Ультратонкие чипы увеличивают плотность HBM в четыре раза, решая проблему памяти для ИИ

Южнокорейские исследователи совершили прорыв в области полупроводниковых технологий, разработав метод стабильного стекирования более десяти ультратонких чипов. Каждый такой чип по толщине не превышает одной пятой человеческого волоса, что позволяет достичь плотности интеграции, в четыре раза превышающей показатели коммерческой высокоскоростной памяти HBM. Это открытие может кардинально изменить ландшафт искусственного интеллекта, где узким местом часто является пропускная способность памяти.

Современные ИИ-нагрузки, от обучения больших языковых моделей до работы рекомендательных систем, требуют огромных объемов данных, которые необходимо быстро передавать между памятью и вычислительными блоками. HBM (High Bandwidth Memory) является ключевым компонентом ускорителей ИИ, но её плотность ограничена возможностями стекирования чипов. Новая технология, разработанная командой из POSTECH и KITECH, позволяет преодолеть эти ограничения, открывая путь к более компактным и производительным решениям.

Как работает новая технология стекирования

Исследовательская группа под руководством профессора Сок Кима и аспиранта Ухён Кима создала процесс, который одновременно переносит чипы и формирует металлические межсоединения. Это ключевое отличие от традиционных методов, где эти этапы выполняются отдельно, что приводит к механическим напряжениям и проблемам с теплоотводом при укладке более нескольких слоёв. Новый подход позволяет стабильно укладывать более десяти ультратонких слоёв, сохраняя целостность структуры и эффективность теплопередачи.

Каждый чип имеет толщину около 20 микрометров — это примерно одна пятая диаметра человеческого волоса. Такая миниатюризация достигается за счёт использования передовых методов травления и полировки, которые обеспечивают однородность и отсутствие дефектов. В результате плотность памяти в четыре раза превышает показатели коммерческих HBM, что означает, что на той же площади можно разместить в четыре раза больше памяти.

Какие проблемы решает эта технология?

Основная проблема, с которой сталкиваются современные HBM, — это ограничение по количеству стекируемых слоёв. Обычно используется 8 или 12 слоёв, но дальнейшее увеличение приводит к механическим напряжениям, которые вызывают изгиб и микротрещины, а также к перегреву из-за плохого отвода тепла. Новая технология решает обе эти проблемы. Во-первых, одновременное формирование межсоединений снижает напряжения, так как чипы фиксируются в процессе переноса. Во-вторых, ультратонкие чипы имеют меньшую тепловую массу, что улучшает теплоотвод, особенно при использовании дополнительных термоинтерфейсов.

Кроме того, новый метод позволяет создавать более плотные межсоединения, что увеличивает пропускную способность. Это критически важно для ИИ-ускорителей, где скорость передачи данных напрямую влияет на производительность вычислений. Например, при обучении нейронных сетей с миллиардами параметров узким местом часто является не вычислительная мощность, а скорость доступа к памяти.

Кого затронет этот прорыв?

В первую очередь технология затронет производителей чипов и разработчиков ИИ-систем. Компании, такие как NVIDIA, AMD и Intel, которые используют HBM в своих ускорителях, смогут интегрировать больше памяти на том же пространстве, что приведёт к созданию более мощных и энергоэффективных решений. Это также повлияет на облачные сервисы, дата-центры и edge-устройства, где компактность и производительность имеют решающее значение.

Для производителей памяти, таких как Samsung и SK Hynix, новая технология открывает возможности для создания продуктов следующего поколения. Однако пока неизвестно, будут ли они лицензировать эту разработку или развивать собственные аналоги. В любом случае, конкуренция в сегменте HBM обещает усилиться, что приведёт к снижению стоимости и ускорению внедрения.

Когда технология появится на рынке?

На данный момент исследователи опубликовали результаты в журнале Results in Engineering, но сроки коммерциализации не объявлены. Потребуется несколько лет, чтобы адаптировать процесс для массового производства, протестировать надёжность и наладить партнёрства. Также неясно, как технология масштабируется на производственные линии — это может потребовать значительных инвестиций в оборудование. Однако учитывая растущий спрос на память для ИИ, можно ожидать, что первые коммерческие образцы появятся в течение трёх-пяти лет.

В целом, этот прорыв демонстрирует, что корейские исследователи продолжают лидировать в области полупроводниковых технологий. Ультратонкие чипы могут стать ключом к решению проблемы памяти для ИИ, открывая новую эру производительных вычислений.