سامسونگ و ربلینگز: تولید چیپ هوش مصنوعی ۲ نانومتری

سامسونگ با سرمایه‌گذاری و قرارداد تولید جدید خود، نقش خود را در اکوسیستم نیمه‌رسانای کره جنوبی پررنگ‌تر کرده است: واحد سرمایه‌گذاری سامسونگ به دور سرمایه‌گذاری بزرگی در استارتاپ ربلینگز پیوست و در عین حال تولید شتاب‌دهنده‌های هوش مصنوعی نسل بعدی با گره ۲ نانومتری و معماری GAA را عهده‌دار می‌شود. این حرکت هم به‌عنوان تزریق سرمایه و هم به‌عنوان شراکت استراتژیک در نوآوری داخلی نیمه‌رسانا تعبیر می‌شود.

ورود سامسونگ ونچرز و تبدیل ربلینگز به یونیکورن داخلی

سامسونگ ونچرز در دور Series C ربلینگز مشارکت کرد؛ دوری که ۲۵۰ میلیون دلار جذب سرمایه داشت و ارزش شرکت را حدود ۱.۴ میلیارد دلار برآورد کرد. در کنار سامسونگ، سرمایه‌گذارانی مثل Arm، Pegatron و Lion X Ventures نیز حضور داشتند و پیش‌تر بانک توسعه کره و Korelya Capital از حامیان اولیه بوده‌اند. این سرمایه‌گذاری پس از ادغام ربلینگز با SAPEON Korea صورت گرفت؛ ادغامی که شرکت جدید را به‌عنوان اولین یونیکورن چیپ AI کره معرفی کرد.

از ۵ نانومتری تا ۲ نانومتری GAA: سابقه تولید سامسونگ

سامسونگ سال‌هاست که شریک تولیدی ربلینگز بوده و پیش از این تراشه‌های ۵ نانومتری در ۲۰۲۱ و ۴ نانومتری در ۲۰۲۳ را برای این شرکت ساخته است. توافق جدید تولید برای گره ۲ نانومتری با معماری Gate-All-Around (GAA) را تضمین می‌کند؛ گره‌ای فنی و پیشرفته که وعدهٔ چگالی ترانزیستور بالاتر و کارایی انرژی بهتر را می‌دهد. برای سامسونگ این روند، الگویی را تکرار می‌کند: بالا بردن سطح فناوری شرکای fabless امیدوارکننده و تثبیت آن‌ها در گره‌های پیشرفته‌تر.

استراتژی ربلینگز: شتاب‌دهنده‌های بهینه برای استنتاج در مقیاس بزرگ

برخلاف طراحی‌های پرمصرف که عمدتاً برای آموزش مدل‌های عظیم مناسب‌اند، ربلینگز روی شتاب‌دهنده‌هایی متمرکز است که هزینه و مصرف انرژی را در استنتاج (inference) کاهش می‌دهند. تراشهٔ شاخص این شرکت، REBEL-Quad، برای استقرارهای بزرگ طراحی شده؛ جایی که توان عملیاتی و هزینهٔ‌ عملیاتی اهمیت بیشتری نسبت به صرفاً توانایی آموزش دارند. به‌عنوان یک شرکت fabless، ربلینگز اکنون در مقابل رقبای محلی مثل FuriosaAI و بازیگران جهانی مانند AMD و Nvidia قرار گرفته است.

چرا گره ۲ نانومتری GAA برای هوش مصنوعی اهمیت دارد؟

تصور کنید روزانه میلیون‌ها استنتاج اجرا می‌شود: برق و هزینه به سرعت تبدیل به محدودیت می‌شوند. در گره ۲ نانومتری با معماری GAA، امکان فشردگی منطقی بیشتر و مصرف انرژی کمتر نسبت به گره‌های قدیمی‌تر فراهم می‌آید. این یعنی قبوض برق پایین‌تر، عملکرد بیشتر به ازای هر رک سرور و اقتصاد بهتر برای ارائه‌دهندگان ابری و اپراتورهای لبه که مدل‌های هوش مصنوعی را در مقیاس اجرا می‌کنند. به بیان دیگر، مهاجرت به گره‌های پیشرفته صرفاً یک رقابت اعداد نیست؛ بلکه تفاوت ملموسی در هزینهٔ کل مالکیت (TCO) و تجربهٔ کاربری ایجاد می‌کند.

تبعات بازاری و زنجیرهٔ تأمین

نقش دوگانهٔ سامسونگ به‌عنوان سرمایه‌گذار و تولیدکننده، اکوسیستم چیپ‌های هوش مصنوعی کره را به هم نزدیک‌تر می‌کند. این سیگنالِ اعتماد به طراحی‌های داخلی است و پیوندهای زنجیرهٔ تأمین را در شرایطی تقویت می‌کند که رقبا برای بهینه‌سازی سخت‌افزار استنتاج شتاب می‌گیرند. برای کسب‌وکارها و تصمیم‌گیران فناوری، وجود رقابت بیشتر در طراحی‌های شتاب‌دهندهٔ بهینه می‌تواند به کاهش هزینه‌ها و افزایش نوآوری منجر شود.

وقتی سامسونگ از منظر تولید ۲ نانومتری GAA و از منظر مالی پشت ربلینگز می‌ایستد، نشان‌دهنده روندی بزرگ‌تر است: همکاری‌های استراتژیک میان foundryها و استارتاپ‌های fabless شتاب توسعهٔ سخت‌افزارهای تخصصی و کم‌مصرفِ هوش مصنوعی را سرعت می‌بخشد.

جزئیات فنی: GAA چیست و چرا بهتر عمل می‌کند؟

معماری Gate-All-Around (GAA) یک جهش از FinFET محسوب می‌شود. در GAA کانال ترانزیستور از همهٔ جهات توسط دروازه (gate) احاطه می‌شود که کنترل ولتاژ و نشتی (leakage) را به طرز چشمگیری بهبود می‌بخشد. این کنترل بهتر اجازه می‌دهد تا ترانزیستورها کوچک‌تر طراحی شوند بدون آنکه پایداری یا بازده کاهش یابد. نتایج عملی شامل فرکانس‌های بالاتر، مصرف انرژی کمتر در هر عمل محاسباتی و چگالی منطقی بیشتر در یک فوت مربع سیلیکون است.

تأثیر GAA بر عملکرد شتاب‌دهنده‌های استنتاج

برای شتاب‌دهنده‌های استنتاج که هزاران عملیات ماتریسی را در لحظه اجرا می‌کنند، هر کاهش در مصرف انرژی و افزایش در چگالی ترانزیستور می‌تواند به افزایش توان عملیاتی کلی و کاهش هزینهٔ عملیاتی منجر شود. این به ویژه برای اپراتورهای مراکز داده و سرویس‌های ابری اهمیت دارد که توجه زیادی به هزینهٔ انرژی و خنک‌سازی دارند. در سطح لبه (edge)، کاهش مصرف می‌تواند امکان استقرار مدل‌های پیشرفته را در دستگاه‌های محدود‌المنابع فراهم سازد.

رقابت محلی و جهانی: کجا ایستاده‌ایم؟

رقابت در بازار شتاب‌دهنده‌های AI امروز دو قطبی نیست؛ بلکه چندقطبی است. در کره، شرکت‌هایی مثل FuriosaAI و ربلینگز در لبهٔ بهینه‌سازی برای استنتاج رقابت می‌کنند. در سطح جهانی، Nvidia و AMD همچنان بازیگران قدرتمندی هستند که مجموعهٔ وسیعی از محصولات برای آموزش و استنتاج ارائه می‌دهند. اما تمرکز ربلینگز روی هزینه و انرژی می‌تواند مزیت رقابتی قابل‌توجهی در مواردی ایجاد کند که مقرون‌به‌صرفه بودن و مقیاس‌پذیری اولویت‌ دارند—مثلاً ارائه‌دهندگان خدمات محتوا، سرویس‌های ویدیوی لحظه‌ای، و اپراتورهای شبکهٔ لبه.

مزایا برای مشتریان نهایی

• کاهش هزینه‌های عملیاتی مراکز داده به‌واسطهٔ مصرف انرژی کمتر.
• امکان استقرار مدل‌های پیچیده‌تر در محیط‌های لبه به دلیل کارایی بهتر بر وات.
• افزایش رقابت که می‌تواند به تنوع محصولات و قیمت‌های بهتر برای خریداران منجر شود.

چالش‌ها و مخاطرات پیش رو

با این حال، مسیر تا تولید انبوه و استقرار گستردهٔ چیپ‌های ۲ نانومتری با چالش‌هایی همراه است: هزینهٔ سرمایه‌گذاری برای تجهیز خطوط تولید به چنین گره‌هایی بسیار بالاست، مسئلهٔ کیفیت و بازده اولیهٔ تولید (yield) حساس است و زمان‌بندی توسعهٔ نرم‌افزار و ابزارهای اکوسیستم باید با پیشرفت سخت‌افزار همگام شود. برای ربلینگز به‌عنوان یک طراح fabless، حفظ توازن میان نوآوری معماری، همکاری نزدیک با تولیدکننده و جذب مشتریان اولیه حیاتی خواهد بود.

اهمیت سیاست و سرمایه‌گذاری دولتی

حمایت نهادهای مالی و توسعه‌ای مانند بانک توسعه کره، که قبلاً در مسیر حمایت از ربلینگز حضور داشتند، نقش مهمی در تقویت اکوسیستم دارد. سیاست‌های صنعتی هوشمند و تسهیلات سرمایه‌ای می‌توانند باعث شوند شرکت‌های استارتاپی نیمه‌رسانا با سرعت بیشتری به بلوغ برسند و در مقابل رقبای جهانی بایستند. همکاری بین دولت، دانشگاه‌ها و صنعت می‌تواند در تربیت نیروی انسانی متخصص، تامین مالی و فراهم آوردن زیرساخت تولید برای گره‌های پیشرفته تعیین‌کننده باشد.

نتیجه‌گیری میانی: چه چیزی را باید دنبال کنیم؟

اگر به‌دنبال روندهای آتی هستید، چند نکته کلیدی را رصد کنید: بهره‌وری اولیهٔ تولید ۲ نانومتری GAA، زمان عرضهٔ REBEL-Quad در مراکز داده و لبه، واکنش رقبا به این حرکت (مثلاً کاهش قیمت، ارائهٔ محصولات مشابه یا تقویت سرمایه‌گذاری) و نقش سیاست‌گذاران در تسهیل تولید داخلی. هر یک از این عوامل می‌تواند مسیر بازار شتاب‌دهنده‌های هوش مصنوعی را در سال‌های آینده شکل دهد.

پیشنهاد برای کسب‌وکارها

سازمان‌هایی که در حال برنامه‌ریزی برای ارتقاء زیرساخت AI خود هستند باید گزینه‌های سخت‌افزاری جدید را جدی بگیرند. بررسی هزینهٔ کل مالکیت، توان عملیاتی به ازای هر وات و انعطاف‌پذیری اکوسیستم نرم‌افزاری (کتابخانه‌ها، درایورها و پشته‌های نرم‌افزاری) ضروری است. در بسیاری از موارد، ترکیب چند نوع شتاب‌دهنده (هیبرید) ممکن است بهترین تعادل میان هزینه، کارایی و قابلیت توسعه را ارائه دهد.