и ограниченной мощностью поставщиков, таких как SK Hynix, Samsung и Micron, Nvidia не сможет устанавливать максимальный объём памяти во всех конфигурациях. Это ставит под угрозу планы компании по созданию самых мощных ИИ-систем на рынке.

Дефицит HBM4E заставляет Nvidia пересмотреть планы

TrendForce сообщает, что дефицит HBM4E станет серьёзным вызовом для всей индустрии ИИ-ускорителей. Nvidia, как крупнейший игрок на этом рынке, столкнётся с необходимостью распределять ограниченные ресурсы памяти между различными продуктами. В результате большинство конфигураций Rubin Ultra будут поставляться с урезанным объёмом HBM4E, что может снизить производительность в задачах, требующих больших объёмов памяти, таких как обучение больших языковых моделей.

Аналитики отмечают, что это решение не является неожиданным: рынок памяти уже давно сигнализировал о возможных проблемах с поставками. Ещё в начале года производители памяти предупреждали о том, что спрос на HBM превышает предложение, и ситуация будет только усугубляться. Nvidia, в свою очередь, пытается диверсифицировать поставки и ведёт переговоры с несколькими производителями, однако полностью избежать дефицита не удастся.

Почему возникает дефицит HBM4E и как это влияет на рынок?

Дефицит HBM4E обусловлен сложностью производства и ограниченными мощностями. Память HBM (High Bandwidth Memory) стала ключевым компонентом для ИИ-ускорителей благодаря высокой пропускной способности и энергоэффективности. Nvidia использует HBM в своих продуктах начиная с архитектуры Volta, и каждое новое поколение увеличивало объём и скорость памяти. Однако производство HBM — сложный и дорогостоящий процесс, требующий передовых технологий 3D-упаковки и TSV (сквозных кремниевых переходов).

Рынок HBM сегодня контролируют три основных производителя: SK Hynix, Samsung и Micron. Они уже инвестируют миллиарды долларов в расширение производственных мощностей, но этого недостаточно, чтобы удовлетворить растущий спрос со стороны Nvidia, AMD и других компаний, разрабатывающих ИИ-чипы. По оценкам TrendForce, в 2025 году дефицит HBM составит около 10%, а в 2026 году — уже 15%. Ситуация усугубляется тем, что HBM4E — это новое поколение памяти, которое требует ещё более сложного производства. Переход на новые техпроцессы и увеличение числа слоёв в стеке памяти приводят к снижению выхода годных изделий, что дополнительно ограничивает предложение.

Чем HBM4E отличается от предыдущих поколений?

HBM4E — это эволюционное развитие стандарта HBM, которое предлагает увеличенную ёмкость и пропускную способность по сравнению с HBM3E. Каждый стек HBM4E будет иметь ёмкость до 36 ГБ, что на 50% больше, чем у HBM3E. Пропускная способность также вырастет — до 2 ТБ/с на стек, что критически важно для ускорителей следующего поколения. Однако именно эти улучшения делают производство более сложным и дорогим, что и приводит к дефициту.

Для Nvidia Rubin Ultra планировалось использовать до 8 стеков HBM4E, что дало бы суммарный объём памяти до 288 ГБ. Однако из-за ограниченного предложения компания, вероятно, будет вынуждена снизить это значение до 6 или даже 4 стеков в большинстве конфигураций. Это означает, что ускорители будут иметь меньше памяти, чем конкурирующие решения от AMD, которые также используют HBM4E, но могут иметь приоритет в поставках.

Технические подробности и влияние на производительность

Урезание объёма памяти напрямую скажется на производительности ускорителей в задачах, связанных с большими моделями ИИ. Обучение моделей с триллионами параметров требует огромных объёмов памяти, и уменьшение её количества может привести к необходимости использования более медленных методов, таких как разбиение модели на части и обмен данными между GPU. Это увеличит время обучения и снизит эффективность использования вычислительных ресурсов.

Кроме того, меньшее количество стеков HBM4E означает меньшую суммарную пропускную способность памяти, что может стать узким местом для вычислений. В результате Rubin Ultra может показать результаты ниже ожидаемых, что негативно повлияет на репутацию Nvidia и её позиции на рынке. Nvidia, однако, пытается компенсировать это за счёт улучшения архитектуры и использования более эффективных алгоритмов. Компания также работает над программным обеспечением, которое позволит оптимально использовать доступную память, но это лишь частично решает проблему.

Кого затронет и как

Дефицит HBM4E и урезание памяти в Rubin Ultra затронут не только Nvidia, но и всех участников рынка ИИ. Крупные облачные провайдеры, такие как AWS, Azure и Google Cloud, которые закупают ускорители для своих дата-центров, получат менее производительные системы, что может замедлить развитие их ИИ-сервисов. Компании, занимающиеся обучением моделей, также столкнутся с увеличением затрат времени и денег на вычисления.

В России и СНГ ситуация может быть ещё более острой, так как доступ к передовым ИИ-технологиям и так ограничен из-за санкций. Местные компании, использующие ИИ, могут столкнуться с дефицитом высокопроизводительных GPU, что затормозит развитие отечественных ИИ-проектов. Однако это также открывает возможности для развития собственных разработок в области ИИ и памяти.

Что будет дальше

Ожидается, что дефицит HBM4E продлится как минимум до 2027 года, и только к концу этого периода предложение начнёт догонять спрос. Nvidia, вероятно, будет вынуждена принять стратегию распределения памяти по приоритетам: максимальный объём памяти получат только самые дорогие версии Rubin Ultra, а более доступные варианты будут иметь урезанные характеристики.

Компания также может ускорить переход на следующие поколения памяти, такие как HBM5, чтобы обойти проблемы с HBM4E. Однако это потребует времени и инвестиций, и в ближайшей перспективе Nvidia придётся работать с тем, что есть. Аналитики советуют потребителям и партнёрам Nvidia заранее планировать свои закупки и учитывать возможные ограничения. Тем, кто рассчитывает на максимальную производительность, возможно, стоит рассмотреть альтернативные решения от AMD или собственные разработки.

Итог

Дефицит HBM4E — это реальная проблема, которая затронет Nvidia и весь рынок ИИ-ускорителей в ближайшие годы. Урезание памяти в Rubin Ultra станет вынужденной мерой, которая может снизить производительность систем и замедлить развитие ИИ. Однако это также стимулирует индустрию искать новые решения, включая развитие альтернативных технологий памяти и оптимизацию программного обеспечения. Следить за развитием ситуации стоит всем, кто так или иначе связан с искусственным интеллектом.