O HBM4E de 12 camadas representa um salto substancial. A Samsung confirma uma taxa de transferência estável por pino de 14 gigabits por segundo (Gbps), com desempenho escalável de até 16 Gbps para atender aos picos de processamento de dados . Isso representa um aumento de mais de 20% na velocidade em relação ao HBM4 da própria companhia
.
A largura de banda da memória chega a até 3,6 terabytes por segundo (TB/s) por módulo nesta configuração, com projetos de pico visando 4,0 TB/s . O chip atinge uma capacidade de 36 GB por módulo, resultado do uso de dies (pastilhas) de DRAM de 24 Gb fabricados com o avançado processo de 1c da Samsung, combinados com um die lógico de 4 nanômetros produzido em sua própria fundição
. Além dos ganhos brutos de velocidade e largura de banda, a Samsung relata melhorias em eficiência energética e desempenho térmico em comparação com a geração anterior
. Durante a prévia do HBM4E na Nvidia GTC 2026, em março, a empresa exibiu a especificação de 16 Gbps por pino e 4,0 TB/s de largura de banda, junto com sua tecnologia híbrida de união de cobre (HCB) projetada para permitir módulos com 16 ou mais camadas
.
A diferença entre o HBM4 e o HBM4E da Samsung é notável. O HBM4 entregava 11,7 Gbps por pino (escalável a 13 Gbps), ficando aproximadamente 46% acima do padrão da indústria JEDEC de 8 Gbps, e sua largura de banda alcançava até 3,3 TB/s por módulo, cerca de 2,7 vezes maior que a do HBM3E . O HBM4E agora empurra esses limites ainda mais longe, oferecendo velocidades de 14 a 16 Gbps e uma largura de banda base aumentada para 3,6 TB/s
.
O roteiro público original da Samsung previa o envio de amostras do HBM4E para o segundo semestre de 2026 . Em abril de 2026, surgiram relatos de que a Samsung havia acelerado o desenvolvimento, produzindo a primeira amostra em maio e correndo com a validação interna para entregá-la aos clientes
. O anúncio oficial de 29 de maio confirma essa aceleração, colocando as amostras nas mãos dos clientes cerca de um a dois meses antes do planejado
. Uma teleconferência da empresa em janeiro de 2026 já havia sinalizado a amostragem de produtos HBM4E padrão para meados do ano, com derivados personalizados a seguir no segundo semestre
. A entrega em maio supera até mesmo essa orientação mais agressiva.
A Samsung não está limitando o HBM4E a uma única configuração. O roteiro da empresa inclui módulos de 8, 12 e 16 camadas para atender a diferentes demandas de carga de trabalho de IA e faixas de preço dos clientes .
HBM4E de 16 camadas: Uma variante de 16 camadas está em desenvolvimento, visando até 48 GB por módulo. A Samsung está apostando na tecnologia híbrida de união de cobre (HCB) — um método de conexão direta cobre-com-cobre que elimina as micro-conexões tradicionais entre as camadas — como o processo capacitador para alcançar um empilhamento confiável de 16 camadas com resistência térmica reduzida. Na GTC 2026, a Samsung afirmou que a HCB reduz a resistência ao calor em mais de 20% em comparação com a ligação por termocompressão .
HBM4E de 8 camadas: Uma configuração de 8 camadas também faz parte do plano de produto, servindo como um ponto de entrada de menor capacidade e custo otimizado dentro da família HBM4E .
O envio do HBM4E é o mais recente capítulo de uma batalha de anos e de alto risco entre Samsung e SK Hynix pelo controle da cadeia de suprimentos de memória para IA. As duas empresas sul-coreanas juntas produzem cerca de 90% do HBM global .
A vantagem inicial com o HBM4
A Samsung assumiu a dianteira na sexta geração de HBM ao iniciar a produção em massa e o envio comercial do HBM4 em fevereiro de 2026, tornando-se a primeira fabricante a comercializar o novo padrão de memória . Esses envios foram para grandes clientes, incluindo a Nvidia, para sua plataforma de IA de próxima geração, Vera Rubin
. O HBM4 da Samsung alavancou uma escolha de processo agressiva: usar a avançada DRAM 1c enquanto as rivais SK Hynix e Micron optaram pelo nó de DRAM 1b, mais maduro
. A fundição interna da Samsung também produziu o die lógico do HBM4, uma vantagem estrutural que a SK Hynix — que depende da TSMC para a lógica — não possui
.
O desafio da taxa de rendimento
A decisão da Samsung de apostar cedo na DRAM 1c veio com um custo. Até abril de 2026, as taxas de rendimento de produção da DRAM para HBM4 eram estimadas em menos de 60% e, embora a Samsung almeje elevá-las a níveis próximos do ideal no segundo semestre de 2026, os baixos rendimentos restringem o volume total de oferta . Podem ocorrer perdas adicionais de rendimento durante o processo de montagem final do HBM, agravando o desafio
. A SK Hynix, por outro lado, desfruta de rendimentos melhores em seus produtos HBM3E, usando a embalagem madura MR-MUF e o processo 1b já consolidado
.
HBM4E como um salto estratégico
Ao enviar amostras do HBM4E de 12 camadas em maio de 2026, antes que qualquer rival anunciasse amostras equivalentes, a Samsung abriu uma liderança inicial no segmento da próxima geração . A SK Hynix não havia anunciado seus próprios envios de amostra de HBM4E até o final de maio. O plano relatado do Google de pular o HBM4 e ir direto para o HBM4E para futuros TPUs (Unidades de Processamento de Tensor) provavelmente intensificou a pressão sobre ambas as empresas coreanas para acelerar seus roteiros
. As dinâmicas de mercado continuam fluidas: a SK Hynix mantém uma vantagem de rendimento e volume no HBM3E e teria ficado com 60% a 70% dos pedidos iniciais de HBM4 da Nvidia, embora alguns relatórios sugiram que a Nvidia pode ter flexibilizado as especificações de fornecimento de HBM4 em meio às restrições de rendimento em todo o setor
.
Por trás dos anúncios de produtos, Samsung e SK Hynix estão fazendo apostas tecnológicas fundamentalmente diferentes. A Samsung está migrando agressivamente para a tecnologia híbrida de união de cobre (HCB) para seus módulos HBM4 de 16 camadas e futuros HBM4E, uma técnica que permite camadas mais finas e melhor desempenho térmico, mas introduz uma nova complexidade de fabricação . A SK Hynix continua refinando seu avançado processo MR-MUF (Mass Reflow Molded Underfill), que tem um histórico comprovado de estabilidade de rendimento para módulos de 12 camadas
. Qual empresa conseguirá escalar para contagens de camadas mais altas de forma mais econômica provavelmente determinará o vencedor de longo prazo no mercado de memória para IA.
Comments
0 comments