De verborgen crisis van DRAM & NAND: gegevens uit het AI-tijdperk kunnen niet opgeslagen blijven
In het tijdperk van kunstmatige intelligentie hebben we ons lange tijd geconcentreerd op rekenkracht, capaciteit en snelheid.We voegen meer DRAM toe, stapelen HBM en breiden 3D NAND uit om grotere modellen en snellere gevolgtrekkingen te ondersteunen.Maar er ontstaat een stille, gevaarlijke crisis: gegevens kunnen niet langer betrouwbaar opgeslagen blijven.
Naarmate AI evolueert van generatieve AI naar autonome Agentic AI, vereisen systemen een persistente toestand, langetermijngeheugen en continue besluitvorming.Ze kunnen tijdelijke of onstabiele gegevens niet langer tolereren.Tegelijkertijd leidt de meedogenloze schaalvergroting van DRAM en NAND om een hogere dichtheid te bereiken de gegevensretentie en de foutmarge ernstig uit.
De kernuitdaging van opslag is verschoven: van “kunnen we het opslaan?”tot “kunnen we het correct houden?”
Kerntrend: AI maakt opslagbetrouwbaarheid van cruciaal belang
AI-systemen zijn niet langer eenmalige computertaken.Moderne Agentic AI is afhankelijk van:
- Langetermijngeheugen
- Aanhoudende systeemstatus
- Autonome, continue besluitvorming
Dit betekent dat de opslag behouden moet blijven nauwkeurige gegevens in de loop van de tijd, niet alleen voor een korte periode werken.Betrouwbaarheid is een bepalende factor geworden voor de stabiliteit van de AI-infrastructuur.
Oorzaak: schaalvergroting verlaagt de betrouwbaarheid
Dichtheidsverbeteringen beschadigen de stabiliteit rechtstreeks.Dit is een onvermijdelijke afweging.
Voor NAND-Flash
- Gekrompen XY-afmetingen
- Verbeterde 3D-stapellagen
- Resultaat: lagere foutmarge, gemakkelijker ladingverlies
Voor DRAM
- Overgang naar 3D DRAM
- Kleinere celgrootte
- Resultaat: kortere verblijftijd, lagere geluidstolerantie
Regel: Hogere dichtheid = Lagere betrouwbaarheid
Het essentiële probleem van NAND: ladingsverlies
NAND-storing komt neer op lading verlies, wat op twee belangrijke manieren gebeurt:
- Verticale ladingslekkage - lading ontsnapt in het kanaal
- Laterale ladingsdiffusie - lading verspreidt zich tussen woordlijnen
Retentie op korte termijn versus falen op lange termijn
- Korte termijn: Ondiepe vallen, initiële spanningsverschuiving (IVS), veranderingen verschijnen snel
- Lange termijn: Diepe vallen, gecombineerde mechanismen (TAT / DT / TE), problemen worden in de loop van de tijd complexer
De verborgen zwakte van DRAM: het kan ook geen gegevens ‘vasthouden’
DRAM is niet veilig voor retentiefouten.Het heeft last van meerdere lekkagepaden:
- Condensator lekkage
- Directe tunneling
- Lekkage onder de drempel & GIDL
- Lekkage van knooppunten
De fundamentele verschuiving in opslag
Verleden: Opslag = capaciteit + snelheid, fouten opgelost met ECC
Nu: Opslag = betrouwbaarheid op lange termijn + statusconsistentie. Opslag is de basis van systeemstabiliteit
Conclusie
De echte crisis in het AI-tijdperk is niet het gebrek aan rekenkracht – dat is het wel onbetrouwbare gegevensopslag.
Naarmate 3D NAND en DRAM opschalen naar kleinere geometrieën en hogere dichtheid, worden ladingsverlies en lekkage erger.De vraag van AI naar persistent geheugen versterkt deze tekortkomingen.
Om stabiele AI-systemen op bedrijfsniveau te bouwen, moet de industrie de focus verleggen van snelheid en capaciteit naar retentie, kostenbeheersing en betrouwbaarheid op de lange termijn.