AI算力背后的内存对决：HBM与DDR的技术博弈
近一年多来，各大存储芯片企业迎来业绩爆发期。国内多家存储企业正加速推进上市进程，本文就此展开探讨。带宽决定效率在人工智能模型训练过程中，计算能力并非唯一限制，数据传输才是核心环节。传统DDR5内存单通道带宽仅为50-100GB/s，而高端HBM3E则可达到1-4.8TB/s，这种量级差异直接决定了GPU能否充分发挥性能。设想若采用DDR5运行大模型，GPU大部分时间将处于等待状态，训练周期可能从数周延长至数月；而采用HBM则能让训练效率接近满载，时间成本大幅缩减。可以说，AI训练本质上是带宽的竞争。定位与
AI推动存储需求爆发式增长
人们往往难以用长远眼光审视当下趋势。近三年英伟达单卡显存容量增长近3.6倍，未来三年HBM端需求预计暴增5倍。目前多数投资者对存储股存在担忧，主要集中在涨幅过大以及能否穿越周期。实际上这类股票可直接与英伟达绑定，如果存储股无法跨越周期，意味着英伟达销量增长不可持续，AI需求被证伪。显然，英伟达增长势头依然强劲，从全球token用量增长可直观感受AI需求。黄仁勋预测未来AI算力需求将增长千倍，存储需求同样如此。如果你相信AI革命真实发生，而AI的消费本质是算力、存储和光互连，那么存储股就具备了成长属性，AI
AI 早报|2026.05.19 科技圈十大重磅动态
清华系初创企业Liber AI斩获数亿元融资：这家专注于物理世界模型的新锐公司接连完成种子轮、天使轮及天使+轮融资，真格基金、红杉中国、美团龙珠与顺为资本等联合注资，资金将全力助推物理世界通用大模型的研发进程。博银合创融资逼近3亿：博世携手银河通用打造的工业具身智能企业博银合创，成功完成近3亿元Pre-A轮融资，由元禾辰坤领投，款项将用于首款自研工业具身智能机器人的量产落地及工业数据平台的搭建。国家级中试基地正式启用：杭州隆重揭幕“国家人工智能应用中试基地（具身智能）”，致力于构建涵盖算力、芯片、模型至应
AI芯片产业链深度解析：算力、存储、传输三大领域26家龙头企业全面梳理
随着GPT-5参数量迈入万亿级别，人形机器人单台算力需求达到100TOPS，全国智算中心以每月新增10个的速度快速扩张，全球科技产业面临的核心挑战已经非常明确：飞速增长的算力需求与芯片供给能力之间的巨大差距。摩根士丹利最新研究报告显示，2026年全球AI算力需求同比增速将突破400%，而实际算力供给增速仅为128%，供需缺口接近46%。如果把AI比作一个智慧生命体： ✅ 算力芯片=AI的大脑，承担计算与思考功能，决定大模型训练推理的效率上限 ✅ 存储芯片=AI的数据仓库，负责海量数据存储管理，HBM内存价
七类芯片定乾坤：揭秘 AI 算力的真实版图
展望未来十年的科技博弈，表层看似是 AI 应用的争锋，实则底层逻辑在于芯片体系的整体抗衡。近年来，每当话题触及人工智能，英伟达与 SK 海力士往往最先涌入大众脑海。这情有可原。大模型的训练依赖于惊人的计算吞吐量，算力芯片与存储芯片作为核心刚需，其中 GPU 因擅长并行处理而脱颖而出，致使英伟达成为此轮 AI 浪潮中的绝对主角。然而，若目光仅局限于 GPU，极易对整体芯片产业产生认知错位。毕竟，AI 的高效运转并非单靠某一颗芯片，而是依赖于一整套芯片系统的协同。GPU 主攻运算，CPU 负责调度，HBM 保
HBM需求爆发：AI算力时代的内存技术革命
在AI大模型时代，GPU的性能天花板完全取决于HBM（高带宽内存），HBM的容量与带宽必须代代实现翻倍增长，不再像传统内存那样存在周期性瓶颈，需求将呈现持续指数级攀升。 一、回顾：CPU时代，内存（DDR）并不关键 在电脑、手机等传统CPU算力时代，行业的唯一核心目标是让CPU的运算速度不断提升。 我们日常接触的DDR普通内存仅仅是辅助角色，在行业中的地位极低，十余年来技术几乎没有重大突破，主要原因有两方面： 1、CPU自带优化机制，无需内存加速 CPU配备了多层缓存和并行计算架构，能够自行弥补内存速度慢
AI硬件投资热潮席卷而来！
AI行情持续升温。不过从细分角度看，市场分化明显。AI硬件板块持续走强，而AI软件板块则面临较大分歧。眼下，全球正处在AI硬件的扩张阶段，直接推动了上游相关企业的股价大幅上涨。因为无论多么先进的大模型，归根结底都是一个极度消耗电力和数据资源的超级计算系统，对算力、存储和电力供应有着极强的依赖。算力不足，模型就无法运行；存储带宽不足，数据传输就会受阻；电力供应不足，再多的GPU也只能成为昂贵的发热设备。放眼全球AI竞争格局，这三大关键要素恰好被三个国家牢牢掌控：算力看美国，存储看韩国，电力看中国。在全球范围
AI时代HBM需求井喷 三星SK海力士疯狂扩产：今年出货量突破300亿Gb
科技媒体5月16日报道，当前DDR5内存价格持续攀升，较去年同期涨幅达到3-5倍，此轮涨价并非DDR5市场需求旺盛所致，而是受到AI内存HBM供应紧张的间接影响。 由于三星等企业将生产线重点转向HBM，导致DDR5供货紧张。众所周知，HBM内存采用多芯片堆叠工艺，一颗HBM内存可能需要消耗3-4倍于DDR5的芯片产能，而三星、SK海力士及美光三大存储厂商今年均无大幅增产计划，产能仅提升约5%，且大部分已转向HBM生产。 据韩国媒体披露，三星今年将HBM内存出货量从去年的40亿Gb大幅提升至100亿Gb以上
AI算力基建全景：能源、硬件与冷却的逻辑拆解
依据Epoch AI最新的算力总量模型，参考SemiAnalysis的公开播客或文章，来校准光模块与芯片的配比关系。把Artificial Analysis的成本图表和OpenRouter的流量数据设为高频书签，以此追踪成本与实际消耗的边际波动。单机柜功耗已从过去的6kW暴涨至50kW-130kW（英伟达GB200整机柜功率已超130kW），这样一个衣柜大小的AI机柜运行一天，耗电量相当于一个普通家庭一年的消耗。全球AI带来的用电增量几乎占据全社会新增用电的一半，大型电力变压器交付周期从正常的24-30个
AI存储技术博弈：HBF加速落地，英伟达锁定新生态
随着生成式AI的飞速演进，算力需求呈指数级爆发，存储系统逐渐成为制约性能提升的关键瓶颈。鉴于HBM产能受限且成本高昂，行业正致力于探索下一代存储方案，HBF（高带宽闪存）与CXL（计算快速链接）逐渐成为焦点。2026年4月，行业接连传来重磅动态：SK海力士携手闪迪推动HBF标准统一，三星推出性能暴涨10倍的CXL内存系统，而英伟达则确立了短期技术策略，坚持深耕HBM并加速布局AI SSD与CXL生态，各大厂商的战略抉择正重塑AI存储的竞争版图。HBF标准化进程提速，直指AI推理的大容量需求今年2月，SK海
AI浪潮下底层衰退与宏观背离，存储封装通讯成财富新风口
麦当劳与达美乐业绩大幅下滑，连巴菲特也减持了大量消费股，底层民众储蓄率屡创新低，证实了这一趋势。虽然底层经济已现衰退，但宏观经济尚未崩盘。劳动者工资通缩，而资本品与必需品仍处通胀期。就业率看似稳定，但家庭自由现金流却已先一步崩塌。闪迪和美光极有可能就是AI浪潮中的麦当劳和达美乐。巴菲特疯狂加仓谷歌，单季增持高达204%。果然谜底都在谜面上，看来这波AI热潮中，但斌的判断是准确的。移动互联网时代的王者是苹果，那么AI时代的领军者会是谷歌吗？台积电技术论坛提出了“三层蛋糕”理论：1运算：核心算力，由台积电先进
三星研发新一代 HBM 技术，赋能高性能端侧 AI 手机
IT 之家 5 月 15 日讯，根据韩国媒体 Etnews 上周（5 月 12 日）披露的消息，三星电子正致力于开发下一代 HBM 技术，旨在为移动设备带来更强劲的端侧 AI 算力支持。业界专家指出，三星正在攻关多层堆叠 FOWLP（Multi Stacked FOWLP）工艺，力求在智能手机和平板电脑等便携终端上实现更大容量与更高带宽的 HBM 应用。鉴于移动设备的内部空间远小于服务器机柜，且对能耗和散热的控制极为严苛，因此无法直接沿用现有的服务器方案。当前，主流的 LPDDR 内存多采用引线键合（Wi
为何 AI 始终面临存储荒
AI 堪称“数据饕餮”与“带宽黑洞”，其存储需求呈指数级暴涨，而产能与物理极限却难以企及。以下分五点详述：一、模型规模激增，直接撑爆内存- 大模型参数从数十亿跃升至数千亿，未来更将达万亿级。- 训练阶段，全量参数需载入 HBM 或高速 DRAM 方可运行。- 推理阶段，需储备海量 KV 缓存（上下文状态），上下文越长、并发用户越多，内存消耗越巨。- 结论：模型越庞大，内存越捉襟见肘；并发越高，短缺越严峻。二、训练数据：只进不出，无限累积- 训练涵盖全网文本、影像、视频、日志及对话，均需永久留存。- 全球数
AI 产业链核心封装与连接技术解析
英特尔：凭借 EMIB 先进封装工艺，利用局部桥接方案将芯片封装费用压缩至数百美元区间。SK 海力士：掌控全球六成 HBM 存储市场，目前正联手英特尔探索新型封装路径。台积电：其 CoWoS 高端封装方案虽支撑着英伟达芯片产能，但成本高达千元之巨。安菲诺：作为铜缆连接器龙头，在机柜内部短距离连接市场拥有绝对话语权。Credo：同步布局光电连接技术，深度受益于 AI 数据中心连接架构的迭代升级。英伟达：主导 GPU 芯片与 CPO 技术标准确立，把控机柜间长距离光连接命脉。博通：依托网络交换芯片及光学互联技
5.10【人工智能】今日资讯速递!
AI人工智能持续更新中！自觉自律社会主义核心价值观中国信通院近日公布了首批可信 AI 助手的评测情况，多家知名厂商的产品顺利过关。其中，百度旗下的 RedClaw 夺得全国首个 4+ 级认证，在系统安全与自主操作方面表现优异；小米的产品也位列手机类首批通过名单，主打端侧优先策略，并加入了多重安全保护机制。川宁生物应用工业 AI 时序大模型 ManuDrive 已有一年，该模型利用历史数据对发酵流程进行了超早期预测和全参数智能闭环控制，有效减少了生产波动和染菌，提升了产能并降低了能耗人力成本。与此同时，微软