Samsung PM1763: PCIe 6.0 eSSD für Nvidia Vera Rubin geht in Serie

• Sequentielles Lesen: Bis zu 28.400 MB/s ^CSB
• Sequentielles Schreiben: Bis zu 21.900 MB/s (laut mehreren Pressequellen; das offizielle Produktdatenblatt von Samsung gibt bis zu 21.000 MB/s an) ^CSB
• Leistung im Vergleich zum Vorgänger: Ungefähr 2× schneller als die PCIe-5.0-basierte PM1753 ^SB
• LLM-Übertragungszeit: Ein 40 GB großes Large-Language-Modell (vergleichbar mit einem 4-Bit-quantisierten Llama-3-70B-Modell) kann in rund 1,4 Sekunden übertragen werden ^MBY
• Schnittstelle: PCIe 6.0 mit PAM4-Signalisierung, die die Bandbreite im Vergleich zur vorherigen Generation (PCIe 5.0) verdoppelt ^CS

Kapazitäten und Formfaktoren

Die PM1763 wird zunächst in drei Kapazitäten angeboten ^SMB:

• 4 TB
• 8 TB
• 16 TB

Das offizielle Produktdatenblatt von Samsung Semiconductor listet zudem Unterstützung für Kapazitäten bis zu 64 TB in den Formfaktoren E1.S, E3.S und U.2 auf, ermöglicht durch den Einsatz von 9. Generation V-NAND und einem neuen 4-Nanometer-Controller ^CSF.

Kühltechnologie

KI-Server der nächsten Generation setzen zunehmend auf flüssigkeitsgekühlte Architekturen, um die Abwärme zu bewältigen. Die PM1763 ist für diese Umgebung mit Direct-to-Chip (D2C)-Flüssigkeitskühlung optimiert ^MS.

• Funktionsweise: Eine Kühlplatte wird direkt auf den SSD-Die aufgebracht, was einen stabilen Betrieb unter hoher Last ermöglicht ^MBS
• Vorteil: Aufrechterhaltung der Spitzenleistung über längere Zeiträume bei anspruchsvollen KI-Trainings- und Inferenz-Workloads ^FM

Energieeffizienz

Die Verbesserung der Energieeffizienz ist ein kritisches Ziel für Rechenzentren, in denen Energiekosten und Kühlung einen großen Teil der Betriebsausgaben ausmachen. Die PM1763 bietet eine 1,8-fache Verbesserung der Energieeffizienz im Vergleich zur PM1753 und hilft so, die Gesamtbetriebskosten zu senken ^MBI.

Sicherheitsfunktionen

Angesichts der sich ständig weiterentwickelnden Bedrohungslandschaft für KI-gesteuerte Rechenzentren hat Samsung die PM1763 mit fortschrittlichen Sicherheitsfunktionen ausgestattet, die Daten im Ruhezustand, während der Übertragung und während der Verarbeitung schützen sollen ^ISL.

• Post-Quantum-Kryptografie (PQC): Enthält PQC-Verschlüsselungsalgorithmen, um Daten vor zukünftigen Angriffen durch Quantencomputer zu schützen ^MSL
• TEE-Geräteschnittstellen-Sicherheitsprotokoll (TDISP): Unterstützt Trusted Execution Environment (TEE)-Sicherheit für virtualisierte und KI-gesteuerte Rechenzentrumsinfrastrukturen, einschließlich Link-Verschlüsselung ^SLL
• Zusätzliche Protokolle: Unterstützt außerdem SPDM (Security Protocol and Data Model) 1.4 und CNSA (Commercial National Security Algorithm Suite) 2.0 ^SL

Validierung und Lieferstatus

Die PM1763 hat die Qualifikation von Nvidia für die Vera-Rubin-Plattform bestanden und ist seit dem 7./8. Juli 2026 in Massenproduktion ^SS. Branchenberichten zufolge sind Samsung und Micron derzeit die beiden Unternehmen, die eSSDs für Vera Rubin in Massenproduktion herstellen, während SK Hynix sich noch in der Vorbereitungsphase befindet und noch keine Lieferungen für diese Plattform aufgenommen hat ^TX.

Weiterer Kontext: HBM4-Zertifizierung und Branchentrends

Die Markteinführung der PM1763 ist Teil einer größeren Strategie von Samsung, Nvidias KI-Plattformen mit einer "Total Memory Solution" zu versorgen, die über die Rolle als HBM4-Lieferant hinausgeht ^KN.

HBM4-Zertifizierung: Am 5. Juni 2026 bestätigte Nvidia-CEO Jensen Huang, dass alle drei großen Speicherhersteller – Samsung, SK Hynix und Micron – für die Lieferung von HBM4-Speicher für die Vera-Rubin-Plattform zertifiziert wurden ^BBT. Dies ist ein bedeutender Meilenstein für die KI-Lieferkette, da es eine diversifizierte und wettbewerbsfähige Versorgungsbasis gewährleistet.

Branchentrends: Es wird erwartet, dass die Verlagerung hin zu KI-Inferenz-Workloads die Nachfrage nach NAND-Flash-Speichern deutlich erhöhen wird. Hochleistungs-eSSDs wie die PM1763 sollen Datenübertragungsengpässe zwischen Speicher, CPUs und GPUs in Trainings- und Inferenz-Pipelines reduzieren und so eine schnellere und effizientere KI-Verarbeitung ermöglichen ^SSF.