Kioxia, Sandisk og SK hynix setter ny kurs for AI-minne

BiCS10: mer lagring på mindre plass

Kioxia og Sandisk introduserte sin neste generasjon QLC-basert 3D NAND under FMS 2026. Teknologien er utviklet med tanke på SSD-er med høy kapasitet i datasentre, samt lagring for AI- og skytjenester .

QLC, eller quad-level cell, lagrer fire bits i hver minnecelle. Det kan gi høyere lagringstetthet enn løsninger som lagrer færre bits per celle, men stiller samtidig større krav til styring av minnet.

Hovedspesifikasjoner

• Bit-tetthet: Over 37 Gb/mm², en økning på rundt 60 prosent sammenlignet med åttende generasjon .
• Oppbygning: 332 aktive lag i BiCS10-arkitekturen .
• Grensesnitt: Opptil 4,8 Gb/s via Toggle DDR6.0 .
• Produksjonsteknologi: CMOS Directly Bonded to Array (CBA), der logikkdelen og selve minnearrayet produseres på separate skiver før de bindes sammen. Metoden skal bidra til bedre energieffektivitet og høyere tetthet .

Brikken ble formelt presentert gjennom en demonstrasjon på konferansen . I juli 2026 startet Kioxia og Sandisk også prøvetaking av en BiCS10-variant med 1 Tb TLC NAND. Denne varianten har tre bits per celle og en tetthet på over 29 Gb/mm² . QLC-versjonen som ble vist på FMS, representerer dermed et ytterligere steg i retning av høyere kapasitet per brikke.

HBF skal fylle gapet mellom HBM og SSD

Den andre store nyheten var publiseringen av den første tekniske spesifikasjonen for High Bandwidth Flash gjennom Open Compute Project (OCP) . OCP er et bransjedrevet initiativ som publiserer åpne spesifikasjoner for datasenterteknologi.

HBF er ment å bli et nytt nivå i minnehierarkiet, mellom HBM og tradisjonelle SSD-er. HBM, eller High Bandwidth Memory, er svært raskt og sitter tett på AI-akseleratorer, men har begrenset kapasitet og høy kostnad. SSD-er kan lagre langt mer, men har normalt lavere båndbredde og høyere tilgangsforsinkelse.

For AI-inferens – altså når en ferdigtrent modell brukes til å lage svar eller beregninger – kan denne mellomløsningen bli viktig. Store modeller trenger ofte mer minne enn det som er økonomisk mulig å plassere som HBM ved siden av prosessoren eller GPU-en.

Hva spesifikasjonen åpner for

• Kapasitet: Opptil 512 GB per stakk, med NAND-konfigurasjoner på åtte eller 16 lag .
• Båndbredde: Opptil 3,0 TB/s, eller 1,6 TB/s per retning. De tre ytelsesklassene spenner omtrent fra 0,4 TB/s til 3,0 TB/s .
• Tilkobling: UCIe (Universal Chiplet Interconnect Express) .
• Støtte i standardiseringsarbeidet: Google DeepMind og Tenstorrent sluttet seg til HBF-arbeidet underveis .

Sandisk har tidligere oppgitt at HBF kan tilby åtte til 16 ganger større kapasitet enn HBM til en tilsvarende kostnad. I en simulering med en Llama 3.1-modell på 405 milliarder parametere lå ytelsen innenfor 2,2 prosent av en teoretisk HBM-løsning med ubegrenset kapasitet . Dette er selskapets egne simuleringer, ikke en måling av et kommersielt HBF-produkt.

Den åpne spesifikasjonen er publisert. Prøver av minnet er ventet mot slutten av 2026, mens kommersielle produkter er ventet tidlig i 2027 .

FMS-programmet satte minneflaskehalsen på dagsordenen

Teknologiene ble presentert i en konferanse der AI-infrastruktur sto sentralt. Sandisk holdt hovedinnlegget «NAND: The Versatile & Scalable Foundation of the AI Era» 5. august klokken 11.40 lokal tid i Santa Clara. Jim Elliott, Khurram Ismail og Alper Ilkbahar deltok for Sandisk. Innlegget handlet blant annet om systemoptimalisering og hvordan NAND kan brukes til AI-inferens i stor skala .

SK hynix holdt på åpningsdagen, 4. august, et innlegg med tittelen «Orchestrating Efficient AI Infrastructure through Tiered Memory in the Era of Agentic AI». Her var temaet minneløsninger i flere nivåer for AI-infrastruktur .

På konferansens siste dag sto også paneldebatten «Breaking the Memory Wall with High Bandwidth Flash» på programmet. Deltakerne var Sandisk- og SK hynix-ledere samt Xiaoyu Ma fra Google DeepMind. Panelet tok for seg hvordan HBF kan redusere avstanden mellom beregningskraft og tilgjengelig minne i AI-inferens . Den nøyaktige, fullstendige panelbeskrivelsen bør likevel leses i den offisielle FMS-agendaen, ettersom omtalen av sesjonen varierer noe mellom kildene .

Hvorfor dette er viktig

De to kunngjøringene angriper ulike sider av samme problem. BiCS10 kan gjøre det mulig å bygge tettere og mer energieffektive SSD-er for store datasett, treningsdata og kapasitetslagring i datasentre. HBF forsøker på sin side å gjøre store mengder minne tilgjengelig nær AI-akseleratoren, uten at all kapasiteten må leveres av dyr HBM.

At spesifikasjonen publiseres gjennom OCP, og at Google og Tenstorrent støtter arbeidet, kan også gjøre det enklere for flere aktører å utvikle kompatible akseleratorer, servere og minnemoduler . Det betyr ikke at HBF allerede er en etablert standard i markedet, men det gir teknologien et åpent teknisk utgangspunkt i stedet for at hvert selskap må utvikle en separat, proprietær løsning.