يعتمد النمو المتسارع لتطبيقات الذكاء الاصطناعي على قدرة الحواسيب العملاقة في معالجة كميات هائلة من البيانات خلال أجزاء من الثانية.
ورغم القفزات الكبيرة في أداء المعالجات المركزية ووحدات معالجة الرسوميات. برزت مشكلة تقنية معقدة تُعرف بـ”عنق الزجاجة في الذاكرة”. حيث لم تعد شرائح الذاكرة التقليدية قادرة على مواكبة سرعة المعالجات. ما يؤدي إلى تراجع الأداء العام للأنظمة الذكية.
تقنية “الذاكرة ذات النطاق الترددي العالي
ولمواجهة هذه الإشكالية، تم تطوير تقنية “الذاكرة ذات النطاق الترددي العالي” (HBM). التي تمثل نقلة نوعية في بنية الذاكرة، إذ توفر قنوات نقل بيانات أوسع وأكثر سرعة. بما يسمح بتدفق المعلومات بكفاءة أعلى. ويمكن نماذج الذكاء الاصطناعي الضخمة من العمل دون تأخير يُذكر.
ووفقًا لتقرير نشره موقع Wired، أصبحت شرائح HBM من أكثر المكونات طلبًا داخل سوق أشباه الموصلات عالميًا. في ظل اعتماد شركات كبرى مثل Nvidia عليها في تصنيع الجيل الأحدث من معالجات الذكاء الاصطناعي.
تصميم هندسي رأسي يعيد تشكيل بنية الذاكرة
تعتمد هذه التقنية على أسلوب تصنيع متقدم يُعرف باسم “عبر السيليكون العمودية” (TSV). حيث تُستخدم قنوات نحاسية مجهرية لربط طبقات السيليكون المكدسة رأسيًا، ما يخلق جسورًا كهربائية مباشرة بين الطبقات المختلفة.
ويؤدي هذا التصميم ثلاثي الأبعاد إلى تقليل المسافات التي تقطعها الإشارات الكهربائية. ورفع كفاءة نقل البيانات بشكل كبير، إلى جانب خفض استهلاك الطاقة. كما يتيح دمج الذاكرة مع المعالج الرسومي على لوحة واحدة، بما يوفر آلاف المسارات المتوازية لنقل البيانات في آن واحد. مقارنة بالذاكرة التقليدية التي تعتمد على قنوات محدودة أشبه بطريق ضيق يسبب اختناقات مرورية في تدفق المعلومات.
تأثيرات ممتدة على مستقبل الحوسبة
ومن المتوقع أن ينعكس انتشار هذه التقنية على عدة قطاعات محورية، أبرزها:
- تسريع تدريب نماذج الذكاء الاصطناعي الضخمة من أشهر إلى أسابيع أو أيام.
- تعزيز أداء محركات البحث والأنظمة الذكية في التعامل مع الاستفسارات المعقدة بشكل لحظي.
- تقليل التكاليف التشغيلية لمراكز البيانات عبر خفض استهلاك الطاقة واحتياجات التبريد.
- دعم الأبحاث الطبية عبر تسريع تحليل البيانات الجينية ومحاكاة التفاعلات الكيميائية، بما يفتح الباب أمام اكتشاف علاجات جديدة للأمراض المزمنة.