美光發布AI儲存路線圖，HBM4推理吞吐提升2.6倍
Taylor Wilson
美光在Computex 2026前夕發佈覆蓋HBM4、DDR5及PCIe Gen5 SSD的全線AI存儲路線圖，其中HBM4 36GB可將大模型推理吞吐提升2.6倍——記憶體正從配角升級為AI算力的核心瓶頸突破口。
點解記憶體突然成為AI的瓶頸？
AI模型上下文長度每年增長約30倍，但過去三年伺服器記憶體容量僅翻了一倍。
這意味著→ 算力再強，數據送不進去一樣白費；記憶體與存儲已成為系統性能的核心樽頸。
美光整條產品線——從HBM到LPDDR再到SSD——都圍繞這個落差佈局。
HBM4究竟強在邊度？
美光推出HBM4 36GB 12H（12層堆疊的高帶寬存儲晶片），帶寬較上代翻倍。
直接結果：大語言模型推理吞吐量提升2.6倍。簡單來說＝ 同一塊GPU能同時處理的推理請求多了一倍有多。
在數據中心低功耗場景，256GB SOCAMM2模組相較標準RDIMM，功耗與空間同步降低三分之二。
DDR5新模組有咩數字值得留意？
美光已開始送樣基於1γ製程（最新一代DRAM製造工藝）的256GB DDR5 RDIMM。
傳輸速率最高9,200 MT/s，比目前量產模組快40%。
這意味著→ 一條256GB模組取代兩條128GB，速度更快之餘功耗仲低逾40%——數據中心電費賬單直接受惠。
邊緣裝置同PC端有咩新嘢？
面向輕薄PC，美光推出支援LPDDR5X的LPCAMM2模組（模組化低功耗記憶體），傳輸速率最高9,600 MT/s。
PCIe Gen5客戶端SSD可一秒內載入大語言模型，能效較上代Gen4 SSD提升107%。
這反映出 AI已不只是雲端的事，本地裝置同樣需要「餵得動模型」的存儲能力。
美光產能點樣跟上？
上述路線圖以1γ DRAM及G9 NAND製程為技術基礎。
產能擴張覆蓋美國、印度、日本、新加坡及台灣，多地同步投資。
說白了＝ 美光用「廣撒網」的製造佈局對沖地緣風險，同時確保新品有足夠的量產支撐。
Content is for reference only, not financial advice.