سامسونگ حافظه را وارد عصر هوش مصنوعی کرد؛ PIM چیست و چگونه کار می‌کند؟

سامسونگ در Hot Chips 2026 از LPDDR5X-PIM رونمایی کرده؛ معماری‌ای که بخشی از پردازش‌های AI را مستقیماً داخل حافظه انجام می‌دهد. اما وقتی حافظه دیگر فقط محل ذخیره داده نباشد، چه اتفاقی برای Cache، Isolation و امنیت اطلاعات می‌افتد؟

حافظه RAM در تصور معمول ما محلی برای نگهداری موقت داده‌ها است؛ پردازنده داده را از حافظه می‌خواند، آن را پردازش می‌کند و در صورت نیاز نتیجه را دوباره در حافظه می‌نویسد. اما رشد مدل‌های هوش مصنوعی این معماری سنتی را تحت فشار قرار داده است. حجم عظیم داده‌هایی که باید دائماً بین حافظه و واحدهای پردازشی جابه‌جا شوند، هم زمان و هم انرژی زیادی مصرف می‌کند.

یکی از راهکارهایی که برای حل این مشکل دنبال می‌شود Processing-in-Memory یا PIM است؛ روشی که در آن بخشی از عملیات پردازشی مستقیماً در کنار یا داخل حافظه انجام می‌شود.

سامسونگ در رویداد Hot Chips 2026 جزئیات معماری LPDDR5X-PIM خود را تشریح کرده است. در این طراحی، واحدهای محاسباتی در کنار بانک‌های حافظه قرار گرفته‌اند تا بتوانند بخشی از عملیات موردنیاز پردازش‌های AI را بدون عبور مداوم داده‌ها از رابط خارجی حافظه انجام دهند.

اما اهمیت این فناوری فقط به افزایش سرعت محدود نمی‌شود. PIM یک سؤال مهم دیگر هم ایجاد می‌کند:

وقتی حافظه از یک محل ذخیره‌سازی منفعل به بخشی از مسیر پردازش تبدیل می‌شود، مدل امنیتی سیستم چه تغییری خواهد کرد؟

PIM چیست؟

PIM مخفف Processing-in-Memory به معنی «پردازش در حافظه» است.

در معماری سنتی، مسیر پردازش تقریباً به این شکل است:

DRAM → CPU/GPU/NPU → DRAM

یعنی داده باید از حافظه خارج شود، به واحد پردازشی برسد، پردازش شود و در صورت نیاز نتیجه دوباره به حافظه برگردد.

مشکل اینجاست که در بسیاری از workloadهای هوش مصنوعی، مقدار داده بسیار زیاد است و جابه‌جایی داده می‌تواند به یکی از گلوگاه‌های اصلی سیستم تبدیل شود.

PIM تلاش می‌کند بخشی از محاسبات را به محل قرارگیری داده نزدیک کند:

DRAM + Compute → Result

در نتیجه به جای اینکه تمام داده‌ها دائماً بین حافظه و پردازنده جابه‌جا شوند، بخشی از عملیات همان‌جا انجام می‌شود.

این ایده سال‌هاست در معماری کامپیوتر مطرح است، اما افزایش نیاز به پردازش AI باعث شده دوباره اهمیت بیشتری پیدا کند.

سامسونگ در Hot Chips 2026 چه چیزی معرفی کرد؟

سامسونگ در معماری مورد بحث، قابلیت PIM را به LPDDR5X اضافه کرده است.

این طراحی همچنان می‌تواند با یک Memory Controller استاندارد LPDDR5X کار کند؛ یعنی برای استفاده از قابلیت PIM الزاماً به یک رابط کاملاً متفاوت نیاز نیست.

اما درون تراشه چه اتفاقی افتاده است؟

DRAM از چندین Bank تشکیل شده است. در نمونه مورد بحث سامسونگ، حافظه دارای 16 بانک است و برای هر بانک یک بلوک PIM در نظر گرفته شده است.

این بلوک‌ها شامل بخش‌هایی مانند:

• واحدهای MAC
• Register File
• Control Logic
• Instruction Register
• Source Register
• Scale Register
• Vector Register File

هستند.

MAC یا Multiply-Accumulate یکی از عملیات‌های پایه در بسیاری از محاسبات یادگیری ماشین است.

در نتیجه PIM می‌تواند بخشی از عملیات مربوط به مدل‌های AI را مستقیماً در کنار داده‌های ذخیره‌شده انجام دهد.

چرا PIM می‌تواند برای هوش مصنوعی مهم باشد؟

مدل‌های هوش مصنوعی دائماً با حجم زیادی از Weights، Activations و داده‌های میانی کار می‌کنند.

در معماری معمول، انتقال این داده‌ها بین حافظه و پردازنده هزینه دارد.

اما PIM می‌تواند محاسبات را به داده نزدیک کند.

در نمونه ارائه‌شده توسط سامسونگ، مجموع پهنای باند داخلی بانک‌های حافظه به حدود 614 GB/s می‌رسد؛ در حالی که دسترسی معمول مورد بحث در معماری استاندارد حدود 76.8 GB/s است.

نکته مهم این است که این اعداد به معنی «هشت برابر شدن سرعت کل سیستم» نیستند. این تفاوت مربوط به پهنای باند داخلی قابل استفاده توسط بخش PIM است و عملکرد واقعی سیستم به workload، نرم‌افزار، حافظه، پردازنده و نحوه استفاده از PIM بستگی دارد.

سامسونگ همچنین برای محاسبات کم‌دقت AI، از قالب‌هایی مانند INT8 و FP8 پشتیبانی می‌کند و در سناریوی 4-bit وزن‌ها، توان محاسباتی بیشتری به دست می‌آید.

نکته جالب: PIM بدون تغییر کامل پروتکل حافظه

یکی از بخش‌های جالب معماری سامسونگ این است که PIM تلاش می‌کند تا حد زیادی در چارچوب دستورات استاندارد LPDDR5X کار کند.

برای فعال‌کردن حالت‌های مختلف، از ردیف‌های ویژه‌ای از آدرس‌های حافظه استفاده می‌شود.

در حالت معمول، تراشه در Single-Bank Mode کار می‌کند.

اما با فعال‌شدن Multi-Bank Mode، دستورات می‌توانند روی بانک‌های مختلف اعمال شوند تا ظرفیت پردازشی داخلی حافظه مورد استفاده قرار گیرد.

در نتیجه، نرم‌افزار می‌تواند:

1. وزن‌های مدل را در DRAM قرار دهد.
2. حافظه را وارد حالت PIM کند.
3. Activationها را در Registerها قرار دهد.
4. Scale Factorها را تنظیم کند.
5. دستور محاسباتی را مشخص کند.
6. محاسبات را در بانک‌های حافظه اجرا کند.
7. نتیجه را در حافظه ذخیره کند.
8. دوباره به حالت عادی حافظه برگردد.

همین‌جا نخستین چالش مهم ظاهر می‌شود.

وقتی Read دیگر فقط Read نیست

در معماری سنتی، سیستم انتظار دارد یک عملیات Read صرفاً داده‌ای را از حافظه دریافت کند.

اما در PIM، برخی دستورات حافظه می‌توانند باعث شروع محاسبه شوند.

یعنی یک Memory Access می‌تواند Side Effect داشته باشد.

این تفاوت از دید معماری سیستم بسیار مهم است.

چرا؟

زیرا CPUهای مدرن برای افزایش Performance از تکنیک‌هایی مانند:

• Cache
• Prefetching
• Out-of-Order Execution
• Speculative Execution
• Memory Reordering

استفاده می‌کنند.

در حالت عادی، اگر پردازنده داده‌ای را زودتر از زمان مورد نیاز بخواند، معمولاً مشکل خاصی ایجاد نمی‌شود.

اما اگر یک Read بتواند یک عملیات محاسباتی را Trigger کند، دیگر نمی‌توان هر Memory Access را کاملاً بدون اثر جانبی فرض کرد.

این یکی از مهم‌ترین چالش‌های معماری PIM است.

Cache چه مشکلی با PIM پیدا می‌کند؟

CPU معمولاً داده‌های پرکاربرد را در Cache نگه می‌دارد تا مجبور نباشد برای هر دسترسی به DRAM مراجعه کند.

اما PIM به عملیات واقعی روی حافظه وابسته است.

فرض کنید CPU تصور می‌کند داده‌ای در Cache قرار دارد، در حالی که عملیات PIM همان داده را در DRAM تغییر داده است.

در این حالت باید مشخص باشد:

نسخه معتبر داده کجاست؟

Cache؟

یا DRAM؟

این مسئله به مفهوم مهم Cache Coherency و Data Consistency مربوط می‌شود.

اگر سیستم نتواند وضعیت Cache و تغییرات ایجادشده توسط PIM را به‌درستی هماهنگ کند، ممکن است پردازنده نسخه قدیمی داده را ببیند.

از منظر امنیت، چنین مسئله‌ای می‌تواند در طراحی‌های خاص به نگرانی‌هایی درباره Data Integrity و Information Leakage منجر شود.

البته تأکید کنیم:

این متن گزارشی از یک آسیب‌پذیری امنیتی در LPDDR5X-PIM نیست؛ بلکه یک چالش معماری است که هنگام طراحی سیستم‌های امن باید مدیریت شود.

آیا PIM می‌تواند با Speculative Execution مشکل داشته باشد؟

یکی از تکنیک‌های مهم پردازنده‌های مدرن Speculative Execution است.

پردازنده گاهی قبل از اینکه مطمئن شود یک مسیر اجرایی واقعاً مورد نیاز است، برخی عملیات را به‌صورت پیش‌بینانه انجام می‌دهد.

در حافظه معمولی، یک Load اضافی معمولاً فقط داده‌ای را وارد Cache می‌کند.

اما PIM شرایط متفاوتی دارد.

اگر دسترسی به حافظه باعث اجرای یک عملیات شود، اجرای پیش‌بینانه یا خارج از ترتیب می‌تواند با مدل مورد انتظار PIM سازگار نباشد.

به همین دلیل، استفاده از PIM می‌تواند نیازمند محدودکردن برخی رفتارهای معمول سیستم باشد.

در تحلیل معماری ارائه‌شده، حتی موضوع غیرقابل Cache بودن و غیرقابل Speculative بودن دسترسی‌ها مطرح می‌شود.

این یعنی یکی از چالش‌های اصلی PIM این است که بسیاری از بهینه‌سازی‌هایی که CPUهای امروزی به آنها وابسته‌اند، دیگر نمی‌توانند بدون هماهنگی با PIM عمل کنند.

Memory Isolation در PIM چرا مهم است؟

یکی دیگر از موضوعات مهم، Memory Isolation است.

در یک سیستم معمولی، چند Thread یا Process می‌توانند از حافظه استفاده کنند و سیستم‌عامل و سخت‌افزار وظیفه دارند دسترسی‌ها را مدیریت کنند.

اما PIM یک وضعیت پیچیده‌تر ایجاد می‌کند.

چون تغییر حالت حافظه روی رفتار دستورات اثر می‌گذارد.

اگر یک Thread در حال اجرای محاسبات PIM باشد و Thread دیگری همزمان همان منطقه حافظه را به شکل معمولی استفاده کند، احتمال ایجاد تداخل وجود دارد.

برای همین سامسونگ پیشنهاد می‌کند یک PIM Region مشخص در حافظه ایجاد شود.

در این مدل، یک قسمت از حافظه برای عملیات PIM اختصاص پیدا می‌کند و برنامه‌های عادی نباید به شکل همزمان از آن استفاده کنند.

این موضوع از نظر امنیت اهمیت زیادی دارد، زیرا در معماری‌های چندکاربره باید مشخص باشد:

• چه پردازشی اجازه استفاده از PIM را دارد؟
• چه پردازشی می‌تواند داده‌های آن را بخواند؟
• وضعیت Registerهای PIM چگونه محافظت می‌شود؟
• هنگام Context Switch چه اتفاقی می‌افتد؟
• آیا داده‌های یک Process می‌توانند در وضعیت PIM باقی بمانند؟
• چگونه از مشاهده داده‌های پردازش قبلی توسط پردازش بعدی جلوگیری می‌شود؟

این‌ها همان نقاطی هستند که Memory Isolation را از یک مسئله صرفاً Performance به یک موضوع امنیتی تبدیل می‌کنند.

آیا PIM می‌تواند باعث Data Leak شود؟

اینجا باید بین دو مفهوم تفاوت بگذاریم.

Data Leak یعنی داده حساس بدون مجوز در اختیار فرد یا پردازش دیگری قرار گیرد.

PIM به‌خودی‌خود به معنی وجود Data Leak نیست.

اما معماری جدید می‌تواند مسیرهای جدیدی برای بررسی امنیت ایجاد کند.

مثلاً:

اگر یک پردازش PIM از داده‌ای حساس استفاده کند و سپس سیستم وضعیت Registerها، Cache یا Memory Region را به‌درستی پاک‌سازی نکند، در یک طراحی ضعیف ممکن است اطلاعاتی از پردازش قبلی باقی بماند.

بنابراین یکی از سؤالات امنیتی آینده این خواهد بود:

آیا هنگام جابه‌جایی بین Processها، تمام Stateهای مربوط به PIM به‌درستی پاک یا ایزوله می‌شوند؟

این موضوع شبیه همان دغدغه‌ای است که در بسیاری از معماری‌های اشتراکی سخت‌افزاری درباره Residual Data و Cross-Process Information Leakage وجود دارد.

هدف حمله قرار گرفتن یعنی هک شدن؟ تفاوت Target، Attack، Intrusion، Compromise، Breach و Leak چیست؟ در ادامه حتما بخوانید

PIM و امنیت مدل‌های هوش مصنوعی

اهمیت این موضوع وقتی بیشتر می‌شود که PIM در سیستم‌های AI استفاده شود.

مدل‌های هوش مصنوعی ممکن است حاوی اطلاعات بسیار ارزشمندی باشند:

• Model Weights
• Training Data
• Activation Data
• Embeddings
• Inference Data
• اطلاعات اختصاصی سازمان

اگر این داده‌ها در حافظه پردازش شوند، حفاظت از آنها اهمیت بیشتری پیدا می‌کند.

در معماری سنتی، بخش قابل توجهی از کنترل‌های امنیتی حول CPU، GPU، Memory Controller و سیستم‌عامل شکل گرفته‌اند.

اما در معماری‌هایی مانند PIM، بخشی از محاسبات به خود حافظه نزدیک می‌شود.

بنابراین مدل امنیتی آینده باید بتواند این بخش جدید از محاسبات را نیز پوشش دهد.

یک چالش دیگر: Multitasking

فرض کنید دو برنامه همزمان بخواهند از PIM استفاده کنند.

PIM باید وضعیت‌هایی مانند:

• Instruction Register
• Source Register
• Scale Register
• Vector Register

را مدیریت کند.

اما اگر سیستم‌عامل Thread را متوقف کند و Thread دیگری را اجرا کند، باید وضعیت PIM قبلی ذخیره و وضعیت جدید بازیابی شود.

این مسئله همان چیزی است که به Context Switching مربوط می‌شود.

در یک CPU معمولی، سیستم‌عامل برای Context Switch وضعیت پردازنده را ذخیره می‌کند.

اما در PIM، وضعیت پردازشی در بخش‌هایی از حافظه قرار دارد و ممکن است لازم باشد State مربوط به بانک‌های مختلف نیز مدیریت شود.

بنابراین PIM می‌تواند کار سیستم‌عامل را پیچیده‌تر کند.

آیا PIM یک آسیب‌پذیری امنیتی است؟

خیر؛ حداقل بر اساس این گزارش، چنین ادعایی درست نیست.

آنچه سامسونگ در Hot Chips 2026 ارائه کرده، یک معماری سخت‌افزاری برای نزدیک‌تر کردن پردازش به حافظه است.

مشکلاتی که در اینجا مطرح می‌شوند بیشتر شامل:

Architecture Challenges

هستند، نه یک CVE یا آسیب‌پذیری اثبات‌شده.

تفاوت بسیار مهمی میان این دو وجود دارد.

Vulnerability

یعنی یک ضعف امنیتی مشخص که می‌تواند مورد سوءاستفاده قرار گیرد.

Architectural Challenge

یعنی طراحی جدیدی که برای استفاده صحیح، نیازمند مدل‌ها و سازوکارهای جدید است.

PIM فعلاً در دسته دوم قرار می‌گیرد.

اما همین چالش‌ها می‌توانند زمینه‌ساز تحقیقات امنیتی آینده باشند.

چرا PIM می‌تواند آینده امنیت سخت‌افزار را تغییر دهد؟

تا امروز بسیاری از مدل‌های امنیتی بر این فرض شکل گرفته‌اند که:

Compute در CPU/GPU اتفاق می‌افتد و Memory داده را نگه می‌دارد.

PIM این مرز را کمرنگ می‌کند.

در چنین معماری‌ای:

Memory → Storage + Compute

می‌شود.

این تغییر کوچک به نظر می‌رسد، اما پیامدهای بزرگی دارد.

امنیت سیستم باید در آینده درباره موضوعاتی مانند:

• Memory Access Control
• PIM Isolation
• Cache Coherency
• Secure Context Switching
• Residual Data
• Data Integrity
• Side Effects
• Cross-Process Isolation
• AI Model Protection

فکر کند.

Samsung LPDDR5X-PIM چه محدودیت‌هایی دارد؟

PIM قرار نیست جای CPU یا GPU را به‌طور کامل بگیرد.

یکی از محدودیت‌های مهم این معماری این است که هر بلوک PIM به بانک حافظه متصل به خودش دسترسی سریع دارد.

اگر داده‌ای در بانک دیگری قرار داشته باشد، برای انتقال آن همچنان باید از مسیر معمول حافظه استفاده شود.

همچنین بلوک‌های PIM مستقیماً با یکدیگر ارتباط ندارند و ممکن است برای انتقال نتایج میان آنها به Memory Access معمولی نیاز باشد.

از طرف دیگر، اختصاص بخشی از حافظه به PIM می‌تواند ظرفیت و پهنای باند قابل استفاده برنامه‌های عادی را کاهش دهد.

بنابراین:

PIM یک جایگزین کامل برای CPU یا GPU نیست؛ یک شتاب‌دهنده تخصصی برای نوع خاصی از workloadهاست.

آیا PIM واقعاً سریع‌تر است؟

در workload مناسب، می‌تواند بسیار سریع‌تر و کم‌مصرف‌تر باشد؛ زیرا داده کمتر بین حافظه و پردازنده جابه‌جا می‌شود.

اما نباید از اعداد ارائه‌شده نتیجه گرفت که هر برنامه‌ای با PIM سریع‌تر خواهد شد.

PIM بیشترین مزیت را زمانی دارد که:

• حجم داده زیاد باشد؛
• عملیات قابل موازی‌سازی باشد؛
• داده نزدیک به همان بانک حافظه پردازش شود؛
• محاسبات با قابلیت‌های PIM سازگار باشند؛
• هزینه انتقال داده قابل توجه باشد.

برای برنامه‌های عمومی و workloadهایی که شدیداً به Cache وابسته‌اند، داستان متفاوت است.

آینده PIM؛ سخت‌افزار سریع‌تر یا معماری پیچیده‌تر؟

PIM یکی از نمونه‌های مهم تغییری است که در معماری سیستم‌های محاسباتی در حال رخ دادن است.

با رشد AI، دیگر فقط قدرت CPU و GPU اهمیت ندارد؛ نحوه حرکت داده در سیستم هم به یک مسئله اساسی تبدیل شده است.

PIM تلاش می‌کند این مشکل را با نزدیک کردن Compute به Data حل کند.

اما این کار یک هزینه معماری دارد.

هرچه Compute به Memory نزدیک‌تر شود، مرزهای سنتی میان:

Memory / Compute / OS / Cache / Security

پیچیده‌تر می‌شوند.

به همین دلیل، موفقیت PIM فقط به تعداد TOPS یا پهنای باند آن وابسته نیست.

اکوسیستم نرم‌افزار، سیستم‌عامل، Memory Controller و مدل امنیتی نیز باید برای آن آماده باشند.

جمع‌بندی

فناوری Processing-in-Memory یا PIM یکی از مسیرهایی است که صنعت سخت‌افزار برای مقابله با گلوگاه انتقال داده در عصر هوش مصنوعی دنبال می‌کند.

نمونه LPDDR5X-PIM سامسونگ نشان می‌دهد که می‌توان بخشی از محاسبات AI را مستقیماً در کنار بانک‌های DRAM انجام داد و از پهنای باند داخلی حافظه استفاده کرد.

اما جذابیت اصلی PIM فقط Performance نیست.

وقتی حافظه بتواند درگیر پردازش شود، بسیاری از فرض‌های قدیمی درباره نحوه کار Memory Access، Cache، Speculative Execution و Multitasking باید دوباره بررسی شوند.

از دید امنیت سایبری نیز مسئله مهم همین‌جاست.

PIM به خودی خود یک آسیب‌پذیری یا تهدید امنیتی نیست، اما معماری جدیدی ایجاد می‌کند که باید برای آن مکانیزم‌های مناسب Isolation، Data Integrity، Access Control و محافظت از داده‌های حساس طراحی شود.

به‌خصوص در سیستم‌های AI، جایی که Model Weights، داده‌های آموزشی و اطلاعات inference ارزش بالایی دارند، امنیت این معماری می‌تواند به یکی از موضوعات مهم نسل بعدی سخت‌افزارهای هوش مصنوعی تبدیل شود.

در نهایت، سؤال اصلی درباره PIM فقط این نیست که:

«چقدر سریع‌تر می‌شود؟»

بلکه باید پرسید:

«وقتی حافظه هم بخشی از محاسبات را انجام می‌دهد، چگونه باید از داده و وضعیت پردازشی آن محافظت کنیم؟»