Gelsinger Chama HBM de ‘Péssima’ enquanto SK hynix Planeja Ir Além

Pat Gelsinger chamou a memória de alta largura de banda de “péssima”, criando um embate que rapidamente ganhou espaço no Google News e na cobertura da indústria de semicondutores. A crítica dele mirou os compromissos de calor, energia e encapsulamento da tecnologia de memória que sustenta a maioria dos aceleradores avançados de IA.

A declaração soa especialmente hostil porque a SK hynix construiu seu sucesso recente em torno da HBM. Ainda assim, Hoshik Kim, vice-presidente sênior e fellow da SK hynix, não defendeu a tecnologia como o destino final da memória. Durante a mesma discussão no RAISE Summit, Kim reconheceu que o setor precisará ir além da arquitetura atual.

A troca não foi uma admissão de que a HBM fracassou. Ela revelou uma inversão mais importante. As empresas que mais se beneficiam do boom da HBM já estão investindo em tecnologias que poderiam reduzir a dependência de pilhas padronizadas de HBM.

O Que a Manchete do Google News Deixou de Fora

Gelsinger criticou as limitações da HBM atual, não a necessidade de memória de alta velocidade ao lado de processadores de IA.

Gelsinger, ex-presidente executivo da Intel e atual sócio-geral da Playground Global, falou no RAISE Summit 2026, em Paris. O evento ocorreu de 7 a 9 de julho. Kim participou de um painel intitulado “AI Has a Memory Problem.”

Durante a discussão, Gelsinger descreveu a HBM como um compromisso técnico ruim. A HBM empilha verticalmente vários chips de memória dinâmica de acesso aleatório e os conecta por caminhos elétricos curtos e densos. Essa estrutura oferece muito mais largura de banda do que módulos de memória convencionais posicionados mais longe de um processador.

No entanto, a mesma pilha cria desafios térmicos e de fabricação. O calor das camadas inferiores precisa atravessar outros chips antes de chegar ao sistema de resfriamento. Uma pilha mais alta e um encapsulamento mais complexo podem intensificar esse problema.

Gelsinger apresentou o mesmo argumento mais tarde, em uma entrevista sobre as mudanças no setor de memória. Ele disse: “HBM, as we know and love it today, is a lousy memory.” Sua explicação se concentrou no calor retido e na pressão resultante sobre o desempenho dos processadores, segundo a análise publicada sobre o mercado de memória.

Clipes do summit fizeram a troca soar como uma concessão extraordinária da SK hynix. Kim pareceu concordar que a HBM não era a resposta final. Outro participante do painel então descreveu o momento como uma admissão da SK hynix de que a HBM era uma memória ruim.

O contexto completo é menos teatral. A HBM continua essencial porque aceleradores de IA precisam movimentar pesos de modelos e dados intermediários em taxas enormes. A memória convencional de servidores não consegue atender a cada solicitação de um acelerador com largura de banda ou eficiência energética comparáveis.

A divergência diz respeito ao que acontece depois que a HBM alcança seus limites práticos. Gelsinger defende uma integração mais estreita entre memória e processadores. A SK hynix está explorando HBM customizada, novas camadas de memória, encapsulamento avançado e produtos que combinam diferentes tecnologias de armazenamento.

Essa distinção importa. Um produto ruim não tem uso convincente. Um produto imperfeito pode dominar porque toda alternativa disponível impõe restrições ainda piores.

Atualmente, a HBM pertence à segunda categoria. Ela é cara de fabricar, difícil de resfriar e fortemente limitada pela capacidade de encapsulamento. Também continua sendo uma das formas mais eficazes de alimentar GPUs avançadas com dados.

A manchete do Google News capturou o confronto, mas comprimiu o argumento técnico. Gelsinger questionava a eficiência de longo prazo da arquitetura. Kim reconhecia um problema de roadmap que a SK hynix já começou a enfrentar.

Por Que os Sistemas de IA Continuam Aceitando as Falhas da HBM

A infraestrutura de IA usa HBM porque os processadores sofrem com falta de dados, mesmo quando a própria memória gera custos térmicos e econômicos.

Aceleradores modernos de IA podem realizar um número enorme de operações matemáticas a cada segundo. Essas operações pouco valem quando os dados do modelo chegam devagar demais. A lacuna entre a capacidade de processamento e o fornecimento de memória é comumente chamada de muro da memória.

O treinamento cria uma versão desse problema. Milhares de aceleradores trocam repetidamente parâmetros, gradientes e resultados temporários. Um caminho lento de memória deixa unidades de computação caras esperando.

A inferência cria outra versão. Um servidor precisa ler os pesos do modelo e gerenciar o cache de chave-valor, que armazena as informações necessárias para gerar tokens posteriores. Modelos maiores e contextos mais longos aumentam essas exigências de memória.

A HBM enfrenta o gargalo ao posicionar interfaces largas de memória perto do acelerador. Ela transfere dados por muitas conexões operando em paralelo. O projeto evita depender apenas de velocidades de clock extremamente altas.

Essa proximidade ajudou Nvidia, AMD e desenvolvedores de aceleradores customizados a ampliar sistemas de IA. Também transformou o fornecimento de HBM em uma restrição estratégica no mercado de semicondutores.

O arranjo físico ainda traz penalidades. Chips empilhados verticalmente concentram calor em uma área pequena. Mais camadas aumentam a complexidade de fabricação, enquanto defeitos podem reduzir o número de pacotes utilizáveis produzidos em cada lote.

O encapsulamento também vincula o destino dos fornecedores de memória a fundições e fornecedores de aceleradores. A HBM não pode simplesmente ser produzida como uma commodity isolada e colocada em um soquete padrão. Ela precisa se adequar à interface do processador, ao design do pacote, ao limite de energia e ao sistema de resfriamento.

Portanto, o rótulo de “péssima” usado por Gelsinger identifica uma troca de engenharia. A HBM resolve a escassez de largura de banda ao aceitar maior calor, custo e complexidade de integração.

A SK hynix não contesta essas restrições. Seu próprio material público afirma que empresas de memória precisam entender os processadores dos clientes, as cargas de trabalho, as exigências de energia e os projetos térmicos. A estratégia full-stack da empresa vai explicitamente além do fornecimento de componentes de memória intercambiáveis.

Essa mudança também explica por que a HBM não desaparecerá simplesmente porque uma arquitetura mais elegante se torna possível. Plataformas de hardware para IA exigem anos de projeto, qualificação e preparação de fabricação. Desenvolvedores também otimizam software em torno da memória disponível nos aceleradores implantados.

Operadores de data centers investiram pesadamente em sistemas equipados com HBM. Eles precisam de produtos compatíveis, com confiabilidade e desempenho previsíveis. Uma substituta precisa superar a HBM e, ao mesmo tempo, se encaixar em cronogramas realistas de fabricação e implantação.

Assim, a arquitetura atual pode continuar comercialmente importante enquanto se torna tecnicamente transitória. Ethernet, armazenamento flash e tecnologias de processo de silício seguiram padrões semelhantes. Cada um sobreviveu a críticas repetidas porque o ecossistema ao redor evoluiu junto com o projeto central.

Fornecedores de HBM podem adicionar camadas, aprimorar métodos de ligação, customizar chips-base e refinar o resfriamento. Essas mudanças prolongam a vida útil da arquitetura, mesmo que não eliminem seus compromissos fundamentais.

A SK hynix Enfrenta o Dilema de uma Sucessora

A SK hynix precisa proteger sua liderança em HBM enquanto ajuda clientes a construir sistemas que dependem de uma hierarquia de memória mais ampla e customizada.

A HBM transformou a memória de um componente de fundo em uma parte central do projeto de sistemas de IA. A SK hynix ganhou influência ao trabalhar de perto com empresas de aceleradores e parceiros de encapsulamento avançado. Essa posição se torna mais difícil de defender à medida que cada cliente solicita uma combinação diferente de capacidade, largura de banda, energia e latência.

A empresa não pode mais maximizar a produção fabricando um único componente padronizado para um mercado amplo. Ela precisa coordenar cada vez mais seus roadmaps com projetistas de processadores, fundições, fornecedores de encapsulamento e operadores de nuvem.

Essa é a pressão de modelo de negócios por trás da crítica de Gelsinger. Uma integração mais estreita entre processador e memória pode melhorar o desempenho, mas aumenta o custo de escolher o cliente ou a plataforma errada.

Um chip de memória convencional pode atender a muitos sistemas. Um produto altamente customizado pode depender de uma única geração de processador. Atrasos ou demanda fraca por esse processador podem deixar o fornecedor com capacidade inutilizável e custos de desenvolvimento.

A SK hynix já adotou a customização. Suas apresentações de produtos de 2026 incluíram estruturas de HBM customizada e conceitos de processamento na memória. O processamento na memória transfere cálculos selecionados para mais perto dos dados armazenados, reduzindo as transferências entre a memória e o processador principal.

Na CES 2026, a empresa mostrou um produto HBM4 de 16 camadas com 48 GB de capacidade. Também apresentou uma demonstração de sistema de IA baseada em projetos de HBM customizada e processamento na memória, segundo seu portfólio de memória da CES.

Esses produtos sugerem que a SK hynix vê a HBM como uma plataforma que pode evoluir. Ela não trata cada geração como uma versão mais rápida de uma commodity inalterada.

A estratégia cria um equilíbrio difícil. Clientes querem produtos especializados que se ajustem a seus aceleradores. A SK hynix quer padronização suficiente para reutilizar projetos, controlar custos e atender diversos clientes concorrentes.

Sua colaboração com a TSMC oferece uma maneira de administrar essa tensão. Uma fundição que atende vários projetistas de aceleradores pode apoiar métodos compartilhados de encapsulamento e integração. A SK hynix pode então participar de várias plataformas, em vez de comprometer tudo com um único fornecedor de chips.

Samsung e Micron enfrentam a mesma transição. Ambas precisam qualificar produtos com grandes clientes de aceleradores enquanto melhoram os rendimentos de fabricação. Elas também precisam de roadmaps críveis para memória customizada e encapsulamento avançado.

A concorrência, portanto, irá além da largura de banda anunciada. Compradores avaliarão comportamento térmico, consumo de energia, capacidade, disponibilidade de encapsulamento, suporte de software e confiabilidade de entrega.

A SK hynix continua bem posicionada por ter experiência de produção e relacionamentos próximos com clientes. Ainda assim, a liderança em uma geração de HBM não garante liderança em uma arquitetura de memória construída em torno de chips-base customizados ou integração com processadores.

A vantagem da empresa está se tornando menos parecida com um catálogo de chips de memória. Cada vez mais, ela se assemelha a uma rede de relações de codesign. Esse modelo pode criar laços duradouros com clientes, mas também exige apostas maiores e mais antecipadas.

A Disputa Real É HBM Contra uma Hierarquia de Memória

A provável sucessora da HBM atual não é um único chip substituto, mas uma hierarquia coordenada que posiciona diferentes dados em diferentes camadas de memória.

As cargas de trabalho de IA não tratam todos os bytes de forma igual. Alguns dados precisam chegar ao processador imediatamente. Outras informações podem tolerar latência adicional se o sistema ganhar capacidade ou reduzir o consumo de energia.

A HBM atende à camada mais rápida, mas armazenar tudo nela é impraticável. Sua capacidade continua limitada em relação à DRAM convencional e ao armazenamento flash. Ela também envolve maiores custos de fabricação e encapsulamento.

A SK hynix está desenvolvendo High Bandwidth Flash, ou HBF, como uma possível camada adicional. A HBF busca combinar a densidade da memória flash NAND com características de largura de banda adequadas à infraestrutura de IA. Ela ficaria entre HBM e armazenamento de estado sólido, em vez de substituir diretamente qualquer um dos dois produtos.

A empresa também estuda a expansão de memória por meio do Compute Express Link. CXL é um padrão de interconexão que permite a processadores acessar memória compartilhada ou externa com endereçamento coerente. Ele pode dar a um servidor de IA mais capacidade sem posicionar cada byte ao lado do acelerador.

Pesquisadores da SK hynix testaram um projeto de inferência em camadas usando memória conectada por CXL e armazenamento NVMe. A abordagem move os dados conforme os requisitos de desempenho, em vez de presumir que todas as informações do modelo devem ficar na HBM.

É por isso que a resposta de Kim no RAISE Summit importa. Dizer que a HBM não é a resposta final está alinhado ao roteiro publicado da empresa. A SK hynix descreveu a HBF como uma resposta aos limites econômicos de manter todos os dados de IA em memória empilhada em seu roteiro de memória para IA.

A integração ao processador representa outra via. A memória colocada diretamente em um processador, ou conectada por encapsulamento mais avançado, pode encurtar os caminhos elétricos. Também pode reduzir a energia consumida na movimentação de dados.

No entanto, a integração não elimina decisões difíceis. A capacidade no encapsulamento é limitada, e projetos fortemente acoplados são mais difíceis de atualizar de forma independente. Um projeto de processador malsucedido também pode levar consigo o investimento em memória personalizada.

Um sistema em camadas distribui esse risco. Pesos de modelos acessados com frequência podem permanecer na HBM. Coleções maiores de informações em cache podem migrar para memória CXL ou flash de alta largura de banda. O armazenamento convencional pode reter dados menos urgentes.

O software precisa decidir onde os dados devem ficar e movê-los sem criar novos gargalos. Isso transforma o gerenciamento de memória em um problema de otimização no nível do sistema, e não apenas em uma especificação de componente.

A mudança afeta desenvolvedores, assim como empresas de chips. Arquitetura de modelos, quantização, cache, agrupamento em lotes e agendamento de inferência influenciam o tráfego de memória. Um software melhor pode reduzir a demanda por HBM sem esperar por um novo processo de semicondutores.

Para compradores empresariais, a largura de banda de pico se tornará uma métrica de compra incompleta. Uma avaliação útil incluirá throughput por watt, latência sob cargas de trabalho realistas, capacidade disponível e desempenho quando os dados ultrapassam a HBM.

Essa hierarquia é a principal alternativa à HBM como resposta completa. A HBM pode continuar sendo a camada mais rápida, ao mesmo tempo em que perde seu status de solução central para todos os problemas de memória de IA.

Por que o veredito de “memória ruim” exige cautela

As fraquezas da HBM são reais, mas nenhum sucessor proposto igualou sua combinação de largura de banda, escala de implantação e aceitação dos clientes.

Gelsinger tem uma base técnica clara para criticar a memória empilhada. Calor, energia, rendimento e complexidade de encapsulamento são limitações mensuráveis. A afirmação mais forte, de que a memória integrada ao processador substituirá a HBM convencional, permanece menos certa.

Primeiro, a integração aumenta a dependência entre roteiros de produtos. Empresas de aceleradores revisam arquiteturas, interfaces e planos de fabricação em ciclos longos. Um fornecedor de memória precisa comprometer recursos de pesquisa e fabricação antes que a demanda se torne clara.

Segundo, melhorias na refrigeração podem estender a vida da HBM. Projetistas de encapsulamento podem mudar materiais, estruturas de empilhamento, interfaces térmicas e a refrigeração do sistema. A ligação híbrida também pode reduzir o tamanho das conexões e melhorar as características elétricas.

Terceiro, os padrões de HBM podem preservar a concorrência. Interfaces padronizadas permitem que vários fornecedores desenvolvam produtos compatíveis. Uma mudança para memória profundamente personalizada pode aumentar o desempenho, mas reduzir a intercambiabilidade.

Essa troca importa para empresas de nuvem. Um encapsulamento personalizado pode prender um comprador a uma única combinação de processador e memória. Produtos padronizados oferecem mais opções quando fornecedores enfrentam atrasos ou problemas de rendimento.

Quarto, novas camadas de memória introduzem seus próprios custos de latência e software. O CXL expande a capacidade, mas os dados ainda percorrem uma distância maior do que informações armazenadas ao lado de um acelerador. A memória baseada em NAND oferece densidade, mas tem características de durabilidade e acesso diferentes da DRAM.

Uma arquitetura em camadas só funciona quando o software posiciona os dados de forma inteligente. Um posicionamento ruim pode eliminar o benefício teórico e produzir desempenho imprevisível.

A atual estratégia de produtos da SK hynix reflete essa incerteza. A empresa continua investindo em HBM4 enquanto pesquisa produtos que a complementam. Na GTC 2026, apresentou a HBM4 como uma ferramenta para melhorar a eficiência de inferência de modelos grandes, segundo seu programa de inferência.

Isso não é incompatível com o planejamento para além da HBM. Empresas de semicondutores frequentemente financiam a próxima arquitetura enquanto aprimoram a atual. Os clientes precisam de produtos que possam ser implantados hoje, e não apenas de projetos promissores de laboratório.

O mercado também dá à SK hynix poucos motivos para abandonar a HBM prematuramente. A demanda por aceleradores de IA continua a recompensar produtos de alta largura de banda. Acordos de fornecimento e ciclos de qualificação criam um impulso comercial que críticas técnicas não podem reverter instantaneamente.

Gelsinger também aborda a questão como investidor em empresas que trabalham com integração mais próxima entre memória e computação. Sua experiência torna a crítica relevante, mas os leitores devem reconhecer que ele apoia uma direção alternativa.

Kim representa uma empresa cuja receita e relações com clientes se beneficiam da HBM. Sua disposição em discutir um sucessor é igualmente notável, embora não prove que a SK hynix tenha escolhido uma única arquitetura de substituição.

A conclusão responsável é mais restrita. A HBM tornou-se indispensável sem se tornar ideal. Suas deficiências são sérias o bastante para remodelar roteiros, mas não para tornar obsoletas as implantações existentes.

Os leitores do Google News devem tratar a troca como evidência de uma transição arquitetônica em curso. Não é prova de que a indústria já tenha escolhido uma vencedora.

Três sinais mostrarão o que vem depois da HBM

O futuro da HBM ficará mais claro por meio da qualificação de produtos, de hierarquias de memória implantadas e de evidências de que a integração melhora sistemas completos.

O primeiro sinal é a qualificação pelos clientes da HBM4 e de suas sucessoras. Anunciar uma amostra não estabelece produção em volume, rendimentos aceitáveis ou operação confiável dentro de um encapsulamento de acelerador.

Observe se SK hynix, Samsung e Micron conseguem entregar produtos qualificados dentro dos cronogramas dos clientes. Atrasos fortaleceriam o argumento de Gelsinger de que a complexidade está se tornando mais difícil de administrar. Aumentos de produção estáveis mostrariam que a HBM ainda tem espaço para evoluir.

O desempenho térmico importa tanto quanto a largura de banda nominal. Os fornecedores precisam demonstrar que camadas adicionais não forçam os processadores a reduzir a velocidade sob cargas de trabalho sustentadas. Resultados de aplicações reais serão mais informativos do que especificações de pico.

O segundo sinal é a implantação comercial de memória em camadas. HBF, expansão de memória CXL e armazenamento computacional precisam de adoção além de demonstrações e artigos de pesquisa.

Um sistema bem-sucedido deve reduzir a dependência da escassa HBM sem criar latência inaceitável. Também deve funcionar em modelos e padrões de inferência úteis, e não apenas em um benchmark cuidadosamente selecionado.

Os desenvolvedores devem observar como o software expõe essas camadas. O posicionamento automático facilitaria a adoção. Sistemas que exigem amplo ajuste manual podem permanecer limitados a hyperscalers com equipes especializadas de engenharia.

Esse desenvolvimento tem um paralelo com a gestão do conhecimento. Sistemas úteis posicionam informações conforme urgência, contexto e custo de recuperação. Uma base de conhecimento pessoal segue um princípio semelhante no nível da aplicação, embora opere muito acima do hardware de semicondutores.

O terceiro sinal é uma integração confiável entre processador e memória em escala de fabricação. Protótipos podem demonstrar baixa latência, mas produtos comerciais também precisam atender a requisitos de rendimento, refrigeração, reparo e custo.

As evidências devem incluir o desempenho por watt do sistema completo. Um projeto que melhora o acesso à memória, mas torna o encapsulamento proibitivamente difícil de fabricar, não substituirá amplamente a HBM.

A diversidade de clientes fornecerá outro teste. Se produtos integrados funcionarem apenas com um acelerador, podem se tornar nichos valiosos. Uma adoção mais ampla sustentaria a previsão de Gelsinger de que o negócio de memória está avançando para silício projetado em conjunto.

Esses sinais também revelarão quem enfrenta maior pressão. A SK hynix precisa transformar a liderança em HBM em influência no projeto de sistemas. A Samsung precisa usar sua amplitude de fabricação para conquistar qualificações. A Micron precisa competir sem igualar a escala de todos os rivais.

Projetistas de aceleradores enfrentam sua própria escolha. Podem exigir memória cada vez mais personalizada, aceitar maior dependência de fornecedores ou usar software e camadas para preservar a flexibilidade.

O resultado mais importante não será uma declaração de que a HBM está morta. Será uma redução mensurável na frequência com que aceleradores caros esperam por dados.

Essa é a questão por trás do confronto no Google News. A indústria consegue preservar a largura de banda da HBM enquanto escapa de suas limitações térmicas, de capacidade e de modelo de negócios?

No próximo ciclo de produtos, ignore a citação mais contundente e observe os sistemas. Cronogramas de qualificação, desempenho sustentado e implantações reais de memória em camadas mostrarão se a HBM continua sendo o centro da infraestrutura de IA ou se se torna uma camada entre muitas.