Prestanda: upp till 28 400 MB/s

De högsta siffrorna gäller modellen på 16 TB. Enligt Samsungs produktinformation når PM1763 upp till 28 400 MB/s i sekventiell läsning och 21 000 MB/s i sekventiell skrivning . Flera rapporter anger däremot en maximal skrivhastighet på 21 900 MB/s för 16 TB-modellen . Skillnaden beror på att Samsungs officiella produktsida och pressrapporteringen inte anger samma siffra.

Det innebär i båda fallen ungefär dubbelt så hög prestanda som hos PCIe 5.0-baserade PM1753 . Samsung uppger också att en språkmodell på 40 GB – ungefär samma storleksklass som en 4-bitars kvantiserad Llama 3 70B-modell – kan flyttas på cirka 1,4 sekunder .

PCIe 6.0 använder PAM4-signalering och fördubblar den teoretiska dataöverföringsbandbredden jämfört med PCIe 5.0. För AI-servrar betyder det att lagringen lättare kan hålla jämna steg med de allt snabbare GPU:erna och CPU:erna .

Kapacitet och format

PM1763 lanseras inledningsvis i tre kapaciteter:

• 4 TB
• 8 TB
• 16 TB

Samsungs produktsida listar samtidigt stöd för kapaciteter på upp till 64 TB. SSD:n kan byggas in i formaten E1.S, E3.S och U.2, vilket ger datacenteroperatörer flera alternativ beroende på serverdesign och lagringsdensitet .

Tekniskt bygger enheten på Samsungs nionde generation av V-NAND och en ny styrenhet tillverkad i 4-nanometersteknik .

Vätskekylning direkt på SSD-komponenten

AI-servrar utvecklas i allt högre grad mot vätskekylning eftersom den höga beräkningskapaciteten skapar stora mängder värme. PM1763 är därför utformad för så kallad Direct-to-Chip-kylning (D2C).

I praktiken fästs en kylplatta direkt mot SSD-komponenten. Det gör att värmen kan ledas bort effektivare än med enbart traditionell luftkylning, och ska hjälpa enheten att behålla hög prestanda under långvarig AI-träning och inferens .

Energieffektivitet blir allt viktigare

För datacenter är energiförbrukningen inte bara en teknisk fråga. El till servrar och kylsystem är en betydande del av driftkostnaden. Samsung uppger att PM1763 har 1,8 gånger bättre energieffektivitet än PM1753 .

Det kan bidra till lägre energianvändning per överförd datamängd, särskilt i AI-miljöer där lagringen belastas intensivt både under träning och när modeller används i produktion.

Säkerhet för AI- och virtualiserade miljöer

PM1763 stöder flera säkerhetsfunktioner som är avsedda för moderna AI-datacenter och virtualiserade system:

• PQC, postkvantkryptografi: krypteringsalgoritmer som är utformade för att stå emot framtida attacker med kvantdatorer .
• TDISP, TEE Device Interface Security Protocol: skyddar dataförbindelsen mellan enheter och värdsystem i virtualiserade och konfidentiella beräkningsmiljöer .
• SPDM 1.4 och CNSA 2.0: ytterligare säkerhetsprotokoll och kryptografiska standarder som stöds av enheten .

Förenklat handlar det om att skydda data både under lagring och när den skickas mellan lagring, värdsystem och beräkningskomponenter.

Godkänd för Vera Rubin och på väg in i leveranskedjan

PM1763 har kvalificerats för Nvidias Vera Rubin-plattform och gick in i massproduktion den 7–8 juli 2026 . Branschuppgifter pekar på att Samsung och Micron i nuläget massproducerar och levererar eSSD-enheter för Vera Rubin, medan SK Hynix fortfarande befinner sig i förberedelsestadiet för denna typ av lagring .

Det är en annan leverantörsbild än för HBM4-minnet. Den 5 juni 2026 bekräftade Nvidias vd Jensen Huang att Samsung, SK Hynix och Micron alla har certifierats som leverantörer av HBM4 till Vera Rubin .

Samsungs bredare AI-strategi

Lanseringen visar hur Samsung försöker sälja en mer komplett uppsättning komponenter till AI-plattformar. Utöver PM1763 har företaget lyft fram HBM4 och de strömsnåla SOCAMM2-modulerna som delar av en så kallad total minneslösning för Nvidia .

Samtidigt väntas AI-inferens – alltså när färdigtränade modeller används för att svara på frågor eller utföra uppgifter – öka behovet av snabb NAND-baserad lagring. När modeller och datamängder flyttas oftare mellan lagring och acceleratorer blir SSD:ns genomströmning en viktigare del av hela systemets prestanda .

Om uppgiften om 800 biljoner won

Ett påstående om att Samsung-koncernen planerar investeringar på 800 biljoner won i sydkoreanska chipfabriker förekommer i den ursprungliga frågeställningen, men stöds inte av de källor som ligger till grund för denna artikel. Beloppet går därför inte att verifiera här.

Prestanda: upp till 28 400 MB/s

De högsta siffrorna gäller modellen på 16 TB. Enligt Samsungs produktinformation når PM1763 upp till 28 400 MB/s i sekventiell läsning och 21 000 MB/s i sekventiell skrivning . Flera rapporter anger däremot en maximal skrivhastighet på 21 900 MB/s för 16 TB-modellen . Skillnaden beror på att Samsungs officiella produktsida och pressrapporteringen inte anger samma siffra.

Det innebär i båda fallen ungefär dubbelt så hög prestanda som hos PCIe 5.0-baserade PM1753 . Samsung uppger också att en språkmodell på 40 GB – ungefär samma storleksklass som en 4-bitars kvantiserad Llama 3 70B-modell – kan flyttas på cirka 1,4 sekunder .

PCIe 6.0 använder PAM4-signalering och fördubblar den teoretiska dataöverföringsbandbredden jämfört med PCIe 5.0. För AI-servrar betyder det att lagringen lättare kan hålla jämna steg med de allt snabbare GPU:erna och CPU:erna .

Kapacitet och format

PM1763 lanseras inledningsvis i tre kapaciteter:

• 4 TB
• 8 TB
• 16 TB

Samsungs produktsida listar samtidigt stöd för kapaciteter på upp till 64 TB. SSD:n kan byggas in i formaten E1.S, E3.S och U.2, vilket ger datacenteroperatörer flera alternativ beroende på serverdesign och lagringsdensitet .

Tekniskt bygger enheten på Samsungs nionde generation av V-NAND och en ny styrenhet tillverkad i 4-nanometersteknik .

Vätskekylning direkt på SSD-komponenten

AI-servrar utvecklas i allt högre grad mot vätskekylning eftersom den höga beräkningskapaciteten skapar stora mängder värme. PM1763 är därför utformad för så kallad Direct-to-Chip-kylning (D2C).

I praktiken fästs en kylplatta direkt mot SSD-komponenten. Det gör att värmen kan ledas bort effektivare än med enbart traditionell luftkylning, och ska hjälpa enheten att behålla hög prestanda under långvarig AI-träning och inferens .

Energieffektivitet blir allt viktigare

För datacenter är energiförbrukningen inte bara en teknisk fråga. El till servrar och kylsystem är en betydande del av driftkostnaden. Samsung uppger att PM1763 har 1,8 gånger bättre energieffektivitet än PM1753 .

Det kan bidra till lägre energianvändning per överförd datamängd, särskilt i AI-miljöer där lagringen belastas intensivt både under träning och när modeller används i produktion.

Säkerhet för AI- och virtualiserade miljöer

PM1763 stöder flera säkerhetsfunktioner som är avsedda för moderna AI-datacenter och virtualiserade system:

• PQC, postkvantkryptografi: krypteringsalgoritmer som är utformade för att stå emot framtida attacker med kvantdatorer .
• TDISP, TEE Device Interface Security Protocol: skyddar dataförbindelsen mellan enheter och värdsystem i virtualiserade och konfidentiella beräkningsmiljöer .
• SPDM 1.4 och CNSA 2.0: ytterligare säkerhetsprotokoll och kryptografiska standarder som stöds av enheten .

Förenklat handlar det om att skydda data både under lagring och när den skickas mellan lagring, värdsystem och beräkningskomponenter.

Godkänd för Vera Rubin och på väg in i leveranskedjan

PM1763 har kvalificerats för Nvidias Vera Rubin-plattform och gick in i massproduktion den 7–8 juli 2026 . Branschuppgifter pekar på att Samsung och Micron i nuläget massproducerar och levererar eSSD-enheter för Vera Rubin, medan SK Hynix fortfarande befinner sig i förberedelsestadiet för denna typ av lagring .

Det är en annan leverantörsbild än för HBM4-minnet. Den 5 juni 2026 bekräftade Nvidias vd Jensen Huang att Samsung, SK Hynix och Micron alla har certifierats som leverantörer av HBM4 till Vera Rubin .

Samsungs bredare AI-strategi

Lanseringen visar hur Samsung försöker sälja en mer komplett uppsättning komponenter till AI-plattformar. Utöver PM1763 har företaget lyft fram HBM4 och de strömsnåla SOCAMM2-modulerna som delar av en så kallad total minneslösning för Nvidia .

Samtidigt väntas AI-inferens – alltså när färdigtränade modeller används för att svara på frågor eller utföra uppgifter – öka behovet av snabb NAND-baserad lagring. När modeller och datamängder flyttas oftare mellan lagring och acceleratorer blir SSD:ns genomströmning en viktigare del av hela systemets prestanda .

Om uppgiften om 800 biljoner won

Ett påstående om att Samsung-koncernen planerar investeringar på 800 biljoner won i sydkoreanska chipfabriker förekommer i den ursprungliga frågeställningen, men stöds inte av de källor som ligger till grund för denna artikel. Beloppet går därför inte att verifiera här.