شرکت کرهای SK Hynix در جریان رویداد OCP Global Summit، از راهبرد جدیدی پرده برداشت با عنوان «AI-NAND»، خط محصولات حافظه NAND سفارشیشده برای نیازهای فشرده و خاص AI را معرفی کرد.
به گفته این شرکت، نسل جدید NAND برای افزایش عملکرد، پهنایباند و چگالی داده بهینه شدهاند تا فشار روی سیستمهای ذخیرهسازی مراکز داده AI کاهش یابد.
تحلیل:
- این حرکت نشانگر آن است که فشار بر نقطه ضعفهای جانبی AI — مانند ذخیرهسازی حجیم دادهها — در حال افزایش است. نمیتوان کل تمرکز را بر CPU/GPU گذاشت؛ حافظه نیز نقش حیاتی دارد.
- محصولاتی که ترکیبی از سرعت، ظرفیت و کارایی انرژی باشند، پتانسیل تبدیل شدن به استاندارد صنعت را دارند.
- این اقدام میتواند زمینه رقابت شدید با تأمینکنندگان فعلی SSD و NAND را رقم بزند؛ شرکتهایی مثل Micron، Samsung و Western Digital باید طراحیهای AI-بهینه خود را تقویت کنند.
- یکی از چالشها، اطمینان از دوام و نرخ خطای پایین در حافظهای است که بهصورت سنگین مورد استفاده قرار میگیرد؛ آزمایشهای طولانیمدت و پیشبینی رفتار در بارهای AI حیاتی است.
🔹 ۱. زمینه کلی: چرا AI به حافظهی جدید نیاز دارد؟
در سال ۲۰۲۵، بخش عمدهای از هزینه و توان مصرفی مراکز داده AI مربوط به ذخیرهسازی و انتقال دادهها است، نه فقط محاسبات GPU.
مدلهای مولد مانند GPT-4، Claude 3 و Gemini میلیاردها پارامتر دارند و برای هر بار آموزش یا استنتاج، به حجم عظیمی از داده نیاز دارند.
در چنین شرایطی، حافظه NAND معمولی دیگر پاسخگو نیست؛ زیرا برای بارهای پیوسته، تصادفی و سنگین AI طراحی نشده است.
اینجاست که مفهوم جدید AI-NAND وارد میشود — حافظهای که از نظر معماری، پهنای باند، مصرف انرژی و دوام، متناسب با بارهای AI طراحی شده است.
🔹 ۲. لایه فنی: تفاوت AI-NAND با NAND سنتی
SK hynix در رویداد OCP Global Summit 2025 اعلام کرد که حافظه جدیدش با تمرکز بر سه محور ساخته شده است:
- Increased I/O Bandwidth: انتقال دادهها بین حافظه و شتابدهندهها (GPU/TPU) با حداقل تأخیر؛
- High Density Per Layer: تراکم بیشتر سلولهای داده، برای نگهداری دیتاستهای غولآسا در فضای فیزیکی کمتر؛
- AI-Optimized Endurance: طراحی چرخههای خواندن/نوشتن بهگونهای که با بارهای مداوم آموزش و inference سازگار باشد.
بهعلاوه، احتمالاً این سری از NAND از فناوریهای مکمل مانند CXL (Compute Express Link) و NVMe 2.0+ نیز پشتیبانی میکند، تا در سیستمهای چند GPU یا معماریهای memory pooling عملکرد بهینهای ارائه دهد.
🔹 ۳. لایه صنعتی: تغییر مرکز ثقل رقابت در بازار نیمههادی
تا پیش از این، رقابت اصلی در دنیای AI حول محور GPU و تراشههای پردازشی بود (NVIDIA، AMD، Intel، Google TPU).
اما اکنون تمرکز در حال گسترش است — شرکتهایی مانند SK hynix، Micron، Samsung و Western Digital به این درک رسیدهاند که
«بدون حافظه سریع و مقاوم، حتی بهترین GPUها نیز گلوگاه خواهند داشت.»
حرکت SK hynix با برند AI-NAND، نشاندهندهی حرکت صنعت از “AI Compute” به “AI Infrastructure” است.
به بیان دیگر: حالا نبرد فقط بر سر قدرت محاسبه نیست، بلکه بر سر مدیریت داده است.
🔹 ۴. لایه اقتصادی و زنجیره تأمین
- با رشد تقاضا برای دیتاسنترهای هوش مصنوعی (از OpenAI تا ByteDance و Amazon)، بازار حافظههای پرسرعت در حال انفجار است.
- پیشبینی TrendForce نشان میدهد بازار حافظههای ویژه AI تا سال ۲۰۲۷ به بیش از ۵۰ میلیارد دلار خواهد رسید.
- SK hynix با سرمایهگذاری زودهنگام روی AI-NAND میخواهد جایگاه خود را از «تأمینکننده» به «شریک استراتژیک دیتاسنترهای AI» ارتقا دهد.
برای کشورهایی مانند کرهجنوبی، این گامی است در جهت استقلال فناورانه از محور آمریکایی–چینی در نیمههادیها.
🔹 ۵. چالشهای فنی و مهندسی
هرچند مزایای فنی زیادی وجود دارد، اما چالشها نیز کم نیستند:
- دوام (Endurance): مدلهای AI ممکن است روزانه چندین ترابایت داده را در حافظه بازنویسی کنند؛
- کنترل خطا (ECC & Wear-leveling): کوچکترین خطا در داده آموزشی میتواند خروجی مدل را منحرف کند؛
- خنکسازی و مصرف انرژی: افزایش چگالی سلولی منجر به گرمای بیشتر میشود؛ راهکارهای جدید خنکسازی ضروریاند.
در نتیجه، آزمایشهای طولانیمدت و همکاری نزدیک با سازندگان سرور (مثل Dell، HPE، Supermicro) ضروری است.
🔹 ۶. لایه استراتژیک: تغییر پارادایم در اقتصاد AI
اگر موفق شود، AI-NAND میتواند تبدیل به استاندارد جدید ذخیرهسازی در مراکز داده نسل بعدی شود.
چنین حافظههایی ممکن است بهزودی جایگزین SSDهای سنتی در دیتاسنترهای NVIDIA DGX، Google Cloud و AWS شوند.
در نتیجه، SK hynix از یک بازیگر سختافزاری به یک «معمار زیرساخت هوش مصنوعی» تبدیل میشود — همان مسیری که NVIDIA در سال ۲۰۱۶ با CUDA آغاز کرد.
🔹 جمعبندی
رونمایی از AI-NAND، در واقع پاسخ SK hynix به موج جدید تقاضا برای زیرساخت هوش مصنوعی است؛
نقطهای که نشان میدهد انقلاب AI دیگر فقط درباره الگوریتم نیست — درباره انتقال داده، ذخیرهسازی، و انرژی است.
به احتمال زیاد، تا سال ۲۰۲۶ این مفهوم به سایر شرکتها نیز گسترش مییابد و ما شاهد شکلگیری طبقهی جدیدی از محصولات خواهیم بود:
AI-Ready Hardware Stack شامل GPU، حافظه، شبکه و ذخیرهسازی هماهنگشده برای هوش مصنوعی.
پرایم سیستم، رهبر فناوری اطلاعات در قزوین و زنجان، با افتخار نمایندگی رسمی معتبرترین برندهای ایران و جهان است:
۱- تخت جمشید:
پرایم سیستم، پیشگام سختافزار، گیمینگ، رندرینگ و لوازم جانبی کامپیوتر
۲- سیناپ:
پرایم سیستم، سیستمهای AIDC
پیشرو در شناسایی خودکار و جمعآوری داده، نرمافزارهای انبار و لجستیک و تجهیزات بارکد/RFID برای صنایع تولیدی، خردهفروشی و راهحلهای دقیق برای زنجیره تأمین.
۳- ماپرا:
پرایم سیستم، تحول دیجیتال صنعت F&B
نرمافزار یکپارچه مدیریت فروش، انبارداری، باشگاه مشتریان و رزرو آنلاین بر پایه فناوری ابری و دادهمحور، همراه هزاران رستوران، کافه و فستفود برای مدیریت بدون محدودیت مکان/زمان، افزایش کارایی و هوشمندسازی عملیات.
۴- سختافزار:
پرایم سیستم، پیشتاز قطعات دیجیتال
فروش آنلاین/آفلاین قطعات کامپیوتر و دیجیتال و نمایندگی برندهای ایرانی/خارجی، ارسال به تمام ایران، سیستمهای گیمینگ/رندرینگ/ماینینگ و تیم اورکلاکر حرفهای. تولید محتوای تخصصی، برترین فروشگاه سخت افزار و نرم افزار قزوین/زنجان.
۵- نیلپر:
پرایم سیستم، تولیدکننده محصولات ارگونومیک، کوله و کیف
تمرکز بر کیفیت، طراحی دانشمحور و بازارهای اداری/آموزشی/رستورانی. مدیریت استراتژیک برای رضایت مشتری.
۶- زبرآسیا:
پرایم سیستم، فناوری AIDC و بارکد
تسهیل در جمعآوری داده بدون خطا با تمرکز بر بارکد و AID، راهحلهای اطلاعاتی برای صنایع، افزایش سرعت/دقت و برنامهریزی منابع. تکیه بر متخصصان داخلی و دانش جهانی، جلب اعتماد مشتریان.