美光与闪迪提出新存储架构挑战HBM
nashnova research
美光与闪迪分别披露新型存储架构，从带宽和容量两个方向挑战当前AI芯片的主流内存方案HBM——这意味着AI推理对存储的需求，已经开始溢出HBM一家能覆盖的边界。
HBM到底是什么，为什么会被挑战？
HBM（高带宽内存，一种把多层DRAM芯片垂直堆叠、再紧贴处理器的封装方式）是当前AI芯片的标配存储方案，英伟达每颗GPU旁边都焊着它。
但AI推理场景的数据量和速度要求正在同时膨胀——HBM带宽够快，容量却不够大；堆更多层，成本和功耗又往上走。
这意味着→ 单靠HBM一条路线，越来越难同时满足"又快又大又便宜"三个要求，市场开始需要替代或补充路线。
美光的方案解决什么问题？
美光提出"紧耦合DRAM"（tightly coupled DRAM，一种把DRAM直接贴到处理器上、缩短数据搬运距离的新架构），主打带宽密度。
理论指标：带宽可超过HBM的10倍，每比特能耗显著低于HBM。
用大白话说＝ 美光想的不是"存更多"，而是"搬得更快、搬的时候更省电"——处理器和内存之间的数据通道，是它要拓宽的瓶颈。
闪迪的方案又在解决什么？
闪迪推出"高带宽闪存"（HBF，基于NAND闪存的新封装，把闪存拉到离处理器更近的位置），主打容量成本比。
关键数字：带宽号称与HBM持平，容量却达到HBM的8至16倍，成本相近。
这意味着→ 闪迪瞄准的是另一个痛点——推理模型越来越大，需要的存储空间远超HBM能提供的上限，它用闪存的天然大容量来补这个缺口。
两条路线指向同一个信号？
美光从带宽密度切入，闪迪从容量成本比切入，技术路线完全不同，但背后的判断一致：AI推理对存储的要求，已经超出HBM单一架构的覆盖范围。
这反映出 AI存储竞争正在从"谁的HBM产能大"转向"HBM之外还有什么"——赛道本身在分叉。
但两项技术的量产时间表和商业化细节均未披露，良率与成本能否兑现理论优势，是下一步验证的关键。
市场有风险，内容仅供研究参考，不构成投资建议。