FMS 2026: zHBM, 400-lagers NAND och nästa minneslager för AI

Samsung uppger att ett framtida gränssnitt baserat på zHBM kan ge:

• upp till åtta gånger högre prestanda än HBM5
• mer än tio gånger högre minnestäthet än konventionell HBM med nästa generations wafer bonding
• omkring tre gånger bättre energieffektivitet, vilket motsvarar ungefär 66 procent lägre energianvändning jämfört med HBM5

Andra rapporter beskriver dessutom upp till fyra gånger högre dataöverföringshastighet än HBM4 vid en fjärdedel av energiförbrukningen . Det är dock viktigt att skilja på Samsungs framtidsprognoser och en färdig produkt: zHBM är fortfarande en konceptmodell och har inte gått i produktion .

Samsung visade även upp zNAND-O, en separat konceptarkitektur som är tänkt för AI-inferens i kantenätverk, alltså beräkningar nära den plats där data samlas in .

V10 BV-NAND passerar 400 lager – och tillverkas redan

Den mer konkreta nyheten var V10 BV-NAND, Samsungs Bonding V-NAND. Tekniken separerar minnesmatrisen från den kringliggande logiken och sammanfogar därefter kiselskivorna med wafer bonding .

V10 BV-NAND har:

• mer än 400 aktiva lager, det högsta antal Samsung hittills har offentliggjort för sin V-NAND-serie
• omkring 58 procent högre minnestäthet än föregångaren V9
• förbättrad läs-, skriv- och I/O-prestanda, samtidigt som den nya strukturen enligt Samsung ungefär tredubblar energieffektiviteten och minskar det termiska motståndet

Till skillnad från zHBM är V10 BV-NAND inte bara en demonstration. Tekniken är redan i massproduktion, vilket gör den till den första kommersiella NAND-tekniken som passerar 400-lagersgränsen .

SK hynix och SanDisk öppnar dörren för High Bandwidth Flash

SK hynix och SanDisk publicerade vid FMS 2026 den första öppna tekniska specifikationen för High Bandwidth Flash, HBF, genom Open Compute Project (OCP) . OCP är ett branschinitiativ som utvecklar öppna specifikationer för datacenter och annan infrastruktur.

Den första HBF-specifikationen omfattar:

• kapacitet på upp till 512 GB med NAND-staplar i åtta eller 16 lager
• bandbredd på upp till 3,0 TB/s via ett gränssnitt baserat på UCIe
• flera prestandanivåer, från cirka 0,4 TB/s till 3,0 TB/s

Google DeepMind och Tenstorrent har anslutit sig till HBF-alliansen . Tanken är att HBF ska fungera som ett kapacitetsinriktat lager mellan det mycket snabba HBM-minnet och traditionella NVMe-baserade SSD-enheter. På så sätt kan AI-system få tillgång till mer data utan att allt måste rymmas i dyrt och begränsat DRAM .

HBM räcker inte längre ensamt

Den tydligaste gemensamma slutsatsen från föredrag och paneler var att HBM på egen hand inte kan möta AI-systemens växande behov. När modellerna blir större och inferens sker i större skala blir det allt viktigare att kombinera flera minnes- och lagringstekniker.

Den arkitektur som branschen i stället beskriver är hierarkisk:

1. HBM för högsta bandbredd nära AI-acceleratorn
2. HBF-liknande flashminne för större kapacitet med hög åtkomsthastighet
3. CXL-anslutet minne för flexibel utökning och delning mellan processorer
4. NVMe-lagring för ännu större datamängder och mer kostnadseffektiv lagring

Marvells presentationer fokuserade exempelvis på infrastruktur för agentbaserad AI-inferens, där en bred portfölj av minne och lagring behövs i stället för en lösning som enbart bygger på HBM . Även Sandisk beskrev NAND som ett skalbart lager för AI-inferens .

Två uppmärksammade påståenden saknar verifiering

Två påståenden från den ursprungliga frågan kunde inte bekräftas i det publicerade materialet från FMS 2026.

Det första gäller uppgiften att Nvidia skulle ha förutspått att AI-agenter så småningom blir fler än världens befolkning och att minnespriser därför går från kostnad per gigabyte till kostnad per I/O-operation. Det andra gäller påståendet att Samsung, SK hynix och Micron skulle ha sålt slut på hela sin DRAM- och HBM-produktion för 2027, samtidigt som kunder bara får 60–70 procent av de volymer de efterfrågat.

Påståendena kan ha framförts under en presentation eller panel som ännu inte återges i de indexerade källorna, men de är inte verifierade här. De bör därför inte behandlas som fastslagna fakta.

Slutsatsen: mer minne, närmare beräkningen och fler nivåer

FMS 2026 gav en tydlig bild av vart AI-infrastrukturen är på väg. Samsung satsar på vertikal integration med zHBM och visar samtidigt att V10 BV-NAND redan kan skalas till mer än 400 lager. SK hynix och SanDisk försöker på sin sida göra flashminne till ett mer standardiserat och högpresterande minneslager genom HBF.

Det mest betydelsefulla är kanske inte en enskild prestandasiffra, utan att branschen tycks överge tanken på att ett enda minne ska lösa allt. Framtidens AI-system väntas i stället bygga på flera lager som tillsammans balanserar hastighet, kapacitet, energiförbrukning och kostnad.