三星存储芯片率先进入10nm制程性能比前代产品提升30%-哔哥哔特商务网

三星存储芯片率先进入10nm制程性能比前代产品提升30%

2012-11-16 15:40:08 来源：cnbeta 点击：2023

摘要： 早在今年8月份的时候三星就宣布量产ultra-fast eMMC存储芯片，目前这一芯片已经开始移植到最新一代的产品中来。

早在今年8月份的时候三星就宣布量产ultra-fast eMMC存储芯片，目前这一芯片已经开始移植到最新一代的产品中来。根据三星的官方描述这个存储芯片已经从原有的20nm制程进入到10nm，并且新的64GB eMMC Pro Class 2000 比前代产品在外观上小20%，性能和劳动生产效率方面比前代产品提升了30%。

尽管最新的芯片依然采用JEDEC的eMMC 4.5接口标准，不过三星表示在明年的时候将迎来新的接口设计以提升产品的传输性能。

目前这款产品的写速度达到了2，000 IOPS(每秒的输入吞吐量)而读速度达到了5000 IOPS。而前代产品的读写速度仅为1500/3500 IOPS，同时在带宽方面读写也达到了260MB/s和50MB/s。

本文为哔哥哔特资讯原创文章，未经允许和授权，不得转载，否则将严格追究法律责任；

阅读延展

三星存储芯片带宽

双九链商节已拉来序幕！国联资源网线上活动三大玩法曝光

9月1日至30日，平台每日10点准时发放3000张星级会员推广补贴券，涵盖一星会员666元、二星会员888元，三星会员999元优惠抵扣券，有效期15天，覆盖化工、机械、冶金等重点行业。与往期活动相比，本次补贴力度更大、覆盖行业更广，确保更多企业能享受到优惠。
国联资源网双九链商节迎来了工业互联网的“性价比革命”

9月1日至30日，国联资源网每日限时发放3000张大额优惠券，覆盖一星、二星、三星会员服务。以三星会员为例，价格3980元的年度服务，使用999元补贴券后仅需2981元，直接节省25%成本。更关键的是，优惠券有效期15天，倒逼企业快速决策，避免资源闲置。
智能割草机成出海热门：应选择什么连接器

一台看起来有点小众的割草机，凭什么能够和三星S24 Ultra、ChatGPT、佳能EOS R100大众ID7等知名软硬件产品共享金电脑奖的殊荣？2024年，这种智能化新产品会成为出海新潮流吗？
三星大闹罢工，存储又要迎来一波涨价?

不确定性正笼罩着存储芯片市场，价格走向扑朔迷离，厂商们必须做好充分准备。
存储芯片价格触底反弹，闪存客户接受35%涨幅

近期,存储芯片市场出现了明显的涨价趋势。据供应链透露,三星电子带头调整其NAND Flash价格策略,将512Gb颗粒最低价从1.4美元提升至1.85美元,现货价格甚至高达2美元,涨幅近40%。其他存储芯片供应商也纷纷跟进,包括长江存储也将于近期再次通知客户涨价。
三星发文介绍如何正确区分存储与非存储半导体

近日三星官方，对于有关存储半导体和系统半导体之间的区别进行了科普。这两种半导体从主要用途来区分，若将其比作人的话。前者类似记忆较好的人，主要用于信息存储。而后者类似算数较好的人，主要用于信息演算或处理。

射频同轴连接器浅析

射频同轴连接器即RF连接器，是安装在电缆或者仪器上的一种小型电子元件，其主要功能是在电气连接或者分离的过程中起到桥梁的作用。它具有频带宽、性能优、高可靠、寿命长等特点。
波分复用技术（WDM）是解决光通信带宽瓶颈的关键

WDM（波分复用，现代光通信的核心技术之一）在数据传输方面前景很光明。铜缆一直是人工智能和高性能计算数据中心内部传输数据的主力，但光纤应用正变得越来越重要。
航空光纤连接器概述

光纤连接器具有抗电磁干扰，不易引起串音及干扰等特点，使得光纤通信具有良好的保密性能，同时相对于电缆来说光缆还具有体积小、重量轻、频带宽、信息容量大、损耗小、传输距离长等特点，使得其在航空领域备受关注。
Credo发布专为低功耗、高带宽与超低时延的AI网络打造的Bluebird 1.6T光DSP芯片

Credo Technology Group Holding Ltd（纳斯达克代码：CRDO）是一家提供安全可靠高速连接方案的科创型企业，今日正式发布其高性能、低功耗Bluebird数字信号处理器（DSP），用于1.6Tbps光模块。
基于5G应用特征赋能工业互联网及拓展无线通信核心驱动力

本文将对5G边缘运算控制器低延迟、高带宽与广连接技术特征与应用作分析说明。并在此基础上对拓展5G赋能融合工业互联网以推动科技驱动工业革新创举理念及5G+工业互联网关键技术的应用领域作深入交流和探讨。从而拓展出AI大模型推动物联网全面赋能物联网智能化升级的新技术趋势作研讨。
顺络电子助力DDR5实现低功耗、高传输速率

目前，基于大语言模型（LLM）生成式AI技术的不断发展，它的功能也变得越来越强大，需要实现多模态输入和输出等功能，而为了实现这些功能，AI模型需要越来越多的数据量进行训练，如此庞大的AI工作负载也对内存带宽和容量的需求大幅增长，尤其在AI训练阶段，主内存的容量需求通常需要是GPU内存容量的两倍。