پیش‌بینی نگران‌کننده SK Hynix: بدترین کمبود حافظه در سال 2027 و تداوم بحران تا 2030

مدیرعامل SK Hynix، کواک نو-جونگ، پیش‌بینی کرده است که سال 2027 بدترین سال برای کمبود حافظه خواهد بود و این بحران تا سال 2030 ادامه می‌یابد. این کمبود عمدتاً ناشی از تقاضای فزاینده برای حافظه‌های HBM در شتاب‌دهنده‌های هوش مصنوعی است که فرآیندهای تولید پیچیده‌تر و ظرفیت ویفر بیشتری نسبت به DDR5 مصرف‌کننده نیاز دارند. این وضعیت، برندهای اصلی حافظه را مجبور به تخصیص مجدد عرضه و تمرکز بر وضعیت دشوار کنونی می‌کند. این اظهارات در پی عرضه اولیه سهام موفقیت‌آمیز SK Hynix در بورس آمریکا مطرح شده است.

با وجود اینکه قیمت‌های حافظه حداقل برای چند ماه آینده بالا باقی خواهند ماند، نشانه‌هایی از تعدیل بازار دیده می‌شود، هرچند این ثبات با قیمت‌های بسیار بالا همراه است. شرکت‌هایی مانند SK Hynix و Micron با امضای قراردادهای بلندمدت عرضه (LTAs) در تلاشند تا تقاضا را تضمین کنند. با این حال، روندهای بازار می‌توانند به سرعت تغییر کنند و پیش‌بینی‌های بلندمدت را دشوار می‌سازند.

مایکروسافت در مسیر پایداری ۲۰۳۰: آیا هوش مصنوعی سنگین کربن، مانع اصلی است؟

مایکروسافت در مسیر دستیابی به هدف پایداری زیست‌محیطی خود تا سال ۲۰۳۰ با چالش‌های جدی روبرو است. انتشارات کربن این شرکت در سال مالی ۲۰۲۵، ۲۵ درصد افزایش یافته و ۵۸ درصد بالاتر از خط پایه ۲۰۲۰ قرار گرفته است. این رشد عمدتاً ناشی از گسترش زیرساخت‌های مراکز داده برای هوش مصنوعی است که تلاش‌های کربن‌زدایی مایکروسافت را تحت‌الشعاع قرار داده است.

مایکروسافت اذعان دارد که راه‌حل‌های زیست‌محیطی به سرعت هوش مصنوعی در حال گسترش نیستند. این شرکت بر انرژی بدون کربن و اصلاح طراحی مراکز داده تمرکز کرده، اما این تلاش‌ها هنوز نگرانی‌های عمومی را برطرف نکرده است. هدف اصلی کربن‌زدایی دور از دسترس به نظر می‌رسد و چالش تامین انرژی پاک برای هوش مصنوعی برجسته است.

Colibrì: گامی بلند برای هوش مصنوعی محلی؛ اجرای مدل ۱.۵ ترابایتی با تنها ۲۵ گیگابایت رم

با افزایش هزینه‌های اشتراک هوش مصنوعی و نگرانی‌های حریم خصوصی، اجرای مدل‌های زبان بزرگ (LLM) محبوبیت یافته، اما سخت‌افزارهای قدرتمند گران هستند. مهندس ایتالیایی وینچنزو (JustVugg) با پروژه Colibrì، راه حلی نوآورانه ارائه داده: اجرای مدل عظیم GLM-5.۲ با ۷۴۴ میلیارد پارامتر و حجم ۱.۵ ترابایت، تنها با ۲۵ گیگابایت رم و یک CPU معمولی. این دستاورد، گامی مهم برای دسترسی‌پذیری هوش مصنوعی پیشرفته در تنظیمات محلی است.

اگرچه سرعت فعلی Colibrì (حدود ۰.۰۵ تا ۰.۱ توکن بر ثانیه) برای مکالمات بلادرنگ عملی نیست، کیفیت پاسخ‌های مدل GLM-5.۲ (MoE) بالا است. Colibrì با بارگذاری و تخلیه هوشمندانه بخش‌های تخصصی مدل به ازای هر توکن، از معماری MoE بهره می‌برد و به سخت‌افزارهای ارزان‌تر اجرای مدل‌های بزرگ را ممکن می‌سازد. این پروژه یک اثبات مفهوم است و پتانسیل بالایی برای آینده هوش مصنوعی محلی و اجرای مدل‌های پیچیده روی سخت‌افزارهای مصرف‌کننده دارد.

هشدار امنیتی: اسکنر جعلی Go DNS بیش از ۲۰۰ مخزن گیت‌هاب را آلوده کرد – عملیات “Muck and Load” با ۷۰۰ ماژول مخرب

شرکت Socket از کشف یک ماژول مخرب Go خبر داد که در پوشش اسکنر DNS، به عنوان لودر بدافزار ویندوز عمل می‌کرد. این ماژول در بیش از 222 مخزن گیت‌هاب و 190 حساب کاربری گسترش یافته و بیش از 700 نسخه مخرب داشته است. کمپین “Operation Muck and Load” نامیده شده و پس از گزارش Socket، ماژول از پروکسی Go مسدود شد.

بدافزار با اجرای دستورات PowerShell پنهان، محتوا را از muckcoding.com دانلود و با رمزگشایی چند لایه اجرا می‌کند. برای پایداری، از پلتفرم‌های عمومی مانند Pastebin و YouTube برای بازیابی مکان‌های دانلود واقعی استفاده می‌شود. بارگذاری نهایی یک آرشیو 7-Zip محافظت شده با رمز عبور است که بدافزارهایی نظیر AsyncRAT، Vidar (سرقت‌کننده اطلاعات) و استخراج‌کننده‌های مونرو را نصب می‌کند.

خطای فاجعه‌بار هوش مصنوعی Flock: ردیابی اشتباه پلاک، محاصره پلیس و بازداشت یک ساعته منتقد خودرو

یک خطای داده‌ای در سیستم دوربین‌های هوش مصنوعی Flock منجر به ردیابی اشتباه جوئل فدر، منتقد خودرو، شد. او که با یک رنج روور قرضی رانندگی می‌کرد، به ظن داشتن پلاک سرقتی توسط پلیس در پارکینگ محاصره و یک ساعت بازداشت شد. پلاک اصلی “34 10 DTM” بود، اما به دلیل فونت کوچک “10” و عدم استاندارد بودن پلاک‌های تولیدکننده نیوجرسی، سیستم Flock آن را با پلاک سرقتی “34 03 DTM” اشتباه گرفته و تنها “34 DTM” را ثبت کرده بود. این خطا هشدار سراسری را فعال کرده و فدر را برای چندین روز ردیابی می‌کرد.

این حادثه ناخوشایند، ناشی از خطای انسانی و نقص هوش مصنوعی Flock بود. پلیس فدر را در فروشگاهی محاصره کرد و با وجود حل مشکل در محل، به او توصیه شد برای جلوگیری از توقف‌های بعدی، مستقیماً به خانه برود. این رویداد به جنجال‌های پیرامون سیستم Flock AI، از جمله سوءاستفاده افسران پلیس، می‌افزاید و نگرانی‌ها درباره حریم خصوصی و دقت فناوری‌های نظارتی را تشدید می‌کند.

جنگ حقوقی اپل و OpenAI: اتهام سرقت اسرار تجاری و جذب مهندسان با اطلاعات محرمانه

اپل شکایتی فدرال علیه OpenAI تنظیم کرده و آن را به سرقت اسرار تجاری متهم کرده است. اپل ادعا می‌کند OpenAI با استخدام کارمندان سابق اپل، دانش آنها را در مورد اطلاعات حساس و محرمانه این شرکت استخراج و بهره‌برداری کرده است. این شکایت به روش‌هایی چون تلاش برای کسب اسرار از نامزدها، دسترسی غیرمجاز به فایل‌ها و آموزش کارمندان جدید برای حفظ دسترسی به اطلاعات محرمانه اشاره دارد.

اپل تاکید دارد که کسب‌وکار سخت‌افزاری نوپای OpenAI بر پایه‌های سستی بنا شده که ریشه در اتکای غیرقانونی به اسرار تجاری سرقت شده دارد. این شرکت خواستار محاکمه هیئت منصفه، دریافت خسارات و دستوراتی مبنی بر عدم استفاده OpenAI از اسرار تجاری‌اش شده است. این پرونده در حالی مطرح می‌شود که هر دو شرکت در حال کار بر روی پروژه‌های سخت‌افزاری هوش مصنوعی هستند و پیش از این نیز OpenAI در حال بررسی اقدامات قانونی علیه اپل بود.

رشد خیره‌کننده استیم: درآمد ۱۱ میلیارد دلاری در نیمه اول ۲۰۲۶ با تکیه بر بازیکنان چینی و بازی‌های قدیمی

بر اساس گزارش Alinea Analytics، پلتفرم استیم در نیمه اول سال ۲۰۲۶ به درآمد بی‌سابقه ۱۱.۱ میلیارد دلاری دست یافته است که آن را به سودآورترین نیم‌سال Valve در تاریخ تبدیل می‌کند. این رقم نشان‌دهنده رشد چشمگیر ۱۴.۵ درصدی نسبت به مدت مشابه سال ۲۰۲۵ و ۸ درصد بیشتر از نیمه دوم سال ۲۰۲۵ است. این موفقیت در حالی رقم می‌خورد که صنعت بازی به طور فزاینده‌ای به سمت فروشگاه‌های دیجیتال حرکت می‌کند؛ سونی نیز اعلام کرده که تا سال ۲۰۲۸ تولید دیسک‌های فیزیکی پلی‌استیشن را متوقف خواهد کرد.
عوامل متعددی به این رشد پایدار ۱۰ ساله استیم کمک کرده‌اند، از جمله افزایش چشمگیر بازیکنان چینی، قیمت‌های بالاتر، موفقیت بازی‌های همکاری‌محور و مدیریت هوشمندانه‌تر کاتالوگ‌های قدیمی. نکته قابل توجه این است که بازی‌های قدیمی‌تر نقش پررنگی در این درآمد داشته‌اند، به طوری که تنها ۲۱ درصد از فروش ۱۱.۱ میلیارد دلاری از عناوین جدید سال ۲۰۲۶ بوده است. این روند نشان می‌دهد که کاربران بیش از پیش به بازی‌های موجود در کتابخانه‌های خود بازگشته و از آنها لذت می‌برند.

SK های‌نیکس با IPO تاریخی ۲۶.۵ میلیارد دلاری، رهبری بازار حافظه‌های هوش مصنوعی را تثبیت می‌کند

SK های‌نیکس، غول حافظه کره‌جنوبی، با موفقیت بزرگترین عرضه اولیه سهام (IPO) یک شرکت خارجی در تاریخ ایالات متحده را به ارزش ۲۶.۵ میلیارد دلار در نزدک به پایان رساند. این سرمایه عمدتاً برای گسترش ظرفیت تولید حافظه‌های با پهنای باند بالا (HBM) حیاتی برای هوش مصنوعی، استفاده خواهد شد. توسعه شامل کارخانه‌های جدید در کره و یک سایت ۴ میلیارد دلاری در آمریکا است که از کمک‌های CHIPS Act بهره می‌برد. این اقدام، تعهد SK های‌نیکس را به رهبری بازار هوش مصنوعی نشان می‌دهد.

این شرکت به لطف رونق هوش مصنوعی، رشد بی‌سابقه‌ای را تجربه می‌کند و پیش‌بینی می‌شود سود عملیاتی آن در سال جاری به ۱۳۳ میلیارد دلار برسد. سهام SK های‌نیکس در یک سال گذشته بیش از شش برابر افزایش یافته و برای مدت کوتاهی از سامسونگ پیشی گرفت. با توجه به اینکه کل تولید HBM، DRAM و NAND این شرکت تا سال ۲۰۲۶ از قبل فروخته شده و انتظار می‌رود کمبود عرضه تا سال ۲۰۲۷ ادامه یابد، آینده روشنی برای SK های‌نیکس در بازار جهانی نیمه‌هادی‌ها و هوش مصنوعی متصور است.

نانیا در مسیر اوج: ۴ برابر شدن سرمایه‌گذاری تا ۶.۲ میلیارد دلار و سود ۷۹.۵ درصدی با خیزش قیمت DRAM

نانیا تکنولوژی، تولیدکننده تایوانی حافظه، برنامه‌های جاه‌طلبانه‌ای برای افزایش چهار برابری هزینه‌های سرمایه‌ای خود تا ۶.۲ میلیارد دلار در سال ۲۰۲۷ اعلام کرده است. این شرکت در سه ماهه دوم امسال، رشد بی‌سابقه ۶۸۴ درصدی درآمد و ۱۳۲۴ درصدی سود خالص را تجربه کرد که عمدتاً ناشی از افزایش شدید قیمت‌های DRAM و رسیدن حاشیه سود ناخالص به ۷۹.۵ درصد است. این جهش درآمدی بیشتر ناشی از افزایش قیمت‌هاست تا حجم ارسال بیت، و پیش‌بینی می‌شود قیمت‌های قراردادی DRAM در سه ماهه سوم نیز صعودی باشد.

نانیا با تمرکز بر DDR4 و DDR5، از رقابت در HBM سنتی خودداری می‌کند، اما یک HBM سفارشی برای هوش مصنوعی لبه را تا پایان سال هدف‌گذاری کرده است. فاز اول کارخانه جدید در تایپه تا ۲۰۲۸ به ظرفیت ۳۰,۰۰۰ ویفر در ماه می‌رسد و از گره ۱۰ نانومتری نسل دوم برای تولید حافظه‌های جدید استفاده خواهد کرد. این سرمایه‌گذاری‌ها در بحبوحه پیش‌بینی تداوم محدودیت‌های عرضه DRAM تا ۲۰۲۸ صورت می‌گیرد و شرکت‌هایی چون SanDisk و Kioxia نیز سهام نانیا را خریداری کرده‌اند.

Rapidus، چالشگر TSMC: آیا تراشه‌های 2 نانومتری ژاپنی با قیمت‌های رقابتی بازار را متحول می‌کنند؟

شرکت ژاپنی Rapidus قصد دارد با ارائه ویفرهای 2 نانومتری با قیمتی حدود 20,000 دلار، که به طور قابل توجهی کمتر از قیمت‌های TSMC و مشابه سامسونگ است، مشتریان را جذب کند. این شرکت هدف دارد تولید انبوه را تا نیمه دوم 2027 آغاز کند، اما حجم قابل توجهی از تولید آن تا سال 2028 در دسترس نخواهد بود. این استراتژی قیمت‌گذاری پایین در مواجهه با پیشرفت‌های TSMC در گره‌های N2P و A16، یک حرکت پرخطر تلقی می‌شود.
Rapidus همچنین ممکن است با فناوری پردازش تک ویفر، چرخه تولید را سرعت بخشد که می‌تواند مزیت رقابتی آن باشد. با این حال، TSMC از اکوسیستم پلتفرم نوآوری باز (OIP) گسترده‌ای برخوردار است که Rapidus و سایر رقبا در حال حاضر نمی‌توانند با آن برابری کنند. Rapidus در حال مذاکره با بیش از 60 مشتری بالقوه است و جاه‌طلبی خود را برای رقابت با TSMC، Intel Foundry و Samsung Foundry نشان می‌دهد. موفقیت این شرکت در جذب مشتریان با قیمت‌های پایین‌تر و چرخه‌های تولید کوتاه‌تر، در گرو زمان خواهد بود.

جستجو در سایت

سبد خرید

درحال بارگذاری ...
بستن
مقایسه
مقایسه محصولات
لیست مقایسه محصولات شما خالی می باشد!