480 GB pamięci z laptopów zamiast HBM. Intel D270 ma tanio uruchamiać AI, a Nvidia przenosi bazę HBM4 do TSMC

Rynek AI przesuwa się od trenowania modeli do ich masowego uruchamiania. W latach 2023–2025 wydatki koncernów technologicznych napędzał wyścig o jak największe klastry treningowe. Dziś o kosztach decyduje wnioskowanie (inference): generowanie odpowiedzi, systemy RAG i agenci pracujący bez przerwy w firmowych systemach. Infrastruktura oparta na najdroższych procesorach graficznych z pamięcią HBM (High Bandwidth Memory), chłodzona cieczą i pobierająca 1000–1200 W na moduł, staje się dla wielu klientów barierą finansową.

W branży widać dziś trzy równoległe ruchy. Intel obchodzi HBM tanią pamięcią mobilną, Huawei i DeepSeek budują zamknięty, samowystarczalny stos sprzętowy, a Nvidia spycha dostawców DRAM do roli producentów standardowych komponentów.

Intel: 480 GB taniego RAM-u zamiast HBM

Intel pokazał nową serię akceleratorów serwerowych podczas szczytu Open Compute Project (OCP) Global Summit w San Jose. Intel GPU D-Series, rozwijana pod kodową nazwą Crescent Island, debiutuje modelem Intel GPU D270 opartym na architekturze Xe3P, pozbawionej tradycyjnych jednostek renderowania 3D. Zamiast pamięci HBM3e czy GDDR7 konstruktorzy zastosowali LPDDR5X, którą na masową skalę montuje się w smartfonach i notebookach.

Karta referencyjna Intela ma 160 GB pamięci, ale warianty partnerów ODM mieszczą na pojedynczej dwuslotowej karcie PCIe nawet 480 GB LPDDR5X. Dla porównania: Nvidia Blackwell Ultra (B300) ma 288 GB HBM3e, więc rozwiązanie Intela daje nominalnie około 1,7 raza większą pojemność. Pobór mocy wynosi ok. 350 W, a chłodzenie jest powietrzne, w standardowych szafach serwerowych 2U lub 4U (dane producenta). Wydajność w formacie FP8 to 1,3 PFLOPS.

Oszczędność ma cenę w przepustowości. LPDDR5X w D270 na 1280-bitowej magistrali daje 1,5 TB/s, a układy Nvidia B200 i B300 osiągają 8,0 TB/s – ponad pięć razy więcej. Karta Intela nie zastąpi więc procesorów Nvidii w trenowaniu modeli bazowych ani w obsłudze tysięcy równoległych zapytań przy minimalnym opóźnieniu. Jej zadanie jest inne: uruchamianie modeli do 300 mld parametrów na jednej karcie, bez dzielenia wag między wiele procesorów, oraz wnioskowanie na oknach kontekstowych do miliona tokenów przy ułamku kosztów platformy opartej na HBM.

Huawei i DeepSeek: własny stos AI mimo sankcji

Z ustaleń Qianer Liu i Juro Osawy z The Information wynika, że inżynierowie Huawei pracują w siedzibie laboratorium DeepSeek w Hangzhou. Współprojektują architekturę układów kolejnej generacji. DeepSeek przekłada wąskie gardła w przetwarzaniu wag modeli na konstrukcję logiczną chipów z serii Ascend.

Dotąd DeepSeek używał układów Huawei głównie do wnioskowania. Pretrenowanie kluczowych modeli opierał na zapasach Nvidii H800 i H20, zgromadzonych przed zakazami eksportowymi. Według The Information od przełomu 2026 i 2027 roku laboratorium chce zacząć pretrenowanie na układach Huawei Ascend 950DT. Procesor ma pamięć HiZQ o pojemności 144 GB i przepustowości 4 TB/s, a w klastrach Ascend SuperNode dwukierunkowe połączenie ma osiągać 2 TB/s.

Programiści z Hangzhou udostępnili też otwartoźródłowe biblioteki i narzędzia kompilacji: adaptację języka TileLang oraz zoptymalizowane kernele komunikacyjne DeepEP-Ascend i DeepGEMM-Ascend. Pozwalają one uruchamiać modele na sprzęcie Huawei bez środowiska Nvidia CUDA. Do tego dochodzą pamięć DRAM z fabryk CXMT w Hefei i pamięć 3D NAND z zakładów YMTC w Wuhanie. W efekcie powstaje łańcuch obejmujący model, procesor, pamięć i oprogramowanie, w którym nie ma dostawców z USA ani Korei.

Niezależni analitycy są ostrożniejsi. Według opracowań SemiAnalysis stabilna praca klastrów z ponad 10 tys. akceleratorów Huawei wciąż napotyka problemy z awaryjnością magistrali przy wielotygodniowym obciążeniu, a fabryki SMIC mają niższe uzyski z wafli niż tajwańska konkurencja. Pełne wdrożenie do trenowania modeli kolejnej generacji może przesunąć się na układy Ascend 960DT w 2027 roku.

Nvidia chce bazowego układu HBM z TSMC

Jak podał Reuters, powołując się na Seoul Economic Daily, Nvidia postawiła twarde warunki Samsungowi, SK hynix i Micronowi. W nowej architekturze NVHBM, opartej na standardzie HBM4, dolna matryca logiczna (base die) ma być produkowana jednolicie w TSMC na Tajwanie w litografii 3 nm.

Dla Samsunga oznacza to zmianę strategii. Koncern z Suwon promował model zintegrowany („turnkey”): własny bazowy układ logiczny (w litografii 4 nm lub 3 nm GAA), warstwy DRAM i pakietowanie w jednym miejscu. Po wewnętrznych analizach kierownictwo zgodziło się powierzyć produkcję matrycy bazowej rywalowi, TSMC, żeby utrzymać pozycję dostawcy Nvidii. Zadecydowały wyższe uzyski na Tajwanie i dążenie Nvidii do ujednolicenia specyfikacji.

Przeniesienie kontrolera pamięci na base die zmienia podział zysków, bo to dolny układ logiczny skupia najwyższą wartość dodaną modułu HBM4. Producenci pamięci mają dostarczać standardowe stosy DRAM w technologii 1c. Nvidia mogłaby wtedy swobodnie dzielić zamówienia między Samsunga, SK hynix i Microna, wymuszać obniżki cen i spychać dotychczasowych liderów do roli dostawców komponentów.

Przychody Samsunga i SK hynix z rynku chińskiego

Presja na marże nakłada się na ryzyko utraty przychodów z Chin. W komentarzach rynkowych krąży kwota 97 bln wonów rocznej sprzedaży koreańskich producentów na tym rynku: 71 bln wonów u Samsunga i 26 bln u SK hynix. Oficjalne raporty finansowe w systemie DART dają inny obraz.

Skonsolidowane przychody Samsung Electronics z segmentu geograficznego Chiny wyniosły w 2024 roku 71,58 bln wonów (ok. 52 mld USD), co zgadza się z tą kwotą. SK hynix wykazał z tego rynku 15,53 bln wonów (ok. 11,3 mld USD), co razem daje 87,1 bln wonów, nie 97 bln. Liczba 26 bln wonów pojawia się też w komentarzach rynkowych jako szacowany zysk netto CXMT za pierwsze trzy kwartały 2026 roku (ok. 131 mld CNY, przy przychodach rzędu 53–54 bln wonów, czyli ok. 270 mld CNY). Zbieżność liczb sugeruje, że te dane pomylono ze sprzedażą SK hynix. Szacunki dochodzące do 97 bln wonów obejmują natomiast pośrednie kanały dystrybucji i reeksport modułów przez montownie w Azji Południowo-Wschodniej. Źródła więc się różnią i nie da się wskazać jednej liczby.

Niezależnie od tego, która kwota jest właściwa, skala ekspozycji obu koreańskich spółek jest duża. Rozbudowa fabryk CXMT i YMTC oznacza, że odbiorcy w Chinach stopniowo zastępują zagraniczne kości pamięci własną produkcją.

Źródła: The Information – How DeepSeek Is Shaping Huawei's AI Chips in a Growing Challenge to Nvidia, Reuters – Samsung to use TSMC foundry for Nvidia custom HBM chips, TrendForce – Analysis on Nvidia NVHBM and Memory Base Die Outsourcing, Jon Peddie Research – Intel Unveils GPU D270 for Data Center Inference at OCP