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。

定位与成本差异

HBM的售价是DDR的5-10倍，产能相对有限，但它作为高端GPU的配套内存，用于存储模型参数和激活值，追求极致性能；DDR则用于系统运行和数据预处理，追求大容量和成本效益。换言之，HBM满足算力需求，DDR支撑逻辑运算，两者各司其职，无法相互替代。