三星电子于8月5日在美国圣克拉拉举行的FMS 2026上公布新一代AI内存与企业级存储路线，包括zHBM和zNAND-O概念模型，以及采用晶圆键合技术、堆叠超过400层的V10 BV-NAND。三星还展示了约30项内存与存储技术，目标直指大型AI训练、推理和高性能计算基础设施。
这次发布最明显的变化，是内存和存储继续从平面扩展转向垂直堆叠。数据中心无法只靠增加GPU数量提升效率，处理器与内存之间的数据移动、机柜功耗、散热和存储延迟都可能成为新的瓶颈，三星希望通过3D结构缩短数据路径并提高单位面积容量。
zHBM尝试把内存堆叠到AI加速器上方
现有HBM通常分布在AI加速器周围，通过封装中的高速互联交换数据。zHBM提出的结构更进一步，把HBM垂直堆叠在AI加速器上方，让处理器与内存之间的数据传输距离继续缩短。
距离缩短有机会同时改善带宽和能效，尤其适合需要频繁读取模型参数的训练与推理任务。三星还提出在内存与加速器之间的中间层集成客户定制IP，用于扩展容量或配合特定加速器设计。
不过，zHBM当前仍是概念模型。3D堆叠会把互联距离、封装密度和散热问题绑在一起，能否稳定量产还取决于晶圆键合、良率、供电和热管理，不能把概念参数直接当成现有云服务器已经可购买的性能。
官方性能目标明显高于HBM5
三星表示，配合下一代接口系统后，zHBM预计可实现约为HBM5八倍的性能。采用下一代晶圆键合技术后，内存密度目标超过HBM5十倍，能效提升三倍，热阻降低超过一半。
这些数字说明3D内存的竞争已经不只是单颗芯片带宽。大型AI服务器更关心每个加速器能连接多少内存、数据传输需要消耗多少电力，以及高负载下能否持续保持稳定频率。
需要明确的是，官方使用的是预计和可实现等表述，反映的是技术路线目标，并非第三方实测结果。产品最终性能还会受到加速器、封装、冷却方式、软件栈与整机设计影响。
zNAND-O瞄准低延迟边缘AI
三星同时展示zNAND-O，这是一种基于V-NAND开发的高性能NAND方案，目前规划四层和八层版本。它希望在较高空间利用率下提高I/O性能并降低延迟，主要面向实时处理大量数据的边缘AI设备和服务器。
这类存储的意义并不是取代HBM。HBM负责为加速器提供极高带宽的工作内存，NAND则承担模型、向量数据、缓存和持久化文件。推理服务启动、模型切换和检索增强生成都可能受到存储读取速度影响。
zNAND-O当前同样处于开发阶段，三星尚未公布容量、接口、耐久度、量产日期或统一性能数据。对云服务器用户而言，它更像未来存储层的方向信号，还不是现阶段选购云盘或本地SSD的直接依据。
V10 BV-NAND首次突破400层
本次更接近实际产品路线的是V10 BV-NAND。三星称其采用新的Bonding V-NAND架构，堆叠层数超过400层，并通过晶圆键合方式把存储单元组合起来。
与上一代V9相比，V10 BV-NAND的内存密度提高约58%，读写和I/O性能也得到改善。更高密度意味着同样的物理空间可以容纳更多数据，对企业SSD和AI数据中心的高容量存储尤为重要。
层数增加并不自动等于应用延迟按相同比例下降。企业SSD的最终表现还取决于控制器、通道数量、固件、缓存、耐久度和接口规格，三星此次公告也没有给出可直接比较的随机IOPS、顺序吞吐或上市价格。
AI云服务器短期内不会立刻换代
三星还展示了HBM4E、HBM5、LPDDR5X-PIM、PM1763和BM1773，反映其路线覆盖加速器内存、近数据计算与企业级存储。AI基础设施正在从单一GPU竞赛，逐步转向计算、内存、存储和封装的系统级协同。
对于云服务商，这些技术成熟后可能带来更高的单机模型容量、更快的推理数据加载和更好的每瓦性能，但服务器设计、供应链和软件适配需要较长周期。普通用户短期内不会因为概念模型发布就看到云服务器套餐立即变化。
此次公告真正值得关注的是3D堆叠已从NAND层数扩展到加速器与HBM的系统结构。zHBM和zNAND-O仍需等待量产与实测，V10 BV-NAND也要在具体企业SSD中验证性能、耐久度和成本后，才能判断它对AI云服务器的实际价值。
