16TB 모델은 삼성전자가 '업계 최고 성능'이라고 자평하는 주력 제품이다 .
초기 출시 용량은 3종이다 :
삼성 반도체 공식 페이지에 따르면, 9세대 V-NAND와 4나노미터 공정 기반의 신규 컨트롤러를 탑재해 최대 64TB까지 지원 가능하며, E1.S, E3.S, U.2 등 다양한 폼팩터로 제공된다 .
차세대 AI 서버는 발열 해소를 위해 액체 냉각 방식으로 전환되는 추세다. PM1763은 이에 최적화된 D2C(Direct-to-Chip) 액체 냉각 기술을 적용했다 .
데이터센터의 전력 소모와 냉각 비용은 주요 운영 부담이다. PM1763은 전작인 PM1753 대비 전력 효율을 1.8배 개선해 데이터센터의 전체 운영비 절감에 기여한다 .
AI 데이터센터의 진화하는 보안 위협에 대응하기 위해, PM1763은 유휴 데이터, 전송 중 데이터, 사용 중 데이터를 보호하는 첨단 보안 기능을 탑재했다 .
PM1763은 엔비디아의 베라 루빈 플랫폼에 대한 품질 검증을 통과했으며, 2026년 7월 7~8일자로 양산에 돌입했다 . 업계에 따르면 현재 베라 루빈용 eSSD를 양산 중인 업체는 삼성전자와 마이크론(Micron) 두 곳뿐이며, SK하이닉스는 아직 준비 단계에 머물러 있어 eSSD 물량을 공급하지 못하고 있는 것으로 알려졌다 .
PM1763의 양산은 삼성전자가 HBM4 공급을 넘어 엔비디아 AI 플랫폼을 위한 '토털 메모리 솔루션' 제공자로 도약하는 전략의 일환이다 .
HBM4 인증 '빅3': 2026년 6월 5일, 젠슨 황 엔비디아 CEO가 삼성전자, SK하이닉스, 마이크론 세 업체 모두 베라 루빈 플랫폼용 HBM4 공급 업체로 인증받았다고 공식 확인했다 . 이는 AI 공급망의 다변화와 안정성을 의미하는 중요한 이정표다.
산업 트렌드: AI 반도체 수요가 학습(Training)에서 추론(Inference)으로 확대되면서 낸드플래시(NAND) 메모리 수요도 크게 증가할 전망이다. 고성능 eSSD인 PM1763은 학습 및 추론 과정에서 스토리지와 CPU, GPU 간 데이터 전송 병목 현상을 줄여 AI 처리 속도와 효율성을 획기적으로 높여줄 것으로 기대된다 .
16TB 모델은 삼성전자가 '업계 최고 성능'이라고 자평하는 주력 제품이다 .
초기 출시 용량은 3종이다 :
삼성 반도체 공식 페이지에 따르면, 9세대 V-NAND와 4나노미터 공정 기반의 신규 컨트롤러를 탑재해 최대 64TB까지 지원 가능하며, E1.S, E3.S, U.2 등 다양한 폼팩터로 제공된다 .
차세대 AI 서버는 발열 해소를 위해 액체 냉각 방식으로 전환되는 추세다. PM1763은 이에 최적화된 D2C(Direct-to-Chip) 액체 냉각 기술을 적용했다 .
데이터센터의 전력 소모와 냉각 비용은 주요 운영 부담이다. PM1763은 전작인 PM1753 대비 전력 효율을 1.8배 개선해 데이터센터의 전체 운영비 절감에 기여한다 .
AI 데이터센터의 진화하는 보안 위협에 대응하기 위해, PM1763은 유휴 데이터, 전송 중 데이터, 사용 중 데이터를 보호하는 첨단 보안 기능을 탑재했다 .
PM1763은 엔비디아의 베라 루빈 플랫폼에 대한 품질 검증을 통과했으며, 2026년 7월 7~8일자로 양산에 돌입했다 . 업계에 따르면 현재 베라 루빈용 eSSD를 양산 중인 업체는 삼성전자와 마이크론(Micron) 두 곳뿐이며, SK하이닉스는 아직 준비 단계에 머물러 있어 eSSD 물량을 공급하지 못하고 있는 것으로 알려졌다 .
PM1763의 양산은 삼성전자가 HBM4 공급을 넘어 엔비디아 AI 플랫폼을 위한 '토털 메모리 솔루션' 제공자로 도약하는 전략의 일환이다 .
HBM4 인증 '빅3': 2026년 6월 5일, 젠슨 황 엔비디아 CEO가 삼성전자, SK하이닉스, 마이크론 세 업체 모두 베라 루빈 플랫폼용 HBM4 공급 업체로 인증받았다고 공식 확인했다 . 이는 AI 공급망의 다변화와 안정성을 의미하는 중요한 이정표다.
산업 트렌드: AI 반도체 수요가 학습(Training)에서 추론(Inference)으로 확대되면서 낸드플래시(NAND) 메모리 수요도 크게 증가할 전망이다. 고성능 eSSD인 PM1763은 학습 및 추론 과정에서 스토리지와 CPU, GPU 간 데이터 전송 병목 현상을 줄여 AI 처리 속도와 효율성을 획기적으로 높여줄 것으로 기대된다 .