FMS 2026: ศึกชิปความจำสำหรับยุค AI เมื่อ NAND ก้าวขึ้นมาอุด “กำแพงหน่วยความจำ”

สเปกสำคัญ

• ความหนาแน่นบิต: มากกว่า 37 Gb/mm² เพิ่มขึ้นประมาณ 60% เมื่อเทียบกับเทคโนโลยีรุ่นที่ 8
• จำนวนชั้น: 332 ชั้นที่ใช้งานจริง
• อินเทอร์เฟซ: ความเร็ว 4.8 Gb/s ผ่านมาตรฐาน Toggle DDR6.0
• เทคโนโลยีหลัก: CMOS Directly Bonded to Array (CBA) ซึ่งผลิตวงจร CMOS และอาร์เรย์หน่วยความจำบนเวเฟอร์แยกกัน ก่อนนำมาเชื่อมเข้าด้วยกัน วิธีนี้ช่วยเพิ่มประสิทธิภาพด้านพลังงานและเปิดทางให้เพิ่มความหนาแน่นของข้อมูลได้มากขึ้น

บริษัททั้งสองสาธิตเทคโนโลยีดังกล่าวต่อสาธารณะในงาน FMS 2026 โดยก่อนหน้านี้ในเดือนกรกฎาคม 2026 Kioxia และ Sandisk ได้เริ่มส่งตัวอย่าง BiCS10 NAND แบบ TLC ความจุ 1 Tb ให้พันธมิตรทดสอบแล้ว รุ่น TLC ดังกล่าวมีความหนาแน่นมากกว่า 29 Gb/mm²

ความแตกต่างคือ QLC สามารถจัดเก็บข้อมูลได้ 4 บิตต่อเซลล์ จึงมุ่งเน้นการเพิ่มความจุต่อพื้นที่ ขณะที่ TLC จัดเก็บ 3 บิตต่อเซลล์ การสาธิต QLC ในงานครั้งนี้จึงเป็นอีกขั้นของการขยับขีดจำกัดด้านความหนาแน่นของ NAND สำหรับศูนย์ข้อมูล

HBF: ชั้นหน่วยความจำใหม่ระหว่าง HBM กับ SSD

อีกหนึ่งประกาศสำคัญคือ Sandisk และ SK hynix เปิดตัว High Bandwidth Flash (HBF) สเปกทางเทคนิคมาตรฐานแบบเปิดครั้งแรกผ่าน Open Compute Project (OCP)

OCP เป็นโครงการความร่วมมือในอุตสาหกรรมที่เผยแพร่แนวทางการออกแบบฮาร์ดแวร์และโครงสร้างพื้นฐานแบบเปิด เพื่อให้องค์กรต่าง ๆ สามารถนำไปพัฒนาระบบของตนเองได้ สเปก HBF จึงไม่ได้ผูกอยู่กับผลิตภัณฑ์ของผู้ผลิตรายใดรายหนึ่งโดยเฉพาะ

HBF ถูกวางตำแหน่งให้เป็นหน่วยความจำอีกระดับระหว่าง HBM (High Bandwidth Memory) ซึ่งมีความเร็วสูงแต่มีต้นทุนและความจุจำกัด กับ SSD แบบทั่วไปที่มีความจุมากกว่าแต่มีความเร็วในการเข้าถึงต่ำกว่า โดยมุ่งเป้าไปที่งาน AI inference หรือการนำโมเดล AI ที่ฝึกเสร็จแล้วมาใช้งานจริง

สเปก HBF ที่ประกาศ

• ความจุต่อสแต็ก: สูงสุด 512 GB ด้วยการจัดเรียง NAND แบบ 8-high และ 16-high
• แบนด์วิดท์เป้าหมาย: สูงสุด 3.0 TB/s หรือ 1.6 TB/s ต่อทิศทาง โดยแบ่งเป็น 3 ระดับประสิทธิภาพ ตั้งแต่ประมาณ 0.4 TB/s ถึง 3.0 TB/s
• มาตรฐานการเชื่อมต่อ: UCIe หรือ Universal Chiplet Interconnect Express
• ผู้ร่วมพัฒนา: Google โดยทีม DeepMind และ Tenstorrent เข้าร่วมเวิร์กสตรีม HBF ระหว่างกระบวนการจัดทำมาตรฐาน

ทำไม HBF จึงสำคัญต่อระบบ AI

โมเดล AI ขนาดใหญ่ต้องใช้หน่วยความจำจำนวนมากในการเก็บพารามิเตอร์และนำข้อมูลมาใช้งาน หากมีเพียง HBM ที่ติดตั้งอยู่ใกล้ตัวประมวลผล ความจุอาจไม่เพียงพอ ขณะที่การดึงข้อมูลจาก SSD ทั่วไปอาจทำให้เกิดคอขวดด้านความหน่วงและแบนด์วิดท์

HBF จึงพยายามเติมช่องว่างดังกล่าวด้วยหน่วยความจำที่มีความจุมากกว่า HBM แต่ยังวางไว้ใกล้กับตัวเร่งความเร็ว AI มากกว่า SSD ในระบบจัดเก็บข้อมูลทั่วไป

Sandisk ระบุว่า HBF อาจให้ความจุมากกว่า HBM ประมาณ 8–16 เท่าในต้นทุนใกล้เคียงกัน ขณะที่การจำลองประสิทธิภาพบนโมเดล Llama 3.1 ที่มีพารามิเตอร์ 405,000 ล้านตัว ให้ผลต่างจากระบบ HBM ที่มีความจุไม่จำกัดในทางทฤษฎีเพียง 2.2% ตัวเลขดังกล่าวเป็นผลจากการจำลองของบริษัท ไม่ใช่ผลการทดสอบผลิตภัณฑ์เชิงพาณิชย์ที่วางจำหน่ายแล้ว

กำหนดการวางตลาด

สเปกมาตรฐานแบบเปิดเผยแพร่แล้วในปัจจุบัน ส่วนตัวอย่างหน่วยความจำ HBF คาดว่าจะเริ่มมีในช่วงปลายปี 2026 และอุปกรณ์เชิงพาณิชย์คาดว่าจะตามมาในช่วงต้นปี 2027

เซสชันเด่นของ FMS 2026

นอกจากการเปิดตัวเทคโนโลยีแล้ว งาน FMS 2026 ยังมีเวทีบรรยายและเสวนาที่เน้นบทบาทของ NAND และหน่วยความจำแบบแบ่งระดับในระบบ AI

Sandisk keynote: NAND กับรากฐานของยุค AI

Sandisk มีกำหนดบรรยายหัวข้อ “NAND: The Versatile & Scalable Foundation of the AI Era” ในวันพุธที่ 5 สิงหาคม 2026 เวลา 11.40 น. ตามเวลาแปซิฟิก ที่ห้อง Mission City Ballroom ศูนย์ประชุม Santa Clara Convention Center

การบรรยายโดย Jim Elliott ประธานเจ้าหน้าที่ฝ่ายรายได้, Khurram Ismail ประธานเจ้าหน้าที่ฝ่ายผลิตภัณฑ์ และ Alper Ilkbahar ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Sandisk มุ่งพูดถึงการปรับระบบแบบครบทั้งสแต็ก และบทบาทของ NAND ในการรองรับ AI inference ขนาดใหญ่

SK hynix keynote: หน่วยความจำแบบแบ่งระดับ

ในวันเปิดงาน 4 สิงหาคม Kim Chun-sung รองประธานบริหาร และ Kang Uk-song รองประธานของ SK hynix นำเสนอหัวข้อ “Orchestrating Efficient AI Infrastructure through Tiered Memory in the Era of Agentic AI” โดยเน้นแนวคิดการจัดวางหน่วยความจำหลายระดับเพื่อเพิ่มประสิทธิภาพโครงสร้างพื้นฐาน AI

เสวนาร่วม: “Breaking the Memory Wall with High Bandwidth Flash”

ในวันที่ 6 สิงหาคม เวลา 09.45 น. ตามเวลาแปซิฟิก มีการเสวนาหัวข้อ “Breaking the Memory Wall with High Bandwidth Flash” โดย Rajeev Nagabhirava จาก Sandisk, Lim Eui-cheol จาก SK hynix และ Xiaoyu Ma วิศวกรอาวุโสจาก Google DeepMind ร่วมพูดคุยถึงแนวทางที่ HBF จะช่วยลดช่องว่างระหว่างกำลังประมวลผลกับหน่วยความจำสำหรับงาน AI inference

อย่างไรก็ตาม รายละเอียดคำอธิบายเต็มของเซสชันควรตรวจสอบกับกำหนดการ FMS 2026 ฉบับถ่ายทอดสดอีกครั้ง แม้ชื่อเสวนา “Breaking the Memory Wall” จะปรากฏสอดคล้องกันในข่าวประชาสัมพันธ์และการรายงานจากหลายแหล่งทางการ

ภาพใหญ่ของอุตสาหกรรมหน่วยความจำ AI

ประกาศจาก FMS 2026 สะท้อนว่าการแข่งขันด้านฮาร์ดแวร์ AI ไม่ได้อยู่ที่จำนวนคอร์ประมวลผลเพียงอย่างเดียว แต่รวมถึงการจัดการข้อมูลตั้งแต่ระดับการจัดเก็บ ไปจนถึงหน่วยความจำที่อยู่ใกล้ตัวเร่งความเร็ว

BiCS10 QLC ช่วยผลักดันความหนาแน่นของ SSD สำหรับดาต้าเลค ข้อมูลฝึกโมเดล และคลังข้อมูลขนาดใหญ่ ขณะที่ HBF พยายามสร้างทางเลือกใหม่สำหรับโมเดลที่ต้องการความจุมากกว่าที่ HBM จะรองรับได้โดยไม่ทำให้ต้นทุนพุ่งสูงเกินไป

การเลือกใช้ OCP เป็นช่องทางเผยแพร่สเปกยังมีนัยสำคัญเชิงกลยุทธ์ เพราะ Google และ Tenstorrent เข้ามาสนับสนุนการพัฒนา ทำให้ HBF มีแนวโน้มถูกผลักดันในฐานะระบบนิเวศแบบเปิด มากกว่าจะกลายเป็นโซลูชันเฉพาะของผู้ผลิตรายใดรายหนึ่ง ทั้งนี้ ความสำเร็จในตลาดยังขึ้นอยู่กับการผลิตจริง การรองรับจากผู้ผลิตตัวเร่งความเร็ว AI และซอฟต์แวร์ที่จะเข้ามาจัดการหน่วยความจำระดับใหม่นี้