芯片级解密YMTC NAND Xtacking 3.0技术

简介: YMTC NAND Xtacking 3.0被视为2022年最具颠覆性的技术之一。针对第一个使用NAND Xtacking 3.0的产品,TechInsights团队购买了512GB和1TB容量的TiPlus7100 SSD,并进行了详细的芯片分析,我们一起来看看,有没有惊喜的发现?

长江存储YMTC自从2016年成立以来,一直在吸引外界的关注。作为NAND国产厂商,被寄予厚望。在2018年FMS闪存峰会发布了Xtacking 1.0的NAND架构,凭借该技术荣获了“最具创新初创闪存企业”。

在2019年又发布了Xtacking 2.0的NAND架构。根据官网介绍,Xtacking 2.0进一步提升了闪存吞吐速率和提升系统级存储综合性能。

在2022年8月的FMS闪存峰会上,YMTC发布了基于Xtacking 3.0架构的X3-9070 TLC NAND。

2022年,对于YMTC长江存储也是一个惊心动魄的一年,先是有进入iphone14 NAND颗粒供应的振奋,后又有被M国限制的低落。根据YMTC的官网消息,NAND架构Xtacking 3.0现已上市。第一个使用Xtacking 3.0架构的产品是长江存储的消费级PCIe 4.0 SSD固态硬盘TiPlus 7100。基于TLC NAND,PCIe Gen4x4,采用DRAM-less无缓存架构。NAND接口速率达到2400 MT/s,与上一代相比速度提高50%,支持HMB机制和SLC缓存。

YMTC NAND Xtacking 3.0被视为2022年最具颠覆性的技术之一。针对第一个使用NAND Xtacking 3.0的产品,TechInsights团队购买了512GB和1TB容量的TiPlus7100 SSD,并进行了详细的芯片分析,我们一起来看看,有没有惊喜的发现?下图是TiPlus7100 1TB包装图片。

针对1TB容量的TiPlus7100 SSD先来个正面照,看起来PCB有4个NAND die槽位,其中两个槽位是空闲的,间隔有两个512GB的NAND Die Package,主控来自联芸科技Maxio-Tech。


NAND Die采用132-pin BGA MCP封装,尺寸大小18.0 mm× 12.0 mm × 0.9 mm。

从颗粒丝印信息看到NAND Die封装日期是22年第37周,也即9月上旬。这个时间正好是在2022 FMS闪存峰会正式发布Xtacking 3.0架构的1个月之后。

每个NAND Die Package封装了8个CDT2A标记的NAND Die。CDT2A NAND Die拥有2x2 Plane的架构。与之前YMTC 128L NAND 1x4 Plane的布局不同。

TechInsights的分析显示,YMTC CDT2A芯片实际上还是YMTC 128L 3D NAND,总门数Gates为141, 而并非官网宣传的Xtacking 3.0架构。

不知道是TechInsights获取到的TiPlus7100 SSD不是正规来源?还是不够幸运?

Xtacking技术到底是什么?有什么样的魅力,我们一起回顾下:

根据YMTC官网的介绍,与传统的单片晶圆CuA(CMOS Under Array)的结构不同,Xtacking技术是两个晶圆独立制造CMOS外围电路和NAND存储阵列,在通过金属互联通道VIAs完成两片晶圆的键合,最终成为一个整体。

从Xtacking 1.0到Xtacking 3.0中包含的主要变化点有哪些?

  • Xtacking 1.0使用晶圆到晶圆键合,相比传统3DNAND架构,Xtacking技术创新的将外围电路置于存储单元之上,从而实现比传统3D NAND更高的存储密度,芯片面积可减少约25%。同时利用存储单元和外围电路的独立加工优势,实现了并行的、模块化的产品设计及制造,产品开发时间可缩短三个月,生产周期可缩短20%。此外,这种模块化的方式也为引入NAND外围电路的创新功能以实现NAND闪存的定制化提供了可能。
  • Xtacking 2.0使用NiSi替代WSi,让CMOS外围电路有更好的器件性能,进一步提升闪存IO吞吐速率、也使得系统级存储的综合性能得到提升。
  • Xtacking 3.0采用了存储单元晶圆的背面源连接(BSSC,back side source connect), 好处是对工艺进行了简化,最终得到了降低成本的优势。

根据2022年FMS上的介绍,基于Xtacking 3.0架构的NAND芯片X3-9070,采用了2x3的6 Planes架构。每个Plane在中央位置具有独立的X-DEC解码器,可以实现multi-plane独立异步操作,使得Xtacking 3.0的IO速率提升50%。与edge X-DEC相比,Center X-DEC设计将WL电容减少了一半,并降低了RC负载和RC延迟(tRC), 最终性能相较edge X-DEC得到15~20%的提升。

Xtacking 3.0架构,预计应该是232L NAND芯片出现,期待早日在市场看到Xtacking 3.0应用的大规模成品。

参考来源:Techinsights官网和YMTC官网


相关文章
|
机器学习/深度学习 人工智能 数据可视化
社区供稿|语音情感基座模型emotion2vec
SOTA效果的通用语音情感表征模型emotion2vec,魔搭社区已开源,可下载体验!
|
人工智能 安全 Apache
QwenPaw:你的私人 AI 助理 —— 数据归你、记忆进化、多端触达的开源个人智能体
QwenPaw 是一款开源、本地优先的AI个人智能体(Apache 2.0),数据归属用户、记忆自主进化、支持钉钉/飞书/微信等多端触达。3行命令即可部署,内置Coding IDE、Persona人格、定时任务、MCP工具生态与多Agent协作,真正属于你的私有AI助理。
QwenPaw:你的私人 AI 助理 —— 数据归你、记忆进化、多端触达的开源个人智能体
|
7月前
|
人工智能 前端开发 API
AI 智能体(AI Agent)的开发费用
2026年AI智能体开发已转向“按智定价”:初级(3–8万)、专业级(10–30万)、多智能体系统(40万+)。费用核心在于逻辑深度、知识精度与工具复杂度,另含Token消耗、知识库维护及模型迁移等隐形成本。报价低于2万多为简易Prompt套壳。
|
10月前
|
人工智能 安全 API
上手教程:聊聊怎么用阁下AI的API
上手教程:聊聊怎么用阁下AI的API
|
数据采集 人工智能 弹性计算
【云故事探索 | No.4 】:千寻位置,时空智能赋能行业数字化转型
【云故事探索 | No.4 】:千寻位置,时空智能赋能行业数字化转型
|
设计模式 机器学习/深度学习 人工智能
AI-Native (AI原生)图解+秒懂: 什么是 AI-Native 应用(AI原生应用)?如何设计一个 AI原生应用?
AI-Native (AI原生)图解+秒懂: 什么是 AI-Native 应用(AI原生应用)?如何设计一个 AI原生应用?
|
存储 人工智能 NoSQL
表格存储:为 AI 注入“记忆”,构建大规模、高性能、低成本的 Agent Memory 数据底座
本文探讨了AI Agent市场爆发增长背景下的存储需求,重点介绍了Tablestore在Agent Memory存储中的优势。2025年被视为AI Agent市场元年,关键事件推动技术发展。AI Agent的存储分为Memory(短期记忆)和Knowledge(长期知识)。Tablestore通过高性能、低成本持久化存储、灵活的Schemaless设计等特性满足Memory场景需求;在Knowledge场景中,其多元索引支持全文、向量检索等功能,优化成本与稳定性。实际案例包括通义App、某浏览器及阿里云多项服务,展示Tablestore的卓越表现。最后邀请加入钉钉群共同探讨AI技术。
3319 15
|
传感器 监控 物联网
认识物联网层次架构设计
物联网可以分为三个层次,底层是用来感知数据的感知层,即利用传感器、二维码、RFID等设备随时随地获取物体的信息。第二层是数据传输处理的网络层,即通过各种传感网络与互联网的融合,将对象当前的信息实时准确地传递出去。第三层则是与行业需求结合的应用层,即通过智能计算、云计算等将对象进行智能化控制。
3246 3