Samsung เริ่มผลิต PM1763 eSSD สำหรับ Nvidia Vera Rubin ชูความเร็วอ่าน 28,400 MB/s

Samsung กำลังขยับบทบาทในตลาดโครงสร้างพื้นฐาน AI จากผู้ผลิตหน่วยความจำแบนด์วิดท์สูง (HBM) ไปสู่ระบบจัดเก็บข้อมูลสำหรับดาต้าเซ็นเตอร์มากขึ้น โดยเมื่อวันที่ 8 กรกฎาคม 2026 บริษัทประกาศเริ่มผลิตจำนวนมากของ PM1763 enterprise SSD (eSSD) รุ่นแรกของบริษัทที่ใช้มาตรฐาน PCIe 6.0 และออกแบบมาเพื่อแพลตฟอร์ม AI รุ่นถัดไปของ Nvidia อย่าง Vera Rubin ^SS

Samsung ระบุว่า PM1763 ให้ประสิทธิภาพสูงกว่ารุ่นก่อนหน้า PM1753 ซึ่งใช้ PCIe 5.0 ราว 2 เท่า ^SF

ความเร็วของ PM1763 รุ่น 16TB

รุ่น 16TB เป็นรุ่นเรือธงที่ Samsung ระบุว่ามีประสิทธิภาพระดับชั้นนำของอุตสาหกรรม ^BB

• อ่านข้อมูลต่อเนื่อง: สูงสุด 28,400 MB/s ^CSB
• เขียนข้อมูลต่อเนื่อง: สูงสุด 21,900 MB/s ตามรายงานข่าวหลายสำนัก ขณะที่หน้าผลิตภัณฑ์อย่างเป็นทางการของ Samsung ระบุสูงสุด 21,000 MB/s ^CSB
• เมื่อเทียบกับ PM1753: ประสิทธิภาพเพิ่มขึ้นประมาณ 2 เท่า ^SB
• เวลาถ่ายโอน LLM: โมเดลภาษาขนาดใหญ่ขนาดประมาณ 40GB สามารถถ่ายโอนได้ในราว 1.4 วินาที ^MBY
• อินเทอร์เฟซ: PCIe 6.0 พร้อมการส่งสัญญาณแบบ PAM4 ซึ่งเพิ่มแบนด์วิดท์เป็น 2 เท่าจาก PCIe 5.0 ^CS

ตัวเลข 40GB ดังกล่าวใกล้เคียงกับโมเดล Llama 3 70B ที่ผ่านการควอนไทซ์แบบ 4 บิต จึงสะท้อนให้เห็นว่า SSD รุ่นนี้มุ่งแก้คอขวดในการเคลื่อนย้ายข้อมูลระหว่างสตอเรจ ซีพียู และตัวเร่งความเร็ว AI มากกว่าการเป็น SSD สำหรับพีซีทั่วไป ^B

ความจุและรูปแบบติดตั้ง

PM1763 เปิดตัวในความจุ 4TB, 8TB และ 16TB ^SMB ขณะที่ข้อมูลบนเว็บไซต์ Samsung Semiconductor ระบุว่าผลิตภัณฑ์รองรับความจุได้ตั้งแต่ 4TB จนถึง 64TB และมีรูปแบบติดตั้งสำหรับเซิร์ฟเวอร์ ได้แก่ E1.S, E3.S และ U.2 ^CSF

ภายในใช้ V-NAND รุ่นที่ 9 และคอนโทรลเลอร์ที่พัฒนาด้วยกระบวนการผลิต 4 นาโนเมตร เพื่อเพิ่มทั้งประสิทธิภาพและการจัดการพลังงาน ^BC

ออกแบบมาสำหรับเซิร์ฟเวอร์ระบายความร้อนด้วยของเหลว

เซิร์ฟเวอร์ AI รุ่นใหม่ต้องรับมือกับความร้อนจากการประมวลผลที่หนาแน่นขึ้น PM1763 จึงรองรับสถาปัตยกรรมเซิร์ฟเวอร์ที่ใช้การระบายความร้อนด้วยของเหลว โดยใช้ระบบ Direct-to-Chip (D2C) ^MS

หลักการคือการติดตั้งแผ่นนำความเย็นหรือ cold plate เข้ากับตัวชิป SSD โดยตรง ช่วยควบคุมอุณหภูมิระหว่างการทำงานที่มีโหลดสูง และรักษาประสิทธิภาพสูงสุดได้นานขึ้นทั้งในงานฝึกสอนโมเดลและงานอนุมาน AI ^FMBS

ประสิทธิภาพพลังงานดีขึ้น 1.8 เท่า

การใช้พลังงานเป็นต้นทุนสำคัญของดาต้าเซ็นเตอร์ AI ทั้งในส่วนเซิร์ฟเวอร์และระบบทำความเย็น Samsung ระบุว่า PM1763 มีประสิทธิภาพพลังงานดีขึ้น 1.8 เท่า เมื่อเทียบกับ PM1753 ^MBI

การปรับปรุงดังกล่าวอาจช่วยลดภาระค่าไฟและการระบายความร้อนในศูนย์ข้อมูลที่ต้องทำงานต่อเนื่องกับข้อมูลปริมาณมาก แม้ผลประหยัดจริงจะขึ้นอยู่กับการออกแบบระบบและรูปแบบการใช้งานของแต่ละดาต้าเซ็นเตอร์

ความปลอดภัยสำหรับโครงสร้างพื้นฐาน AI

PM1763 รองรับฟีเจอร์ความปลอดภัยที่มุ่งปกป้องข้อมูลในสภาพแวดล้อม AI และระบบเสมือนจริง ได้แก่

• Post-Quantum Cryptography (PQC): อัลกอริทึมการเข้ารหัสที่ออกแบบมาเพื่อรับมือกับความเสี่ยงจากการโจมตีด้วยคอมพิวเตอร์ควอนตัมในอนาคต ^MSL
• TEE Device Interface Security Protocol (TDISP): ช่วยรักษาความปลอดภัยของช่องทางเชื่อมต่อระหว่างอุปกรณ์กับโฮสต์ในสภาพแวดล้อม Trusted Execution Environment และระบบเสมือนจริง ^SLL
• SPDM 1.4 และ CNSA 2.0: รองรับมาตรฐานและชุดอัลกอริทึมด้านความปลอดภัยเพิ่มเติมสำหรับโครงสร้างพื้นฐานองค์กร ^SL

ผ่านการรับรองสำหรับ Vera Rubin และเริ่มผลิตแล้ว

ข้อมูลจาก Samsung และรายงานอุตสาหกรรมระบุว่า PM1763 ผ่านการตรวจสอบคุณสมบัติของ Nvidia สำหรับแพลตฟอร์ม Vera Rubin และเข้าสู่การผลิตจำนวนมากในช่วงวันที่ 7–8 กรกฎาคม 2026 ^SS

รายงานอุตสาหกรรมยังระบุว่า Samsung และ Micron เป็นสองบริษัทที่กำลังผลิต eSSD สำหรับ Vera Rubin ในขณะที่ SK Hynix ยังอยู่ระหว่างการเตรียมความพร้อมและยังไม่ได้เริ่มจัดส่ง eSSD ให้แพลตฟอร์มนี้ ^TX

สถานะดังกล่าวทำให้ PM1763 เป็นส่วนหนึ่งของกลยุทธ์ “โซลูชันหน่วยความจำครบวงจร” ของ Samsung สำหรับระบบ AI ของ Nvidia ซึ่งครอบคลุมทั้ง HBM4, โมดูล SOCAMM2 และสตอเรจความเร็วสูง ไม่ได้จำกัดอยู่เฉพาะตลาด HBM อีกต่อไป ^KN

HBM4 และแนวโน้มความต้องการ NAND ในยุค AI inference

เมื่อวันที่ 5 มิถุนายน 2026 Jensen Huang ซีอีโอของ Nvidia ยืนยันว่า Samsung, SK Hynix และ Micron ผ่านการรับรองให้เป็นผู้จัดหา HBM4 สำหรับแพลตฟอร์ม Vera Rubin ^BBT การมีผู้ผลิตรายใหญ่ครบทั้งสามรายช่วยทำให้ห่วงโซ่อุปทาน HBM4 มีฐานผู้จัดหาที่หลากหลายขึ้น แม้ Nvidia จะไม่ได้เปิดเผยสัดส่วนการจัดสรรให้แต่ละบริษัทอย่างเป็นทางการ

ขณะเดียวกัน อุตสาหกรรม AI กำลังให้ความสำคัญกับงาน inference หรือการนำโมเดลที่ฝึกแล้วไปใช้งานจริงมากขึ้น งานลักษณะนี้ต้องอ่านและเคลื่อนย้ายข้อมูลโมเดลอย่างต่อเนื่อง จึงมีแนวโน้มเพิ่มความต้องการ NAND flash และ eSSD ที่มีความเร็วสูง ^SSF

ในมุมนี้ PM1763 ไม่ได้เป็นเพียงการเพิ่มความเร็วของอุปกรณ์จัดเก็บข้อมูล แต่เป็นชิ้นส่วนสำหรับลดคอขวดของระบบ AI ตั้งแต่การฝึกโมเดลไปจนถึงการให้บริการโมเดลในดาต้าเซ็นเตอร์