به گزارش سراج24؛ بر اساس گزارشهای TrendForce، تولیدکنندگان بزرگ حافظه در سال ۲۰۲۶ همچنان بخش مهمی از ظرفیت خود را به HBM و کاربردهای سروری اختصاص دادهاند. این مؤسسه پیشبینی کرده بود قیمت قراردادی DRAM معمولی در سهماهه دوم ۲۰۲۶ حدود ۵۸ تا ۶۳ درصد و قیمت NAND Flash حدود ۷۰ تا ۷۵ درصد نسبت به سهماهه قبل افزایش پیدا کند.
چرا هوش مصنوعی اینقدر حافظه مصرف میکند؟
مدلهای بزرگ هوش مصنوعی برای آموزش و پاسخگویی به کاربران، به حجم عظیمی از پردازش و انتقال داده نیاز دارند. در این میان، حافظههایی مانند HBM که پهنای باند بسیار بالایی دارند، به یکی از مهمترین اجزای شتابدهندههای AI تبدیل شدهاند. اما مسئله فقط افزایش مصرف نیست.
تولید HBM و حافظههای پیشرفته، ظرفیت کارخانهها، تجهیزات و ویفرهایی را مصرف میکند که میتوانند برای تولید انواع دیگر DRAM نیز به کار بروند. در نتیجه، شرکتهای سازنده به سمت محصولاتی حرکت میکنند که حاشیه سود بالاتر و قراردادهای بلندمدتتری دارند؛ یعنی حافظههای مخصوص سرورها و دیتاسنترهای هوش مصنوعی.
TrendForce در ژوئیه ۲۰۲۶ اعلام کرد که رشد تقاضای AI در سال ۲۰۲۷ نیز میتواند از رشد عرضه پیشی بگیرد و افزایش مصرف HBM و SOCAMM بخشی از ظرفیت تولید را از ماژولهای سنتی سروری دور کند.
اثر دومینویی بر بازار قطعات
وقتی شرکتهای ابری و سازندگان بزرگ دیتاسنتر، ظرفیت تولید آینده را از قبل رزرو میکنند، خریداران کوچکتر با بازار محدودتری روبهرو میشوند. این فشار تنها به HBM محدود نمیماند و میتواند به DRAM معمولی، رم سرور، SSDهای سازمانی و در نهایت محصولات مصرفی نیز سرایت کند.
در گزارش ژانویه ۲۰۲۶، TrendForce اعلام کرد که عرضه DRAM بهدلیل انتقال ظرفیت به محصولات HBM و سروری تحت فشار قرار گرفته و قیمتها در بخشهای مختلف حافظه افزایش یافته است.
آیا کاربران عادی هم هزینه AI را میپردازند؟
وقتی قیمت حافظه بالا میرود، تولیدکنندگان لپتاپ، کامپیوتر، گوشی و تجهیزات ذخیرهسازی با افزایش هزینه روبهرو میشوند. بخشی از این هزینه در نهایت ممکن است به مصرفکننده منتقل شود.
TrendForce در پیشبینی سهماهه سوم۲۰۲۶ تأکید کرد که تقاضای AI همچنان باعث افزایش قیمت حافظه شده، هرچند رشد قیمت بهدلیل بالا بودن قیمتهای پایه و محدودیت قدرت خرید مصرفکنندگان در حال کندتر شدن است.
به بیان ساده، بازار در حال ورود به وضعیتی است که میتوان آن را «تورم تراشه» یا Chipflation نامید: قطعاتی که سالها بهطور کلی ارزانتر و در دسترستر میشدند، اکنون دوباره به یک عامل مهم در افزایش هزینه تجهیزات دیجیتال تبدیل شدهاند.
مسئله فقط رم نیست؛ SSDها هم زیر فشارند
تب هوش مصنوعی فقط DRAM را هدف نگرفته است. دیتاسنترهای AI به حجم عظیمی از ذخیرهسازی سریع نیاز دارند و همین مسئله باعث افزایش تقاضا برای SSDهای سازمانی و NAND Flash شده است.
در سال ۲۰۲۶، گزارشها نشان دادند که بخش بزرگی از تقاضای NAND به سمت سرورها و ذخیرهسازی سازمانی حرکت کرده و تولیدکنندگان نیز بازارهای سودآورتر را در اولویت قرار دادهاند.
هوش مصنوعی تنها یک بازار جدید برای کارتهای گرافیک ایجاد نکرده؛ بلکه تقریباً تمام زنجیره سختافزار دیتاسنتری را تحت تأثیر قرار داده است.
یک بحران ساختاری، نه صرفاً یک کمبود موقت
ساخت کارخانه تولید تراشه کاری نیست که در چند ماه انجام شود. احداث Fab، خرید تجهیزات، راهاندازی خطوط تولید و رسیدن به بازده مناسب، فرایندی چندساله و بسیار پرهزینه است.
به همین دلیل، عرضه نمیتواند با همان سرعتی که شرکتهای AI دیتاسنتر میسازند افزایش پیدا کند.
در مقابل، سه بازیگر اصلی بازار حافظه، یعنی Samsung Electronics، SK hynix و Micron، در حال افزایش ظرفیت و توسعه فناوریهای جدید هستند؛ اما زمان راهاندازی ظرفیتهای تازه، یکی از مهمترین موانع کاهش سریع فشار بازار است.
همزمان، بازیگران چینی مانند CXMT و YMTC نیز در حال گسترش ظرفیت هستند و میتوانند در بلندمدت ساختار بازار را تغییر دهند، هرچند محدودیتهای تجاری و فناوری همچنان سرعت اثرگذاری آنها را محدود میکند.
آیا هوش مصنوعی واقعاً مقصر اصلی است؟
بحران فعلی حاصل ترکیب عواملی همچون رشد شدید دیتاسنترهای AI، تمرکز تولید حافظه در دست تعداد محدودی شرکت، انتقال ظرفیت به محصولات گرانتر و سودآورتر، قراردادهای بلندمدت شرکتهای بزرگ فناوری، هزینه و زمان بسیار زیاد ساخت کارخانههای جدید، تنشهای ژئوپلیتیکی و محدودیتهای تجاری و تغییر نسل فناوری حافظه است. در واقع، AI ضعفهای قدیمی زنجیره تأمین حافظه را آشکارتر کرده است.
راه خروج از بحران چیست؟
برای رهایی از این مشکل پیشنهادهای متعددی میتوان داد که در ادامه به چند مورد از آنها اشاره میشود.
۱. افزایش ظرفیت تولید
راهحل اصلی، سرمایهگذاری در کارخانههای جدید و توسعه فرآیندهای تولید است. اما این راهحل سریع نیست و احتمالاً اثر کامل آن چند سال زمان میبرد.
۲. ساخت AI کممصرفتر
همه مدلهای آینده نباید بزرگتر باشند. استفاده از مدلهای کوچکتر، فشردهسازی، Quantization و معماریهای بهینه میتواند میزان حافظه موردنیاز را کاهش دهد.
این شاید مهمترین راهحل بلندمدت باشد؛ زیرا افزایش دائمی تولید سختافزار نمیتواند تنها پاسخ به رشد AI باشد.
۳. استفاده بهتر از سختافزار موجود
رقابت آینده فقط بر سر خرید GPU بیشتر نخواهد بود. شرکتهایی موفقتر خواهند بود که بتوانند با سختافزار مشابه، پردازش بیشتری انجام دهند.
۴. افزایش تنوع تولیدکنندگان
گسترش تولیدکنندگان جدید، بهویژه در چین و دیگر مناطق آسیا، میتواند وابستگی بازار به چند شرکت محدود را کاهش دهد؛ هرچند این روند با رقابتهای ژئوپلیتیکی همراه خواهد بود.
۵. معماریهای جایگزین
شتابدهندههای تخصصی و معماریهایی که وابستگی کمتری به حافظههای بسیار گرانقیمت دارند، میتوانند بخشی از فشار آینده را کاهش دهند.
بر اساس ارزیابیهای فعلی، فشار بازار حافظه در کوتاهمدت بهسادگی از بین نمیرود. در چشمانداز ۲۰۲۷ خود هشدار داده که رشد عرضه، بهدلیل زمانبر بودن توسعه ظرفیت و انتقال منابع به HBM، ممکن است همچنان از رشد تقاضا عقب بماند.
با این حال، خطر دیگری که بیش از همه احساس میشود، خطر سرمایهگذاری بیش از حد است. اگر شرکتها بر اساس فرض ادامه بیوقفه تب AI، کارخانهها و ظرفیتهای عظیمی ایجاد کنند و رشد تقاضا ناگهان کند شود، صنعت حافظه میتواند دوباره وارد چرخه مازاد عرضه و سقوط قیمتها شود. قراردادهای عظیم و بلندمدت نیز تضمین نمیکنند که بازار در صورت کاهش تقاضا بدون مشکل باقی بماند.
هوش مصنوعی رمهای جهان را «تمام» نکرده است؛ اما قواعد بازار حافظه را تغییر داده است. امروز حافظه دیگر فقط قطعهای برای افزایش سرعت لپتاپ یا کامپیوتر نیست. HBM، DRAM سروری و SSDهای سازمانی به منابع استراتژیک اقتصاد AI تبدیل شدهاند.
رقابت آینده هوش مصنوعی فقط بر سر ساخت مدلهای هوشمندتر نیست؛ رقابت بر سر تأمین برق، تراشه و حافظه نیز هست. بحران حافظه، در واقع، یکی از نخستین نشانههای برخورد دنیای نرمافزار با محدودیتهای فیزیکی دنیای سختافزار است.
