• ستبدأ شركة Samsung في إنتاج رقاقات ذاكرة HBM4 عالية النطاق الترددي الشهر المقبل لتزويد Nvidia، بعد اختبارات تأهيل حديثة.
  • سيكون لـ HBM4 تأثير رئيسي على السرعة التي يمكن بها لأنظمة الذكاء الاصطناعي من الجيل التالي من Nvidia تحقيق الأداء المتطور.

ما حدث:ستبدأ Samsung إنتاج HBM4 لتزويد Nvidia الشهر المقبل

تخطط شركة الإلكترونيات العملاقة الكورية الجنوبية Samsung Electronics لبدء إنتاج رقاقات ذاكرة الجيل التالي عالية النطاق الترددي (HBM4) الشهر المقبل وتزويدها لشركة تصنيع أجهزة الذكاء الاصطناعي الأمريكيةNvidia، وفقًا لرويترز بتاريخ 25 يناير 2026.

الذاكرة عالية النطاق الترددي (HBM) هي نوع متخصص من DRAM يستخدم في التطبيقات كثيفة البيانات مثل مسرعات الذكاء الاصطناعي والحوسبة عالية الأداء. تسمح مواصفات HBM4، التي حددتها هيئة التقييس JEDEC، بعرض نطاق ترددي وسعة بيانات أكبر بكثير من الأجيال السابقة، مما يساعد وحدات معالجة الرسومات (GPU) ومسرعات الذكاء الاصطناعي على إدارة تدفقات البيانات الضخمة المطلوبة من قبل نماذج اللغة الكبيرة اليوم وأعباء العمل الأخرى.

وفقًا لتقارير قطاعية، نجحت Samsung مؤخرًا في اجتياز اختبارات التأهيل لرقاقات HBM4 لديها لدى عملاء بما في ذلك Nvidia و AMD، وتستعد لبدء الشحنات إلى هذه الشركات الشهر المقبل. رفضت الشركة المصنعة للرقاقات التعليق، ولم ترد Nvidia فورًا على طلب للتعليق.

في الوقت نفسه، يستعد منافس Samsung المحلي SK Hynix أيضًا لزيادة طاقته الإنتاجية الخاصة من HBM في عام 2026 لتلبية الطلب المرتبط بالذكاء الاصطناعي، مما يسلط الضوء على المنافسة الشديدة بين موردي الذاكرة لدعم سوق أجهزة الذكاء الاصطناعي المزدهر.

اقرأ أيضًا:Samsung و KT تؤكدان صحة AI-RAN على الشبكات التجارية، مما يعزز آفاق الجيل السادس 6G
اقرأ أيضًا:Samsung مكرمة لتقدمها في الذكاء الاصطناعي والأمن في معرض CES 2026

لماذا هذا مهم

قرار بدء إنتاج HBM4 مهم لـ Nvidia والنظام البيئي الأوسع لأجهزة الذكاء الاصطناعي، لأن النطاق الترددي للذاكرة هو أحد القيود الرئيسية على الأداء في أنظمة الذكاء الاصطناعي واسعة النطاق اليوم. منصةVera Rubinالقادمة من Nvidia — وهي بنية الحوسبة للذكاء الاصطناعي من الجيل التالي — من المتوقع أن تعتمد على رقاقات HBM4 لتحقيق معدلات نقل قصوى في وقت لاحق من هذا العام.

من الناحية العملية، يمكن لنواقل البيانات الأوسع وتصميم الذاكرة المكدسة لـ HBM4 زيادة الإنتاجية بشكل كبير وتقليل استهلاك الطاقة مقارنة بأنواع الذاكرة الأقدم. وهذا مهم لأن نماذج الذكاء الاصطناعي مثل Generative Pre-trained Transformer (GPT) وهياكل التعلم العميق الأخرى تتطلب كميات هائلة من الذاكرة لتغذية وحدات معالجة الرسومات ومسرعات الذكاء الاصطناعي بالبيانات بسلاسة.

ومع ذلك، يثير الجدول الزمني للإنتاج تساؤلات حول قيود الإمداد العالمية للذاكرة، والتي تشكلت من خلال إعادة توجيه القدرات الإنتاجية نحو البنى التحتية للذكاء الاصطناعي ذات الهامش المرتفع وبعيدًا عن مخزون DRAM التقليدي. يشير المحللون إلى أن هذه التغييرات الهيكلية ساهمت في نقص الإمداد في أسواق أخرى، بما في ذلك أجهزة الكمبيوتر الشخصية الاستهلاكية وأجهزة المؤسسات.

في هذا السياق، سيشكل إطلاق Samsung الناجح لإنتاج HBM4 — وقدرتها على التسليم على نطاق واسع — اختبارًا رئيسيًا لقدرتها التنافسية أمام منافسين مثل SK Hynix، التي كانت رائدة في تقنيات HBM المتقدمة. يمكن أن تؤثر القدرة على تزويد Nvidia بالكميات المناسبة والجودة المطلوبة على حصة السوق والوتيرة التي يتم بها نشر أنظمة الذكاء الاصطناعي من الجيل التالي في بيئات الحوسبة السحابية والحوسبة عالية الأداء.