微博AI算力遭遇“内存墙”，巨头转向分层解耦破局
Transformer大模型的参数量正在以令人眩晕的速度膨胀。据美银证券最新报告，AI基础模型规模平均每两年增长约 240倍。然而，与之对应的存储基础设施却显得步履蹒跚——内存带宽与容量的增速同样按两年周期计算时，仅仅提升了约 2倍。
这种“240倍 vs 2倍”的极端剪刀差，标志着人工智能产业跨过了一个隐形的临界点：“内存墙”已经不再是实验室里的理论难题，而是悬在每一次算力求索头顶的达摩克利斯之剑。
在刚刚落幕的 Hot Chips 2026 大会及随后举行的AI基础设施峰会上，包括Micron、三星、SK海力士、博通（Broadcom）、高通以及OpenAI、AWS在内的全产业链巨头传递出一个高度一致的信号：单纯堆砌GPU原始算力（FLOPs）的时代已经结束，行业正加速向 “内存分层解耦” 架构转型。
一、 效率为王：评价体系的结构性转移
过去十年，AI芯片行业的军备竞赛围绕着一个单一指标展开：浮点运算能力（FLOPs）。芯片厂商比拼谁的算力底座更庞大，数据中心则拼命扩产以追赶这不断抬高的门槛。但在智能体（Agentic AI）开始承担复杂推理任务的当下，这套旧逻辑已宣告失效。
“现在的算力不再追求绝对的峰值，而是追求极致的单位效率。”峰会共识指出，行业评价体系已从原始的FLOPs全面切换至 tokens/W（每瓦令牌数） 和 tokens/$（每美元令牌成本）。这意味着，一块芯片如果无法在能效比和成本控制上取得突破，哪怕它的绝对算力再高，也无法在商业应用中存活。
这种从“规模崇拜”到“效率焦虑”的转变，直接导致了单一高性能内存方案（如现有的HBM）的捉襟见肘。面对训练、长上下文推理以及千亿参数并发等不同异构需求，传统的一刀切式内存架构不仅成本高企，且在数据传输延迟和功耗上面临物理极限。打破这一僵局的唯一出路，被各大厂商锁定在了内存与存储的“分层解耦”（disaggregation）之上。
二、 战术重构：三大维度的技术突围
为了撕开这道“内存墙”，产业链上下游正在从三个截然不同的维度进行战术重组：存算一体堆叠、新型介质扩容，以及互连架构的全面开放。
首先是计算层与内存层的物理融合。 长期以来，逻辑芯片与内存分离的冯·诺依曼架构是制约速度的顽疾。在此方向上，高通在峰会上展示了其代号为 “HBC”（High-Bandwidth Computing，高带宽计算） 的创新方案。该方案通过将LPDDR内存直接堆叠于逻辑计算芯片之上，实现了惊人的物理跨越：相较于传统的SRAM，其容量/功耗比优势达到了约 200倍；即便是在当前的HBM赛道中，HBC方案依然实现了约 6倍的带宽/功耗比优势。与此同时，三星也推出了采用类似3D DRAM堆叠路线的zHBM方案，试图在有限的空间内榨取更高的传输效率。
其次是面向特定场景的新型专用介质。 对于庞大的KV缓存（键值缓存）和长上下文推理任务，通用HBM的成本过高。SK海力士在此次大会上提出了更为精细的分层策略：其研发的 HBF（高带宽闪存） 容量约为当前HBM的 10倍，专门应对海量数据读取；而面向存算密集的负载，其推出的 PIM（存内计算） 技术相较SRAM可实现单机架 288倍 的容量提升。配合SALT-KV软件调度协议，这些不同特性的内存层级能够根据数据的冷热程度自动分配，大幅降低了无效的数据搬运损耗。
最后，是决定整个系统能否高效协同的“血管”——网络互连。 随着算力节点的分散，如何将这些解耦的模块紧密连接成为了新的战争前线。在这一领域，以太网的统治力正在确立。博通正将其全线产品推向互联架构的每一个角落：横向扩展依托于已步入高量产阶段的 Tomahawk 6 交换芯片，纵向扩展由新一代 Thor Ultra NIC 网卡承接，跨域互联则由 Jericho 4负责。博通明确放弃了早期的垂直封闭整合，转而押注开放架构，这标志着以太网在横向扩展（scale-out）领域的主导地位已不可撼动。
三、 资本迁徙：开放互联时代的赢家人
“内存墙”倒逼出的这场架构重构，不仅仅是技术参数上的迭代，更是半导体产业利润分配逻辑的一次彻底洗牌。
在这场变局中，传统的GPU垄断者面临着前所未有的挑战。当云厂商（如AWS、谷歌、Meta）越来越倾向于定制化芯片（ASIC），并采用以太网取代私有高速互联总线时，掌握 通用PCIe协议互联芯片 以及 高端以太网交换/网卡技术 的企业迎来了巨大的增量市场。博通、Marvell（美满电子）以及专注互联协议的Astera Labs等公司，正因为“开放化”趋势而处于风口浪尖。
此外，头部云厂商对生产周期的极致压缩也成为关键变量。AWS通过在测试产能与装机规模之间寻求平衡，成功将传统长达6至9个月的芯片后硅测试与稳定化周期大幅缩短。这种系统级的工程整合能力，已经超越了单纯的芯片设计本身，成为决定谁能最先抢占市场的胜负手。
四、 观察与风险：蓝图已绘就，量产在路上
尽管技术共识已经形成，但投资者和产业观察者仍需保持冷静。目前业界展示的诸多解耦方案仍处于早期试点或方案设计阶段。各个大厂公布的惊人性能数据（如288倍的容量跃升或6倍的能效超越）大多是基于理想实验室环境下的推演，大规模商业化落地所必须面对的 量产良率、跨协议能耗基准统一、以及实际部署中的稳定性验证，仍是横亘在实验室与现实应用之间的巨大鸿沟。
未来一到两年内，我们应当密切关注以下观察指标来验证这条投资叙事是否成立：
- 超大规模云厂商的实际采购结构变化：是否出现了明显的非HBM类专用内存（如PIM、HBF）采购份额提升？
- 开源指令集的兼容性进展：各厂在CXL（Compute Express Link）计算内存标准上是否能达成真正的无缝互通？
- 以太网互连芯片的营收占比：像博通这类互联巨头，其以太网相关芯片的收入增速是否能够持续跑赢传统存储巨头？
内存墙的破解之战才刚刚开始。当算力的狂飙突进撞上存储的物理天花板，整个半导体行业不得不学会用精打细算的方式，去承载日益增长的智能化梦想。
