Seberapa cepat Samsung PM1763?

Angka performa tertinggi berlaku untuk model berkapasitas 16 TB. Samsung menyebut varian ini menghadirkan performa terbaik di industri .

• Kecepatan baca berurutan: hingga 28.400 MB/s
• Kecepatan tulis berurutan: hingga 21.900 MB/s menurut sejumlah laporan media; laman produk resmi Samsung mencantumkan hingga 21.000 MB/s
• Dibandingkan PM1753: sekitar dua kali lebih cepat daripada eSSD PCIe 5.0 generasi sebelumnya
• Transfer model AI: model bahasa besar berukuran 40 GB dapat dipindahkan dalam sekitar 1,4 detik

Sebagai gambaran, ukuran 40 GB tersebut sebanding dengan model Llama 3 70B yang telah dikuantisasi 4-bit . Kecepatan seperti ini ditujukan untuk mengurangi hambatan perpindahan data antara penyimpanan, CPU, dan akselerator GPU dalam beban kerja AI.

PM1763 menggunakan antarmuka PCIe 6.0 dengan pensinyalan PAM4. Standar ini menggandakan bandwidth transfer dibandingkan PCIe 5.0, sehingga lebih sesuai untuk server AI dengan kebutuhan lalu lintas data yang sangat besar .

Kapasitas dan format yang didukung

Samsung menyebut PM1763 tersedia dalam tiga kapasitas awal:

• 4 TB
• 8 TB
• 16 TB

Namun, laman resmi Samsung Semiconductor mencantumkan dukungan kapasitas mulai dari 4 TB hingga 64 TB. Drive ini mendukung format E1.S, E3.S, dan U.2, sehingga konfigurasi dapat disesuaikan dengan rancangan server dan pusat data .

Dari sisi komponen, PM1763 dibangun menggunakan V-NAND generasi kesembilan dan pengendali baru berbasis proses 4 nanometer .

Dirancang untuk server dengan pendingin cair

Server AI generasi baru menghasilkan panas besar karena prosesor dan akseleratornya bekerja dalam beban tinggi secara terus-menerus. Karena itu, PM1763 dirancang untuk lingkungan server dengan pendingin cair.

Teknologi yang digunakan adalah Direct-to-Chip (D2C). Dalam rancangan ini, pelat pendingin atau cold plate dipasang langsung pada komponen SSD untuk membantu menjaga suhu saat drive bekerja pada beban tinggi .

Menurut Samsung, desain tersebut memungkinkan PM1763 mempertahankan performa puncak secara lebih stabil dalam proses pelatihan maupun inferensi AI yang berlangsung lama .

Efisiensi daya meningkat 1,8 kali

Konsumsi listrik menjadi perhatian besar bagi operator pusat data karena biaya energi dan pendinginan dapat meningkat seiring bertambahnya jumlah server AI. Samsung menyatakan PM1763 memiliki efisiensi daya sekitar 1,8 kali lebih baik dibandingkan PM1753 .

Peningkatan ini ditujukan untuk membantu mengurangi beban operasional pusat data, terutama pada lingkungan komputasi AI dan komputasi berperforma tinggi atau HPC yang bekerja sepanjang waktu.

Fitur keamanan untuk infrastruktur AI

PM1763 juga membawa sejumlah fitur keamanan yang ditujukan untuk pusat data AI dan lingkungan virtualisasi .

• Post-Quantum Cryptography (PQC): algoritma kriptografi yang dirancang untuk membantu melindungi data dari ancaman serangan berbasis komputer kuantum pada masa mendatang
• TEE Device Interface Security Protocol (TDISP): mendukung perlindungan berbasis Trusted Execution Environment dan enkripsi pada jalur komunikasi antara perangkat dan host dalam infrastruktur tervirtualisasi
• SPDM 1.4 dan CNSA 2.0: standar dan rangkaian algoritma keamanan tambahan yang turut didukung PM1763

Dengan kombinasi tersebut, Samsung memosisikan PM1763 sebagai penyimpanan untuk lingkungan yang membutuhkan perlindungan data saat tersimpan, dikirim, maupun digunakan dalam sistem komputasi.

Status validasi untuk Nvidia Vera Rubin

PM1763 telah melewati kualifikasi Nvidia untuk platform Vera Rubin dan memasuki tahap produksi massal pada 7–8 Juli 2026 . Produk ini sebelumnya ditampilkan bersama komponen Samsung lain untuk infrastruktur AI Nvidia, termasuk HBM4 dan modul memori berdaya rendah SOCAMM2 .

Laporan industri menyebut Samsung dan Micron telah memproduksi massal serta memasok eSSD untuk Vera Rubin. Pada saat laporan tersebut diterbitkan, SK Hynix masih berada dalam tahap persiapan dan belum mulai memasok eSSD untuk platform itu .

Hubungannya dengan HBM4 dan tren AI inference

Peluncuran PM1763 berlangsung ketika kebutuhan pusat data mulai bergeser dari sekadar pelatihan model AI menuju penggunaan model secara lebih luas melalui inferensi AI. Inferensi adalah tahap ketika model yang telah dilatih digunakan untuk menghasilkan jawaban, prediksi, atau keputusan.

Beban inferensi yang meningkat diperkirakan akan mendorong permintaan terhadap NAND flash. eSSD berperforma tinggi seperti PM1763 berperan mengurangi kemacetan data dalam alur antara media penyimpanan, CPU, dan GPU, baik saat pelatihan maupun inferensi .

Di sisi memori bandwidth tinggi, CEO Nvidia Jensen Huang mengonfirmasi pada 5 Juni 2026 bahwa Samsung, SK Hynix, dan Micron telah mendapatkan sertifikasi untuk memasok HBM4 bagi platform Vera Rubin . Bagi Samsung, hal ini mendukung strategi menyediakan solusi memori yang lebih lengkap untuk platform AI Nvidia—mulai dari HBM, modul memori server, hingga penyimpanan enterprise.

Dengan PM1763, persaingan infrastruktur AI tidak hanya berlangsung pada kapasitas GPU atau HBM. Kecepatan pemindahan data, efisiensi energi, pendinginan, dan keamanan penyimpanan juga menjadi bagian penting dari performa keseluruhan pusat data.

Seberapa cepat Samsung PM1763?

Angka performa tertinggi berlaku untuk model berkapasitas 16 TB. Samsung menyebut varian ini menghadirkan performa terbaik di industri .

• Kecepatan baca berurutan: hingga 28.400 MB/s
• Kecepatan tulis berurutan: hingga 21.900 MB/s menurut sejumlah laporan media; laman produk resmi Samsung mencantumkan hingga 21.000 MB/s
• Dibandingkan PM1753: sekitar dua kali lebih cepat daripada eSSD PCIe 5.0 generasi sebelumnya
• Transfer model AI: model bahasa besar berukuran 40 GB dapat dipindahkan dalam sekitar 1,4 detik

Sebagai gambaran, ukuran 40 GB tersebut sebanding dengan model Llama 3 70B yang telah dikuantisasi 4-bit . Kecepatan seperti ini ditujukan untuk mengurangi hambatan perpindahan data antara penyimpanan, CPU, dan akselerator GPU dalam beban kerja AI.

PM1763 menggunakan antarmuka PCIe 6.0 dengan pensinyalan PAM4. Standar ini menggandakan bandwidth transfer dibandingkan PCIe 5.0, sehingga lebih sesuai untuk server AI dengan kebutuhan lalu lintas data yang sangat besar .

Kapasitas dan format yang didukung

Samsung menyebut PM1763 tersedia dalam tiga kapasitas awal:

• 4 TB
• 8 TB
• 16 TB

Namun, laman resmi Samsung Semiconductor mencantumkan dukungan kapasitas mulai dari 4 TB hingga 64 TB. Drive ini mendukung format E1.S, E3.S, dan U.2, sehingga konfigurasi dapat disesuaikan dengan rancangan server dan pusat data .

Dari sisi komponen, PM1763 dibangun menggunakan V-NAND generasi kesembilan dan pengendali baru berbasis proses 4 nanometer .

Dirancang untuk server dengan pendingin cair

Server AI generasi baru menghasilkan panas besar karena prosesor dan akseleratornya bekerja dalam beban tinggi secara terus-menerus. Karena itu, PM1763 dirancang untuk lingkungan server dengan pendingin cair.

Teknologi yang digunakan adalah Direct-to-Chip (D2C). Dalam rancangan ini, pelat pendingin atau cold plate dipasang langsung pada komponen SSD untuk membantu menjaga suhu saat drive bekerja pada beban tinggi .

Menurut Samsung, desain tersebut memungkinkan PM1763 mempertahankan performa puncak secara lebih stabil dalam proses pelatihan maupun inferensi AI yang berlangsung lama .

Efisiensi daya meningkat 1,8 kali

Konsumsi listrik menjadi perhatian besar bagi operator pusat data karena biaya energi dan pendinginan dapat meningkat seiring bertambahnya jumlah server AI. Samsung menyatakan PM1763 memiliki efisiensi daya sekitar 1,8 kali lebih baik dibandingkan PM1753 .

Peningkatan ini ditujukan untuk membantu mengurangi beban operasional pusat data, terutama pada lingkungan komputasi AI dan komputasi berperforma tinggi atau HPC yang bekerja sepanjang waktu.

Fitur keamanan untuk infrastruktur AI

PM1763 juga membawa sejumlah fitur keamanan yang ditujukan untuk pusat data AI dan lingkungan virtualisasi .

• Post-Quantum Cryptography (PQC): algoritma kriptografi yang dirancang untuk membantu melindungi data dari ancaman serangan berbasis komputer kuantum pada masa mendatang
• TEE Device Interface Security Protocol (TDISP): mendukung perlindungan berbasis Trusted Execution Environment dan enkripsi pada jalur komunikasi antara perangkat dan host dalam infrastruktur tervirtualisasi
• SPDM 1.4 dan CNSA 2.0: standar dan rangkaian algoritma keamanan tambahan yang turut didukung PM1763

Dengan kombinasi tersebut, Samsung memosisikan PM1763 sebagai penyimpanan untuk lingkungan yang membutuhkan perlindungan data saat tersimpan, dikirim, maupun digunakan dalam sistem komputasi.

Status validasi untuk Nvidia Vera Rubin

PM1763 telah melewati kualifikasi Nvidia untuk platform Vera Rubin dan memasuki tahap produksi massal pada 7–8 Juli 2026 . Produk ini sebelumnya ditampilkan bersama komponen Samsung lain untuk infrastruktur AI Nvidia, termasuk HBM4 dan modul memori berdaya rendah SOCAMM2 .

Laporan industri menyebut Samsung dan Micron telah memproduksi massal serta memasok eSSD untuk Vera Rubin. Pada saat laporan tersebut diterbitkan, SK Hynix masih berada dalam tahap persiapan dan belum mulai memasok eSSD untuk platform itu .

Hubungannya dengan HBM4 dan tren AI inference

Peluncuran PM1763 berlangsung ketika kebutuhan pusat data mulai bergeser dari sekadar pelatihan model AI menuju penggunaan model secara lebih luas melalui inferensi AI. Inferensi adalah tahap ketika model yang telah dilatih digunakan untuk menghasilkan jawaban, prediksi, atau keputusan.

Beban inferensi yang meningkat diperkirakan akan mendorong permintaan terhadap NAND flash. eSSD berperforma tinggi seperti PM1763 berperan mengurangi kemacetan data dalam alur antara media penyimpanan, CPU, dan GPU, baik saat pelatihan maupun inferensi .

Di sisi memori bandwidth tinggi, CEO Nvidia Jensen Huang mengonfirmasi pada 5 Juni 2026 bahwa Samsung, SK Hynix, dan Micron telah mendapatkan sertifikasi untuk memasok HBM4 bagi platform Vera Rubin . Bagi Samsung, hal ini mendukung strategi menyediakan solusi memori yang lebih lengkap untuk platform AI Nvidia—mulai dari HBM, modul memori server, hingga penyimpanan enterprise.

Dengan PM1763, persaingan infrastruktur AI tidak hanya berlangsung pada kapasitas GPU atau HBM. Kecepatan pemindahan data, efisiensi energi, pendinginan, dan keamanan penyimpanan juga menjadi bagian penting dari performa keseluruhan pusat data.