SK hynix Hantar Sampel HBM4E 12 Lapisan untuk Pelanggan AI, Panaskan Persaingan dengan Samsung

Perlumbaan untuk membekalkan pemecut AI generasi seterusnya bertukar ke gear yang lebih tinggi pada Jun 2026. Pada 17 Jun, SK hynix secara rasmi mengumumkan ia telah menghantar sampel cip HBM4E (High Bandwidth Memory 4 Extended) 12 lapisan kepada pelanggan utamanya, memasuki fasa kritikal kelayakan pelanggan . Langkah ini hadir hanya tiga minggu selepas pesaingnya, Samsung Electronics, mula menghantar apa yang digelarnya sebagai sampel HBM4E “pertama dalam industri” pada 29 Mei . Garis masa yang begitu rapat menekankan betapa sengitnya persaingan antara dua gergasi semikonduktor Korea ini untuk mendominasi pasaran memori di sebalik platform Vera Rubin Nvidia yang dinanti-nantikan dan platform AI generasi seterusnya yang lain.

Spesifikasi Terperinci HBM4E SK hynix

Cip HBM4E 12 lapisan baharu daripada SK hynix ini menjanjikan peningkatan menyeluruh yang direka untuk memenuhi permintaan lebar jalur (bandwidth) dan kecekapan tinggi yang diperlukan oleh latihan dan inferens AI. Pengumuman rasmi syarikat serta laporan industri menyediakan spesifikasi teras berikut :

• Prestasi: Kelajuan pemprosesan data sehingga 16 gigabit per saat (Gbps) bagi setiap pin.
• Kapasiti: 48 gigabait (GB) setiap tindanan, dicapai menggunakan 12 lapisan die 32 gigabit (Gb). Kapasiti die tunggal 32 Gb ini mewakili peningkatan 33% dalam ketumpatan storan berbanding generasi HBM4 sebelumnya .
• Kecekapan Kuasa: Peningkatan lebih daripada 20 peratus berbanding generasi HBM4 sebelumnya .
• Teknologi Pembungkusan: Syarikat menggunakan proses proprietari 'Advanced MR-MUF' (Mass Reflow Molded Underfill). Manfaat utamanya adalah pengurangan rintangan haba sebanyak 17%, yang meningkatkan kestabilan struktur dan prestasi terma dalam persekitaran pengkomputeran berprestasi tinggi .
• Lebar Jalur: Walaupun SK hynix menyasarkan kelas ~4 TB/s untuk cip AI generasi seterusnya, pameran di Computex menonjolkan peningkatan lebar jalur 38% berbanding HBM4 . Laporan industri juga memetik lebar jalur sehingga 4.0 TB/s .

Cip ini dihasilkan menggunakan nod proses DRAM 1c, menurut laporan industri, berkemungkinan bersempena dengan proses 3-nanometer TSMC untuk die asas .

Pertarungan Spesifikasi: SK hynix vs. Samsung HBM4E

Dengan kedua-dua syarikat kini dalam fasa penghantaran sampel produk HBM4E 12 lapisan mereka, perbandingan langsung spesifikasi yang didakwa menunjukkan dinamik persaingan yang jelas. Samsung adalah yang pertama menghantar, tetapi spesifikasi rasmi awal SK hynix mendakwa kelebihan dalam beberapa metrik prestasi utama .

Ciri	SK hynix HBM4E	Samsung HBM4E
Tarikh Penghantaran Sampel	17–18 Jun, 2026	29 Mei, 2026 (pertama industri)
Lapisan	12-tinggi	12-tinggi
Kapasiti	48 GB	48 GB
Kelajuan Per-Pin	16 Gbps (asas)	14 Gbps stabil, boleh ditingkatkan ke 16 Gbps
Peningkatan Kecekapan Tenaga	>20% vs. HBM4	16% vs. HBM4
Pembungkusan	Advanced MR-MUF (17% kurang rintangan haba)	Pengurusan terma proprietari (% peningkatan tidak dinyatakan)
Lebar Jalur	Sehingga ~4.0 TB/s	Sehingga 3.6 TB/s setiap tindanan

Pembeza yang kritikal adalah kelajuan pin asas. HBM4E SK hynix beroperasi secara natif pada 16 Gbps, manakala spesifikasi awal Samsung adalah 14 Gbps, dengan keupayaan dinyatakan untuk ditingkatkan ke 16 Gbps . Begitu juga, SK hynix mendakwa peningkatan kecekapan kuasa 20%+, berbanding peningkatan 16% untuk HBM4E Samsung . Pengurangan rintangan haba sebanyak 17% yang boleh diukur melalui 'Advanced MR-MUF' boleh menjadi faktor utama bagi pelanggan hiperskala yang menyusun modul ini secara padat ke dalam rak pelayan AI.

Pertempuran Lebih Besar untuk Dominasi Memori AI

Penghantaran sampel HBM4E ini adalah babak terbaharu dalam perjuangan bertahun-tahun untuk membekalkan Nvidia, pereka cip AI paling bernilai di dunia.

• Kubu HBM4 SK hynix: Pada akhir Januari 2026, pelbagai sumber melaporkan bahawa SK hynix telah memperoleh kira-kira 70% daripada tempahan HBM4 Nvidia untuk platform AI Vera Rubin . Pendahuluan besar ke atas Samsung dan Micron ini dibina atas pengeluaran volum awal dan hasil yang tinggi, terutamanya dengan teknologi MR-MUFnya .
• Nvidia Sahkan Ketiga-Tiga Pihak: Pada 5 Jun 2026, Ketua Pegawai Eksekutif Nvidia, Jensen Huang, secara rasmi memperakui ketiga-tiga pengeluar memori utama—SK hynix, Samsung, dan Micron—sebagai pembekal HBM4 untuk Vera Rubin . Ini menamatkan spekulasi berbulan-bulan bahawa Micron mungkin disingkirkan sepenuhnya daripada rantaian bekalan awal platform tersebut . Penganalisis industri masih menganggarkan SK hynix memegang bahagian volum 60–70% untuk HBM4 Vera Rubin, dengan Samsung meraih 25–30% dan Micron mengisi selebihnya .
• Corak Penghantaran Sampel Awal: SK hynix telah membentuk corak garis masa yang agresif dengan menghantar sampel HBM4 12 lapisan pertama di dunia kepada pelanggan pada Mac 2025, lebih awal daripada jadual asalnya . Produk asas HBM4 itu kini dalam pengeluaran besar-besaran dan menjadi asas kepada HBM4E yang didedahkan di Computex 2026 . Di acara tersebut, SK hynix mengetengahkan peningkatan ketumpatan 33% dan lonjakan lebar jalur 38% untuk HBM4E, memberi isyarat langsung kepada pasaran pusat data AI .

Apa Seterusnya?

Dengan sampel kini di tangan pelanggan utama—yang biasanya termasuk Nvidia, AMD, dan penyedia perkhidmatan awan berskala besar—proses kelayakan kritikal sedang berjalan . Pelanggan akan menguji memori ini dengan teliti untuk integriti isyarat, kelakuan terma, dan keserasian dengan reka bentuk pemecut mereka. Kejayaan dalam peringkat ini akan menentukan pesanan pembelian akhir dan peningkatan volum untuk sistem AI yang dijangka muncul sekitar tahun 2027.

Keupayaan SK hynix untuk menghantar sampel HBM4Enya lebih awal daripada panduan separuh kedua 2026 menunjukkan niatnya bukan sahaja untuk mempertahankan kedudukan pasaran, tetapi untuk menetapkan rentak bagi seluruh industri . Pertempuran ini bukan lagi sekadar tentang siapa yang boleh menghantar dahulu, tetapi teknologi siapa yang mampu memberikan prestasi-per-watt paling tinggi dalam pakej yang paling stabil—secara langsung menyemarakkan lonjakan seterusnya dalam keupayaan AI.