Ved å korte ned avstanden dataene må bevege seg mellom minnet og prosessoren, kan arkitekturen i prinsippet gi høyere båndbredde og lavere energibruk . Samsung oppga følgende mål for et fremtidig grensesnitt basert på zHBM:

• Ytelse: Opptil åtte ganger ytelsen til HBM5 . Enkelte omtaler viser også til fire ganger høyere dataoverføringshastighet enn HBM4, ved en fjerdedel av strømforbruket .
• Tetthet: Over ti ganger høyere minnetetthet enn konvensjonell HBM ved bruk av neste generasjons wafer bonding – en metode for å koble sammen ferdig produserte silisiumskiver .
• Energieffektivitet: Omtrent tre ganger bedre energieffektivitet, tilsvarende rundt 66 prosent lavere energibruk enn HBM5 .
• Status: zHBM er foreløpig en konseptmodell, ikke et produkt i serieproduksjon .

Samsung viste også frem zNAND-O, en separat konseptarkitektur utviklet med tanke på AI-inferens på kanten – altså AI-beregninger nærmere brukeren eller datakilden .

Det er derfor viktig å skille mellom visjonen og det som faktisk kan kjøpes i dag: zHBM-tallene er Samsungs anslag for en fremtidig løsning, ikke dokumenterte resultater fra et ferdig kommersielt produkt.

V10 BV-NAND passerer 400 lag – og er allerede i produksjon

Den mer konkrete produktnyheten fra Samsung var V10 BV-NAND, eller Bonding V-NAND. Teknologien skiller minnecellene fra den perifere logikken før silisiumskivene bindes sammen med wafer bonding .

Samsung oppgir at V10 BV-NAND har:

• mer enn 400 aktive lag, det høyeste antallet selskapet hittil har offentliggjort for V-NAND
• rundt 58 prosent høyere minnetetthet enn forrige generasjon, V9
• omtrent tre ganger bedre energieffektivitet og lavere termisk motstand, ifølge selskapet
• forbedringer i lese-, skrive- og I/O-ytelse

I motsetning til zHBM er V10 BV-NAND oppgitt å være i masseproduksjon. Det gjør den til den første kommersielt produserte NAND-løsningen som passerer 400-lagsgrensen, ifølge kildene .

SK hynix og SanDisk lanserer åpen HBF-standard

SK hynix og SanDisk presenterte samtidig den første åpne tekniske spesifikasjonen for High Bandwidth Flash (HBF) gjennom Open Compute Project (OCP) .

HBF er ment å fylle gapet mellom svært raskt HBM-minne og tradisjonelle NVMe-SSD-er. Tanken er å tilby mer kapasitet enn HBM, men med langt høyere tilgjengelig båndbredde enn vanlig flashlagring – særlig for AI-inferens, der modeller må hente store mengder data raskt .

Den første spesifikasjonen legger opp til:

• kapasitet på opptil 512 GB
• NAND-stakker med åtte eller 16 lagrede brikker i høyden
• opptil 3,0 TB/s båndbredde via UCIe-grensesnittet

Google DeepMind og Tenstorrent har sluttet seg til HBF-alliansen . At spesifikasjonen publiseres gjennom OCP, er også viktig: Målet er en åpen standard som kan tas i bruk av flere leverandører, i stedet for en proprietær løsning kontrollert av én aktør.

Hvorfor HBM alene ikke lenger er nok

Et gjennomgående budskap fra foredrag og paneler på FMS 2026 var at HBM alene ikke kan dekke AI-systemenes voksende behov. HBM er svært raskt, men har begrenset kapasitet og er kostbart å bygge ut.

Bransjen ser derfor mot en hierarkisk minnearkitektur, der ulike typer minne og lagring får ulike roller:

1. HBM for de mest tidskritiske dataene nær AI-akseleratoren.
2. HBF-lignende flash for større datamengder som fortsatt må være raskt tilgjengelige.
3. CXL-tilkoblet minne for fleksibel utvidelse og deling mellom prosessorer og akseleratorer.
4. NVMe-lagring for større, men tregere datamengder.

Flere presentasjoner argumenterte for at denne kombinasjonen vil bli sentral i fremtidig AI-infrastruktur . Marvell knyttet blant annet behovet til såkalt agentisk AI-inferens, der AI-systemer utfører flere trinn og derfor må håndtere større og mer dynamiske datasett enn tradisjonelle modeller .

To påstander som ikke kunne bekreftes

Det finnes også to oppsiktsvekkende påstander i den opprinnelige omtalen som ikke ble bekreftet i de tilgjengelige, publiserte kildene fra FMS 2026.

Den første er at Nvidia skal ha spådd at antallet AI-agenter etter hvert vil overstige verdens befolkning, og at minnepriser vil gå fra kostnad per gigabyte til kostnad per I/O-operasjon. Den andre er at Samsung, SK hynix og Micron skal ha solgt ut hele DRAM- og HBM-produksjonen for 2027, med kunder som bare får levert 60–70 prosent av det de har bestilt.

Begge påstandene kan ha blitt fremført i et foredrag eller en panelsamtale som ikke er gjengitt i de indekserte kildene, men de bør foreløpig behandles som ubekreftede.

Konklusjonen: AI-minnet blir tredimensjonalt og lagdelt

FMS 2026 handlet ikke bare om enda raskere HBM. De viktigste signalene var bredere:

• Samsung utforsker å plassere HBM direkte over AI-akseleratoren med zHBM.
• V10 BV-NAND viser at wafer bonding og mer enn 400 NAND-lag allerede er på vei inn i masseproduksjon.
• HBF forsøker å etablere flash som et nytt, standardisert minnenivå mellom HBM og SSD.
• Bransjen ser ut til å samle seg om at fremtidens AI-systemer trenger en hel minnestack – ikke én enkelt minneteknologi.

Det mest konkrete produktet fra konferansen er dermed V10 BV-NAND. zHBM er fortsatt en teknologisk visjon, mens HBF representerer et forsøk på å bygge et bredere økosystem rundt AI-minne. Samlet peker kunngjøringene mot en AI-infrastruktur der både avstanden til beregningsbrikken og plasseringen i minnehierarkiet blir avgjørende.

Ved å korte ned avstanden dataene må bevege seg mellom minnet og prosessoren, kan arkitekturen i prinsippet gi høyere båndbredde og lavere energibruk . Samsung oppga følgende mål for et fremtidig grensesnitt basert på zHBM:

• Ytelse: Opptil åtte ganger ytelsen til HBM5 . Enkelte omtaler viser også til fire ganger høyere dataoverføringshastighet enn HBM4, ved en fjerdedel av strømforbruket .
• Tetthet: Over ti ganger høyere minnetetthet enn konvensjonell HBM ved bruk av neste generasjons wafer bonding – en metode for å koble sammen ferdig produserte silisiumskiver .
• Energieffektivitet: Omtrent tre ganger bedre energieffektivitet, tilsvarende rundt 66 prosent lavere energibruk enn HBM5 .
• Status: zHBM er foreløpig en konseptmodell, ikke et produkt i serieproduksjon .

Samsung viste også frem zNAND-O, en separat konseptarkitektur utviklet med tanke på AI-inferens på kanten – altså AI-beregninger nærmere brukeren eller datakilden .

Det er derfor viktig å skille mellom visjonen og det som faktisk kan kjøpes i dag: zHBM-tallene er Samsungs anslag for en fremtidig løsning, ikke dokumenterte resultater fra et ferdig kommersielt produkt.

V10 BV-NAND passerer 400 lag – og er allerede i produksjon

Den mer konkrete produktnyheten fra Samsung var V10 BV-NAND, eller Bonding V-NAND. Teknologien skiller minnecellene fra den perifere logikken før silisiumskivene bindes sammen med wafer bonding .

Samsung oppgir at V10 BV-NAND har:

• mer enn 400 aktive lag, det høyeste antallet selskapet hittil har offentliggjort for V-NAND
• rundt 58 prosent høyere minnetetthet enn forrige generasjon, V9
• omtrent tre ganger bedre energieffektivitet og lavere termisk motstand, ifølge selskapet
• forbedringer i lese-, skrive- og I/O-ytelse

I motsetning til zHBM er V10 BV-NAND oppgitt å være i masseproduksjon. Det gjør den til den første kommersielt produserte NAND-løsningen som passerer 400-lagsgrensen, ifølge kildene .

SK hynix og SanDisk lanserer åpen HBF-standard

SK hynix og SanDisk presenterte samtidig den første åpne tekniske spesifikasjonen for High Bandwidth Flash (HBF) gjennom Open Compute Project (OCP) .

HBF er ment å fylle gapet mellom svært raskt HBM-minne og tradisjonelle NVMe-SSD-er. Tanken er å tilby mer kapasitet enn HBM, men med langt høyere tilgjengelig båndbredde enn vanlig flashlagring – særlig for AI-inferens, der modeller må hente store mengder data raskt .

Den første spesifikasjonen legger opp til:

• kapasitet på opptil 512 GB
• NAND-stakker med åtte eller 16 lagrede brikker i høyden
• opptil 3,0 TB/s båndbredde via UCIe-grensesnittet

Google DeepMind og Tenstorrent har sluttet seg til HBF-alliansen . At spesifikasjonen publiseres gjennom OCP, er også viktig: Målet er en åpen standard som kan tas i bruk av flere leverandører, i stedet for en proprietær løsning kontrollert av én aktør.

Hvorfor HBM alene ikke lenger er nok

Et gjennomgående budskap fra foredrag og paneler på FMS 2026 var at HBM alene ikke kan dekke AI-systemenes voksende behov. HBM er svært raskt, men har begrenset kapasitet og er kostbart å bygge ut.

Bransjen ser derfor mot en hierarkisk minnearkitektur, der ulike typer minne og lagring får ulike roller:

1. HBM for de mest tidskritiske dataene nær AI-akseleratoren.
2. HBF-lignende flash for større datamengder som fortsatt må være raskt tilgjengelige.
3. CXL-tilkoblet minne for fleksibel utvidelse og deling mellom prosessorer og akseleratorer.
4. NVMe-lagring for større, men tregere datamengder.

Flere presentasjoner argumenterte for at denne kombinasjonen vil bli sentral i fremtidig AI-infrastruktur . Marvell knyttet blant annet behovet til såkalt agentisk AI-inferens, der AI-systemer utfører flere trinn og derfor må håndtere større og mer dynamiske datasett enn tradisjonelle modeller .

To påstander som ikke kunne bekreftes

Det finnes også to oppsiktsvekkende påstander i den opprinnelige omtalen som ikke ble bekreftet i de tilgjengelige, publiserte kildene fra FMS 2026.

Den første er at Nvidia skal ha spådd at antallet AI-agenter etter hvert vil overstige verdens befolkning, og at minnepriser vil gå fra kostnad per gigabyte til kostnad per I/O-operasjon. Den andre er at Samsung, SK hynix og Micron skal ha solgt ut hele DRAM- og HBM-produksjonen for 2027, med kunder som bare får levert 60–70 prosent av det de har bestilt.

Begge påstandene kan ha blitt fremført i et foredrag eller en panelsamtale som ikke er gjengitt i de indekserte kildene, men de bør foreløpig behandles som ubekreftede.

Konklusjonen: AI-minnet blir tredimensjonalt og lagdelt

FMS 2026 handlet ikke bare om enda raskere HBM. De viktigste signalene var bredere:

• Samsung utforsker å plassere HBM direkte over AI-akseleratoren med zHBM.
• V10 BV-NAND viser at wafer bonding og mer enn 400 NAND-lag allerede er på vei inn i masseproduksjon.
• HBF forsøker å etablere flash som et nytt, standardisert minnenivå mellom HBM og SSD.
• Bransjen ser ut til å samle seg om at fremtidens AI-systemer trenger en hel minnestack – ikke én enkelt minneteknologi.

Det mest konkrete produktet fra konferansen er dermed V10 BV-NAND. zHBM er fortsatt en teknologisk visjon, mens HBF representerer et forsøk på å bygge et bredere økosystem rundt AI-minne. Samlet peker kunngjøringene mot en AI-infrastruktur der både avstanden til beregningsbrikken og plasseringen i minnehierarkiet blir avgjørende.