SK hynix ha mostrado en Computex 2026 su nueva memoria HBM4E, una evolución pensada para acelerar la próxima generación de GPU de IA en centros de datos. La compañía apunta a 32 Gb por die, hasta 16 Gbps por pin y 4 TB/s por pila, reforzando el salto de ancho de banda que exige la IA.
La propuesta llega en un momento clave para el sector. NVIDIA Rubin, NVIDIA Rubin Ultra y la futura serie AMD Instinct MI400 dependerán de memorias HBM más densas, rápidas y eficientes. En ese contexto, HBM4E se perfila como una pieza crítica para escalar aceleradores de IA.
HBM4E eleva densidad y ancho de banda para la próxima ola de IA
Fuente de la imagen: Wccftech
El avance más directo está en la densidad. HBM4E sube hasta 32 Gb por die, lo que supone una mejora del 33% frente a HBM4. Ese aumento permite alcanzar 48 GB con pilas 12-Hi, frente a los diseños 16-Hi necesarios en HBM4 para llegar a la misma capacidad.
Esta diferencia importa mucho en aceleradores de IA. Reducir la altura de pila manteniendo capacidad permite mejorar empaquetado, consumo, complejidad térmica y rendimiento por módulo. En la práctica, SK hynix está buscando más memoria útil con una integración física menos exigente.
El ancho de banda también da un salto importante. Con velocidades de hasta 16 Gbps por pin, HBM4E promete un aumento del 37% frente a HBM4 y puede alcanzar 4 TB/s, una cifra clave para alimentar GPU que trabajan con modelos cada vez más grandes y costosos de mover.
Rubin Ultra sería uno de los primeros destinos de HBM4E
Fuente de la imagen: Wccftech
La primera gran aplicación esperada para HBM4E estaría en NVIDIA Rubin Ultra, prevista para la siguiente generación de aceleradores de IA. Este tipo de plataforma necesita más ancho de banda, más capacidad y menor latencia para sostener entrenamiento e inferencia con modelos de escala masiva.
El diseño de Rubin Ultra apuntaría a un encapsulado más denso, con varias GPU y chiplets de memoria dentro del mismo conjunto. Ahí HBM4E encaja especialmente bien, porque su combinación de mayor densidad por die y más ancho de banda por pila reduce parte de los cuellos de botella internos.
La lectura es clara: la carrera ya no se limita al silicio de GPU. La memoria se ha convertido en una pieza igual de estratégica, porque un acelerador de IA puede quedar limitado si no dispone de suficiente capacidad HBM cerca del cómputo principal.
SK hynix quiere mantener ventaja en la carrera HBM
Fuente de la imagen: Wccftech
SK hynix lleva tiempo ocupando una posición muy fuerte en HBM, y esta demostración refuerza esa ventaja. Enseñar muestras de HBM4E en Computex no significa producción masiva inmediata, pero sí transmite liderazgo técnico en una memoria crítica para centros de datos de IA.
La compañía también se beneficia de una demanda que no deja de crecer. Los grandes clientes no solo piden más capacidad, sino garantías de suministro, eficiencia y calendario. En ese escenario, mostrar HBM4E antes de su despliegue comercial ayuda a reforzar la confianza de NVIDIA, AMD y otros diseñadores de aceleradores.
El reto estará en escalar fabricación sin tensionar todavía más el mercado. La HBM requiere encapsulado avanzado, procesos complejos y validación muy exigente. Por eso cada nueva generación puede mejorar mucho el rendimiento, pero también introduce más presión sobre capacidad de producción especializada.
AI-N B apunta a NAND apilada con filosofía cercana a HBM
Fuente de la imagen: Wccftech
SK hynix también ha mostrado AI-N B, una tecnología de NAND apilada que utiliza TSV, es decir, vías a través de silicio, para conectar varios dies. La idea recuerda al enfoque de HBM, pero aplicada a almacenamiento, con el objetivo de lograr caudal cercano a HBM con capacidades propias de SSD.
Este planteamiento resulta interesante porque la IA no solo necesita memoria rápida junto a la GPU. También requiere mover enormes volúmenes de datos desde almacenamiento, especialmente en centros de datos con modelos multimodales, bases vectoriales y entrenamiento continuo. Ahí aparece una brecha cada vez mayor entre almacenamiento y cómputo.
Si AI-N B progresa, podría ayudar a cerrar parte de esa distancia entre memoria y almacenamiento. No sustituye a HBM, pero sí apunta a un nuevo nivel intermedio para alimentar cargas de IA con más capacidad y mayor caudal de datos.
LPCAMM2 de 96 GB lleva más memoria eficiente al AI PC
Fuente de la imagen: Wccftech
Más allá del centro de datos, SK hynix también ha enseñado un módulo LPCAMM2 de 96 GB basado en su proceso 1cnm. El módulo usa LPDDR5X, alcanza hasta 9,6 Gbps y está pensado para plataformas de AI PC que llegarán durante este año.
Este producto tiene una lectura distinta a HBM4E, pero forma parte del mismo movimiento. Los portátiles con IA necesitan más memoria, menor consumo y formatos compactos. LPCAMM2 permite avanzar hacia equipos más eficientes con mayor capacidad de memoria integrada, sin depender de módulos SO-DIMM tradicionales.
V9 NAND refuerza la parte cliente con SSD compactos
Fuente de la imagen: Wccftech
La compañía también trabaja en V9 NAND en versiones QLC y TLC, con hasta 2 TB en formato cSSD. Estos SSD sin DRAM apuntan a diseños compactos, eficientes y de alta densidad, una combinación relevante para mini-PCs, portátiles ultrafinos y sistemas cliente con IA local.
La lectura aquí no está solo en la capacidad. Si los equipos cliente van a ejecutar más funciones de IA en local, también necesitarán almacenamiento eficiente, rápido y de bajo consumo. La V9 NAND encaja en esa transición hacia dispositivos más compactos con más datos disponibles en local.
La memoria vuelve a marcar el ritmo del hardware de IA
Fuente de la imagen: Wccftech
La lectura de fondo de Computex 2026 resulta evidente: la próxima gran batalla de IA no estará solo en GPU más potentes. HBM4E, NAND apilada, LPCAMM2 y SSD compactos muestran que el rendimiento dependerá cada vez más de mover datos rápido, cerca del cómputo y con menor consumo.
SK hynix está intentando cubrir toda esa cadena. HBM4E apunta al centro de datos extremo, AI-N B mira a almacenamiento de alto caudal y LPCAMM2 acerca más memoria eficiente al PC. Si estas tecnologías llegan a tiempo, la compañía puede reforzar una posición clave en la infraestructura de IA de próxima generación.
Vía: Wccftech
