Якщо ваш AI-проєкт гальмує через дорогу обчислювальну інфраструктуру — ви вже відчуваєте наслідки RAMageddon. Це не маркетинговий термін, а реальна криза: глобальний дефіцит пам'яті, спровокований шаленим попитом на GPU-сервери для навчання й запуску великих мовних моделей. Щоб її вирішити, дві найбільші у світі компанії з виробництва чипів пам'яті — Samsung і SK Hynix — разом з іншими корейськими технологічними гравцями оголосили масштабну інвестиційну програму.
Загальна сума зобов'язань перевищує $900 млрд. Для порівняння: Alphabet, Amazon, Meta і Microsoft разом витратять $650 млрд на AI-інфраструктуру лише впродовж 2026 року. Корея відповідає на AI-гонку не заявами, а бетоном і кремнієм.
Що таке RAMageddon і як він виник
HBM (High Bandwidth Memory) — це не звичайна оперативна пам'ять. Це спеціалізовані тривимірні стеки DRAM, розташовані безпосередньо поруч із GPU в одному корпусі. Без HBM чипи H100, H200 і Blackwell від Nvidia фізично не можуть розкрити свою обчислювальну потужність: саме пропускна здатність пам'яті є ключовим обмеженням під час тренування та inference моделей.
2024–2025 роки показали просту, але болючу математику: попит на GPU зростав значно швидше, ніж Samsung і SK Hynix могли нарощувати виробництво HBM. Наслідки відчули всі — черги на GPU-сервери, роздуті ціни на хмарні обчислення, а Nvidia обмежувала поставки власних чипів через брак пам'яті для комплектації систем.
Що конкретно оголосила Корея
За даними TechCrunch, корейський національний план поділяється на три ключові блоки:
- $518 млрд — чотири нові заводи з виробництва чипів пам'яті на південному заході країни (регіон Хонам), де раніше майже не було напівпровідникових інвестицій
- $52 млрд — центр пакування HBM у центральному регіоні
- $356 млрд — AI-дата-центри від SK, GS і Naver, що будуватимуться до 2035 року
Samsung окремо оголосив десятирічну програму обсягом 2,655 трлн вон (~$1,7 трлн), виділивши 425 трлн вон для регіону Хонам. Новий завод зведуть у місті Кванджу — приблизно за 300 кілометрів від Сеула. SK Group паралельно підтвердив план на 2,100 трлн вон (~$1,4 трлн): 1,100 трлн на виробничі потужності та 1,000 трлн на дата-центри. SK Telecom будуватиме 15 ГВт дата-центрових потужностей по всій країні.
Президент Чже Мьон Лі на спеціальному брифінгу назвав 2026 рік роком, коли Корея повинна утвердитися як «незамінна» промислова держава. Те, що голови Samsung і SK Hynix особисто були присутні на цій зустрічі — красномовний сигнал: ця програма не просто PR-акція.
Чому HBM-дефіцит важливий навіть для невеликих AI-команд
Для AI-білдерів без власної апаратної інфраструктури RAMageddon відчувається через ціни на хмарні GPU. Ключові практичні наслідки:
- Вартість inference для LLM-застосунків лишається завищеною — хмарні провайдери не встигають масштабувати парк H100/H200
- Fine-tuning власних моделей стає фінансово недоступним для стартапів без спонсорських кредитів від AWS, GCP або Azure
- Мультимодальні та відео-моделі потребують ще більше пам'яті на GPU, що поглиблює дефіцит у преміум-сегменті
- Черги й ліміти на зарезервовані GPU-інстанси залишаються нормою для будь-якого training-проєкту обсягом понад кілька сотень годин
Якщо Корея виконає заявлені зобов'язання, через 3–5 років ринок пам'яті теоретично зможе задовольнити попит. Це мало б знизити вартість обчислень і зробити AI-розробку значно доступнішою.
Висновок AiiN: ставка правильна, але таймінг ризикований
Є суттєве «але». Напівпровідниковий завод не будується за рік: від початку будівництва до першого серійного чипа зазвичай минає від трьох до п'яти років. До того часу AI-попит може сповільнитися, архітектури змінитися, а нові технології — на кшталт LPDDR6X або CXL-розширення пам'яті — переформатувати ринок. Класичний ризик галузі: побудував, а попит уже минув.
Крім того, Samsung і SK Hynix вже сьогодні фіксують рекордні прибутки на тлі поточного дефіциту. Цей план — не порятунок від кризи, а ставка на те, що AI-попит на пам'ять залишиться стійким ще мінімум десятиліття.
Для AI-білдерів практичний висновок прямолінійний: не чекайте швидкого здешевлення GPU. Вже зараз оптимізуйте pipeline під реальні обмеження — менші й дистильовані моделі, агресивний batching, serverless inference, де платите за токен, а не за GPU-годину. Якщо Корея виконає план — через кілька років стане дешевше. Але ваш продукт потрібен ринку вже зараз.








