存储“芯”突破口 解析3D NADN产业竞争形势

本文涉及的产品
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
简介:

自2013年8月三星率先宣布成功推出3D NAND之后,在技术上每年都会前进一步,由24层、32层、48层,到今年的第四代64层。有消息称2017年三星将可能推出80层 3D NAND。除技术进步之外,有分析师预测在2018年中期,全球NAND闪存市场在3D堆叠技术的影响下,价格有可能低到每Gb约3美分。目前,中国正在下大力度推进存储产业的发展,3D NAND被认为是一个有利的突破口。在此之际,有必要了解3D NADN的产业竞争形势。

全球3D NAND竞争形势加剧

想要了解3D NAND,首先应当了解其关键制造工艺。3D NAND的制造工艺十分复杂,主要包括高深宽比的沟开挖(High aspect ratio trenches)、在源与漏中不掺杂(No doping on source or drain)、完全平行的侧壁(Perfectly parallel walls)、众多级的台阶(Tens of stairsteps)、在整个硅片面上均匀的淀积层(Uniform layer across wafer)、一步光刻楼梯成形(Single-Lithostairstep)、硬掩模刻蚀(Hard mask etching)、通孔工艺(Processing inside of hole)、孔内壁淀积工艺(Deposition on hole sides)、多晶硅沟道(Polysilicon channels)、电荷俘获型存储(Charge trap storage)、各种不同材料的刻蚀(Etch through varying materials)、淀积众多层材料(Deposition of tens of layers)等。这些还只是主要关键部骤,可见其复杂性。

然而,2D NAND在进入1xnm节点之后,器件耐久性和数据保持特性持续退化,单元之间的耦合效应难以克服,很难解决集成度提高和成本控制的矛盾,进一步发展面临瓶颈。发展3D NAND已经是大势所趋。近期全球3D NAND的发展迎来少见的红火,之前认为仅三星独家领先的态势,可能需要重新思考,至少各方之间的差距正逐步缩小。因为谁都不愿在未来落后。

从3D NAND的技术与产能方面寻求突破,近期几大厂商都在加大力度。日前,英特尔大连厂传出消息,经过仅8个多月的努力,英特尔大连厂非易失性存储制造新项目于今年7月初实现提前投产。去年10月,英特尔公司宣布投资55亿美元将大连工厂建设为世界上最先进的非易失性存储器制造工厂。

东芝方面,在2016年春季开始量产48层3D NAND,紧接着7月15日在日本三重县四日市的半导体二厂中举行启动仪式,未来该厂将量产64层3D NAND闪存。此举表示东芝可能领先于三星。因为三星原先的计划是2017年下半年在韩国京畿道平泽市厂量产它的64层3D NAND闪存。

东芝在3D NAND闪存方面的决心很大,计划2017年3D NAND占其全部NAND出货量的50%,至2018财年增加到80%。

另外,由于2016年5月西部数据并购闪迪并没有影响闪迪与东芝间的合作关系。东芝与西部数据双方各自出资50%,在未来2016年到2018年的三年内将总投资1.5兆日圆(约147亿美元)在存储方面。

美光(Micron)在新加坡与英特尔合资的12英寸厂于2016年第一季度开始量产3D NAND,月产3000片,并计划于今年年底扩充产能至4万片/月。8月9日美光正式推出了首款面向中高端智能手机市场的32GB 3D NAND存储产品。

该款3D NAND芯片是业内首款基于浮栅技术的移动产品,也是业内最小的3D NAND存储芯片,面积只有60.217 mm2,同时采用UFS 2.1标准的存储设备,让移动设备实现一流的顺序读取性能;基于3D NAND的多芯片封装(MCP)技术和低功耗LPDDR4X,使得该闪存芯片比标准的LPDDR4存储的能效更优。此外,与相同容量的平面NAND芯片相比,美光3D NAND芯片的尺寸可以缩小30%。

海力士也不甘示弱,它的利川M14厂近期改造完毕。SK海力士进一步表示,2016年年底将建立2万~3万片的3D NAND Flash产能,以应市场需求。第三季度之前的3D NAND Flash投资与生产重心会放在36层产品,预计今年的第四季度将扩大48层产品的投资与生产能力。另外海力士也计划投资15.5兆韩元,约134亿美元,新建一座存储器制造厂。

虽然其他厂商你争我夺,但是显然目前三星的优势尚在。据J.P.摩根发表的研究报告,三星应该会在2016年年底将3D NAND的月产能拉高至接近16万片晶圆(西安厂12万片及Line 16厂接近4万片)。三星的西安厂目前已接近(10万片/月片)产能全开,且该公司还计划把Line 16厂的部分2D NAND产能转换为3D。

另外,三星也将调用Line 17厂在二楼的空间,于明年投产3D NAND。依据上述消息,J.P.摩根估计三星明年年底的3D NAND月产能将攀升至22万片(西安厂12万片、Line 16厂近6万片、Line17厂近4万片),等于是比今年年底的月产能(16万片)再扩充37.5%。

以技术突破获取成本降低

根据上述分析,近四个月以来,变化最大的是东芝及英特尔。因为现阶段三星在NAND方面领先,估计平均领先两年左右,而目前它的3D NAND产出已经占它NAND的比重达40%。但是东芝正后来居上,因为它的64层提前量产,或者与三星同步,但是它的目标更为宏大,3D NAND在2017年目标要占它的NAND产出50%,2018年达以80%,而目前仅5.4%。

另外,英特尔大连厂仅用8个月时间便完成NAND闪存生产线的改造。目前尚不清楚英特尔大连厂将在今年下半年量产的是3D NAND,还是其Xpoint新型存储器。非常有可能的是,2017年东芝和英特尔的3D NAND产能将是三星西安厂的2~3倍。这将直接威胁到三星的霸主地位。

由于平面NAND闪存的量产已经达15纳米,几乎接近物理极限,因此为了提高存储器的容量及带宽,向3D NAND技术迈进是必然趋势。

但是3D NAND技术很复杂,由于成品率低,导致成本高。依三星的技术水平,估计它的48层3D NAND的成本已经接近2D NAND,未来64层时可能会占优势。而其他的各厂家现阶段仍然需要克服成本这一难题。这可以给中国存储厂商一些时间。

但是,不管如何,到2018年长江存储实现诺言量产3D NAND时,它的32层与三星可能已经达100层相比绝不占优势。技术只是一个方面,更为严峻的是制造成本方面的差距。

因此,长江存储的产能扩充不可能盲目地马上扩大到月产10万片规模。但是历来存储产业就是像一场赌局,对于中国半导体业是没有退路,只有迎头努力往前赶。长江存储上马的意义,不能完全用市场经济的概念来注释,其中技术方面的突破是首位,其次是降低制造成本,逐渐缩小差距。争取在未来全球半导体业处于上升周期时,存储器价格有所回升,那时长江存储才有希望实现成功突围
原文发布时间为:2016年8月22日

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关文章
|
3月前
|
存储 Java
深入探讨了Java集合框架中的HashSet和TreeSet,解析了两者在元素存储上的无序与有序特性。
【10月更文挑战第16天】本文深入探讨了Java集合框架中的HashSet和TreeSet,解析了两者在元素存储上的无序与有序特性。HashSet基于哈希表实现,添加元素时根据哈希值分布,遍历时顺序不可预测;而TreeSet利用红黑树结构,按自然顺序或自定义顺序存储元素,确保遍历时有序输出。文章还提供了示例代码,帮助读者更好地理解这两种集合类型的使用场景和内部机制。
56 3
|
8天前
|
存储 人工智能 NoSQL
Tablestore深度解析:面向AI场景的结构化数据存储最佳实践
《Tablestore深度解析:面向AI场景的结构化数据存储最佳实践》由阿里云专家团队分享,涵盖Tablestore十年发展历程、AI时代多模态数据存储需求、VCU模式优化、向量检索发布及客户最佳实践等内容。Tablestore支持大规模在线数据存储,提供高性价比、高性能和高可用性,特别针对AI场景进行优化,满足结构化与非结构化数据的统一存储和高效检索需求。通过多元化索引和Serverless弹性VCU模式,助力企业实现低成本、灵活扩展的数据管理方案。
42 12
|
10天前
|
存储 分布式计算 Hadoop
基于Java的Hadoop文件处理系统:高效分布式数据解析与存储
本文介绍了如何借鉴Hadoop的设计思想,使用Java实现其核心功能MapReduce,解决海量数据处理问题。通过类比图书馆管理系统,详细解释了Hadoop的两大组件:HDFS(分布式文件系统)和MapReduce(分布式计算模型)。具体实现了单词统计任务,并扩展支持CSV和JSON格式的数据解析。为了提升性能,引入了Combiner减少中间数据传输,以及自定义Partitioner解决数据倾斜问题。最后总结了Hadoop在大数据处理中的重要性,鼓励Java开发者学习Hadoop以拓展技术边界。
34 7
|
5月前
|
存储 缓存 前端开发
Django 后端架构开发:存储层调优策略解析
Django 后端架构开发:存储层调优策略解析
82 2
|
2月前
|
存储 安全 数据安全/隐私保护
PyPI 存储库中的 JarkaStealer:深入解析与防范措施
PyPI 存储库中的 JarkaStealer:深入解析与防范措施
37 2
|
4月前
|
数据采集 存储 JavaScript
构建您的第一个Python网络爬虫:抓取、解析与存储数据
【9月更文挑战第24天】在数字时代,数据是新的金矿。本文将引导您使用Python编写一个简单的网络爬虫,从互联网上自动抓取信息。我们将介绍如何使用requests库获取网页内容,BeautifulSoup进行HTML解析,以及如何将数据存储到文件或数据库中。无论您是数据分析师、研究人员还是对编程感兴趣的新手,这篇文章都将为您提供一个实用的入门指南。拿起键盘,让我们开始挖掘互联网的宝藏吧!
|
4月前
|
存储 关系型数据库 MySQL
深入解析MySQL数据存储机制:从表结构到物理存储
深入解析MySQL数据存储机制:从表结构到物理存储
514 1
|
5月前
|
存储 缓存 NoSQL
深入解析Memcached:内部机制、存储结构及在大数据中的应用
深入解析Memcached:内部机制、存储结构及在大数据中的应用
|
5月前
|
存储 C# 关系型数据库
“云端融合:WPF应用无缝对接Azure与AWS——从Blob存储到RDS数据库,全面解析跨平台云服务集成的最佳实践”
【8月更文挑战第31天】本文探讨了如何将Windows Presentation Foundation(WPF)应用与Microsoft Azure和Amazon Web Services(AWS)两大主流云平台无缝集成。通过具体示例代码展示了如何利用Azure Blob Storage存储非结构化数据、Azure Cosmos DB进行分布式数据库操作;同时介绍了如何借助Amazon S3实现大规模数据存储及通过Amazon RDS简化数据库管理。这不仅提升了WPF应用的可扩展性和可用性,还降低了基础设施成本。
117 0
|
5月前
|
数据采集 存储 JavaScript
构建你的首个Python网络爬虫:抓取、解析与存储数据
【8月更文挑战第31天】在数字时代的浪潮中,数据成为了新的石油。了解如何从互联网的海洋中提取有价值的信息,是每个技术爱好者的必备技能。本文将引导你通过Python编程语言,利用其强大的库支持,一步步构建出你自己的网络爬虫。我们将探索网页请求、内容解析和数据存储等关键环节,并附上代码示例,让你轻松入门网络数据采集的世界。

推荐镜像

更多