3D NAND，只能堆疊？

NAND發展似乎進入了一個怪圈。

曾經的東芝存儲，如今的鎧俠剛宣布了一個好消息：隨着存儲市場的復蘇，鎧俠已經結束了NAND 閃存的減產策略，目前鎧俠在日本三重縣四日市和巖手縣北上市兩座工廠產线的產能利用率已提升至100%。

此外鎧俠在連續 6 個季度的虧損後也在上季度重新實現了103億日元盈利，由三家銀行組成的貸款銀團同意對鎧俠即將到期的5400億日元（當前約249.25 元人民幣）貸款進行再融資，並提供2100億日元的新信貸額度。

而其他存儲廠商，也在努力恢復之前削減的NAND產能，三星的 NAND 閃存產能已攀升至 70% 左右， SK 海力士正在加大高容量 NAND 產品（如高容量 eSSD）的生產，而西部數據則正將其生產利用率提高到 90% 左右。

不過，NAND市場的寒冬恐怕還未結束，有專家擔心，產量的快速增長可能會超過需求，從而抑制 NAND 閃存價格的上漲，韓國工業經濟貿易研究院研究員金仰N鵬表示：“除了人工智能數據中心使用的高容量 NAND，很難說整個 NAND 市場都在復蘇，產量的突然激增可能會壓低一直在上漲的 NAND 價格。”

這也意味着，接下來的一年中，NAND市場依舊存在着許多不確定性，能否像DRAM一樣快速恢復元氣，還是一個未知數。

而更大的挑战仍然是技術層面的，3D NAND的下一步到底是什么？

NAND，何去何從

對於NAND來說，21世紀的頭十年和DRAM別無二致，借助不斷發展的摩爾定律，通過更高分辨率的光刻，持續微縮晶體管，從而帶來存儲密度和性能的提升。

但在2010年之後，這條微縮之路逐漸走到了盡頭，一方面，EUV技術量產比想象中更慢，DUV已經達到了極限，而曲线救國的多重曝光方法帶來的高成本與低良率也是NAND廠商所不能接受的。

最終，3D NAND技術成爲了新的發展方向，傳統NAND Flash 採用平面設計，而3D NAND 是以則由原本平鋪的存儲單元所堆疊而成，由傳統單層存儲提升至高達上百層的堆疊，讓其存儲容量相較於傳統2D NAND Flash有了大幅提升。

直到今天，3D NAND也在持續推動着整個存儲市場的發展，但行業內的對NAND未來發展方向的爭議卻似乎從未停止過。

早在2004年國際固態電路會議（ISSCC）上，Sub-Micron Circuits的Jagdish Pathak就表示：“爲了在2010年之後繼續縮放閃存技術，需要進行深入研究。90納米的閃存已經投入生產，在65納米上存在爭議，有些人認爲可以繼續縮放，有些人則表示懷疑。我認爲在接近45納米時，浮動柵極結構會面臨更大的縮放困難。有很多很多的挑战。”

三星存儲部門副總裁Kim Ki-Nam博士選擇了基於硫屬化物的方法（即PCRAM、PRAM和Ovonics統一存儲器），這種方法依賴材料的相變效應來實現切換。Kim說：“它比其他方法具有更好的可擴展性。”

日立中央研究實驗室的Tomoyuki Ishii正在研究NanoCrystal存儲技術，這是一種單電子存儲技術的衍生方法。Ishii說：“它可以垂直和水平縮放，多狀態數據提供了所有替代方案中最低的每比特成本。氧化物可以縮放到5納米的厚度，而且這也是一個純硅工藝。”NanoCrystal的挑战是編程和擦除時間慢以及高電壓。Ishii認爲這些問題將在兩到三年內解決。

英飛凌科技和摩托羅拉則把資金投入到MRAM上。英飛凌的Sitaram Arkalgud稱MRAM是“對通用存儲應用極具吸引力的候選者”。然而，Jagdish Pathak指出，第一篇關於MRAM的論文發表在1991年，但至今仍沒有商業產品。

英特爾閃存开發總監Greg Atwood說：“目前尚不清楚是否存在或即將出現能夠挑战浮動柵極的技術。”

可以看到，20年前，各家對NAND的下一步提出了不同看法，最終，NAND 閃存行業放棄了傳統的擴展方式。首批商用 3D NAND 產品於 2013 年推出，堆棧數量爲 24 個字线層 (128 Gb)。根據供應商的不同，結構存在差異，以不同的名稱爲人所知，例如 V-NAND 和 BICS，3D NAND成爲了第一個也是唯一一個將真正的 3D 產品推向市場的技術。

爲了保證NAND密度能夠不斷提升，廠商們在這20年時間中實施了更多創新，從而促進具有挑战性的 3D 工藝或進一步提高位密度，後者的一個例子是將每個單元的比特數增加到最多4個，這是NAND閃存技術的真正優勢。例如，使用4個比特時，多級單元在每個單獨的晶體管中使用16個離散電荷級別，這得益於足夠大的存儲窗口。

另一個顯著的創新是用電荷陷阱單元取代了浮柵單元，這涉及更簡化的工藝流程。這兩種單元類型的工作原理相對類似，但在電荷陷阱單元中，捕獲層是絕緣體——通常是氮化硅——這減少了鄰近單元之間的靜電幹擾。現在，大多數3D-NAND結構都以這種電荷陷阱單元爲基礎。

值得一提的是，3D NAND依舊在不斷的堆疊當中，其中幾家主要的NAND廠商，目前已經向200層以上發起進攻。

三星一直處於3D NAND創新的前沿。他們在V7中採用了雙層結構，並引入了COP整合以提高性能。隨着V8 236層1 Tb TLC產品的發布，三星展示了其不斷突破技術界限的承諾。展望未來，三星已經在計劃V9，採用280層COP V-NAND和類似於其他領先競爭對手的混合鍵合技術。

鎧俠（KIOXIA）和西部數據（WDC）保持了BiCS結構，專注於提高層數。通過宣布第八代BiCS產品具有218層，並計劃推出具備284層的後續版本，鎧俠展示了其在NAND技術進步方面的決心。

美光（Micron）轉向CTF CuA整合，憑借 176L 和 232L 產品的發布引領市場。他們還在开發 Gen7，可能會跳過 300 層節點，瞄准 400 層設備，展現出他們對未來創新的雄心。

SK海力士繼續使用4D PUC結構，計劃大規模生產238層V8 4D PUC產品，其正在爲進一步發展做好准備，可能在不久的將來達到370層或380層。

長江存儲（YMTC）的Xtacking結構取得了顯著進展，從176層跳到232層。盡管面臨芯片禁令帶來的挑战，其仍然專注於开發更先進的QLC設備和multi-Xtacking技術。

旺宏電子（MXIC）以其第一代3D NAND芯片進入市場，應用於任天堂Switch等產品。計劃推出具有96層的第二代產品，其准備在行業中取得進一步進展。

廠商們甚至已經开始繪制1000層的藍圖。激進的鎧俠近期表示，以每年 1.33 倍的增長率，3D NAND到 2027 年將可達到 1,000 層的水平，三星則在之前預測，到 2030 年左右，其 3D NAND 可以堆疊超過 1,000 層。

隨着 3D NAND 的成熟，SLC 和 MLC 逐漸被淘汰，TLC 佔據主導地位，而最新的QLC 比 TLC 密度更高，而且還有五級單元工作，成本較低。但問題也接踵而至，盡管 QLC SSD 密度高且成本較低，但性能並不好，更容易出錯，使用壽命也不如更昂貴的 TLC NAND 的 SSD 長。

此外，盡管 NAND 取得了諸多進步，但它本身能做的事情非常有限，主要在於其寫入速度仍會阻礙其大幅縮小與 DRAM 的差距或達到 Optane 的性能，這主要歸結於量子力學，這意味着閃存寫入速度爲數十毫秒，而 DRAM 寫入速度爲數十納秒，該限制將使 NAND 閃存無法填補空白。

AI會是希望嗎？

AI不僅帶動了DRAM市場中HBM部分的增長，也給NAND帶來了一些好消息。

根據市場研究公司Omdia在6月10日的報告，預計今年QLC NAND市場規模將比去年增長85%，其在整體NAND市場的份額將從去年的12.9%增加近8個百分點，達到今年的20.7%。

Omdia預測，到2027年，QLC NAND將在整個NAND市場中佔據46.4%的份額，三年內份額將翻倍，接近目前佔據51%市場份額的三級存儲單元（TLC）產品。值得注意的是，盡管直到去年QLC NAND產品主要面向消費者，但今年需求預計主要增長在更高價位的服務器產品上。

QLC NAND的特性與大型科技公司在其服務器上部署生成性AI的需求非常契合。SSD比傳統硬盤驅動器（HDD）提供更快的數據讀寫速度，這突顯了每單位面積存儲更多信息和減少功耗的優勢。NAND制造商也在迅速響應對QLC NAND需求的激增。有樂觀的說法認爲，NAND市場的“春天”可能比預期的更強勁。像去年基於AI需求的HBM需求增長一樣，NAND市場可能會經歷類似的長期市場形成。

不過，盡管QLC NAND喫到了AI的紅利，但它本身的問題依舊存在，尤其是在高讀取工作負載的環境下，不論是壽命還是性能，都會受到很大的影響。

有趣的是，AI在帶動NAND市場發展的同時，也給NAND提供了一種解題思路。

在使用 AI 來更好地管理 SSD 中的 NAND這方面，主控廠商已經走在了前面，據報道，Microchip Technology 的閃存控制器內嵌有機器學習引擎，以幫助延長 NAND 的壽命並改善比特錯誤率。

在一次獨家採訪中，Microchip 數據中心解決方案業務部門的 Ranya Daas 說，雖然在後台使用算法會增加开銷，因爲它需要處理能力，但她表示，機器學習可以使 NAND 單元訓練以減少讀取和重試次數，從而優化讀取電壓。“你會從一开始就知道要去讀取哪個參考電壓。”

Daas認爲，這種方法有機會延長 NAND 閃存的壽命，減少延遲，並且不增加必須實時進行的後台處理。

此外，SSD 制造商 Phison Electronics 也在利用 AI 來提高閃存在驅動器內的性能。

“你無法克服閃存的固有延遲，” Phison 的首席技術官 Sebastien Jean 在接受 EE Times 獨家採訪時表示。“它具有自身的延遲結構。在任何現實的工作負載和任何現實的數據量中，你不可能緩存足夠的數據以在統計上產生差異。”

除了其第四代 LDPC ECC 引擎外，Phison 還專注於可以通過 AI 改善的痛點，Jean 說。其 Imagin+ 定制和設計服務包括 AI 計算模型和 AI 服務解決方案，以幫助公司客戶設計和工程定制閃存部署。

Imagin+ 與 Phison 產品一起工作，優化用於 aiDAPTIV AI+ML 工作負載。aiDAPTIV+ 將 SSD 集成到 AI 計算框架中，以提高 AI 硬件架構的整體操作性能和效率。它結構性地劃分大規模 AI 模型，並通過 SSD 卸載支持運行模型參數。Phison 的方法旨在在有限的 GPU 和 DRAM 資源內最大化可執行的 AI 模型。

從某種意義上說，AI 正在使閃存更好地處理 AI。Jean表示，AI 可以用於熱/冷映射。在閃存存儲陣列採用的早期，公司必須決定哪些數據足夠重要以存儲在較快的閃存上，而不是較慢的旋轉磁盤上。他說，通過改進熱/冷檢測映射，可以延長驅動器的壽命，減少延遲，並在整個讀/寫周期內保持更緊密的性能。

在一味強調堆疊的今天，NAND本身的性能壽命遇到了新的挑战，而AI似乎不僅是NAND未來的“衣食父母”，也是它下一步發展的救星之一。