نائب الرئيس يو يونغ-بيو: "مشاكل الأداء والطاقة والتكلفة كلها تقع أمام الذاكرة"
تجاوز تقنية HBM نحو التكديس ثلاثي الأبعاد والحوسبة داخل الذاكرة و CXL لحل اختناق نقل البيانات
![نائب الرئيس يو يونغ-بيو من إس كي هايننيكس المسؤول عن العمارة النظامية، يلقي محاضرة في المنتدى العالمي الثامن عشر للنمو الفاضل وفرص العمل الجيدة (2026 GGGF)، المنعقد في دار بلازا بمنطقة جونج-جو بسيول في 2 سبتمبر. [الصورة=مراسل يو داي-جيل]](https://image.ajunews.com/content/image/2026/09/02/20260902173756738044.jpg)
مع تطور الذكاء الاصطناعي ليتجاوز مرحلة روبوتات الدردشة نحو مراحل الاستدلال والوكلاء الذكيين، يشهد قطاع تكنولوجيا المعلومات انتقالاً للاختناق من معالجات الحسابات إلى الذاكرة. وقد قيّمت إس كي هايننيكس الوضع بأن التحديات الأساسية لأنظمة الذكاء الاصطناعي تتركز الآن في الذاكرة، وتشمل جوانب الأداء والكفاءة الكهربائية وكذلك قضايا استخدام الموارد. وترى الشركة أن الحوسبة الموجهة للذاكرة، التي تقلل المسافة بين الذاكرة ومعالجات الحسابات وتسمح بمشاركة الذاكرة بين مسرعات متعددة، تمثل ساحة المنافسة التالية في توسع تطبيقات الذكاء الاصطناعي، متجاوزة حدود تقنية HBM التقليدية.
أشار نائب الرئيس يو يونغ-بيو، المسؤول عن العمارة النظامية في إس كي هايننيكس، خلال محاضرته في المنتدى العالمي الثامن عشر للنمو الفاضل وفرص العمل الجيدة (2026 GGGF) الذي نظمته جريدة أجو إيكونوميكس في دار بلازا بمنطقة جونج-جو بسيول، إلى أن "يبدو أن الذاكرة باتت المشكلة الحقيقية حالياً". وأضاف: "تقع مشاكل الأداء والكفاءة الكهربائية وكذلك تحسين كفاءة الموارد جميعها أمام عتبة الذاكرة". وأكد يو يونغ-بيو على أن "حيث يوجد الاختناق، يكون مركز نظام الحوسبة، والاختناق الحالي يكون في الذاكرة".
يدفع التطور في خدمات الذكاء الاصطناعي الطلب على الذاكرة بشكل متصاعد. فبينما كانت روبوتات الدردشة التقليدية تتناسب مع سرعة الحوار مع المستخدمين البشريين، فإن الذكاء الاصطناعي الوكيل يعمل بطريقة مختلفة تماماً: حيث يحاور الآلات بعضها البعض، وتولد الأكواد، وتنفذها، ثم تصحح الأخطاء وتعيد المحاولة. وشرح نائب الرئيس يو الأمر قائلاً: "عند الحوار مع البشر، نحتاج إلى حوالي 20 رمزاً (توكن) في الثانية، لكن عندما تتحاور الآلات فيما بينها، يجب أن نقدم الإجابات بسرعات تصل إلى آلاف الرموز في الثانية"، مما يعكس ارتفاعاً كبيراً في متطلبات أداء النظام.
حددت إس كي هايننيكس ثلاثة محاور رئيسية لاستجابتها من خلال ابتكار الذاكرة: الأداء والكفاءة الكهربائية واستخدام الموارد. يتمثل الجوهر في زيادة عرض نطاق الذاكرة في نفس المساحة المحددة، وتقليل الطاقة المستهلكة في نقل كل بت من البيانات إلى معالجات الحسابات مثل وحدات معالجة الرسوميات (GPU) وأجهزة معالجة الشبكات العصبية (NPU) ووحدات معالجة الموتر (TPU). يضاف إلى ذلك ضرورة رفع معدل استخدام النظام بحيث تعمل المعالجات المكلفة والذاكرة دون توقف.
تمثل تقنية HBM مثالاً بارزاً على هذا التحول. قال نائب الرئيس يو: "قد يقول البعض إن HBM حظي بالاهتمام بفضل شهرة وحدات معالجة الرسوميات، لكن الحقيقة أن وجود ذاكرة من نوع HBM هو الذي مكّن وحدات معالجة الرسوميات من تحقيق أداء أفضل بكثير". وأشار إلى أن صناعة التكنولوجيا باتت تتساءل بقلق متزايد عما إذا كان الدمج الحالي بين HBM ووحدات معالجة الرسوميات كافياً لمرحلة الذكاء الاصطناعي الوكيل.
تتضمن الحلول البديلة المقترحة تقليل المسافة بين الذاكرة ومعالجات الحسابات. يمكن تحقيق ذلك بتكديس ذاكرة DRAM بشكل ثلاثي الأبعاد فوق المعالج أو تحته، مما يختصر مسافة نقل البيانات. وتندرج الحوسبة داخل الذاكرة (PIM) في نفس السياق، حيث يتم إجراء العمليات الحسابية مباشرة داخل أو بالقرب من الذاكرة. قال نائب الرئيس يو: "إن نقل البيانات من الذاكرة إلى معالجات الحسابات يستهلك طاقة أكثر بكثير من إجراء العملية الحسابية ذاتها"، وأضاف أن "كفاءة الطاقة تنخفض بشكل حاد مع زيادة مسافة النقل". غير أنه أشار إلى أن التكديس ثلاثي الأبعاد يواجه تحديات تقنية متبقية تتعلق بتوليد الحرارة وتقليل مساحة التخزين.
كما تم اقتراح تقنية CXL كحل آخر، وهي تتيح لعدة مسرعات مشاركة الذاكرة. في الماضي، كان على وحدة معالجة رسوميات الانتظار حتى تكون وحدة أخرى جاهزة لاستقبال المهمة، لكن وجود ذاكرة مشتركة يسمح بترك البيانات والسماح لمعالج الحسابات التالي بسحبها عند الحاجة. تعمل إس كي هايننيكس على البحث في كيفية تقليل الهدر الناتج عن نسخ البيانات والمزامنة بين وحدات معالجة الرسوميات. وأوضح نائب الرئيس يو أن تقنية CXL، بالرغم من أنها لم تُطور أساساً للذكاء الاصطناعي، إلا أن طبيعتها كواجهة ذاكرة مفتوحة المصادر تجعلها تشهد توسعاً متزايداً في التطبيقات الخاصة بأنظمة الذكاء الاصطناعي.
أما بخصوص الافتراض بأن تحسين كفاءة خوارزميات الذكاء الاصطناعي قد يؤدي إلى انخفاض الطلب على الذاكرة، فقد رفع نائب الرئيس يو التحفظات. واستشهد بـ "مفارقة جيفونس"، حيث تحسنت كفاءة استهلاك الوقود في السيارات لكن استهلاك النفط العالمي زاد بدلاً من أن ينخفض. وقال: "إذا انخفضت تكاليف خدمات الذكاء الاصطناعي، فإن الناس سيستخدمون خدمات الذكاء الاصطناعي بشكل أكثر". وهذا يعني أنه حتى لو انخفض استهلاك الذاكرة لكل خدمة فردية بسبب تحسين الخوارزميات، فإن زيادة الطلب الإجمالي على الذكاء الاصطناعي قد تؤدي إلى زيادة إجمالية في الطلب على الذاكرة.
وختم نائب الرئيس يو حديثه بالقول: "في الماضي، كانت وحدة المعالجة المركزية (CPU) تمثل اختناق النظام، وتحسين وحدة المعالجة المركزية كان يرفع أداء النظام بشكل مباشر. أما الآن، فالاختناق يقع في الذاكرة". وأكد: "إذا حسنا أداء الذاكرة وكفاءتها الكهربائية، فإن أنظمة الذكاء الاصطناعي ستتحسن بشكل ملموس جداً".
* تمت ترجمة هذا المقال تلقائيًا بواسطة الذكاء الاصطناعي.