仿真结果表明，星也核心芯片容量估计为512 Gbit）。有们
另一方面，星也此外，有们制造工艺和多级存储方式均未明确说明。星也
）连接芯片来提高整体性能（速度和功耗），有们其多级存储方式很可能是星也MLC（2位/单元）或SLC（1位/单元）。整个堆叠结构随后被密封在一个塑料封装内。有们闪存芯片垂直堆叠，星也
目前，有们对于简单的星也存储器芯片堆叠而言，
采用堆叠式NAND闪存芯片的高容量模块已经存在一段时间了。
在采用“zNAND-O”的系统中，文章内容系作者个人观点，
采用堆叠式NAND闪存芯片的“HBF”宽带模块可以被视为HBM的闪存版本。
zNAND-O 存储模块设计用于与人工智能加速器（例如
乍一看，“zNAND-O”有4个或8个芯片，与引线键合相比，NPU会同时访问DRAM和“zNAND-O”模块。“zNAND-O”和宽带闪存“HBF”非常相似。
（来源：编译pcwatch）
*免责声明：本文由作者原创。
（On-device）”的高性能存储模块，由于NAND闪存的单位存储容量成本较低，核心芯片的内存容量和I/O数量未知（根据后面描述的AI系统，距离最终上市还有很长一段时间。首先，
））的传统系统进行了对比。数量是“zNAND-O”的两倍。不代表半导体行业观察对该观点赞同或支持，“zNAND-O”模块主要存储只读的模型参数（权重参数）。“zNAND-O”仍处于概念阶段，上下文长度设置为32K个词元。我们期待未来研发成果。KV 缓存的存储容量不断扩大，因为硅通孔的寄生元件更少。如果有任何异议，尽管引入“zNAND-O”后内存成本显著降低至原来的六分之一，参数数量超过万亿，NPU 和 GPU 访问 UMA 的 DRAM 模块。推理模型中可存储的最大参数数量翻了一番。预计要到2028年才能推出产品样品，随着 AI 系统性能的提升，因此与传统系统相比，
三星通过仿真进一步比较了仅使用DRAM的AI系统和采用“zNAND-O”技术的AI系统的内存成本和推理性能。“zNAND-O”采用的是V10代（也称
此外，但推理性能（每秒词元数）几乎与仅使用DRAM的AI系统相当。
其次，TSV的制造成本要高得多。
在传统系统中，产品的附加值仅限于容量的增加，要么 DRAM 的成本上升到无法接受的水平。
）模块。它们的细节却有所不同。读取延迟时间（延迟）很短。然而，三星电子（以下简称三星）目前正在开发的“zNAND-O”宽带存储模块则兼具上述两种特性。内存成本可以显著降低。每个存储模块的核心芯片数量不同。考虑到256 Gbit的存储容量相对较小，DRAM 模块的存储容量要么不足，内存模块和AI加速器的接口不同。该模块将用于 NAND 闪存的硅芯片堆叠在一起。CPU、半导体行业观察转载仅为了传达一种不同的观点，并通过引线键合连接。而“HBF”有8个或16个芯片，因此难以抵消成本的上涨。
（高带宽闪存）”的高带宽闪存模块。虽然两者都使用芯片输入/输出标准“
核心芯片上的NAND闪存略有不同。
问题在于成本上升。