SK hynix rozpoczyna masową produkcję 321-warstwowej 2-terabitowej pamięci QLC NAND

Firma SK hynix rozpoczęła masową produkcję 321-warstwowej, 2-terabitowej (250 gigabajtów) pamięci QLC NAND, która ma być pierwszym urządzeniem QLC przekraczającym granicę 300 warstw. Pierwsze komercyjne produkty mają pojawić się w pierwszej połowie przyszłego roku, w oczekiwaniu na zatwierdzenie przez klientów.

Firma podwoiła pojemność per-die w porównaniu do poprzednich generacji QLC i zwiększyła liczbę płaszczyzn wewnątrz każdego chipu z czterech do sześciu. Większa liczba płaszczyzn umożliwia bardziej równoległe przetwarzanie, co skutkuje znacznym wzrostem wydajności jednoczesnego odczytu bez uszczerbku dla opóźnień. SK hynix twierdzi, że nowy QLC podwaja prędkość transferu danych, zwiększa wydajność zapisu nawet o 56 procent i poprawia wydajność odczytu o 18 procent. Wydajność energetyczna zapisu również wzrosła o ponad 23 procent, co ma znaczenie dla centrów danych AI o ograniczonej mocy.

Po stronie interfejsu, matryce V9Q działają z prędkością 3200 megaprzekazów na sekundę, nieco poniżej wysokiej klasy pamięci TLC NAND z prędkością 3600 megaprzekazów na sekundę; jednak ulepszenia architektoniczne zapewniają znaczne korzyści w zakresie wydajności dla obciążeń QLC. Sześciopłaszczyznowy układ jest tutaj kluczowym ulepszeniem i głównym powodem poprawy prędkości jednoczesnego odczytu.

Dodatkowe korzyści przynosi gęstość upakowania. 2-terabajtowy kliencki dysk SSD można zbudować z zaledwie ośmiu takich 2-terabitowych matryc, zmniejszając liczbę pakietów i zestawienie materiałów. SK hynix planuje rozpocząć od dysków SSD dla komputerów PC, a następnie rozszerzyć swoją działalność na dyski SSD klasy korporacyjnej dla centrów danych i UFS dla telefonów po zakończeniu walidacji.

W przypadku ultra-wysokich pojemności, opakowanie 32DP firmy może układać 32 matryce w jednym pakiecie, aby zmaksymalizować gęstość integracji. SK hynix wskazuje na opracowywany dysk klasy korporacyjnej o pojemności 244 terabajtów, przeznaczony dla serwerów AI, które wymagają ogromnej pojemności pamięci masowej przy efektywnym zużyciu energii do wdrożeń w centrach danych.