ซัมซุงขยายกลยุทธ์หน่วยความจำ AI ด้วย HBM5 การรวมหน่วยความจำกับ AMD และสตอเรจที่เร็วขึ้น

ซัมซุงเพิ่มขีดความจุหน่วยความจำควบคู่กับความเร็วในการประมวลผล

Samsung Electronics ขยายกลยุทธ์โครงสร้างพื้นฐาน AI ให้ครอบคลุมมากกว่าหน่วยความจำแบนด์วิดท์สูง โดยนำ HBM5 และหน่วยความจำที่ปรับแต่งเฉพาะมาใช้ควบคู่กับความร่วมมือกับ AMD ด้านหน่วยความจำเซิร์ฟเวอร์แบบใช้ร่วมกัน และเทคโนโลยีสตอเรจที่ย้ายการประมวลผลข้อมูลบางส่วนไปไว้ใน SSD บริษัทนำเสนอแนวทางดังกล่าวที่งาน OCP Global Summit 2026 ซึ่งมีกำหนดจัดขึ้นระหว่างวันที่ 12 ถึง 15 ตุลาคม ณ ศูนย์ประชุม San Jose McEnery ในรัฐแคลิฟอร์เนีย

ตัวเลขประสิทธิภาพที่เป็นรูปธรรมมากที่สุดเกี่ยวข้องกับเทคโนโลยีในส่วนอื่นของลำดับชั้นหน่วยความจำ ซัมซุงรายงานว่า การจัดสรรหน่วยความจำ CXL แบบยืดหยุ่นช่วยลดเวลาก่อนที่โมเดล AI จะสร้างโทเคนแรกได้สูงสุด 38% การประมวลผลในหน่วยความจำด้วย LPDDR5X เพิ่มประสิทธิภาพการอนุมานได้สูงสุด 3 เท่า และการอ่าน SSD แบบต่อเนื่องทำความเร็วได้ถึง 28.4 GB/s ตัวเลขเหล่านี้มาจากการประเมินหรือการสาธิตเฉพาะกรณี ไม่ใช่การรับประกันผลสำหรับการติดตั้ง AI ทุกระบบ

หน้าทางการของงานซัมมิตจัดวางกลยุทธ์ของบริษัทไว้บนสามแกน ได้แก่ ความเร็ว การเพิ่มความจุหน่วยความจำ และการเก็บรักษาข้อมูล ผลิตภัณฑ์ที่นำเสนอประกอบด้วย HBM4E, LPDDR5X-PIM, โมดูลหน่วยความจำ CMM-D MD310, หน่วยความจำเซิร์ฟเวอร์ SOCAMM2 และ SSD รุ่น PM1763 กับ BM1773

ซัมซุงระบุว่า Hojun Shim ดำรงตำแหน่งรองประธานบริษัทและหัวหน้าทีม Memory Business Application Engineering มีกำหนดนำเสนอประเด็นสำคัญทั้งสามในการประชุมผู้บริหารวันที่ 12 ตุลาคม รายงานต่าง ๆ ระบุว่าการนำเสนอครั้งนี้เป็นการเปิดตัวความพยายามในวงกว้างเพื่อเพิ่มประสิทธิภาพโปรเซสเซอร์ หน่วยความจำ และสตอเรจไปพร้อมกัน แทนที่จะปรับปรุงแต่ละส่วนแยกจากกัน

ประเด็นนี้สำคัญในช่วงการอนุมาน ซึ่งเป็นขั้นตอนที่โมเดลที่ผ่านการฝึกสร้างคำตอบ แม้ตัวเร่งความเร็วจะทำงานได้รวดเร็ว แต่ก็ยังอาจต้องรอข้อมูล หน่วยความจำอาจไม่เพียงพอเมื่อบทสนทนายาวขึ้น หรือเกิดความล่าช้าในการดึงข้อมูลจากสตอเรจ ซัมซุงเสนอเทคโนโลยีที่แตกต่างกันเพื่อแก้ข้อจำกัดแต่ละด้าน

HBM5 เป็นหัวใจของกลยุทธ์เพิ่มความเร็วในวงกว้าง

รายงานจากงานแสดงสินค้าระบุว่า HBM5 ซึ่งอธิบายว่าเป็นหน่วยความจำแบนด์วิดท์สูงรุ่นที่แปด, HBM ที่ปรับแต่งเฉพาะ และ zHBM เป็นส่วนหนึ่งของแผนเพิ่มความเร็วของซัมซุง หน่วยความจำแบนด์วิดท์สูงส่งข้อมูลปริมาณมากไปยังตัวเร่งความเร็วผ่านการเชื่อมต่อแบบขนานจำนวนมาก ส่วนรุ่นที่ปรับแต่งเฉพาะมุ่งตอบโจทย์ข้อกำหนดของระบบจากลูกค้าแต่ละราย

รายการผลิตภัณฑ์อย่างเป็นทางการระบุ HBM4E แทน HBM5 ขณะที่รายงานอื่นกล่าวถึงโมเดลจำลองแนวคิดของ HBM4E และ HBM5 ที่จัดแสดงในงาน ความแตกต่างนี้มีความสำคัญ เพราะการจัดแสดงหรือการนำเสนอแนวคิดไม่ได้ยืนยันว่าผลิตภัณฑ์เริ่มจัดส่งแล้ว และหน้าซัมมิตของซัมซุงก็ไม่ได้ระบุกำหนดวางจำหน่ายเชิงพาณิชย์หรือรายละเอียดประสิทธิภาพของ HBM5

หลักฐานเชิงตัวเลขที่ชัดเจนที่สุดด้านความเร็วการประมวลผลมาจาก LPDDR5X-PIM เทคโนโลยีประมวลผลในหน่วยความจำย้ายงานคำนวณบางส่วนเข้าไปไว้ในอุปกรณ์หน่วยความจำ ช่วยลดการถ่ายโอนข้อมูลซ้ำไปมาระหว่างหน่วยความจำกับโปรเซสเซอร์แยกต่างหาก ซัมซุงระบุว่าการออกแบบนี้ผสานหน่วยประมวลผลเข้าไปในแต่ละแบงก์หน่วยความจำ

จากการประเมินโดยใช้ Llama 3.1 8B บน Samsung Edge AI Accelerator ซัมซุงรายงานว่าแบนด์วิดท์ที่ใช้งานได้มีค่าสูงกว่า LPDDR5X แบบทั่วไปถึง 8 เท่า จำนวนโทเคนที่สร้างได้ต่อวินาทีเพิ่มขึ้นสูงสุด 3 เท่า และเวลาในการทำงานสั้นลงได้สูงสุด 2.2 เท่า ตัวเลขเหล่านี้เกี่ยวข้องกับตัวเร่งความเร็วและโมเดลดังกล่าว ไม่ใช่ HBM5 หรือการสาธิตหน่วยความจำร่วมกับ AMD

SOCAMM2 ซึ่งจัดแสดงด้วย เป็นโมดูลหน่วยความจำเซิร์ฟเวอร์ที่ใช้ LPDDR เมื่อนำมาพิจารณาร่วมกัน การจัดแสดงเหล่านี้แสดงให้เห็นว่ากลยุทธ์ด้านความเร็วของซัมซุงครอบคลุมทั้งหน่วยความจำสำหรับตัวเร่งความเร็วและเทคโนโลยีหน่วยความจำที่ใช้พลังงานต่ำ อย่างไรก็ตาม หน้าซัมมิตไม่ได้ให้ผลทดสอบเปรียบเทียบในเกณฑ์เดียวกันสำหรับผลิตภัณฑ์ทุกชิ้น

ความร่วมมือกับ AMD มุ่งเพิ่มความจุหน่วยความจำอย่างยืดหยุ่น

ซัมซุงและ AMD สาธิตการขยายหน่วยความจำผ่าน CXL โดยใช้เทคโนโลยี CMM-D ของซัมซุง CXL ย่อมาจาก Compute Express Link เป็นมาตรฐานเชื่อมต่อโปรเซสเซอร์และอุปกรณ์อื่นเข้ากับหน่วยความจำเพิ่มเติม ช่วยให้ระบบเพิ่มความจุได้เกินกว่าหน่วยความจำที่ติดตั้งไว้โดยตรง

CMM-D คือโมดูลหน่วยความจำ DRAM ที่ใช้ CXL ในการกำหนดค่าแบบรวมทรัพยากร หลายระบบสามารถดึงความจุจากทรัพยากรหน่วยความจำที่เชื่อมต่อไว้ แทนที่จะกำหนดความจุนั้นให้เซิร์ฟเวอร์แต่ละเครื่องอย่างถาวร ซัมซุงระบุว่าความร่วมมือกับ AMD ได้ยืนยันว่า CXL สามารถใช้ขยายความจุและแบนด์วิดท์หน่วยความจำ พร้อมลดช่วงเวลาที่แกนประมวลผล CPU ต้องรอข้อมูล

ความท้าทายนี้ยิ่งชัดเจนขึ้นเมื่อเอเจนต์ AI ทำงานหลายโมเดลหรือหลายงานพร้อมกัน คำอธิบายอย่างเป็นทางการของซัมซุงระบุว่าเวิร์กโหลดของเอเจนต์อาจทำให้การใช้งาน CPU เพิ่มขึ้นอย่างรวดเร็ว ขณะที่ความจุหน่วยความจำไม่เพิ่มตามจำนวนแกนประมวลผล

การสาธิตการรวมทรัพยากร CMM-D อีกชุดหนึ่งใช้การจัดสรรแบบยืดหยุ่นระหว่างอินสแตนซ์ของโมเดลภาษาขนาดใหญ่หลายตัวบนเซิร์ฟเวอร์ GPU ซัมซุงรายงานว่าเวลาจนได้โทเคนแรก หรือ TTFT ลดลงสูงสุด 38% และ goodput สูงขึ้นได้ถึง 3.3 เท่าเมื่อเทียบกับการจัดสรรแบบคงที่ TTFT วัดเวลารอก่อนเริ่มมีคำตอบ ส่วน goodput วัดปริมาณงานที่เป็นประโยชน์ตามเกณฑ์การประเมิน

ไม่ควรนำผลเหล่านี้ไปถือเป็นตัวเลขจากการสาธิตของ AMD โดยตรง หน้าทางการแยกการทดสอบยืนยันเทคโนโลยีร่วมกับ AMD ออกจากการทดสอบประสิทธิภาพของการจัดสรรแบบยืดหยุ่น อีกทั้งยังให้รายละเอียดไม่เพียงพอที่จะระบุได้ว่าผลลัพธ์จะเปลี่ยนไปอย่างไรเมื่อใช้โมเดล การกำหนดค่าเซิร์ฟเวอร์ หรือเป้าหมายการให้บริการที่แตกต่างกัน

KV cache เชื่อมการขยายหน่วยความจำเข้ากับสตอเรจ

จุดเชื่อมโยงสำคัญระหว่างแผนด้านหน่วยความจำและสตอเรจของซัมซุงคือแคช key-value ซึ่งมักเรียกว่า KV cache แคชนี้เก็บข้อมูลระหว่างทางที่เกิดขึ้นขณะโมเดลภาษาอ่านข้อความ ช่วยให้โมเดลนำงานเดิมกลับมาใช้ได้แทนการคำนวณใหม่ทุกครั้งที่สร้างโทเคนเพิ่มเติม

บทสนทนาที่ยาวขึ้น บริบทที่ใหญ่ขึ้น และผู้ใช้หลายคนที่ใช้งานพร้อมกัน อาจทำให้แคชเหล่านี้ใช้หน่วยความจำจำนวนมาก ซัมซุงเสนอการจัดลำดับชั้นที่ใช้หน่วยความจำ CXL เพิ่มความจุที่มีอยู่ และใช้ SSD เก็บข้อมูลแคชที่ไม่จำเป็นต้องอยู่ในชั้นหน่วยความจำที่เร็วที่สุด

หน้าซัมมิตอย่างเป็นทางการกล่าวถึงการใช้งานจริงที่วิทยาเขตในสหรัฐฯ ของ Samsung Semiconductor เพื่อรองรับเอเจนต์เขียนโค้ด AI ภายในและแอปพลิเคชันอื่น ซัมซุงระบุว่าการเพิ่มชั้นหน่วยความจำแบบ composable ระดับ L3.5 ผ่านโซลูชัน AI Memory Node ช่วยเพิ่มการใช้ประโยชน์จาก KV cache ได้ 5 ถึง 7 เท่า

L3.5 เป็นชื่อเรียกชั้นเพิ่มเติมดังกล่าว ไม่ได้หมายความว่าเซิร์ฟเวอร์ทุกเครื่องจะใช้สถาปัตยกรรมแคชแบบเดียวกัน การใช้งานนี้เกี่ยวข้องกับ Memory Solutions Lab ของซัมซุง ทีม DSA AI Platform Integrations และ SGLang ผลด้านการใช้ประโยชน์จากแคชนี้แตกต่างจากทั้งการทดสอบการจัดสรรแบบยืดหยุ่นและตัวเลขประสิทธิภาพของ LPDDR5X-PIM

กำหนดการซัมมิตยังมีการประชุมวันที่ 13 ตุลาคม ว่าด้วยการผสานการรวมทรัพยากร CXL เข้ากับสตอเรจ SSD เพื่อย้าย KV cache ไปเก็บไว้ในสตอเรจ โดยมี Jinin So สถาปนิกระบบ และ Youngha Choi วิศวกรหลัก เป็นผู้นำเสนอ การผสานทั้งสองเทคโนโลยีทำให้กลยุทธ์นี้เป็นมากกว่าการเพิ่มความจุ เพราะต้องอาศัยซอฟต์แวร์ในการจัดวางและดึงข้อมูลระหว่างหน่วยความจำกับสตอเรจโดยไม่ก่อให้เกิดความล่าช้ามากเกินไป

SSD รองรับความจุ การระบายความร้อน และการจัดวางข้อมูล

กลยุทธ์ด้านการเก็บรักษาข้อมูลของซัมซุงเน้น SSD ระดับองค์กรและแฟลช NAND ความจุสูง การเก็บรักษาข้อมูลหมายถึงการคงข้อมูลไว้หลังจากสิ้นสุดสถานะการทำงานชั่วคราวของการประมวลผล ทำให้ระบบ AI ดึงชุดข้อมูล ไฟล์โมเดล และข้อมูลแคชที่บันทึกไว้มาใช้ได้เมื่อจำเป็น

ซัมซุงนำเสนอ PM1763 ในฐานะ SSD ระดับองค์กรแบบ PCIe Gen6 ที่มีความเร็วอ่านต่อเนื่องสูงสุด 28.4 GB/s และประสิทธิภาพการใช้พลังงานสูงกว่ารุ่นก่อนหน้าได้ถึง 1.8 เท่า การสาธิตระบบระบายความร้อนด้วยของเหลวของซัมซุงติดตั้งรุ่น E1.S ให้สัมผัสกับแผ่นระบายความร้อนโดยตรงเพื่อดึงความร้อนออก หน้าทางการไม่ได้ให้เงื่อนไขการทดสอบประสิทธิภาพเปรียบเทียบไว้อย่างครบถ้วน

ซัมซุงระบุ BM1773 เป็น SSD แบบ E3.S ที่มีพื้นที่จัดเก็บ QLC ขนาด 256TB QLC หรือ quad level cell จัดเก็บข้อมูล 4 บิตในเซลล์แฟลชแต่ละเซลล์ จึงรองรับความจุสูง รายงานยังกล่าวถึงการพัฒนาแฟลช QLC ความจุสูงและเทคโนโลยีจัดวางข้อมูลแบบยืดหยุ่นของซัมซุงอย่างต่อเนื่อง

ซัมซุงสาธิตการปรับปรุง KV cache ที่ผสานรวมเข้ากับ LMCache เทคโนโลยี Flexible Data Placement หรือ FDP ช่วยจัดระเบียบตำแหน่งที่เขียนข้อมูลเพื่อลด write amplification ซึ่งหมายถึงการเขียนข้อมูลภายใน SSD เพิ่มเติมจากข้อมูลที่โฮสต์ส่งเข้ามา

การสาธิตยังใช้ค่า NVMe Maximum Data Transfer Size ที่ใหญ่ขึ้นเพื่อลดภาระงานของ CPU ฝั่งโฮสต์ ซัมซุงระบุว่าเทคนิคเหล่านี้เกี่ยวข้องทั้งกับการจัดเก็บแคชภายในโหนดเดียวและทรัพยากรแคชที่ใช้ร่วมกันระหว่างกลุ่มเซิร์ฟเวอร์ อย่างไรก็ตาม หน้าข้อมูลงานไม่ได้ระบุตัวเลขการปรับปรุงสำหรับเทคนิคเหล่านี้โดยเฉพาะ

ย้ายการประมวลผลเข้าใกล้ข้อมูลที่จัดเก็บไว้

การสาธิตฐานข้อมูลเวกเตอร์ของซัมซุงเป็นอีกแนวทางหนึ่งในการลดการเคลื่อนย้ายข้อมูล ฐานข้อมูลเวกเตอร์จัดเก็บข้อมูลในรูปตัวแทนเชิงตัวเลขและนำมาเปรียบเทียบเพื่อค้นหารายการที่คล้ายกัน ซึ่งเป็นขั้นตอนทั่วไปเมื่อแอปพลิเคชัน AI ค้นหาเอกสารที่เกี่ยวข้องกับคำขอ

ต้นแบบ NCVS ย้ายการคำนวณระยะห่างของเวกเตอร์ไปทำใน SSD แทนที่จะส่งเวกเตอร์ขนาด 4KB ไปยังโฮสต์เพื่อเปรียบเทียบ อุปกรณ์จะส่งผลลัพธ์ระยะห่างขนาด 4 ไบต์กลับมา ซัมซุงรายงานว่าปริมาณข้อมูลที่รับส่งจากโฮสต์ต่ำกว่าแนวทางประมวลผลบนโฮสต์แบบทั่วไปได้สูงสุด 22 เท่า โดยปริมาณงานการค้นหาเพิ่มขึ้นเมื่อเพิ่มจำนวน SSD

ตัวเลข 4 ไบต์และ 4KB หมายถึงขนาดของผลลัพธ์และเวกเตอร์แต่ละรายการ ไม่ได้หมายความว่าแอปพลิเคชันทั้งหมดจะลดปริมาณการรับส่งข้อมูลได้ในอัตราเดียวกัน ตัวเลขที่รายงานว่าลดลงสูงสุด 22 เท่าเป็นผลเปรียบเทียบโดยรวมที่วัดได้ ซัมซุงระบุว่า NCVS เป็นโครงการพิสูจน์แนวคิด ไม่ใช่ผลิตภัณฑ์ที่วางจำหน่ายทั่วไป

การสาธิต AiSIO มุ่งจัดการอินพุตและเอาต์พุตของสตอเรจผ่านอินเทอร์เฟซซอฟต์แวร์ร่วมสำหรับการทำงานที่ GPU เริ่มต้น การรับส่งข้อมูลระหว่างอุปกรณ์โดยตรง และการทำงานที่ CPU เริ่มต้นตามปกติ ซัมซุงรายงานประสิทธิภาพ 100 ล้านคำสั่งอินพุต/เอาต์พุตต่อวินาที และการโหลดโมเดลภาษาจากสถานะเริ่มต้นแบบ cold start ได้เร็วขึ้นสูงสุด 10 เท่าเมื่อใช้ OpenDS

ตัวชี้วัดเหล่านี้อธิบายงานคนละประเภท ความเร็วอ่านต่อเนื่องวัดอัตราการรับส่งข้อมูลที่ทำได้ต่อเนื่อง จำนวนคำสั่งอินพุต/เอาต์พุตต่อวินาทีใช้วัดคำขอจากสตอเรจ ส่วนการโหลดแบบ cold start วัดความเร็วในการเตรียมโมเดลให้พร้อมใช้งาน ไม่มีตัวชี้วัดใดใช้แทนผลทดสอบที่ระบุจำนวนคำขอจากผู้ใช้ซึ่งบริการ AI ทั้งระบบรองรับได้โดยตรง

การทดสอบร่วมกับลูกค้าและการจัดแสดงโรงงานผลิตชิปขยายขอบเขตการนำเสนอ

Samsung MAX Lab มีเป้าหมายดึงลูกค้าเข้ามามีส่วนร่วมตั้งแต่ช่วงต้นของการพัฒนา ลูกค้าสามารถทดสอบเทคโนโลยีอย่าง PIM, CMM-D และ SSD รุ่นใหม่ก่อนวางจำหน่ายเชิงพาณิชย์ ภายใต้เวิร์กโหลด AI ที่ใกล้เคียงการใช้งานจริง พร้อมส่งข้อกำหนดของระบบกลับไปใช้ในการออกแบบผลิตภัณฑ์

แนวทางนี้ตอบโจทย์ประเด็นเชิงปฏิบัติที่ปรากฏตลอดการสาธิตในงานซัมมิต นั่นคือชิ้นส่วนที่เร็วขึ้นจะสร้างประโยชน์ได้ก็ต่อเมื่อซอฟต์แวร์และฮาร์ดแวร์รอบข้างสามารถนำไปใช้ได้จริง Global Open-ecoSystem Team ของซัมซุงมีส่วนร่วมในการพัฒนาโอเพนซอร์สและการกำหนดมาตรฐานอุตสาหกรรม ขณะที่กำหนดการงานมีหัวข้อเกี่ยวกับเฟรมเวิร์กซอฟต์แวร์ การจัดการคำสั่งสตอเรจ และการจัดการหน่วยความจำ

ซัมซุงยังสาธิตสตอเรจแบบ composable ที่รองรับการย้ายข้อมูลขณะระบบทำงานและการจัดการ SSD เสมือนผ่าน NVMe มาตรฐาน คำอธิบายอย่างเป็นทางการนำเสนอแนวทางนี้สำหรับการใช้สตอเรจร่วมกันระหว่างผู้ใช้หลายราย พร้อมบังคับใช้คุณภาพการให้บริการ หรือการควบคุมบริการที่แต่ละเวิร์กโหลดได้รับ

การจัดแสดงไม่ได้จำกัดอยู่แค่หน่วยความจำ รายงานกล่าวถึงเวเฟอร์หน่วยประมวลผลภาษา Groq ที่ผลิตด้วยกระบวนการ 4nm ของ Samsung Foundry ระบบ Groq 3 LPX ซึ่งรายงานหลายแห่งระบุว่าเป็นระบบ Nvidia และเวเฟอร์ที่ใช้กระบวนการ gate-all-around 2nm ของซัมซุง การจัดแสดงเหล่านี้นำเสนอขีดความสามารถด้านการผลิตควบคู่ไปกับหน่วยความจำและสตอเรจ แต่ไม่ได้ยืนยันสัญญาการผลิตใหม่หรือปริมาณการจัดส่ง

ความร่วมมือที่พัฒนาต่อเนื่องหลายเดือน

การสาธิตกับ AMD สืบเนื่องจากความร่วมมือก่อนหน้านี้ ไม่ได้เกิดขึ้นอย่างโดดเดี่ยว รายงานกล่าวถึงบันทึกความเข้าใจในเดือนมีนาคม ซึ่งครอบคลุมเทคโนโลยีหน่วยความจำและการประมวลผล AI รุ่นใหม่ ตามด้วยการหารือระหว่างการเยือนเกาหลีใต้ของ Lisa Su ประธานเจ้าหน้าที่บริหาร AMD เมื่อวันที่ 7 ตุลาคม

ลำดับพัฒนาการที่มีรายงานและกำหนดการประชุมในงานซัมมิตมีดังนี้:

• มีนาคม 2026: ซัมซุงและ AMD ลงนามบันทึกความร่วมมือ โดยซัมซุงยังนำเสนอเทคโนโลยีในงาน Nvidia GTC ด้วย
• มิถุนายนและสิงหาคม 2026: ซัมซุงนำเสนอผลงานที่งาน COMPUTEX และการประชุม Future of Memory and Storage ตามลำดับ
• 7 ตุลาคม 2026: Lisa Su เยือนเกาหลีใต้และพบกับ Jeon Young-hyun รองประธานกรรมการ Samsung DS Division เพื่อหารือความร่วมมือด้านหน่วยความจำและการประมวลผล รายงานยังกล่าวถึงการหารือด้านโรงงานผลิตชิปด้วย
• 12 ตุลาคม 2026: งานซัมมิตเริ่มขึ้น โดยกำหนดให้ Shim นำเสนอในช่วงผู้บริหารในวันเดียวกัน
• 13 ถึง 15 ตุลาคม 2026: กำหนดการของซัมซุงครอบคลุมการจัดลำดับชั้น KV cache การเพิ่มประสิทธิภาพสตอเรจ และการประชุมเรื่องสถาปัตยกรรมหน่วยความจำ CXL แบบใช้ร่วมกัน

ซัมซุงเข้าร่วมงานในฐานะ Diamond Sponsor รายงานระบุวันที่ประกาศกลยุทธ์ไม่ตรงกัน บางแห่งอ้างวันที่ 12 ตุลาคมตามเวลาท้องถิ่น ขณะที่บางแห่งระบุคำแถลงของบริษัทเมื่อวันที่ 13 ตุลาคม ทั้งสองวันอาจหมายถึงคนละช่วงของงานเดียวกัน รายงานหนึ่งระบุว่างานจัดขึ้นในซานฟรานซิสโก ขณะที่กำหนดการอย่างเป็นทางการของซัมซุงระบุศูนย์ประชุมในซานโฮเซ

ขนาดตลาดไม่ได้ยืนยันความพร้อมเชิงพาณิชย์

งานวิจัยอุตสาหกรรมที่มีรายงานระบุว่า ซัมซุงครองอันดับหนึ่งในไตรมาส 2 ปี 2026 ด้วยส่วนแบ่งรายได้ DRAM ทั่วโลก 39% และส่วนแบ่งตลาดแฟลช NAND 29.3% โดยระบุ Counterpoint Research เป็นแหล่งข้อมูลตัวเลข DRAM และ TrendForce เป็นแหล่งข้อมูลตัวเลข NAND ตัวเลขเหล่านี้เป็นสัดส่วนส่วนแบ่งตลาด ไม่ใช่ส่วนแบ่งในตลาด CXL หรือการประมวลผลในหน่วยความจำที่กำลังเกิดขึ้น

มีการอ้างถึง Omdia ว่าคาดการณ์ว่าซัมซุงจะมีกำลังการผลิตเวเฟอร์ DRAM และ NAND สูงที่สุดในอุตสาหกรรมตลอดปีนี้ ส่วนการประเมินอีกชุดหนึ่งระบุกำลังการผลิต DRAM รายปีไว้ที่ประมาณ 8.175 ล้านเวเฟอร์เทียบเท่าเวเฟอร์ขนาด 300 มม. กำลังการผลิตไม่เท่ากับผลผลิตจริง และตัวเลขทั้งสองก็ไม่ได้ระบุว่ามีการจัดสรรกำลังการผลิตให้เทคโนโลยีที่นำเสนอในงาน OCP มากน้อยเพียงใด

รายงานหนึ่งยังระบุตัวเลขเบื้องต้นของไตรมาส 3 ที่สูงเป็นพิเศษ โดยลงวันที่ 8 ตุลาคม ได้แก่ รายได้ 195 ล้านล้านวอน และกำไรจากการดำเนินงาน 107.4 ล้านล้านวอน เพิ่มขึ้น 782.5% จากปีก่อน ตัวเลขเหล่านี้ไม่มีการยืนยันด้วยรายงานการเงินอย่างเป็นทางการในที่นี้ จึงไม่ควรถือเป็นหลักฐานยืนยันรายได้จากเทคโนโลยีที่นำเสนอในงานซัมมิต

การแข่งขันยังขยายวงกว้างกว่าตลาด HBM รายงานกล่าวถึง Memory-Centric AI Rack System หรือ MARS ของ SK hynix ซึ่งเป็นพูลหน่วยความจำ CXL ที่ใช้ร่วมกันภายในแร็ก แนวทางนี้คล้ายกับความพยายามของซัมซุงในการเปิดให้ระบบต่าง ๆ เข้าถึงหน่วยความจำส่วนที่เหลือได้ อย่างไรก็ตาม ยังไม่มีผลทดสอบเปรียบเทียบที่ยืนยันว่าแนวทางใดทำงานได้ดีกว่า

ซัมซุงระบุเป้าหมายไว้ที่การเสริมความสามารถในการแข่งขันของ HBM, DDR5 สำหรับเซิร์ฟเวอร์ และ SSD ระดับองค์กร ประเด็นเชิงพาณิชย์ที่ยังไม่มีข้อสรุป ได้แก่ กำหนดวางจำหน่าย HBM5 ราคา การนำไปใช้ในวงกว้างโดยลูกค้า และการยืนยันผลด้านประสิทธิภาพจากหน่วยงานอิสระ กำหนดการซัมมิตระบุวันสาธิตและอภิปรายเทคโนโลยี แต่ไม่ได้กำหนดเส้นตายการวางจำหน่ายที่ชัดเจนสำหรับทุกเทคโนโลยี

ประเด็นสำคัญ

• กลยุทธ์ของซัมซุงในงาน OCP 2026 ผสานหน่วยความจำที่เร็วขึ้น การเพิ่มความจุผ่าน CXL และสตอเรจ SSD ที่เก็บรักษาข้อมูลได้
• ความร่วมมือกับ AMD ใช้เทคโนโลยีหน่วยความจำ CMM-D เพื่อรองรับความต้องการหน่วยความจำ AI ที่เพิ่มขึ้น
• การสาธิตการรวมทรัพยากรแบบยืดหยุ่นอีกชุดรายงานว่าเวลาจนได้โทเคนแรกลดลงสูงสุด 38% และ goodput เพิ่มขึ้น 3.3 เท่า
• ผลประเมิน LPDDR5X-PIM ระบุว่าประสิทธิภาพการอนุมานบน Samsung Edge AI Accelerator เพิ่มขึ้นได้สูงสุด 3 เท่า
• สตอเรจ PM1763 การปรับปรุง KV cache และการประมวลผลภายใน SSD มุ่งแก้ข้อจำกัดด้านการเคลื่อนย้ายข้อมูลที่แตกต่างกัน
• ข้อมูลจากงานซัมมิตยังไม่ได้ยืนยันกำหนดจัดส่ง HBM5 หรือการวางจำหน่ายเชิงพาณิชย์ในวงกว้าง