SK hynix надіслала клієнтам 12-шарову HBM4E: 48 ГБ, 4 ТБ/с і старт серійного випуску у 2027

2 хв. читання

Що сталося

SK hynix 18 червня 2026 року повідомила, що відвантажила великим замовникам зразки 12-шарової HBM4E — наступного покоління пам’яті з високою пропускною здатністю (HBM), яку використовують у прискорювачах для навчання та інференсу ШІ. Постачання зразків іде за графіком; масове виробництво компанія планує розгорнути у 2027 році.

Деталі

  • Один стек 12-шарової HBM4E вміщує 48 ГБ і працює на швидкості до 16 Гбіт/с на контакт. Пропускна здатність — близько 4 ТБ/с, це приблизно на 38% більше за попереднє покоління HBM4.
  • Енергоефективність зросла більш ніж на 20%, а теплостійкість — на 17% відносно HBM4: для щільних ШІ-серверів, де пам’ять перегрівається однією з перших, це критично.
  • Зразки виготовлені за фірмовою технологією пакування Advanced MR-MUF. На тлі новини акції SK hynix піднімалися до рекордних рівнів.

Що це означає

Стосується ринку ШІ-прискорювачів і тих, хто стежить за їхньою доступністю та ціною. HBM — вузьке місце всієї індустрії: саме її бракує для GPU на кшталт NVIDIA, і саме вона багато в чому визначає і вартість, і дефіцит топових прискорювачів. Перехід до HBM4E з +38% пропускної здатності означає, що наступне покоління ШІ-чипів зможе «годувати» обчислювальні ядра даними швидше — це прямий приріст швидкості навчання та інференсу. Горизонт відчутного ефекту — 2027 рік, коли пам’ять вийде в серію і потрапить у комерційні прискорювачі. Важливий контекст конкуренції: Samsung відвантажила свої перші зразки HBM4E ще наприкінці травня, тож гонка за цим ринком загострилася — а здорове суперництво трьох виробників (SK hynix, Samsung, Micron) працює проти дефіциту і захмарних цін.

Поділитися
Зв'язатися:
Крипто- та data-аналітик, інженер-програміст (факультет комп'ютерних наук ХНУРЕ). В IT з 2008 року: адміністрував корпоративний моніторинг у «Vodafone Україна», сім років розробляв і просував веб-проєкти, п'ять років керував маркетингом на метриках — конверсія, CTR, ROI, LTV.Криптовалютними ринками займаюся з 2021 року: ончейн-метрики, токеноміка, макроекономічні індикатори. Розробив власну data-driven модель аналізу ринку на 30+ метрик. Стек — Python (pandas, NumPy, SciPy, matplotlib), математична статистика та EDA; збір і звірку даних автоматизую AI-агентами.Принцип — «Don't trust, verify»: кожна цифра перевірена за першоджерелом, ключові — щонайменше за двома незалежними; прогнози — лише сценарії з умовами. Теза без даних не публікується.