FMS 2026: Samsung ดัน zHBM ซ้อนหน่วยความจำบนชิป AI พร้อม NAND กว่า 400 ชั้น

การนำหน่วยความจำมาไว้ใกล้ตัวประมวลผลมากขึ้นช่วยลดระยะทางที่ข้อมูลต้องเดินทาง จึงมีเป้าหมายเพื่อเพิ่มแบนด์วิดท์ ลดการใช้พลังงาน และรับมือกับปริมาณข้อมูลที่เพิ่มขึ้นในระบบ AI

Samsung ระบุว่าอินเทอร์เฟซรุ่นต่อไปที่ใช้ zHBM อาจให้ผลลัพธ์ดังนี้

• ประสิทธิภาพสูงสุดราว 8 เท่าเมื่อเทียบกับ HBM5
• ความหนาแน่นหน่วยความจำมากกว่า 10 เท่า เมื่อใช้เทคโนโลยี wafer bonding รุ่นถัดไป
• ประสิทธิภาพด้านพลังงานดีขึ้นประมาณ 3 เท่า หรือใช้พลังงานน้อยลงราว 66% เมื่อเทียบกับ HBM5

อย่างไรก็ตาม ตัวเลขเหล่านี้เป็นการคาดการณ์ของ Samsung สำหรับสถาปัตยกรรมในอนาคต ไม่ใช่ผลทดสอบของผลิตภัณฑ์ที่วางจำหน่ายแล้ว โดย zHBM ยังอยู่ในสถานะแนวคิดและโมเดลสาธิต ไม่ใช่ชิปที่เข้าสู่การผลิตจำนวนมาก

Samsung ยังนำเสนอ zNAND-O ซึ่งเป็นสถาปัตยกรรมแนวคิดอีกแบบที่ออกแบบมาเพื่อรองรับงานอนุมาน AI บนอุปกรณ์ปลายทาง หรือ edge AI

V10 BV-NAND: NAND แบบ wafer bonding ทะลุ 400 ชั้น

เทคโนโลยีที่เป็นผลิตภัณฑ์จริงมากกว่าคือ V10 BV-NAND (Bonding V-NAND) ของ Samsung โดยใช้วิธีแยกส่วนอาร์เรย์เซลล์หน่วยความจำออกจากวงจรลอจิกส่วนประกอบ แล้วนำเวเฟอร์มาประกบเข้าด้วยกันด้วยเทคโนโลยี wafer bonding

จุดเด่นของ V10 BV-NAND ได้แก่

• มี active layer มากกว่า 400 ชั้น ซึ่งเป็นจำนวนชั้นสูงสุดที่ Samsung เปิดเผยสำหรับตระกูล V-NAND
• มีความหนาแน่นหน่วยความจำเพิ่มขึ้นประมาณ 58% เมื่อเทียบกับ V9
• Samsung ระบุว่าวิธี wafer bonding ช่วยเพิ่มประสิทธิภาพด้านพลังงานประมาณ 3 เท่า และลดความต้านทานความร้อน
• เข้าสู่การผลิตจำนวนมากแล้ว ทำให้ V10 BV-NAND เป็น NAND รุ่นแรกที่ก้าวข้ามระดับ 400 ชั้นในเชิงพาณิชย์ ตามข้อมูลที่มีการรายงาน

ความสำคัญของ V10 BV-NAND คือมันแสดงให้เห็นว่าแนวคิดการจัดวางหน่วยความจำแบบ 3 มิติไม่ได้อยู่เฉพาะในงานวิจัยหรือผลิตภัณฑ์ต้นแบบอีกต่อไป แต่กำลังถูกนำมาใช้เพื่อเพิ่มความจุและประสิทธิภาพของสตอเรจสำหรับศูนย์ข้อมูล

SK hynix และ SanDisk ผลักดันมาตรฐาน HBF แบบเปิด

อีกหนึ่งประกาศสำคัญคือ High Bandwidth Flash (HBF) จาก SK hynix และ SanDisk ซึ่งเปิดเผยสเปกทางเทคนิคชุดแรกผ่าน Open Compute Project (OCP) องค์กรที่ผลักดันมาตรฐานฮาร์ดแวร์แบบเปิดสำหรับโครงสร้างพื้นฐานคอมพิวเตอร์

สเปกเริ่มต้นของ HBF รองรับ

• ความจุสูงสุด 512GB
• การจัดเรียง NAND แบบ 8-high และ 16-high
• แบนด์วิดท์สูงสุดประมาณ 3.0TB/s
• การเชื่อมต่อผ่านมาตรฐาน UCIe ซึ่งช่วยให้สามารถเชื่อมต่อกับโปรเซสเซอร์และตัวเร่งความเร็วหลายรูปแบบได้

แนวคิดของ HBF คือการสร้างชั้นหน่วยความจำที่อยู่ ระหว่าง HBM กับ NVMe SSD โดยใช้จุดแข็งของแฟลช NAND ที่มีความจุสูงกว่า HBM แต่เข้าถึงข้อมูลได้เร็วกว่า SSD ทั่วไป เป้าหมายสำคัญคือช่วยลดคอขวดด้านหน่วยความจำในงานอนุมาน AI

การมี Google DeepMind และ Tenstorrent เข้าร่วมกลุ่มพันธมิตร HBF ยังสะท้อนว่าแนวคิดนี้ไม่ได้ขับเคลื่อนโดยผู้ผลิตหน่วยความจำเพียงฝ่ายเดียว แต่มีทั้งผู้พัฒนาโมเดลและผู้ออกแบบชิป AI เข้ามามีส่วนร่วมด้วย

ข้อสรุปจากงาน: HBM อย่างเดียวอาจไม่เพียงพอ

สาระสำคัญที่ปรากฏร่วมกันในงานสัมมนาและการนำเสนอหลายรายการคือ HBM เพียงอย่างเดียวไม่สามารถรองรับความต้องการของ AI ที่ขยายตัวอย่างรวดเร็วได้ทั้งหมด

โครงสร้างพื้นฐาน AI ในอนาคตจึงมีแนวโน้มใช้หน่วยความจำแบบหลายระดับ หรือ hierarchical memory โดยแบ่งงานตามความเร็ว ความจุ ต้นทุน และการใช้พลังงาน เช่น

• HBM สำหรับข้อมูลที่ต้องเข้าถึงเร็วมากใกล้ตัวเร่ง AI
• HBF สำหรับชั้นความจุสูงที่ยังต้องการแบนด์วิดท์มาก
• CXL-attached memory สำหรับขยายและแบ่งปันหน่วยความจำระหว่างอุปกรณ์
• NVMe SSD สำหรับข้อมูลปริมาณมากและการจัดเก็บระยะยาว

การนำเสนอของ Marvell ก็ให้ความสำคัญกับโครงสร้างพื้นฐานสำหรับ agentic AI inference ซึ่งต้องใช้พอร์ตโฟลิโอหน่วยความจำและสตอเรจที่หลากหลาย ไม่ใช่พึ่งพา HBM เพียงประเภทเดียว

สองประเด็นที่ยังยืนยันไม่ได้

มีการกล่าวอ้างอีกสองประเด็นในคำถามต้นทางที่ยังไม่พบหลักฐานยืนยันจากรายงานหรือเอกสารเผยแพร่ของ FMS 2026 ที่มีอยู่ในขณะนี้ ได้แก่

1. Nvidia คาดการณ์ว่าจำนวน AI agent จะมากกว่าจำนวนประชากรโลก และรูปแบบการคิดราคาหน่วยความจำจะเปลี่ยนจากต้นทุนต่อกิกะไบต์เป็นต้นทุนต่อการทำ I/O
2. Samsung, SK hynix และ Micron ขายกำลังการผลิต DRAM และ HBM ปี 2027 หมดแล้ว โดยลูกค้าได้รับสินค้าเพียง 60–70% ของปริมาณที่ร้องขอ

ทั้งสองเรื่องอาจมาจากการบรรยายหรือวงเสวนาที่เอกสารยังไม่ถูกจัดทำดัชนีหรือเผยแพร่ต่อสาธารณะ แต่จากแหล่งข้อมูลที่ตรวจสอบได้ในขณะนี้ ยังไม่ควรนำเสนอเป็นข้อเท็จจริงที่ยืนยันแล้ว

สรุป: การแข่งขันกำลังเปลี่ยนจาก “ชิปเร็วที่สุด” เป็น “ระบบหน่วยความจำครบชั้น”

FMS 2026 แสดงให้เห็นทิศทางของอุตสาหกรรมอย่างชัดเจน Samsung กำลังทดลองนำ HBM เข้าใกล้ตัวประมวลผลมากขึ้นด้วย zHBM ขณะที่ V10 BV-NAND แสดงให้เห็นการผลักดัน NAND แบบ 3 มิติไปสู่การผลิตจริง ส่วน SK hynix และ SanDisk กำลังสร้างชั้น HBF แบบเปิดเพื่อเติมช่องว่างระหว่าง HBM กับ SSD

ภาพรวมจึงไม่ได้ชี้ว่าเทคโนโลยีใดจะเข้ามาแทนที่ทุกอย่างในทันที แต่ชี้ไปสู่ระบบ AI ที่ใช้หน่วยความจำหลายประเภททำงานร่วมกัน โดยเลือกใช้แต่ละระดับให้เหมาะกับความเร็ว ความจุ และต้นทุนของงานนั้นๆ