YMTC Xtacking 4.0(Gen5)技术深度分析

在存储技术飞速发展的当下,长江存储(YMTC)的 Xtacking 4.0(Gen5)技术备受瞩目。本文将深入分析该技术与此前的 Xtacking 2.0(128L,Gen3)和 Xtacking 3.0(232L,Gen4)之间的差异。

一、技术背景

YMTC 的 3D NAND Gen1 是首款用于安全 USB 应用的 MLC 芯片,但并非 Xtacking(混合键合)结构。从 Gen2 到 Gen5 则采用了两片晶圆直接键合技术的 Xtacking 工艺。Xtacking 4.0 Gen5 集成了各种前沿技术,旨在提高存储密度、速度、性能和能效。

二、主要差异

(一)结构设计

  1. Centered X-DEC die design(中心 X-DEC 芯片设计):Xtacking 4.0 的 160L TLC 芯片采用中心 - XDEC 架构,与边缘 - XDEC 设计相比,可将 WL 电容减半,降低 RC 负载和 RC 延迟(tRC)。这减少了 WL 稳定时间和充电 WL 所需的电流,从而提高了读写性能。
  2. Back side source connect(BSSC,背面源极连接):YMTC 在 Xtacking 3.0 产品中引入了 BSSC,Xtacking 4.0 的 160L 芯片也应用了该技术。通过翻转的 NAND 阵列芯片实现混合键合结构,BSSC 进一步优化了芯片性能。

(二)工艺改进

  1. Reduced vertical gate pitch(减小垂直栅极间距):有助于提高存储密度。
  2. 20 vertical channel(VC)hole design without dummy holes(20 个无虚设孔的垂直通道孔设计):今年早些时候,铠侠 / 西部数据(KIOXIA/WD)已发布采用 20 个 VC 孔 OPS 单元设计的 BiCS8 218L 产品。YMTC 的 Xtacking 4.0 芯片也采用了这种设计,所有 20 个孔均为有效孔,有效 VC 间距为 155nm,是目前最小的,与 KIOXIA/WD BiCS8 CBA 218L 1Tb TLC 芯片相同。

(三)性能提升

  1. Relatively reduced die size(相对减小的芯片尺寸):512Gb 芯片的尺寸为 40.44mm²,相对较小的芯片尺寸有助于提高集成度。
  2. Relatively increased bit density(相对增加的位密度):160L TLC 芯片的位密度为 12.66Gb/mm²,更高的位密度意味着在相同空间内可以存储更多数据。
  3. Relatively larger block size with more pages and strings(相对较大的块尺寸,具有更多页面和串):为 160L 芯片设计的相对较大的块尺寸,以及更多的页面和串,有助于提高存储性能和读写速度。

三、技术影响

  1. 市场竞争:随着铠侠 / 西部数据的 BiCS8 218L CBA 芯片和 YMTC 的 Xtacking 3D NAND 产品在市场上的流行,三星、SK 海力士和美光也将很快采用混合键合技术。这表明 Xtacking 技术在行业内的影响力不断扩大,推动了存储技术的竞争与发展。
  2. 应对制裁 :YMTC 将通过推进 Xtacking 技术、提高工艺成熟度、提高制造良率和实现产品多样化,来减少美国制裁对工具的影响。这显示了 YMTC 在面对外部压力时的积极应对策略和技术创新能力。

综上所述,YMTC 的 Xtacking 4.0(Gen5)技术在结构、工艺和设计方面都取得了重大突破,与前几代技术相比,在存储密度、性能和能效等方面都有了显著提升。随着技术的不断发展,我们期待 YMTC 在存储领域继续发挥重要作用,为用户带来更高效、更可靠的存储解决方案。

相关推荐
fmingzh9 分钟前
NVIDIA高级辅助驾驶安全与技术读后感
人工智能·安全·自动驾驶
雨声不在36 分钟前
debian切换用户
linux·服务器·debian
两点王爷39 分钟前
springboot项目文件上传到服务器本机,返回访问地址
java·服务器·spring boot·文件上传
遇到我又惊又喜44 分钟前
佛山大旺高新区3650 M5 ERP服务器维修案例
运维·服务器
qsmyhsgcs1 小时前
Java程序员转人工智能入门学习路线图(2025版)
java·人工智能·学习·机器学习·算法工程师·人工智能入门·ai算法工程师
A林玖1 小时前
【机器学习】朴素贝叶斯
人工智能·算法·机器学习
六边形战士DONK1 小时前
神经网络基础[损失函数,bp算法,梯度下降算法 ]
人工智能·神经网络·算法
IT从业者张某某1 小时前
机器学习-08-时序数据分析预测
人工智能·机器学习·数据分析
袁煦丞1 小时前
AI视频生成神器Wan 2.1:cpolar内网穿透实验室第596个成功挑战
人工智能·程序员·远程工作
xMathematics1 小时前
深度学习与SLAM特征提取融合:技术突破与应用前景
人工智能·深度学习