Samsung V10 Bonded V-NAND 400+ Layer & HBF: Terobosan Storage AI 2026

Industri penyimpanan data memasuki era baru pada 2026. Di ajang Future of Memory and Storage (FMS) 2026 yang digelar di Santa Clara, California, Samsung memperkenalkan V10 Bonded V-NAND (BV-NAND) — chip memori flash generasi terbaru yang menembus batas 400 lapisan (layer) untuk pertama kalinya di industri. Inovasi ini tidak berdiri sendirian. SK hynix dan Sandisk, melalui Open Compute Project (OCP), meluncurkan spesifikasi terbuka High-Bandwidth Flash (HBF) yang dirancang mengisi celah antara HBM dan SSD tradisional untuk beban kerja AI skala besar.

V10 Bonded V-NAND: Arsitektur Bonding Menembus Batas 400 Layer

V-NAND generasi kesepuluh Samsung menggunakan teknologi bonding — teknik menyatukan dan menumpuk sel-sel memori secara vertikal dengan presisi tinggi. Pendekatan ini memungkinkan penumpukan lebih dari 400 layer sel dalam satu die, melampaui V9 yang berhenti di sekitar 280-300 layer. Samsung mengklaim kepadatan data meningkat sekitar 58 persen dibanding generasi sebelumnya pada ukuran die yang sama.

V10 BV-NAND Key Specs (Klaim Samsung FMS 2026):
- Layer count: >400 (vs V9 ~280-300)
- Density improvement: +58% per die area
- Read/Write/I/O speed: Peningkatan signifikan
- Power efficiency: Lebih hemat vs V9
- Target: Enterprise SSD, AI storage, Mobile UFS

Teknologi bonding mengatasi kendala fisik etching mendalam (high-aspect-ratio etching) yang menjadi bottleneck pada generasi V-NAND sebelumnya. Dengan memisahkan proses fabrikasi array sel dan periferal, lalu mengebonding-nya, Samsung menghindari kerusakan struktur halus saat etching layer atas.

Insight 2026: Bonding memisahkan kompleksitas array 3D dari logika periferal — ini game changer untuk scaling V-NAND ke 500+ layer mendatang.

HBF (High-Bandwidth Flash): Jembatan Baru Antara HBM dan SSD

Sementara HBM (High Bandwidth Memory) menyediakan bandwidth >3 TB/s untuk GPU AI, keterbatasan kapasitas dan harga tinggi menciptakan memory wall. HBF diposisikan sebagai lapisan memori baru: kapasitas besar seperti SSD, bandwidth tinggi mendekati HBM, dengan latency lebih rendah dari NAND konvensional.

HBF Positioning (Spesifikasi OCP 2026):
┌─────────────┬──────────────┬─────────────┬────────────┐
│ Metric      │ HBM (HBM5)   │ HBF (Baru)  │ SSD (NVMe) │
├─────────────┼──────────────┼─────────────┼────────────┤
│ Bandwidth   │ 3-5 TB/s     │ 1-2 TB/s    │ 14-28 GB/s │
│ Capacity    │ 16-64 GB     │ 128 GB-1 TB │ 1-30 TB    │
│ Latency     │ ~10 ns       │ ~50-100 ns  │ ~10-20 µs  │
│ Cost/GB     │ Sangat Tinggi│ Sedang      │ Rendah     │
└─────────────┴──────────────┴─────────────┴────────────┘

Spesifikasi HBF dikembangkan bersama Google DeepMind dan Tenstorrent, menargetkan inferensi dan training model AI dengan parameter ratusan miliar hingga triliunan. HBF memungkinkan KV cache model besar tinggal di memori bandwidth-tinggi tanpa menguras kapasitas HBM yang mahal.

Ekosistem Pendukung: zNAND-O, zHBM, dan LPDDR5X-PIM

Samsung tidak berhenti di V10. Tiga teknologi pendamping memperkuat portofolio storage AI:

• zNAND-O: Flash memory berbasis V-NAND versi 4/8 layer, I/O lebih tinggi, latensi lebih rendah, target edge AI.
• zHBM: HBM yang ditumpuk langsung di atas chip AI (bukan di samping), performa 8x HBM5, kapasitas 10x lebih padat, efisiensi energi 3x.
• LPDDR5X-PIM: LPDDR pertama dengan Processing-In-Memory, komputasi sebagian dilakukan di dalam memori, mengurangi data movement ke CPU.

Kombinasi ini menciptakan memory hierarchy baru untuk AI: HBM/zHBM untuk compute intensif, HBF untuk working set besar, zNAND-O/SSD untuk persistent storage, PIM untuk preprocessing.

Implikasi untuk Arsitektur Data Center 2026-2027

Bagi arsitek infrastruktur, transisi ini berarti:

1. Redesain memory tiering: HBF memerlukan controller baru dan file system tier-aware (misal: Linux kernel bcachefs atau dm-cache dengan policy HBF-aware).
2. Kapasitas per rack naik drastis: V10 BV-NAND 400+ layer memungkinkan SSD 64 TB+ dalam form factor E1.S/E3.S standar, mengurangi footprint storage.
3. Power budget bergeser: Efisiensi daya V10 (+58% density, lower power/bit) dan HBF (lebih hemat dari HBM per GB) menurunkan watt/GB cluster AI.
4. Software-defined storage update: Ceph, Rook, dan CSI driver butuh patch untuk mengenali HBF sebagai device class terpisah, bukan SSD biasa.

# Contoh Ceph CRUSH rule untuk HBF tier (konseptual)
rule hbf_tier {
    id 10
    type replicated
    min_size 2
    max_size 3
    step take hbf_hosts
    step chooseleaf firstn 0 type host
    step emit
}

# Device class HBF di ceph.conf
[osd]
    device_class = hbf
    class_hbf_weight = 1000

Tantangan Adopsi dan Timeline Komersial

Meskipun spesifikasi HBF sudah terbuka via OCP, produksi massal V10 BV-NAND baru dimulai Q4 2026. HBF silicon pertama (SK hynix/Sandisk) diperkirakan sampling H1 2027, GA H2 2027. Kendala utama:

• Yield bonding 400+ layer: Samsung belum membuka angka yield mass production.
• Ekosistem controller HBF: Belum ada standar NVMe/HBF unified; vendor controller (Phison, Silicon Motion, Marvell) butuh waktu adaptasi.
• Biaya awal: HBF target harga 3-5x SSD enterprise, tapi <10x HBM — ROI bergantung pada workload AI spesifik.

Untuk enterprise Indonesia yang mulai adoptasi AI on-premise (misal: BUMN telekom, perbankan, e-commerce), rekomendasi praktis 2026: pilot SSD V10-based di Q4 2026 untuk feature store dan vector DB, evaluasi HBF saat silicon sampling tersedia 2027.

Kesimpulan

FMS 2026 menandai titik balik: storage tidak lagi passive repository tapi active tier dalam memory hierarchy AI. V10 Bonded V-NAND mendorong batas kepadatan NAND 3D, sementara HBF menciptakan kategori memori baru yang mengisi kekosongan HBM-SSD. Tim infrastruktur yang mulai merancang arsitektur HBF-aware hari ini akan memiliki keunggulan biaya dan performa saat gelombang adopsi AI enterprise tiba 2027.