HBM என்ன, ஏன் விலையுயர்ந்தது?

HBM (High‑Bandwidth Memory) என்பது GPU/ASIC‑ன் மேல் ஒட்டிய ஸ்டாக்‑மெமரி, வேகம் அதிகம், ஆனால் மேம்பட்ட பேக்கேஜிங் தேவை, அதனால் விலை அதிகம்.

DeepSeek‑ன் ஒப்டிமைசேஷன் இந்தியாவில் பயன்படுத்த முடியுமா?

தொழில்நுட்பம் பாப்பர்டி, அதனால் வணிக பயன்பாட்டுக்கு உரிமம் பெற வேண்டும்; ஆனால் இதே போன்ற கருத்துகளை உள்ளூரில் உருவாக்கவும் சாத்தியம்.

‹ முகப்புக்கு திரும்ப

Smartphones Read in English

DeepSeek‑ன் HBM குறைப்பு – இந்திய AI ஹார்ட்வேர் க்கு புதிய வாய்ப்பு

DeepSeek புதிய மாடல் சுருக்கம் HBM (High‑Bandwidth Memory) தேவையை 40% குறைக்கிறது, இந்திய ASIC/CPU நிறுவனங்களுக்கு மலிவான AI சிப்களை உருவாக்க வழி காட்டுகிறது.

Keerthika May 25, 2026 6 min read

Google-ல் Follow

அப்டேட் 4 மாதங்கள் முன்

Smartphones DeepSeek‑ன் HBM குறைப்பு – இந்திய AI ஹார்ட்வேர் க்கு புதிய வாய்ப்பு 6 நிமிடம் மீதம் Google-ல் Follow

தமிழ்டெக் AI சுருக்கம்

DeepSeek தன் 7 billion parameter model-ல Grouped-Query Attention, Activation Re-computation, FP8-E4M3 mixed-precision techniques போட்டு HBM தேவையை 40% குறைச்சு, 40 GB HBM-க்கு பதிலா 16 GB GDDR6 போதும்னு காட்டியிருக்கு. HBM ஒரு chip-க்கு ₹6-7 லட்சம் வரை ஆகும் அதிக விலை இந்திய AI hardware-க்கு பெரிய தடைனு இருந்தது, இப்ப BOM 60-70% குறையும்னா prototype cost 2 கோடியிலிருந்து சுமார் 80 லட்சம் வரை இறங்கலாம். உதாரணத்துக்கு ஒரு கையடக்க Tamil real-time translation device ₹30,000-க்கு மேல இருந்தது இப்ப LPDDR5/GDDR6-ல ₹12,000-க்கு கீழே வர வாய்ப்பு இருக்கு. License-IP, software stack update, power consumption மாதிரி சவால்கள் இருந்தாலும் Wistron, Ineda, Tata Elxsi மாதிரி Indian firms-க்கு இது பெரிய திருப்புமுனை. So நண்பர்களே, HBM சார்பு குறைஞ்சா language assistants முதல் smart city analytics வரை நம்ம AI hardware கனவு மலிவாவும் வேகமாவும் நனவாகும்—திட்டத்துல இதை சேர்த்து பாருங்க.

DeepSeek HBM தேவையை 40% குறைத்தது – Grouped‑Query Attention, Activation Re‑computation, FP8‑E4M3 பயன்படுத்தி.
16 GB GDDR6 மட்டும் போதுமானதால், HBM‑ன் 40 GB‑க்கு மாற்றாக, BOM 60‑70 % குறையும்.
இந்திய AI ஸ்டார்ட்அப்புகள் 2 கோடி ரூபாயிலிருந்து 80 லட்சம் வரை செலவு சேமிக்க முடியும்.

AI உதவியுடன் தயாரான சுருக்கம் — தமிழ்டெக் எடிட்டர்ஸ் சரிபார்த்தது.

0:00

🔒 Listen வசதி subscribers-க்கு மட்டும். Subscribe செய்யுங்கள்

HBM எதுக்கு முக்கியம், எதன் விலை?

HBM என்று சொன்னால், ‘ஹை‑பாண்ட்வித் மெமரி’ என்ற அர்த்தம். இது GPU அல்லது ASIC‑ன் மேல் ஒட்டிய ஸ்டாக்‑மெமரி, வேகம் அதிகம், ஆனால் உற்பத்தி சிக்கலாக, 40 GB HBM2e ஒரு சிப்புக்கு ₹6‑7 லட்சம் வரை செலவாகும். இந்தியா போன்ற நாடுகளில், இவ்வாறான விலை பெரிய தடையாக இருக்கும்.

DeepSeek எப்படிக் குறைத்தது?

DeepSeek, 7 பில்லியன் பராமிட்டர் மாடலுக்கு கீழ் கண்ட தொழில்நுட்பங்களைப் பயன்படுத்தி HBM தேவையை 40 % குறைத்தது:

Grouped‑Query Attention – கேரி (query) எண்ணிக்கையை கூட்டி, மெமரியில் இருந்து எடுக்க வேண்டிய key‑value ஜோடிகளை குறைத்தது.
Activation Re‑computation – ஒவ்வொரு லேயரின் இடைநிலை (intermediate) ஆக்டிவேஷன்களை சேமிக்காமல், தேவையான போது மீண்டும் கணக்கிட்டது.
FP8‑E4M3 Mixed‑Precision – சில லேயர்களில் 8‑பிட் (FP8) வடிவை பயன்படுத்தி, டேட்டா அளவை பாதியளவு குறைத்தது, துல்லியம் பாதிக்காது.

இதனால் 16 GB GDDR6 மட்டுமே போதும், HBM‑இன் 40 GB‑க்கு மாற்றாக.

இந்த மாற்றம் இந்திய AI சிப் சந்தைக்கு என்ன தரும்?

இந்தியா இப்போது AI ASIC, RISC‑V, FPGA போன்ற துறைகளில் பல ஸ்டார்ட்அப் மற்றும் பெரிய நிறுவனங்கள் முயற்சி செய்து கொண்டிருக்கிறது – Wistron, Ineda Systems, Tata Elxsi போன்றவை. ஆனால் அதிக விலையில் HBM வாங்க முடியாமல், பெரும்பாலும் DDR4/5-ல் தான் அடங்கியிருக்கிறது.

DeepSeek‑ன் சுருக்கம் கொண்டு, 16 GB GDDR6 (சுமார் ₹55 000) HBM‑ன் 40 GB (₹6‑7 லட்சம்)‑னை மாற்ற முடியும். இதனால் BOM (Bill Of Materials) 60‑70 % குறையும். ஒரு ஸ்டார்ட்அப் புரோட்டோடைப் 2 கோடி ரூபாய் இருந்து 80 லட்சம் வரை குறையலாம்.

உதாரணம்: தமிழில் ரியல்‑டைம் மொழிபெயர்ப்பு சாதனம்

நீங்கள் ஒரு கையடக்க தமிழ்த்‑தொகுப்பு சாதனத்தை சிந்தியுங்கள். HBM‑இன் காரணமாக தற்போது விலை ₹30 000‑க்கு மேல். DeepSeek‑ன் மெமரி‑லேசான மாடல் 16 GB LPDDR5‑ல் இயங்கும், இதனால் சாதனம் ₹12 000‑க்கு கீழே விற்க முடியும்.

என்னென்ன சவால்கள்?

லைசன்ஸ் & IP – DeepSeek‑ன் தொழில்நுட்பம் பாப்பர்டி, இந்திய நிறுவனங்கள் உரிமம் பெற வேண்டும் அல்லது சொந்தமாக மறுபுருவாக்கம் செய்ய வேண்டும்.
சாப்ட்வேர் ஸ்டாக் – Grouped‑Query Attention க்கு தனிப்பட்ட கர்னல் தேவை, TensorFlow Lite, ONNX Runtime போன்ற பொதுவான ஃப்ரேம்வொர்க்குகள் புதுப்பிப்பு வேண்டியிருக்கும்.
பவர்‑கன்சம்ப்ஷன் – Activation Re‑computation அதிக FLOPs சேர்க்கும், இது குறைந்த சக்தி கொண்ட CPU‑களில் பவர் அதிகரிக்கலாம்.

TamilTech‑ஓட கருத்து

இது ஒரு திருப்புமுனை. HBM‑இன் மேல் சார்ந்திருப்பதை குறைத்தால், இந்தியா தன்னுடைய AI ஹார்ட்வேர் கனவுகளை மலிவாக, வேகமாக உருவாக்கலாம். மொழி உதவியாளர்கள், ஸ்மார்ட் சிட்டி வீடியோ அனலிடிக்ஸ், உற்பத்தி ரோபோட்டிக்ஸ் எல்லாம் HBM‑இல்லாமல் செய்யலாம்.

அடுத்தது என்ன?

DeepSeek தனது optimiser‑ஐ open‑source ஆக வெளியிடுமா? வெளியிட்டால், இந்திய டெவலப்பர்கள் வேகமாக ஏற்கலாம்.
நமது உள்ளூர் fabs (STMicroelectronics India, Sahasra Semiconductor) 16 GB GDDR6‑ஐ பெருமளவில் தயாரிக்க முடியும்?
DeepSeek‑ும் இந்திய AI ஸ்டார்ட்அப்பும் கூட்டு ஒப்பந்தம் – 3‑6 மாதத்திற்குள் ஒப்பந்தம் நடக்கலாம்.

முடிவாக, HBM‑இன் சார்பை குறைப்பது, இந்திய AI ஹார்ட்வேர் துறைக்கு சுலபமான, மலிவான, வேகமான எதிர்காலத்தை தரும். இதை ஆழமாகக் கவனித்து, உங்கள் திட்டங்களில் இதைச் சேர்க்கலாம்.

நாளைய டெக் செய்திகள் உங்க WhatsApp-க்கே

தினமும் ஒரு சின்ன update, இலவசம். TamilTech channel-ஐ follow பண்ணுங்க.

What do you think?

people reacted

#AI #DeepSeek #கிரிப்டோ

Keerthika

தமிழ்டெக் எடிட்டோரியல் டீம் · 3,346 கட்டுரைகள்

Keerthika is an editor at TamilTech, the Tamil and English technology publication founded by Praveen Kumar S. She covers AI, smartphones, gadgets, EVs, startups and cybersecurity i...

மேலும் Keerthika