Samsung PM1763: El SSD empresarial PCIe 6.0 que duplica la velocidad para la IA de Nvidia

• Lectura secuencial: Hasta 28.400 MB/s ^CSB
• Escritura secuencial: Hasta 21.900 MB/s (según múltiples fuentes de prensa; la página del producto de Samsung indica hasta 21.000 MB/s) ^CSB
• Rendimiento frente a su predecesor: Aproximadamente 2 veces más rápido que el PM1753 basado en PCIe 5.0 ^SB
• Tiempo de transferencia de un LLM: Un modelo de lenguaje grande de 40 GB (comparable a un Llama 3 70B cuantizado a 4 bits) se puede transferir en aproximadamente 1,4 segundos ^MBY
• Interfaz: PCIe 6.0 con señalización PAM4, duplicando el ancho de banda con respecto a la generación anterior (PCIe 5.0) ^CS

Capacidades y factores de forma

El PM1763 se ofrece inicialmente en tres capacidades ^SMB:

• 4 TB
• 8 TB
• 16 TB

La página oficial del producto de Samsung Semiconductor también indica soporte para capacidades de hasta 64 TB en factores de forma E1.S, E3.S y U.2, gracias a su V-NAND de 9.ª generación y un nuevo controlador de 4 nanómetros ^CSF.

Tecnología de refrigeración

Los servidores de IA de última generación están migrando hacia arquitecturas de refrigeración líquida para gestionar la carga térmica. El PM1763 está diseñado para este entorno con refrigeración líquida Direct-to-Chip (D2C) ^MS.

• Cómo funciona: Una placa fría se acopla directamente al dado del SSD, permitiendo un funcionamiento estable bajo alta carga ^MBS
• Beneficio: Mantiene el rendimiento máximo durante períodos prolongados en cargas de trabajo exigentes de entrenamiento e inferencia de IA ^FM

Eficiencia energética

Mejorar la eficiencia energética es un objetivo crítico para los centros de datos, donde los costos de energía y refrigeración son gastos operativos importantes. El PM1763 ofrece una mejora de 1,8 veces en eficiencia energética en comparación con el PM1753, lo que ayuda a reducir los costos operativos generales ^MBI.

Características de seguridad

Reconociendo el panorama de amenazas en evolución para los centros de datos impulsados por IA, Samsung equipó el PM1763 con capacidades de seguridad avanzadas diseñadas para proteger los datos en reposo, en tránsito y en uso ^ISL.

• Criptografía Post-Cuántica (PQC): Incluye algoritmos de cifrado PQC para proteger los datos contra futuros ataques basados en computación cuántica ^MSL
• Protocolo de Seguridad de Interfaz de Dispositivos TEE (TDISP): Soporta seguridad de Entorno de Ejecución Confiable (TEE) para infraestructuras de centros de datos virtualizados e impulsados por IA, proporcionando cifrado a nivel de enlace ^SLL
• Protocolos adicionales: También soporta SPDM (Security Protocol and Data Model) 1.4 y CNSA (Commercial National Security Algorithm Suite) 2.0 ^SL

Validación y estado del suministro

El PM1763 ha superado la calificación de Nvidia para la plataforma Vera Rubin y ha entrado en producción en masa a partir del 7 y 8 de julio de 2026 ^SS. Según informes de la industria, Samsung y Micron son actualmente las dos empresas que producen en masa eSSD para Vera Rubin, mientras que SK Hynix aún se encuentra en la fase de preparación y aún no ha comenzado el suministro para esta plataforma ^TX.

Contexto más amplio: certificación HBM4 y tendencias de la industria

El lanzamiento del PM1763 es parte de una estrategia más amplia de Samsung para proporcionar una "solución de memoria total" para las plataformas de IA de Nvidia, extendiéndose más allá de su rol como proveedor de HBM4 ^KN.

Certificación HBM4: El 5 de junio de 2026, el CEO de Nvidia, Jensen Huang, confirmó que los tres grandes fabricantes de memoria —Samsung, SK Hynix y Micron— han sido certificados para suministrar memoria HBM4 para la plataforma Vera Rubin ^BBT. Esto representa un hito significativo para la cadena de suministro de IA, asegurando una base de suministro diversificada y competitiva.

Tendencias de la Industria: Se espera que el cambio hacia cargas de trabajo de inferencia de IA aumente significativamente la demanda de memoria flash NAND. Los eSSD de alto rendimiento como el PM1763 están diseñados para reducir los cuellos de botella de transferencia de datos entre el almacenamiento, las CPU y las GPU tanto en los procesos de entrenamiento como de inferencia, permitiendo un procesamiento de IA más rápido y eficiente ^SSF.