Au tour de SK hynix d’échantillonner des mémoires HBM4E
La nouvelle mémoire HBM4E de SK hynix atteint 16 Gbit/s par broche avec une efficacité énergétique en hausse de 20%. Des échantillons ont déjà été expédiés à des clients clés.
Après Samsung, c’est au tour de l’autre grand spécialiste coréen des mémoires dédiées à l’IA, SK hynix, d’annoncer l’expédition d’échantillons de sa mémoire HBM4E à 12 couches auprès de clients importants, marquant une nouvelle étape dans la course effrénée aux mémoires haute performance pour l’IA que se livrent les deux frères ennemis sud coréens. Cette nouvelle génération de Dram vise à répondre aux exigences croissantes des centres de données et des systèmes de calcul à grande échelle dédiés à l’entraînement et à l’inférence en IA.
© SK hynix
Par rapport à la génération HBM4, les gains sont significatifs : vitesse de traitement portée à 16 Gbit/s par broche, efficacité énergétique et résistance thermique améliorées de plus de 20% et de 17 %, respectivement. La latence des transferts de données est réduite grâce à une interface et une conception optimisées, assurant un fonctionnement stable même dans les environnements à très large bande passante.
Pour atteindre une capacité de 48 Go dans cette structure à 12 couches, SK hynix recourt à sa technologie MR-MUF (Mass Reflow Molded Underfill), qui consiste à injecter des matériaux protecteurs liquides entre les puces empilées, garantissant à la fois intégrité structurelle et stabilité thermique.
La mise en production de masse est attendue prochainement. « Nous travaillerons en étroite collaboration avec nos partenaires pour une production de masse dans les meilleurs délais », a indiqué l’entreprise.
Principales caractéristiques :
- Vitesse de traitement : 16 Gbit/s par broche
- Efficacité énergétique supérieure de plus de 20% à la génération précédente
- Structure à 12 couches
- Capacité de 48 Go
- Résistance thermique améliorée de 17% par rapport aux HBM4
- Latence réduite grâce à une interface optimisée
- Technologie d’empilement MR-MUF pour la stabilité structurelle
- Optimisée pour l’entraînement et l’inférence IA
- Destinée aux centres de données et systèmes de calcul haute performance
