三星发布AI存储路线图：zHBM与V10 NAND推动AI算力底层革新
AI大模型训练和推理对内存带宽与容量的需求正驱动存储技术从传统架构向高带宽内存（HBM）和超高堆叠NAND演进，三星最新路线图标志着存储行业进入AI定制化时代。
三星发布的下一代AI存储路线图首次将HBM和NAND Flash的演进方向与AI工作负载深度绑定，其中zHBM（零缓冲区HBM）和400层以上V10 NAND成为两大技术支柱。
行业背景：AI存储竞赛白热化
HBM领域，SK海力士已率先量产HBM3E并供应NVIDIA，美光则推出HBM3E Gen2；三星zHBM的出现旨在绕过传统HBM带宽瓶颈，以0缓冲区架构形成差异化竞争。
HBM3E
SK海力士 / 美光
1.2 TB/s
需DRAM缓冲
AI存储需求预测（2025） · HBM需求 2.5亿GB · NAND同比 +80%
AI模型的参数规模每两年增长约10倍，存储系统必须从‘容量优先’转向‘带宽+能效双优先’，zHBM和V10 NAND正是这一思路的产物。
—— 行业分析机构 TrendForce 存储市场分析师
对AI产业的影响：从供给到算力效率
zHBM与V10 NAND的落地将直接降低AI算力集群的TCO（总拥有成本）——通过减少内存瓶颈，GPU利用率有望从当前行业平均的60%提升至85%以上。
万亿参数模型训练优化估算
功耗降低 35% · 时间缩短 15%
以训练一个万亿参数大模型为例，当前需要约1万颗HBM3E+4000块NAND SSD；若采用zHBM+V10 NAND，总存储功耗可降低约35%，同时训练时间缩短15%。
基于三星内部模拟数据
存储不再是AI的附属品，而是决定模型能否在合理时间与成本内完成训练的关键变量。三星的路线图表明，存储厂商正在成为AI基础设施的核心参与者。
—— Omdia半导体首席分析师 Lee Seung-hoon
三星此次路线图不仅展示了技术参数，更透露出‘存储即AI算力’的产业逻辑转变。zHBM的‘零缓冲区’设计直击当前HBM架构的功耗与延迟痛点，而400层以上NAND则为海量模型参数提供低成本介质。在AI存储竞赛中，三星正从追赶者变为规则制定者，但需警惕SK海力士和美光在HBM3E上的先发优势以及客户绑定效应。
三星AI存储路线图是存储行业从通用走向AI定制的里程碑，zHBM和V10 NAND将重新定义AI基础设施的能效与带宽天花板，但短期内量产节奏和客户适配将是关键挑战。