توسعه بیسابقه هوش مصنوعی، که به سرعت در حال دگرگون کردن صنایع مختلف است، همزمان با مزایای چشمگیر، چالشهای قابل توجهی را نیز به همراه آورده است. یکی از برجستهترین این چالشها، تقاضای فزاینده برای حافظههای با پهنای باند بالا (DRAM) است که پیشبینی میشود تا سال ۲۰۲۶، هوش مصنوعی به تنهایی ۲۰ درصد از کل بازار جهانی DRAM را به خود اختصاص دهد و این صنعت را با تحولات عمیقی روبرو کند. این روند نهتنها به افزایش قیمت قطعات الکترونیکی دامن میزند، بلکه رویکرد شرکتها به تولید و مصرف حافظه را نیز تغییر میدهد.
رشد فزاینده تقاضای هوش مصنوعی برای DRAM: ارقام نگرانکننده
گزارشهای اخیر حاکی از آن است که عطش سیریناپذیر هوش مصنوعی برای پردازش دادهها، منجر به کمبود جهانی حافظه شده و به دنبال آن، قیمت تجهیزات کلیدی الکترونیکی افزایش یافته است. تحلیلگران پیشبینی میکنند که مصرف جهانی حافظههای پرسرعت در زیرساختهای ابری هوش مصنوعی، میتواند از ۳ اگزابایت (هر اگزابایت معادل یک میلیارد گیگابایت) فراتر رود.
خدماتی مانند Gemini، Bedroc و ChatGPT هر یک به ۷۵۰ پتابایت (هر پتابایت معادل یک میلیون گیگابایت) حافظه نیاز دارند که با احتساب ذخیرهسازی اضافی و حاشیههای ایمنی، این رقم دو برابر میشود.
هوش مصنوعی خصوصی ابری، که شامل شرکتهای بزرگی مانند Meta، Apple و برخی کمپانیهای چینی میشود، حدود ۸۰۰ پتابایت مصرف حافظه دارد.
برای آموزش مدلهای نسل بعدی هوش مصنوعی نیز به ۵۰۰ پتابایت حافظه اضافی نیاز است که نشاندهنده ابعاد عظیم این تقاضا برای DRAM است.
این ارقام به وضوح نشان میدهند که چگونه هوش مصنوعی در حال تبدیل شدن به بزرگترین مصرفکننده حافظههای DRAM است و فشار بیسابقهای بر زنجیره تامین این قطعات وارد میکند.
نقطه عطف جدید در توسعه هوش مصنوعی: تمرکز بر حافظه و کارایی
مرحله کنونی و آینده توسعه هوش مصنوعی دیگر تنها به قدرت پردازش خام متکی نیست، بلکه تمرکز اصلی آن بر ظرفیت حافظه و کاهش هزینههای پردازش استنتاجی (inference processing) معطوف شده است. پردازش استنتاجی به فرآیند استفاده از مدلهای آموزشدیده هوش مصنوعی برای پیشبینی یا تصمیمگیری اشاره دارد که برای کاربردهای روزمره هوش مصنوعی حیاتی است.
حافظههای HBM (High Bandwidth Memory) و GDDR7 به دلیل ظرفیت ذخیرهسازی فوقالعاده بالا و سرعت انتقال داده بینظیر، به گزینههای اصلی برای کاربردهای هوش مصنوعی تبدیل شدهاند. با این حال، هزینه تولید آنها به مراتب بالاتر از DRAM استاندارد است. برای مثال، هر ۱ گیگابایت حافظه HBM معادل هزینه ۴ گیگابایت DRAM استاندارد و هر ۱ گیگابایت GDDR7 معادل ۱.۷ گیگابایت DRAM استاندارد قیمت دارد. این تفاوت قیمت، چالشهای جدی را برای تولیدکنندگان و مصرفکنندگان به وجود میآورد.
آینده مبهم بازار قطعات و لوازم الکترونیکی: از کارت گرافیک تا صنعت DRAM
این افزایش تقاضا و بالا بودن هزینه تولید حافظههای پیشرفته، پیامدهای مستقیمی بر بازار مصرفکننده خواهد داشت. از ژانویه ۲۰۲۶، انتظار میرود قیمت کارتهای گرافیکی، بهویژه مدلهایی که از این نوع حافظهها بهره میبرند، افزایش قابل توجهی یابد. گزارشها حاکی از آن است که انویدیا، غول تولیدکننده پردازندههای گرافیکی، ممکن است عرضه کارتهای سری RTX 50 خود را تا ۵۰ درصد کاهش داده و حتی برنامه عرضه مدلهای "سوپر" را لغو کند.
در همین حال، شرکت Micron، یکی از بزرگترین تولیدکنندگان حافظه مصرفی در جهان، با درک این تغییرات بازار، استراتژی خود را تغییر داده و از بازار مصرفکنندگان خارج شده است. Micron اکنون تمرکز خود را بر بخش سازمانی و تامین نیازهای حافظهای برای مراکز داده و زیرساختهای هوش مصنوعی قرار داده که سودآوری بیشتری دارد. این تغییر استراتژی توسط تولیدکنندگان بزرگ، نشاندهنده اهمیت روزافزون هوش مصنوعی و نیازهای آن در صنعت DRAM است.
با چنین روندی، آینده بازار DRAM و صنایع وابسته به هوش مصنوعی در گرو نوآوریهای مداوم در تولید حافظهها و مدیریت بهینه منابع خواهد بود. اگرچه هوش مصنوعی موتور محرک پیشرفت است، اما برای دستیابی به پتانسیل کامل آن، باید راهکارهایی برای تعادل میان تقاضا و عرضه حافظه با کارایی بالا اندیشیده شود.
مطالب مرتبط
- جاهطلبی بتسدا برای Fallout 5: وعده گیمپلی ۶۰۰ ساعته به طرفداران
- جزئیات تازه از پروژه لغو شده: GTA در ژاپن میتوانست واقعیت یابد
- Cronos: The New Dawn با معرفی حالت Temporal Driver، تجربه بازی را برای همه دسترسپذیر میکند
- جزئیات تازه از پروژه لغو شده: GTA در ژاپن میتوانست واقعیت یابد
نیکی نمازی
او فارغالتحصیل رشته روزنامهنگاری با گرایش رسانه دیجیتال است و فعالیت حرفهای خود را از سال ۱۳۹۹ به عنوان نویسنده آزاد در حوزه بررسی گجتهای پوشیدنی آغاز کرده است. وی در حال حاضر، سردبیر بخش اخبار تکنولوژی در یک مجله آنلاین بازی و تکنولوژی است.
