От “процессорной мощности” к “способности к хранению данных”: Кто становится узким местом в развитии AI-оборудования?
Здравствуйте, я ваш финансовый журналист и экономист.
В последнее время, если вы следите за технологическими новостями или рынком акций, вы, возможно, заметили интересный феномен: раньше все обсуждали технологии ИИ, сосредотачивая внимание на графических процессорах Nvidia (GPU), считая их “мозгом” и ключевым элементом системы. Но во второй половине 2025 года ситуация изменилась. Устройства хранения данных, такие как оперативная память (DRAM), флеш-память (NAND) и жесткие диски, которые ранее считались второстепенными компонентами, вдруг стали главными игроками на рынке.
Почему? Потому что способность к хранению данных стала новым узким местом в развитии ИИ-оборудования.
Проще говоря, раньше проблема заключалась в недостаточной скорости вычислений, а теперь — в недостаточном объеме хранения информации и ее медленном чтении. Это похоже на ситуацию, когда отличный повар (GPU) не может работать эффективно, если скорость извлечения ингредиентов из холодильника (оперативной памяти) недостаточна.
Сегодня мы попробуем объяснить сложные технические аспекты, связанные с использованием памяти типа HBM (High Bandwidth Memory), разобрать этот глубокий аналитический отчет и понять, в чем суть текущей революции в области хранения данных, а также какие бизнес-возможности она открывает.
---
Почему ИИ так сильно зависит от оперативной памяти?
Многие ошибочно считают, что ИИ связан только с вычислениями и не требует больших объемов памяти. На самом деле потребность ИИ в памяти растет экспоненциально. Это связано с тремя основными факторами:
1. Увеличение размеров моделей ИИ
Можно представить большие ИИ-модели как сверхсложные словари. Раньше такие словари содержали несколько миллионов записей, а сейчас — несколько триллионов. Например, объем параметров модели Qwen3.8 Max увеличился более чем в 30 раз по сравнению с первым поколением. Это приводит к значительному увеличению объема памяти, необходимого для хранения модели (с 135 ГБ до 2300 ГБ, то есть около 2,3 ТБ).
2. Расширение объема информации, используемой во время общения с ИИ
Чем больше вы общаетесь с ИИ, тем больше информации ему нужно запоминать. Это подобно разговору с другом: если разговор длится 100 страниц, ему приходится запомнить все эти данные, чтобы продолжить разговор. Современные ИИ-системы могут обрабатывать объемы информации в десятки тысяч или даже миллионы символов. Кроме того, временные файлы, создаваемые в процессе работы системы, также потребляют много памяти.
3. Расширение функционала ИИ
Современные ИИ-системы не только отвечают на вопросы, но и выполняют другие задачи, такие как написание кода, работа с таблицами Excel и отправка электронных писем. Эти действия также увеличивают потребность в памяти.
В итоге для эффективной работы ИИ важны не только высокая скорость вычислений, но и большой объем хранения данных, а также быстрая их загрузка.
---
Почему память типа HBM стала такой востребованной?
Если память так важна, почему для ИИ используется не обычная оперативная память типа DDR5, а дорогая память типа HBM?
Ответ кроется в двух ключевых параметрах: объеме и скорости передачи данных.
Ограничения обычной оперативной памяти
Процесс производства памяти типа DDR5 не позволяет достичь уровня, сопоставимого с процессом производства процессоров (2 нм, 3 нм). Кроме того, из-за физических ограничений размер чипов памяти слишком мал, что приводит к ошибкам при передаче данных. Поэтому для увеличения объема памяти используются более сложные технологии, такие как вертикальное стекание чипов.
Технологии памяти типа HBM
HBM использует вертикальное стекание чипов, что позволяет увеличить объем памяти на одной площади по сравнению с обычной памятью. Кроме того, она обладает высокой скоростью передачи данных благодаря большой ширине каналов передачи информации.
Проблемы производства HBM
Производство HBM сопряжено с большими технологическими трудностями и высокими затратами, что делает ее значительно дороже обычной оперативной памяти.
---
Каковы перспективы развития технологий памяти типа HBM?
В ближайшем будущем ожидается увеличение количества слоев чипов в памяти HBM, что позволит увеличить ее объем, но также увеличит технологические сложности и затраты на производство. Также усилится тенденция к индивидуализации продукции, когда производители будут разрабатывать память в соответствии с специфическими требованиями заказчиков (например, Nvidia). Это приведет к изменению структуры рынка памяти и распределению прибыли между производителями и компаниями, участвующими в процессе ее упаковки.
---
Выводы
Революция в области памяти типа HBM означает коренные изменения в архитектуре ИИ-оборудования. Для инвесторов и специалистов важно понимать технологические особенности и структуру рынка памяти, чтобы правильно оценить перспективы развития этой отрасли. Кто контролирует сложные процессы производства и имеет тесные связи с ключевыми клиентами, тот будет иметь преимущества на рынке. Эта революция только начинается, и ее последствия еще предстоит увидеть в полной мере.