Kioxia Rivoluziona il Settore AI con Nuovi Moduli Flash CXL e SSD PCIe 6.0

In Breve
- Cosa sta sviluppando Kioxia?
- Kioxia sta sviluppando moduli flash CXL e SSD PCIe 6.0 per migliorare le prestazioni nei data center AI.
- Quali sono i vantaggi dei nuovi moduli?
- I nuovi moduli possono raddoppiare la capacità di memoria e migliorare le prestazioni del 30%.
- Quando saranno disponibili le unità di valutazione?
- Le unità di valutazione sono previste in consegna nell'agosto 2026.
Kioxia, leader nel settore della memoria flash, ha recentemente annunciato lo sviluppo di moduli flash ad alte prestazioni e interfacce innovative, mirate a ridurre la dipendenza dei data center dalla DRAM, specialmente nei carichi di lavoro legati all’intelligenza artificiale (AI).
Questi nuovi moduli combinano NAND di ultima generazione con interfacce avanzate come PCIe 6.0 e CXL, creando SSD ad elevata larghezza di banda e moduli di espansione memoria che si pongono come intermedi tra la DRAM e gli SSD tradizionali. La nuova linea GP1 include SSD NVMe PCIe 6.0, progettati per gestire alti tassi di I/O e facilitare comunicazioni dirette tra GPU e storage.
Tra i prodotti più innovativi, spicca la serie XL1, un modulo di espansione compatibile CXL, realizzato con tecnologia XL FLASH. Questo modulo promette di ridurre la latenza di lettura a meno di un decimo rispetto al NAND convenzionale, posizionandosi in modo competitivo sia in termini di prestazioni che di costo tra DRAM e SSD.
Kioxia sostiene che l’implementazione di moduli CXL potrebbe raddoppiare la capacità di memoria e migliorare le prestazioni del 30%. Tuttavia, l’azienda riconosce che il NAND è intrinsecamente più lento della DRAM e che una sostituzione totale della DRAM comporterebbe penalizzazioni per applicazioni sensibili alla latenza.
Le unità di valutazione di questi moduli sono previste in consegna nell’agosto 2026, e Kioxia presenterà le sue tecnologie durante il FMS 2026 a Santa Clara, con dimostrazioni live e sessioni tecniche. La strategia dell’azienda è chiara: integrare e ampliare la memoria esistente piuttosto che eliminarne l’uso, rispondendo così alle crescenti esigenze del settore AI.
