生成式人工智能产业持续高速扩张,大模型训练、云端推理、终端侧AI运算均对存储芯片的带宽、容量、能耗提出前所未有的严苛标准,高带宽内存与高端闪存成为产业链核心刚需。三星电子在2026未来内存与存储峰会发布多款新一代3D存储技术,核心包含Z轴垂直堆叠高带宽内存zHBM、面向端侧AI的zNAND-O闪存两大创新方案,持续夯实其在全球AI存储赛道的综合竞争优势。
当地时间8月4日,三星在峰会主论坛完成主题演讲,完整披露面向高性能计算与AI场景的存储技术长期路线图,明确将三维堆叠、晶圆键合、存内计算作为核心技术迭代方向;8月5日,品牌首次线下公开展示zHBM与zNAND-O实体概念样机,直观呈现全新架构的硬件形态与设计逻辑。整套技术矩阵旨在缩短处理器与存储的数据传输距离、提升单位能耗算力,系统性解决当前AI算力集群普遍存在的带宽瓶颈、散热不佳、存储密度不足等行业痛点。

来源:三星电子
传统HBM存储普遍采用平铺布局,内存芯片环绕AI加速器摆放,数据横向传输路径长,随着算力芯片规模持续扩大,信号延迟、功耗损耗、散热压力等问题持续放大,现有架构已经难以支撑下一代超大规模AI算力基础设施落地。在此背景下,三星推出颠覆性zHBM三维堆叠架构,沿芯片Z轴纵向,将多层HBM存储直接堆叠在AI通用加速器xPU上方。
垂直堆叠设计大幅压缩内存与算力核心之间的数据传输距离,直接拉高内存带宽,同时降低数据传输产生的额外功耗,完美适配超大参数模型训练、实时多模态推理等高并发数据处理任务。根据三星官方实测数据,对比当前第八代量产高带宽内存HBM5,zHBM整体数据处理性能最高提升8倍,单位瓦特可实现的算力提升3倍;多层堆叠结构优化导热路径,芯片整体热阻下降超50%,有效缓解算力集群长期高负载运行的过热问题,系统运行稳定性、长期能效表现同步优化。
zHBM为高度可定制化的3D存储产品体系,架构预留充足拓展空间。研发团队可在内存层与AI加速器中间的中介层集成各类定制半导体IP模块,面向云厂商、AI芯片企业的差异化需求灵活调整:既可新增存储拓展单元提升整体缓存容量,也可嵌入专用运算IP针对自动驾驶、大语言模型、图像生成等特定负载优化加速器性能。三星表示,后续将与产业链上下游客户深度联合研发,协同调校AI处理器与配套内存系统,充分释放zHBM三维架构的性能上限。

对标HBM架构的zNAND-O、400层以上V10键合垂直闪存同步亮相
除算力侧内存创新外,三星同步披露新一代高性能三维闪存zNAND-O,目前该技术仍处于研发迭代阶段。产品融合三星成熟的V-NAND垂直堆叠工艺与HBM核心的TSV硅通孔互联技术,依靠硅通孔实现多层闪存芯片垂直电气连通,整体架构思路与SK海力士、闪迪同步研发的高带宽闪存HBF高度相似。
zNAND-O命名中的“O”代表on-device AI,即终端人工智能场景。现场展出4层、8层两种3D封装V-NAND样机,纵向堆叠结构大幅节约硬件板卡空间,有效提升存储读取带宽,缩短数据调取响应延迟,十分适合智能终端、边缘算力节点等需要实时处理海量本地数据的设备。
峰会演讲中,三星正式发布全新一代V10 BV-NAND晶圆键合垂直闪存,存储堆叠层数突破400层,兼顾读写性能与功耗控制,本次对外展示的zNAND-O样机全部基于V10闪存平台打造。BV-NAND革新传统闪存制造逻辑,将存储单元阵列与控制外围电路拆分至两片独立晶圆,依托高精度晶圆键合工艺垂直贴合,完成多晶圆三维集成。在此基础上叠加三段式堆叠设计,把闪存单元拆分三片晶圆分别制备后垂直互联。相较上一代V9产品,V10 BV-NAND存储密度提升约58%,相同芯片占用面积可实现更大存储容量,随机读写、IO吞吐等核心指标均实现全面升级。

展台同步展出HBM4E、HBM5、存内计算等多款存储新品
三星本次线下展区共展出30余款存储产品,覆盖DRAM与NAND闪存两大核心品类,完整覆盖消费、企业级、AI算力全场景需求。核心展品包含基于HBM4E搭建的商用AI计算平台、各代存储工艺晶圆样品,以及搭载HPB垂直导热模块的HBM5样机,HPB通过在存储芯片侧边增加纵向散热通道,针对性改善高密度堆叠内存的散热短板。
展区同时亮相LPDDR5X-PIM存内计算芯片,三星称该产品为全球首款落地的同类型低功耗存内解决方案。存内计算将基础运算单元嵌入内存内部,避免数据在存储与处理器之间反复搬运,大幅削减传输能耗,适配移动端AI、边缘低功耗算力设备。
面向AI数据中心场景,三星展出两款全新企业级SSD:PM1763新一代企业固态硬盘主打高速连续读取与轻量化并行数据运算;BM1773超高容量企业SSD,专为承载大模型海量训练数据集设计,满足算力中心超大存储池建设需求。
三星反复强调自身全球独有完整IDM一体化制造优势,具备存储芯片、逻辑芯片自研、晶圆代工、先进封装全链条自研生产能力,能够向客户交付一站式AI半导体整体方案。企业官方表示,依托全流程自研体系,可完成从芯片前期设计到大规模量产的全链条协同优化,帮助下游客户缩短新品研发周期,按需定制适配不同AI业务负载的存储与算力组合方案。
本文转自媒体报道或网络平台,系作者个人立场或观点。我方转载仅为分享,不代表我方赞成或认同。若来源标注错误或侵犯了您的合法权益,请及时联系客服,我们作为中立的平台服务者将及时更正、删除或依法处理。
