Mało znana firma chce obalić Samsunga.

W obliczu rosnącego popytu na sztuczną inteligencję japońska firma Kioxia spodziewa się, że jej zaawansowana technologia pamięci pomoże jej odzyskać udziały w rynku, które wyprzedziły konkurencję.

Japońska firma Kioxia koncentruje większość swoich inwestycji na technologii pamięci flash NAND. Zdjęcie: Nikkei .

Kioxia Holdings, japoński producent pamięci masowych, przygotowuje się do ogłoszenia nowej strategii odzyskania udziału w rynku od konkurentów. Ten krok jest związany z rosnącym popytem na pamięci do centrów danych, napędzającym rynek pamięci flash NAND.

Według Nikkei , Kioxia ma przedstawić swoją mapę drogową rozwoju technologii na spotkaniu inwestorów 2 czerwca. Od ostatniego spotkania cena akcji spółki wzrosła 34-krotnie.

„Zainwestowaliśmy wcześniej, ponieważ wierzyliśmy w przyszły potencjał pamięci flash NAND. Mamy znaczącą przewagę nad konkurencją” – podkreślił inżynier Kioxia.

Wyścig na rynku pamięci flash NAND koncentruje się na zwiększeniu pojemności poprzez pionowe układanie komórek pamięci.

Technologia ta została opracowana w 2007 roku przez firmę Toshiba, poprzedniczkę Kioxii. Jednak ostatnio Kioxia jest krytykowana za pozostawanie w tyle za konkurencją pod względem liczby warstw, które można układać w stosy.

Na początku 2023 roku firma Kioxia ogłosiła pomyślne opracowanie produktu zawierającego 218 warstw komórek pamięci. Wkrótce potem południowokoreańska firma SK Hynix ogłosiła, że ​​stworzyła produkt z ponad 300 warstwami. Główne rozwiązania Kioxii nadal wykorzystują 218 warstw.

Pod presją konkurencji, Kioxia znalazła nowy kierunek dzięki opatentowanej technologii połączeń międzysystemowych. Oprócz komórek pamięci NAND, pamięć NAND zawiera również obwody sterujące, które zarządzają wejściem/wyjściem danych.

Komórki pamięci i obwody sterujące są zazwyczaj montowane na tym samym waflu półprzewodnikowym, który pełni funkcję podłoża. Technologia Kioxia, zwana CBA, pozwala zintegrować te dwa komponenty na dwóch oddzielnych waflach półprzewodnikowych, a następnie połączyć je ze sobą. Zwiększa to gęstość zapisu i szybkość przesyłania danych.

Proces łączenia płytek półprzewodnikowych wymaga wysokiej precyzji. Według Kazuyoshi Saito, analityka z IwaiCosmo Securities, pamięć NAND firmy Kioxia oferuje prędkość odczytu/zapisu o około 20-30% wyższą niż w przypadku produktów konkurencji.

Początkowo branża wykazywała niewielkie zainteresowanie technologią CBA, wierząc, że stacking jest nadal prostszy. Jednak wraz ze wzrostem znaczenia szybkości przetwarzania dla sztucznej inteligencji, korzyści płynące z CBA szybko przyciągnęły uwagę.

„Popyt będzie nadal rósł wraz ze wzrostem popularności serwerów AI” – powiedział analityk Toshiya Suzuki. Flagowe produkty japońskiej firmy już wykorzystują tę technologię.

Fabryka półprzewodników Kioxia w Japonii. Zdjęcie: Bloomberg .

Według Nikkei , konkurenci, tacy jak Samsung, koncentrują swoje inwestycje na pamięci DRAM, technologii bardzo poszukiwanej we wczesnej fazie boomu na sztuczną inteligencję. Kioxia mogłaby więc na tym skorzystać, ponieważ jej konkurent nie skupił się jeszcze mocno na pamięciach NAND.

Wyzwanie dla Kioxii wynika z udziału w rynku. W pierwszym kwartale firma zajęła trzecie miejsce na świecie pod względem przychodów z pamięci NAND według danych TrendForce (13,9%). Samsung był liderem z udziałem w rynku na poziomie 31,6%.

Kioxia nie ma również wielu klientów w segmencie centrów danych. Co więcej, popyt na pamięć NAND do zastosowań w sztucznej inteligencji wzrósł dopiero około połowy 2025 roku, co nie jest jeszcze wystarczające, aby ocenić skuteczność nowej technologii.

„Samsung Electronics i SK Hynix wykorzystały swoje możliwości dostawcze, aby zabezpieczyć sobie długoterminowe kontrakty z klientami, co utrudniło firmie Kioxia szybkie zdobycie udziału w rynku”.

„Japońskie firmy będą musiały przekonać klientów z sektora centrów danych, wykorzystując swoją wewnętrzną technologię” – skomentował Shuhei Ochiai, dziennikarz Nikkei .

Źródło: https://znews.vn/kioxia-tu-tin-canh-tranh-voi-samsung-post1656228.html