SK Hynix heeft tijdens Computex 2026 de nieuwste ontwikkelingen gepresenteerd voor de volgende generatie geheugenproducten voor kunstmatige intelligentie. Het Zuid-Koreaanse bedrijf toonde een HBM4E-oplossing die 48 GB kan bevatten in een 12-laagse stack met een bandbreedte tot 4 TB/s, een krachtig vooruitzicht voor de accelerators van NVIDIA, AMD en andere chipfabrikanten voor datacenters die de toekomst van AI vormgeven.
Deze focus op hoge bandbreedtegeheugen komt op een moment dat de markt volop in beweging is. In de afgelopen twee jaar lag de aandacht bij AI bijna exclusief op GPU’s, maar de realiteit is complexer: zonder voldoende HBM kunnen accelerators niet de snelheid leveren die de nieuwste modellen verlangen. Geheugen wordt daarmee een van de grootste knelpunten in AI-infrastructuur, naast energie, koeling en netwerkkracht.
SK Hynix positioneert zich sterk. Volgens Counterpoint Research, geciteerd door Reuters, had het bedrijf in het eerste kwartaal van 2026 circa 58% van de wereldwijde HBM-markt in handen, voor Samsung en Micron, die elk ongeveer 21% bezitten. Als belangrijke leverancier voor NVIDIA bevindt SK Hynix zich in het middelpunt van de AI-leveringsketen, juist wanneer de nieuwe systemen Rubin en Rubin Ultra de behoeften voor de volgende fase bepalen.
HBM4E: meer dichtheid met minder lagen
De meest opvallende innovatie die tijdens de demonstratie werd getoond, is de verhoging in dichtheid. De HBM4E van SK Hynix gebruikt chips van 32 Gb, een toename van 33% ten opzichte van eerdere configuraties. Dit maakt 48 GB mogelijk in een stack van 12 lagen, terwijl de 48-GB HBM4 traditioneel was gekoppeld aan 16-laagse designs. In de praktijk betekent dit dat dezelfde capaciteit bereikt kan worden met een plattere structuur, wat de complexiteit van de verpakking verlaagt en mogelijk de thermische integratie verbetert.
De tweede belangrijke verbetering ligt in de bandbreedte. SK Hynix’ HBM4E richt zich op snelheden tot 16 Gbps per pin en een maximale bandbreedte van 4 TB/s per stack. Dit is een aanzienlijke verbetering ten opzichte van HBM4 en een nog grotere sprong ten opzichte van HBM3E, de geheugenmodule die nu veel geavanceerde AI-systemen aandrijft. Deze gegevens werden verspreid via Computex door Wccftech op basis van informatie van het SK Hynix-stand.
| Generatie | Belangrijke configuratie | Capaciteit | Maximale snelheid | Geschatte bandbreedte |
|---|---|---|---|---|
| HBM3E | 12-Hi | 36 GB | tot 9,2-9,8 Gbps | ongeveer 1,2 TB/s |
| HBM4 | 16-Hi | 48 GB | tot 11,7 Gbps | ongeveer 3 TB/s |
| HBM4E | 12-Hi | 48 GB | tot 16 Gbps | tot 4 TB/s |
Deze tabel geeft een overzicht van de generatie-overgangen, maar wees voorzichtig met de interpretatie. In HBM hangt de uiteindelijke prestaties niet alleen af van de stack, maar ook van de interface, de packaging, de basislogica, de architectuur van de accelerator, het energieverbruik, de temperatuur en de validatieprocessen met verschillende klanten. Desalniettemin wijst de sprong naar 4 TB/s per stack duidelijk op een trend: AI vereist steeds snellere communicatie met chips die meer berekening in hetzelfde pakket combineren.
Deze vooruitgang is met name relevant voor Rubin Ultra, het NVIDIA-platform dat gepland staat voor 2027. Reuters meldt dat Chey Tae-won, voorzitter van SK Group, tijdens Computex aangaf dat SK Hynix een belangrijke leverancier wil worden van HBM voor Vera Rubin en dat de roadmap voor HBM4E afhangt van de vraag van klanten, met NVIDIA als belangrijkste referentie in deze fase.
Geheugen bepaalt nu de architectuur van AI-accelerators
HBM is geen gewoon geheugen. Het wordt verticaal gestapeld en dicht bij de processor geïntegreerd via geavanceerde packaging-technologieën, waardoor grote hoeveelheden data met minder energie per bit kunnen worden vervoerd dan bij andere architecturen. Voor het trainen en inferentie van AI-modellen is die nabijheid cruciaal: een accelerator kan enorme rekenkracht hebben, maar zonder tijdige datalevering wordt een groot deel van die kracht onderbenut.
De overgang van HBM3E naar HBM4 en HBM4E valt samen met een sterke groei in modelgrootte, contextvensters, multimodale systemen en agents die langer in een ‘staat’ blijven. Daarnaast bevatten de volgende generaties meer acceleratoren per rack, meer geheugen per systeem en snellere interne netwerken. Dit verhoogt de druk op het geheugen nog verder.
SK Hynix weet dat meer snelheid alleen niet genoeg is. Ook schaalvergroting in productie is nodig. Chey Tae-won vertelde tijdens Computex dat het bedrijf van plan is om de capaciteit van wafers de komende vijf jaar te verdubbelen, om de groei te kunnen bijhouden die door AI wordt gedreven. Tegelijkertijd erkent hij dat geheugenknelpunten mogelijk tot 2030 kunnen aanhouden, en waarschuwt voor de risico’s van sterke prijsstijgingen die de duurzame groei van de sector kunnen ondermijnen.
Deze boodschap onderstreept het dilemma van de industrie: de vraag is enorm, en fabrikanten kunnen op korte termijn hun marges verbeteren, maar als geheugen te duur wordt, kunnen klanten projecten uitstellen, configuraties aanpassen of alternatieve architecturen zoeken. AI heeft geheugen nodig, maar het moet betaalbaar blijven om grootschalige implementatie mogelijk te maken.
Samsung en Micron blijven niet stilzitten. Samsung begint volgens Reuters met het leveren van HBM4E-monsters aan klanten en probeert terrein te herwinnen, waar SK Hynix met HBM3E en vooral de relatie met NVIDIA voorop liep. Micron versterkt zijn positie in HBM voor AI-platforms. De komende jaren zal de concurrentiestrijd intensiever worden.
Opgestapeld NAND voor AI: SK Hynix’ andere inzet
SK Hynix liet tijdens Computex ook technologieën zien op het gebied van NAND-geheugen voor AI, waaronder AI-N B – een oplossing die het dichtst in de buurt komt van een hybride aanpak tussen HBM-stacken en opslag. Het combineert stapeltechnologie en connectiviteit met opslagcapaciteiten die meer overeenkomen met flash-geheugen. Het idee is een middenweg te vinden: meer capaciteit dan traditionele HBM en breedbandiger dan standaard SSD’s.
Deze aanpak sluit aan bij de groeiende interesse in High Bandwidth Flash (HBF), een technologie waar SK Hynix en SanDisk aan werken om deze te standaardiseren. HBF wordt gepositioneerd als NAND-geheugen voor inference-servers – een middenweg tussen HBM DRAM en conventionele SSD’s. Tom’s Hardware legde uit dat deze technologie veel meer capaciteit moet kunnen bieden dan HBM, met lagere kosten en energiebesparing, maar met een andere latentie en een rol die meer gericht is op als geheugenlaag of hoge-bandbreedte opslag.
Het verschil tussen trainen en inferentie verduidelijkt dit verder. Training vereist maximale bandbreedte en lage latentie voor het aanpassen van grote modellen. Inferentie, vooral in grootschalige toepassingen, vraagt ook om grote capaciteit voor het verwerken van grote batches, uitgebreide contexten en het ophalen van informatie uit grote databronnen. In dat geval kan NAND-geheugen uitkomst bieden, mits met voldoende bandbreedte en goede integratie, om de druk op HBM te verlichten.
Dit wordt geen directe vervanging. HBM en HBF kunnen vooral complementair zijn. HBM blijft de ultrasnelle geheugenlaag voor accelerators, terwijl NAND-gebaseerde oplossingen meer capaciteit bieden voor inferentie, retrieval-augmented generation (RAG), vector databases of modellen die niet allemaal in DRAM passen. Recente academische research verkent architectures die NAND 3D gebruiken voor snellere inferentie en grote zoekopdrachten in vectoren.
LPCAMM2 en V9 NAND: AI bereikt de eindgebruiker
SK Hynix presenteerde ook producten voor de consumentenmarkt, zoals de eerste LPCAMM2-module van 96 GB gebaseerd op LPDDR5X en 1 cnm-technologie, met snelheden tot 9,6 Gbps. Deze modules zijn bedoeld voor compacte systemen, high-performance laptops en AI-PC’s, waar vaste of modulaire geheugenmodules met laag energieverbruik belangrijker worden dan de traditionele SO-DIMM’s.
Daarnaast werden NAND V9-oplossingen getoond in QLC- en TLC-varianten, gericht op compacte SSD’s en energie-efficiënte ontwerpen. Hoewel de aandacht vooral uitgaat naar HBM, onderstreept dit dat AI de hele geheugenmarkt beïnvloedt: van grote datacenters met enorme accelerators tot laptops, werkstations en nieuwe opslag- en device-architecturen.
De boodschap is helder: SK Hynix wil niet alleen dienstbaar zijn als toeleverancier van één component voor NVIDIA. Het bedrijf streeft ernaar om verschillende geheugenlagen voor AI te domineren: HBM voor training en high-end accelerators, geavanceerde NAND voor inferentie en opslag, LPCAMM2 voor AI-PC’s en gespecialiseerde oplossingen voor servers en compacte systemen.
De strijd om AI-groei wordt niet meer alleen gewonnen met de krachtigste chips. Het draait ook om het kunnen leveren van voldoende data, het produceren van grote hoeveelheden geheugen, het goed positioneren voor thermisch optimale puzzeloplossingen en het in stand houden van een stabiele supply chain. De HBM4E van 48 GB en 4 TB/s van SK Hynix is meer dan een indrukwekkende specificatie: het is een teken dat geheugentechnologie een centrale rol krijgt in geopolitieke en economische strategieën rondom kunstmatige intelligentie.
Veelgestelde vragen
Wat heeft SK Hynix gepresenteerd op Computex 2026?
Een HBM4E-oplossing van 48 GB in een 12-laagse stack met chips van 32 Gb, met snelheden tot 16 Gbps en een maximale bandbreedte van 4 TB/s.
Waarom is HBM4E belangrijk voor AI?
Omdat AI-accelerators enorme hoeveelheden data moeten verplaatsen tussen geheugen en processor. Meer bandbreedte en capaciteit maken een betere voeding van GPU’s en toekomstige chips mogelijk.
Hoe verhoudt het zich tot NVIDIA Rubin Ultra?
De HBM4E wordt gezien als cruciaal geheugen voor systemen na Rubin, zoals Rubin Ultra. SK Hynix wil haar rol als hoofdleverancier van geheugen voor NVIDIA bij geavanceerde AI-systemen behouden.
Wat zijn AI-N B en HBF?
Oplossingen op basis van NAND met hoge bandbreedte, bedoeld om capaciteit dichter bij de AI-rekenkracht te brengen, vooral voor inferentie. Ze vervangen niet direct HBM, maar kunnen het wel aanvullen.
vía: wccftech