Samsung podczas konferencji Future of Memory and Storage (FMS) 2026 zaprezentował swoją wizję pamięci nowej generacji przeznaczonych dla sztucznej inteligencji, centrów danych oraz systemów HPC. Firma pokazała m.in. koncepcyjne rozwiązania zHBM i zNAND-O, a także pamięć V10 BV-NAND, która po raz pierwszy w branży wykorzystuje konstrukcję z ponad 400 warstwami.
Według Samsunga rozwój infrastruktury AI wymaga nie tylko coraz szybszych procesorów, ale również znacznie wydajniejszych pamięci. To właśnie pamięć może stać się jednym z kluczowych elementów decydujących o wydajności przyszłych systemów sztucznej inteligencji.
zHBM – pamięć umieszczona bezpośrednio nad akceleratorem AI
Jedną z najważniejszych koncepcji zaprezentowanych przez Samsunga jest zHBM. To nowa architektura pamięci, w której moduły HBM mają być umieszczane pionowo bezpośrednio nad akceleratorem AI.
W obecnych rozwiązaniach pamięć HBM znajduje się obok procesora lub akceleratora. Przeniesienie jej bezpośrednio nad układ ma skrócić drogę, którą muszą pokonywać dane. W efekcie możliwe ma być zwiększenie przepustowości oraz poprawa efektywności energetycznej.
Samsung zakłada, że interfejs nowej generacji wykorzystujący zHBM może osiągać wydajność około ośmiokrotnie wyższą niż HBM5. Firma mówi również o potencjalnym zwiększeniu gęstości pamięci ponad dziesięciokrotnie w porównaniu z HBM5.
Koncepcja ma zapewniać również około trzykrotnie wyższą efektywność energetyczną oraz ponad dwukrotnie niższą rezystancję termiczną. Ma to mieć szczególne znaczenie w systemach AI, które wymagają ogromnej przepustowości danych i jednocześnie generują duże ilości ciepła.
zHBM ma być również rozwiązaniem elastycznym. Samsung przewiduje możliwość integracji niestandardowych układów IP w warstwie pośredniej pomiędzy pamięcią a akceleratorem AI. Pozwoli to dostosowywać architekturę do wymagań konkretnych klientów i zastosowań.
zNAND-O dla edge AI
Drugim zaprezentowanym rozwiązaniem jest zNAND-O, czyli wysokowydajna pamięć NAND nowej generacji bazująca na technologii V-NAND.
Samsung rozwija ją obecnie w wersjach cztero- i ośmiowarstwowych. Konstrukcja ma łączyć wysoką efektywność wykorzystania przestrzeni, większą wydajność operacji wejścia/wyjścia oraz niskie opóźnienia.
zNAND-O ma być szczególnie interesujące w zastosowaniach edge AI, gdzie urządzenia muszą analizować duże ilości danych praktycznie w czasie rzeczywistym.
Może to mieć znaczenie m.in. dla systemów AI działających lokalnie, bez konieczności ciągłego przesyłania danych do chmury.
Ponad 400 warstw w pamięci V10 BV-NAND
Samsung podczas FMS 2026 zaprezentował także pamięć V10 BV-NAND, która wykorzystuje technologię łączenia płytek półprzewodnikowych, określaną jako wafer bonding.
Nowa konstrukcja ma ponad 400 warstw, co pozwala zwiększyć gęstość pamięci oraz poprawić jej wydajność energetyczną.
Według Samsunga V10 BV-NAND oferuje około 58% większą gęstość pamięci w porównaniu z poprzednią generacją V9. Nowa technologia ma również poprawić szybkość odczytu, zapisu oraz operacji wejścia/wyjścia.
To ważny kierunek rozwoju, ponieważ przyszłe systemy AI będą potrzebować nie tylko bardzo szybkiej pamięci operacyjnej, ale również pojemnej pamięci masowej zdolnej do obsługi ogromnych zbiorów danych.
Samsung podkreśla, że V10 BV-NAND jest kolejnym etapem rozwoju technologii V-NAND, którą firma po raz pierwszy zaprezentowała w 2013 roku.
HBM4E i HBM5 – kolejna generacja pamięci dla AI
Podczas wydarzenia Samsung zaprezentował również plan rozwoju pamięci przeznaczonych dla infrastruktury sztucznej inteligencji.
Wśród przedstawionych technologii znalazły się:
- HBM4E
- HBM5
- LPDDR5X-PIM
- PM1763
- BM1773
Samsung wcześniej rozpoczął masową produkcję HBM4, a następnie rozpoczął dostawy próbek HBM4E do klientów.
Firma rozwija również HBM5, która ma znaleźć zastosowanie w kolejnych generacjach akceleratorów AI i systemów HPC.
LPDDR5X-PIM – przetwarzanie danych bezpośrednio w pamięci
Interesującą nowością jest także LPDDR5X-PIM. Samsung określa ją jako pierwszą w branży pamięć LPDDR wyposażoną w technologię Processing-in-Memory (PIM).
Idea PIM polega na wykonywaniu części operacji bezpośrednio w pamięci, zamiast przesyłania wszystkich danych pomiędzy pamięcią a procesorem.
Takie rozwiązanie może ograniczyć przepływ danych i zmniejszyć zużycie energii. W przypadku systemów AI, które wykonują ogromną liczbę operacji na danych, może to przełożyć się na poprawę efektywności całej infrastruktury.
Nowe pamięci masowe dla centrów danych AI
Samsung zwraca uwagę również na rosnące zapotrzebowanie na szybką pamięć masową w centrach danych.
Podczas FMS 2026 firma pokazała m.in. PM1763 i BM1773. Są to rozwiązania klasy enterprise projektowane z myślą o centrach danych oraz systemach wykorzystujących sztuczną inteligencję.
Wraz z rozwojem AI rośnie bowiem nie tylko zapotrzebowanie na moc obliczeniową, ale również ilość danych, które trzeba przechowywać, przetwarzać i szybko dostarczać do akceleratorów.
Samsung chce dostarczać kompletne rozwiązania dla AI
Samsung podczas FMS 2026 przedstawił nie tylko pojedyncze produkty, ale również szerszą strategię rozwoju infrastruktury AI.
Firma wykorzystuje swoje kompetencje w zakresie DRAM, NAND, pamięci masowych enterprise, produkcji półprzewodników oraz zaawansowanego pakowania układów.
Celem jest stworzenie kompleksowych rozwiązań – od projektu układu, przez produkcję, aż po zaawansowane technologie integracji pamięci i procesorów.
Na stoisku Samsunga podczas FMS 2026 zaprezentowano około 30 technologii pamięci i pamięci masowej, a jego aranżacja nawiązywała do serwerowni wykorzystywanych przez infrastrukturę chmurową AI.
Pamięć będzie jednym z kluczowych elementów rozwoju AI
Prezentacje Samsunga pokazują, że rozwój sztucznej inteligencji coraz mocniej przesuwa uwagę w stronę pamięci. Same procesory i akceleratory nie wystarczą, jeśli nie będą miały dostępu do danych z odpowiednią szybkością.
Koncepcje takie jak zHBM, zNAND-O czy LPDDR5X-PIM, a także pamięci HBM4E i HBM5, mają odpowiadać na rosnące wymagania związane z trenowaniem modeli AI, ich wykorzystaniem oraz funkcjonowaniem centrów danych.
Szczególnie interesująca jest koncepcja zHBM, która zakłada jeszcze ściślejszą integrację pamięci z akceleratorem AI. Jeśli rozwiązanie zostanie wdrożone na dużą skalę, może zmienić sposób projektowania przyszłych systemów obliczeniowych.
About The Author
