رقابت اپل و سامسونگ بر سر پهنای باند هوش مصنوعی در گوشی‌های نسل بعد

هوش مصنوعی موبایل دیگر فقط به قدرت پردازنده یا تعداد هسته‌های NPU وابسته نیست. هرچه مدل‌های بزرگ‌تر مستقیماً روی گوشی اجرا می‌شوند، یک عامل سخت‌افزاری دیگر اهمیت بیشتری پیدا می‌کند: پهنای باند حافظه.

اپل و سامسونگ حالا در حال حرکت به سمت نسل جدیدی از معماری موبایل هستند که در آن حافظه سریع‌تر می‌تواند به اندازه خود پردازنده برای اجرای AI اهمیت داشته باشد. اپل در نسل جدید A20 Pro افزایش قابل توجه پهنای باند حافظه را هدف گرفته و سامسونگ نیز با LPDDR6 و تراشه‌های نسل بعدی Exynos در حال آماده‌سازی زیرساخت مشابهی است.

اما داستان فقط «RAM سریع‌تر» نیست؛ رقابت اصلی بر سر این است که چه شرکتی می‌تواند بیشترین داده را با کمترین مصرف انرژی به موتورهای هوش مصنوعی برساند.

چرا پهنای باند حافظه برای هوش مصنوعی مهم شده است؟

اجرای یک مدل هوش مصنوعی روی گوشی شامل جابه‌جایی حجم زیادی از داده میان حافظه و بخش‌های مختلف تراشه است.

CPU، GPU و NPU برای پردازش مدل به داده نیاز دارند. اگر توان پردازشی بالا باشد اما حافظه نتواند داده را با سرعت کافی منتقل کند، بخشی از توان تراشه بلااستفاده می‌ماند.

این مسئله در مدل‌های زبانی بزرگ و قابلیت‌های مولد هوش مصنوعی اهمیت بیشتری دارد.

به همین دلیل رقابت گوشی‌های پرچم‌دار به‌تدریج از این:

پردازنده سریع‌تر ← NPU قدرتمندتر ← RAM بیشتر

به این سمت حرکت کرده است:

پردازنده + NPU + حافظه سریع‌تر + پهنای باند بالاتر + مدیریت حرارت بهتر

اپل با A20 Pro چه تغییری ایجاد کرده است؟

اپل در A20 Pro که در سری iPhone 18 Pro استفاده شده، علاوه بر انتقال به فرآیند ساخت ۲ نانومتری، معماری GPU را نیز تغییر داده و از GPU هفت‌هسته‌ای و شتاب‌دهنده‌های عصبی جدید استفاده کرده است.

اپل اعلام کرده A20 Pro نسبت به نسل قبل ۵۰ درصد پهنای باند حافظه بیشتری ارائه می‌دهد. این افزایش در کنار طراحی جدید بسته‌بندی تراشه و سیستم خنک‌کننده قرار گرفته تا عملکرد طولانی‌مدت در پردازش‌های سنگین بهتر شود.

این موضوع برای Apple Intelligence اهمیت زیادی دارد؛ زیرا اپل به‌دنبال انتقال بخش بیشتری از پردازش هوش مصنوعی از سرور به خود دستگاه است.

هرچه قابلیت‌های Siri و سایر ابزارهای AI پیچیده‌تر شوند، فشار بیشتری روی حافظه یکپارچه گوشی وارد خواهد شد.

نکته جالب درباره حافظه A20 Pro

پیش از معرفی رسمی A20 Pro، گزارش‌های مختلفی درباره نوع حافظه آن منتشر شده بود.

برخی افشاگری‌ها از استفاده از LPDDR6 با رابط ۹۶ بیتی خبر می‌دادند، در حالی که گزارش‌های دیگر استفاده از LPDDR5X با رابط ۹۶ بیتی را مطرح کردند. بنابراین نباید LPDDR6 را به‌عنوان مشخصات قطعی A20 Pro معرفی کرد.

آنچه اکنون قطعی‌تر است، افزایش قابل توجه پهنای باند اعلام‌شده توسط اپل است؛ نه الزاماً استفاده از LPDDR6.

این تفاوت مهم است، زیرا نشان می‌دهد اپل می‌تواند بدون تغییر کامل استاندارد حافظه، با افزایش عرض رابط حافظه و تغییر معماری بسته‌بندی، پهنای باند را بالا ببرد.

سامسونگ مسیر متفاوتی را دنبال می‌کند

سامسونگ در سمت دیگر بازار، مستقیماً روی نسل جدید LPDDR6 سرمایه‌گذاری کرده است.

این شرکت اعلام کرده LPDDR6 برای پردازش‌های AI طراحی شده و می‌تواند نسبت به LPDDR5X تا ۴۵ درصد عملکرد بالاتری ارائه کند و پهنای باند آن به حداکثر ۱۲۵ گیگابایت بر ثانیه برسد.

سامسونگ همچنین از فناوری‌های مدیریت توان جدید استفاده کرده که طبق اعلام شرکت می‌توانند بهره‌وری انرژی را تا ۲۱ درصد نسبت به نسل قبل افزایش دهند.

این مسئله دقیقاً همان چیزی است که گوشی‌های AI به آن نیاز دارند:

پهنای باند بیشتر بدون افزایش متناسب مصرف انرژی.

چرا LPDDR6 برای سامسونگ اهمیت استراتژیک دارد؟

سامسونگ برخلاف اپل فقط یک سازنده گوشی نیست.

این شرکت در زنجیره تولید حافظه، تراشه، نمایشگر و تجهیزات نیمه‌هادی نیز فعالیت می‌کند. بنابراین توسعه LPDDR6 برای سامسونگ فقط یک فناوری مورد استفاده در Galaxy نیست؛ بلکه یک محصول نیمه‌هادی است که می‌تواند در اختیار سازندگان مختلف قرار بگیرد.

سامسونگ LPDDR6 را برای گوشی، تبلت، پوشیدنی، خودرو و حتی سیستم‌های AI معرفی کرده است.

این موضوع به سامسونگ اجازه می‌دهد از رشد AI در چند بازار مختلف سود ببرد.

Galaxy S27 وارد میدان می‌شود

در مورد نسل بعدی Galaxy S27 هنوز تمام مشخصات رسمی نشده است، اما گزارش‌های متعددی نشان می‌دهند که سامسونگ در حال آزمایش استفاده از LPDDR6 در نسل آینده پرچم‌داران خود است.

حتی تراشه Exynos 2700 که احتمالاً در برخی مدل‌های Galaxy S27 استفاده خواهد شد، طبق اطلاعات فاش‌شده از چهار رابط ۶۴ بیتی برای LPDDR6 پشتیبانی می‌کند. این تراشه همچنین یک کش سیستم ۲۴ مگابایتی دارد که می‌تواند برای کاهش رفت‌وبرگشت داده میان پردازنده، GPU، NPU و حافظه اهمیت داشته باشد.

اما وضعیت استفاده از LPDDR6 در کل خانواده S27 هنوز قطعی نیست.

گزارش‌های جدید می‌گویند محدودیت عرضه و هزینه بالای حافظه نسل جدید ممکن است باعث شود مدل‌های ارزان‌تر Galaxy S27 همچنان از LPDDR5X استفاده کنند و LPDDR6 به مدل‌های رده‌بالاتر محدود شود.

مشکل بزرگ LPDDR6؛ قیمت و ظرفیت تولید

از نظر فنی، انتقال به حافظه سریع‌تر جذاب است؛ اما بازار موبایل با یک مشکل مهم روبه‌رو است:

تولید حافظه نسل جدید هنوز محدود است.

گزارش‌های مربوط به Galaxy S27 Ultra حتی احتمال حذف LPDDR6 از این مدل را مطرح کرده‌اند؛ هرچند گزارش‌های جدیدتر دوباره احتمال استفاده از LPDDR6 در مدل‌های رده‌بالا را مطرح می‌کنند.

بنابراین تصمیم نهایی سامسونگ فقط به مسائل فنی مربوط نیست.

قیمت، ظرفیت تولید و تعداد دستگاه‌هایی که باید تولید شوند، همگی در تصمیم نهایی تأثیر دارند.

اپل و سامسونگ دو استراتژی متفاوت دارند

در ظاهر، هر دو شرکت به دنبال یک چیز هستند: پهنای باند بیشتر برای AI.

اما مسیرشان متفاوت است.

اپل کنترل بسیار بیشتری روی کل زنجیره دارد:

Apple Silicon ← حافظه ← iOS ← Apple Intelligence ← سخت‌افزار آیفون

به همین دلیل اپل می‌تواند با تغییر معماری تراشه، رابط حافظه و بسته‌بندی، سیستم را به شکل یکپارچه طراحی کند.

سامسونگ اما هم‌زمان در دو نقش فعالیت می‌کند:

تولیدکننده حافظه ← سازنده تراشه ← سازنده گوشی

این ساختار به سامسونگ اجازه می‌دهد فناوری حافظه را خودش توسعه دهد، اما هم‌زمان با محدودیت هزینه و ظرفیت تولید در مقیاس بسیار بزرگ Galaxy روبه‌رو است.

UFS ۵.۰ هم وارد بازی می‌شود

پهنای باند RAM تنها بخش ماجرا نیست.

سامسونگ روی UFS 5.0 نیز کار کرده و این استاندارد را برای نسل جدید پردازش‌های AI موبایل معرفی کرده است.

سامسونگ می‌گوید UFS ۵.۰ به سرعت انتقال داده تا ۱۰.۸ گیگابایت بر ثانیه می‌رسد و می‌تواند تأخیر هنگام دسترسی به داده‌های موردنیاز مدل‌های AI را کاهش دهد.

اهمیت این موضوع در آینده بیشتر می‌شود؛ زیرا مدل‌های AI روی گوشی فقط در RAM قرار نمی‌گیرند و حجم مدل‌ها و داده‌های مرتبط با آن‌ها می‌تواند نیاز به دسترسی سریع‌تر به حافظه ذخیره‌سازی را افزایش دهد.

به همین دلیل آینده گوشی‌های AI احتمالاً به ترکیبی از این فناوری‌ها وابسته خواهد بود:

NPU قدرتمند ← RAM پرسرعت ← پهنای باند بالا ← UFS سریع ← مدیریت حرارت

آیا پهنای باند بیشتر یعنی هوش مصنوعی بهتر؟

نه لزوماً.

پهنای باند تنها یکی از عوامل عملکرد AI است.

اگر مدل یا نرم‌افزار نتواند از پهنای باند اضافی استفاده کند، افزایش آن تأثیر محدودی خواهد داشت.

علاوه بر حافظه باید مواردی مانند:

• قدرت NPU
• معماری CPU و GPU
• حجم RAM
• کش پردازنده
• بهینه‌سازی مدل
• سیستم‌عامل
• مصرف انرژی
• سیستم خنک‌کننده

را نیز در نظر گرفت.

به همین دلیل مقایسه گوشی‌ها صرفاً بر اساس «۱۲۵ گیگابایت بر ثانیه» یا یک عدد مشابه می‌تواند گمراه‌کننده باشد.

چرا این رقابت برای کاربران مهم است؟

در حال حاضر ممکن است تفاوت میان حافظه‌های سریع‌تر برای بسیاری از کاربران چندان محسوس نباشد.

اما اگر مدل‌های AI روی گوشی بزرگ‌تر و پیچیده‌تر شوند، شرایط تغییر می‌کند.

تصور کنید گوشی بتواند:

• ترجمه زنده انجام دهد.
• ویدیو را به‌صورت محلی تحلیل کند.
• مکالمات را خلاصه کند.
• عکس و ویدیو را بدون ارسال به سرور ویرایش کند.
• دستیار هوشمند را به شکل دائمی اجرا کند.
• مدل‌های زبانی بزرگ را مستقیماً روی دستگاه اجرا کند.

در چنین شرایطی، سرعت جابه‌جایی داده میان حافظه و پردازنده اهمیت بسیار بیشتری پیدا می‌کند.

رقابت واقعی فقط اپل و سامسونگ نیست

در نهایت، این رقابت به اپل و سامسونگ محدود نمی‌شود.

کوالکام، مدیاتک، SK Hynix، Micron و سایر شرکت‌های زنجیره نیمه‌هادی نیز در حال توسعه فناوری‌هایی هستند که می‌توانند به افزایش سرعت پردازش AI در دستگاه‌های کوچک کمک کنند.

حتی تراشه‌های موبایل آینده ممکن است بیشتر از قبل به سمت طراحی‌هایی بروند که حافظه، پردازنده و شتاب‌دهنده AI را به شکل نزدیک‌تر و یکپارچه‌تر کنار هم قرار می‌دهند.

در چنین شرایطی، برنده فقط شرکتی نیست که سریع‌ترین NPU را داشته باشد؛ بلکه شرکتی است که بتواند کل مسیر انتقال داده را سریع، کم‌مصرف و خنک نگه دارد.

جمع‌بندی

رقابت نسل بعدی گوشی‌های هوشمند دیگر فقط بر سر تعداد هسته CPU یا قدرت GPU نیست.

پهنای باند حافظه در حال تبدیل شدن به یکی از مهم‌ترین عوامل عملکرد هوش مصنوعی روی دستگاه است.

اپل با A20 Pro نشان داده که افزایش پهنای باند و بهینه‌سازی مسیر داده را بخش مهمی از نسل جدید Apple Silicon می‌داند. از طرف دیگر، سامسونگ با LPDDR6 و تراشه‌هایی مانند Exynos ۲۷۰۰ در حال آماده‌سازی زیرساختی است که می‌تواند پهنای باند و بهره‌وری حافظه را برای AI افزایش دهد.

اما نکته مهم‌تر این است که AI موبایل در حال تغییر تعریف «قدرت گوشی» است.

در گذشته یک گوشی قدرتمند را با CPU، GPU و میزان RAM آن می‌سنجیدیم. در نسل جدید، باید بپرسیم این قطعات با چه سرعتی می‌توانند داده را جابه‌جا کنند و آیا سیستم می‌تواند مدل‌های AI را بدون مصرف انرژی و تولید حرارت بیش از حد اجرا کند یا نه.

اگر این روند ادامه پیدا کند، در سال‌های آینده ممکن است عبارت‌هایی مانند Memory Bandwidth، LPDDR6، NPU و On-Device AI به اندازه تعداد هسته‌های پردازنده برای خریداران گوشی اهمیت پیدا کنند.