FMS 2026: rekordowa pamięć 3D NAND i nowy standard dla infrastruktury AI

Najważniejsze parametry przedstawionego rozwiązania to:

• gęstość bitowa: ponad 37 Gb/mm², czyli około 60% więcej niż w technologii ósmej generacji ;
• architektura: 332 aktywne warstwy ;
• interfejs: do 4,8 Gb/s za pośrednictwem Toggle DDR6.0 ;
• technologia CBA: CMOS Directly Bonded to Array, w której logika CMOS i macierz pamięci są wytwarzane na osobnych waflach, a następnie precyzyjnie łączone. Takie podejście ma poprawiać efektywność energetyczną i umożliwiać zwiększenie gęstości .

Rozwiązanie zostało formalnie przedstawione podczas demonstracji na konferencji . Wcześniej, w lipcu 2026 roku, Kioxia i Sandisk rozpoczęły dostarczanie partnerom próbek 1-terabitowej pamięci BiCS10 TLC. Ten wariant, zapisujący trzy bity w komórce, osiągał gęstość przekraczającą 29 Gb/mm² . Wersja QLC, wykorzystująca cztery bity na komórkę, stanowi kolejny krok w kierunku zwiększania pojemności.

High Bandwidth Flash: nowa warstwa między HBM a SSD

Drugim kluczowym ogłoszeniem było opublikowanie przez Sandisk i SK hynix pierwszej standardowej specyfikacji technicznej High Bandwidth Flash. Dokument udostępniono w ramach Open Compute Project (OCP) — inicjatywy rozwijającej otwarte rozwiązania dla centrów danych .

HBF ma pełnić funkcję pośredniej warstwy pamięci: szybszej i bliższej akceleratorowi niż konwencjonalny SSD, ale znacznie pojemniejszej i potencjalnie tańszej w skalowaniu niż HBM. Technologia jest kierowana przede wszystkim do zadań wnioskowania AI, w których duże modele wymagają większej ilości pamięci, niż można ekonomicznie zapewnić za pomocą samego HBM .

Specyfikacja obejmuje między innymi:

• do 512 GB pojemności na stos, w konfiguracjach NAND 8-high i 16-high ;
• przepustowość do 3,0 TB/s, w tym do 1,6 TB/s w jednym kierunku ;
• trzy poziomy wydajności, od około 0,4 TB/s do 3,0 TB/s ;
• połączenie z wykorzystaniem standardu UCIe (Universal Chiplet Interconnect Express) .

W prace nad standardem włączyły się Google, w tym Google DeepMind, oraz Tenstorrent . Ich udział zwiększa szanse na powstanie szerszego ekosystemu zamiast kilku niekompatybilnych, zamkniętych rozwiązań.

Co HBF ma zmienić w systemach AI?

Pamięć HBM oferuje bardzo wysoką przepustowość, ale jej pojemność jest ograniczona i kosztowna w rozbudowie. Zwykłe SSD-y zapewniają dużą pojemność, jednak nie są wystarczająco szybkie, aby bezpośrednio zastąpić pamięć umieszczoną przy akceleratorze. HBF ma wypełnić tę lukę między szybkością a pojemnością .

Sandisk twierdzi, że HBF może zaoferować od 8 do 16 razy większą pojemność niż HBM przy podobnym koszcie. W symulacji z użyciem modelu Llama 3.1 o 405 miliardach parametrów wydajność odczytu wstępnie wytrenowanych wag różniła się o mniej niż 2,2% od hipotetycznej konfiguracji HBM o nieograniczonej pojemności . Są to jednak deklaracje i wyniki symulacji producenta, a nie niezależny test gotowego produktu.

Otwarta specyfikacja jest już dostępna. Próbki pamięci HBF mają pojawić się pod koniec 2026 roku, a urządzenia komercyjne są spodziewane na początku 2027 roku .

Najważniejsze sesje FMS 2026

Technologie pamięci były również tematem wystąpień i paneli poświęconych infrastrukturze AI.

Keynote Sandisk

5 sierpnia o godz. 11:40 czasu pacyficznego w sali Mission City Ballroom zaplanowano wystąpienie „NAND: The Versatile & Scalable Foundation of the AI Era”. Jim Elliott, Khurram Ismail i Alper Ilkbahar z Sandisk omawiali rolę pamięci NAND oraz optymalizację całych systemów pod kątem wnioskowania AI na dużą skalę .

Keynote SK hynix

Pierwszego dnia konferencji, 4 sierpnia, Kim Chun-sung i Kang Uk-song z SK hynix przedstawili temat „Orchestrating Efficient AI Infrastructure through Tiered Memory in the Era of Agentic AI”. Sesja dotyczyła hierarchicznego podejścia do pamięci w infrastrukturze dla systemów AI .

Panel „Breaking the Memory Wall with High Bandwidth Flash”

6 sierpnia o godz. 9:45 czasu pacyficznego odbył się panel „Breaking the Memory Wall with High Bandwidth Flash”. Wzięli w nim udział Rajeev Nagabhirava z Sandisk, Lim Eui-cheol z SK hynix oraz Xiaoyu Ma z Google DeepMind. Dyskusja koncentrowała się na problemie tzw. ściany pamięci, czyli rosnącej różnicy między możliwościami obliczeniowymi akceleratorów a dostępną przepustowością i pojemnością pamięci .

Sam tytuł panelu jest potwierdzany przez materiały Sandisk, SK hynix i relacje branżowe. Szczegółowy opis sesji najlepiej weryfikować w oficjalnym programie FMS 2026, ponieważ jego pełne brzmienie nie jest identycznie przytaczane we wszystkich źródłach .

Dlaczego te premiery są istotne?

Oba ogłoszenia odpowiadają na różne, ale powiązane problemy infrastruktury AI. BiCS10 QLC może umożliwić budowę pojemniejszych i bardziej energooszczędnych SSD-ów dla zbiorów danych treningowych, archiwów oraz warstw pamięci masowej w centrach danych. HBF celuje natomiast w obszar, w którym podczas wnioskowania AI sama moc obliczeniowa często nie wystarcza — model musi jeszcze szybko uzyskać dostęp do dużej ilości danych.

Jeśli otwarty standard OCP zostanie szeroko przyjęty, HBF może stać się dodatkową warstwą między HBM a pamięcią masową. Wsparcie Google i Tenstorrent sugeruje, że branża chce rozwijać ten model jako wspólny ekosystem, a nie wyłącznie jako zamkniętą technologię jednego producenta . Na razie kluczowym testem pozostaje jednak dostępność próbek, zgodność z akceleratorami i rzeczywista wydajność gotowych urządzeń w centrach danych.