3D-NAND向500层进发,天花板在哪里?

简介: 3D-NAND的层数堆叠,已经成为各大厂商竞相追逐的目标。目前主流厂商已经到了第6代工艺,Micron刚刚宣布完成232L 3D TLC NAND,读写性能都得到大幅提升,采用的是双堆栈技术。

自2014年3D NAND问世,就一直聚焦着全世界的目光。经过多年的沉淀,3D NAND行业可谓是"百家"峥嵘。说"百家"是有点夸张了,说白了,3D NAND行业也就是指三星、东芝、西部数据、美光、SK海力士等这些Flash原厂巨头,因为他们基本完全把控着3D NAND的命脉。中国公司此前在此领域毫无话语权,甚至连收购、合作外资公司都没可能,想获得突破还得靠国产公司自立。值得欣慰的是,长江存储科技在武汉投资国家存储芯片基地,已经迎头赶上,迈进第一阵营。


3D-NAND的层数堆叠,已经成为各大厂商竞相追逐的目标。目前主流厂商已经到了第6代工艺,Micron刚刚宣布完成232L 3D TLC NAND,读写性能都得到大幅提升,采用的是双堆栈技术。

从Micron透露的路标来看,对NAND技术的研发也是持续投入,争取一直处于领先的地位,当前主要在TLC,后续会在QLC继续发力。据了解,Micron在PLC NAND上暂时未打算重点投入,这也跟PLC NAND的可靠性需要更大的技术支撑,研发投入更大有关。同样的工艺研发投入,随着bit/cell的增加,容量的收益却在下降。


更多PLC/QLC信息请参考:
PLC SSD虽来但远,QLC SSD火力全开


在Micron宣布232层之后,海力士Sk Hynix也接着发布了238层 512Gb TLC 4D NAND。海力士这个4D NAND叫法,噱头大于实际意义,实际也是3D-NAND的变形,类似CuA架构,就是把电路单元放在存储单元之下(Peri Under Cell, PUC)而已.

镁光Micron和海力士SK Hynix发布的200L+的NAND,采用的都是Charge Trap Flash(CTF)。目前市场上,也仅剩Solidigm(Intel NAND卖给海力士后新成立的公司)还在坚持使用Floating Gate(FG)架构。与FG浮栅不同,FG浮栅将电荷存储在导体中,而CTF将电荷存储于绝缘体中,这消除了单元之间的干扰,提高了读写性能,同时与浮栅技术相比减少了单元面积。不过,FG浮栅对read disturb和program disturb的抗干扰比CTF要好,总体来说,CTF工艺成本更低,这也是大多数公司选择CTF的原因。


国内厂商YMTC自研的Xtacking技术也到了3.0,预计2023也将发布超过200L层的3D NAND,很可能层数在232层,采用6-plane的设计,相对4-plane的架构,性能将得到超过50%的提升。

根据目前各家NAND原厂的研发状态,预计在2025年,我们将会看到层叠超过500L的3D NAND。甚至在2030之前,超过800L的3D NAND也可能会进入大家的视野。这听上去很Crazy,也许这就是技术的魅力。让我们拭目以待!


相关文章
EMQ
|
传感器 Serverless 开发者
开发者分享:利用 EMQX Cloud 与 ESP32 微控制器实现智能液冷散热系统
通过引入外部水冷系统、利用微控制器 ESP32、MQTT 服务器 EMQX Cloud Serverless 以及容器化的部署平台 Fly.io,EMQX Cloud 的开发者陶德坤设计一个智能的 DIY 液冷散热解决方案,希望能为其他物联网开发者带来灵感
EMQ
448 67
开发者分享:利用 EMQX Cloud 与 ESP32 微控制器实现智能液冷散热系统
|
SQL Java 关系型数据库
实时计算 Flink版操作报错之如何处理从源表插入数据到结果表报错误:[ERROR] Could not execute SQL statement.
在使用实时计算Flink版过程中,可能会遇到各种错误,了解这些错误的原因及解决方法对于高效排错至关重要。针对具体问题,查看Flink的日志是关键,它们通常会提供更详细的错误信息和堆栈跟踪,有助于定位问题。此外,Flink社区文档和官方论坛也是寻求帮助的好去处。以下是一些常见的操作报错及其可能的原因与解决策略。
|
6月前
|
人工智能 算法 数据处理
算法为舟 思想为楫:AI时代,创作何为?
本文探讨了AI时代创作领域的变革与挑战,分析了人类创作者的独特价值,并展望了未来创作的新图景。随着生成式AI技术的发展,创作的传统认知被颠覆,评价体系面临革新。然而,人类创作者凭借批判性思维、情感智能、创意直觉和伦理自觉,依然具有不可替代的价值。文章呼吁创作者转变思维,从竞争走向合作,提升复合能力,关注作品的社会影响,并持续学习进化。在AI助力下,创作将更加民主化、多样化,推动文明进步。最终,人机协同或将成为未来创作的核心模式,共同开创文化发展的新纪元。
|
10月前
|
自然语言处理 并行计算 数据可视化
免费开源法律文档比对工具:技术解析与应用
这款免费开源的法律文档比对工具,利用先进的文本分析和自然语言处理技术,实现高效、精准的文档比对。核心功能包括文本差异检测、多格式支持、语义分析、批量处理及用户友好的可视化界面,广泛适用于法律行业的各类场景。
449 1
|
11月前
|
前端开发 容器
CSS 中几种常用的换行方法
CSS 中几种常用的换行方法
201 1
|
机器学习/深度学习 数据采集 算法
Python实现ISSA融合反向学习与Levy飞行策略的改进麻雀优化算法优化支持向量机回归模型(SVR算法)项目实战
Python实现ISSA融合反向学习与Levy飞行策略的改进麻雀优化算法优化支持向量机回归模型(SVR算法)项目实战
|
小程序 UED
uniapp 添加分包页面,配置分包预下载
uniapp 添加分包页面,配置分包预下载
233 2
|
数据采集 存储 C++
单线程 vs 多进程:Python网络爬虫效率对比
本文探讨了Python网络爬虫中的单线程与多进程应用。单线程爬虫实现简单,但处理速度慢,无法充分利用多核CPU。而多进程爬虫通过并行处理提高效率,更适合现代多核架构。代码示例展示了如何使用代理IP实现单线程和多进程爬虫,显示了多进程在效率上的优势。实际使用时还需考虑代理稳定性和反爬策略。
380 0
单线程 vs 多进程:Python网络爬虫效率对比
|
存储 负载均衡 监控
|
数据安全/隐私保护 Docker 容器
使用docker安装elastic search[ES]和kibana
使用docker安装elastic search[ES]和kibana
527 4