人工知能の時代において、私たちは長い間、コンピューティング能力、容量、速度に焦点を当ててきました。より大きなモデルとより高速な推論をサポートするために、DRAM を追加し、HBM をスタックし、3D NAND を拡張します。しかし、静かで危険な危機が生じています。 データを確実に保存できなくなる。
AI が生成型 AI から自律型エージェント AI に進化するにつれて、システムには永続的な状態、長期記憶、継続的な意思決定が必要になります。一時的なデータや不安定なデータを許容できなくなります。同時に、高密度を達成するための DRAM と NAND の絶え間ないスケーリングにより、データ保持とエラーマージンが大幅に侵食されています。
ストレージの中心的な課題は次のように変化しました。 「お預かりできますか？」から「正しく保管できますか？」
中心的なトレンド: AI によりストレージの信頼性が重要になる
AI システムは、もはや 1 回限りのコンピューティング タスクではありません。最新のエージェント AI は以下に依存します。
- 長期記憶
- 持続的なシステム状態
- 自律的かつ継続的な意思決定
これは、ストレージが維持する必要があることを意味します 長期にわたる正確なデータ, 短期間働くだけではありません。信頼性は、AI インフラストラクチャの安定性を左右する要因となっています。
根本原因: スケーリングにより信頼性が低下する
密度の向上は安定性に直接ダメージを与えます。これは避けられないトレードオフです。
NANDフラッシュ用
- 縮小XY寸法
- 3Dスタッキングレイヤーの増加
- 結果: 誤差マージンが低下し、電荷損失が発生しやすくなります。
DRAM用
- 3D DRAM への移行
- セルサイズの小型化
- 結果: 保持時間が短くなり、ノイズ耐性が低下します。
ルール: 密度が高い = 信頼性が低い
NAND の本質的な問題: 充電損失
NAND 障害を要約すると、 チャージロスこれは主に次の 2 つの方法で発生します。
- 垂直電荷漏れ – 電荷がチャネルに逃げます
- 横方向電荷拡散 – ワード線間で電荷が拡散
短期保存と長期保存の失敗
- 短期: 浅いトラップ、初期電圧シフト (IVS)、変化がすぐに現れる
- 長期: 深い罠、複合メカニズム (TAT / DT / TE)、時間の経過とともに問題はより複雑になる
DRAM の隠れた弱点: データを「保持」することもできない
DRAM はリテンション障害から安全ではありません。複数の漏洩経路に悩まされています。
- コンデンサの漏れ
- ダイレクトトンネリング
- 閾値以下のリークとGIDL
- 接合部漏れ
ストレージの根本的な変化
過去: ストレージ = 容量 + 速度、エラーは ECC で修正
今: ストレージ = 長期信頼性 + 状態の一貫性、ストレージはシステムの安定性の基盤です
結論
AI 時代の本当の危機はコンピューティング能力の不足ではなく、それです。 信頼性の低いデータ保持。
3D NAND と DRAM がより小さな形状とより高密度になるにつれて、電荷損失と漏れが悪化します。AI の永続的なメモリの要求により、これらの欠陥が増幅されます。
安定したエンタープライズグレードの AI システムを構築するには、業界は速度と容量から保持、充電制御、長期信頼性に焦点を移す必要があります。