他們拋棄了HBM！

本文來自格隆匯專欄：半導體行業觀察 作者：邵逸琦

AI浪潮的洶涌席捲，讓原本以周期波動著稱的存儲市場，進入前所未有的「超級繁榮周期」。在AI大模型訓練和推理的雙重驅動下，算力需求暴增，HBM成為AI服務器的關鍵組件。它通過堆疊多層DRAM，與GPU緊密結合，為AI計算提供更快的數據通道，成為AI時代最炙手可熱的「黃金存儲」。

而HBM的火熱也帶動了整個存儲產業鏈的升溫。三星電子、SK海力士和美光科技等全球三大存儲巨頭，紛紛迎來業績爆發。三星第三季度淨利潤同比增長21%，SK海力士創下公司史上最高季度利潤，美光則實現淨利同比增長三倍。SK海力士也表示，其2025年前的HBM產能已被客户預訂一空。

與此同時，傳統DRAM和NAND芯片也正意外走俏。

由於存儲廠集中擴產HBM，常規內存產能趨緊，市場供需出現再平衡。亞馬遜、谷歌、Meta等數據中心巨頭，爲了擴充AI推理與雲服務能力，正大規模採購傳統DRAM。事實上，在AI推理階段，普通內存依然發揮着不可替代的作用——這讓整個存儲市場呈現「全線緊俏」的局面。

LPDDR5的爆火

先一步爆火的，是所有智能手機幾乎都會用到的LPDDR。

近日，高通發佈了全新的AI200和AI250數據中心加速器，預計將於2026年和2027年上市。據稱，這兩款新加速器將在運行大規模生成式AI工作負載時，憑藉更高的效率和更低的運營成本，與AMD和英偉達的機架級解決方案展開競爭。此次發佈也重申了高通每年發佈更新產品的計劃。

Qualcomm AI200 和 AI250 加速器均基於專為數據中心 AI 工作負載定製的 Qualcomm Hexagon 神經處理單元 (NPU)。近年來，該公司一直在逐步改進其 Hexagon NPU，因此這些處理器的最新版本已經配備了標量、矢量和張量加速器（採用 12+8+1 配置），支持 INT2、INT4、INT8、INT16、FP8、FP16 等數據格式，以及用於減少內存流量的微塊推理、64 位內存尋址、虛擬化和用於額外安全性的 Gen AI 模型加密。對於 Qualcomm 來説，將 Hexagon 擴展到數據中心工作負載是一個自然的選擇，儘管該公司將為其 AI200 和 AI250 單元設定什麼樣的性能目標還有待觀察。

高通的 AI200 機架級解決方案將是該公司首款由 AI200 加速器驅動的數據中心級推理系統，該系統配備 768 GB LPDDR 內存（對於推理加速器而言，這已是相當可觀的內存容量），並將使用 PCIe 互連實現縱向擴展，並使用以太網實現橫向擴展。該系統將採用直接液冷，每機架功率高達 160 kW，這對於推理解決方案而言也是前所未有的功耗。此外，該系統還將支持企業部署的機密計算，該解決方案將於 2026 年上市。

一年后推出的 AI250 保留了這一架構，但增加了近內存計算架構，有效內存帶寬提升了 10 倍以上。此外，該系統將支持分解推理功能，使計算和內存資源能夠在不同卡之間動態共享。高通將其定位為一款更高效、高帶寬的解決方案，針對大型 Transformer 模型進行了優化，同時保留了與 AI200 相同的散熱、散熱、安全性和可擴展性特性。

但不少人關注的並不是又一家芯片製造商試圖挑戰英偉達的老故事，而是高通在這場AI軍備競賽中選擇的一條截然不同的技術路線——每張加速卡配備高達768GB的LPDDR顯存，約為英偉達H100配置HBM容量的10倍。

高通沒有采用業界主流的昂貴HBM，而是將其在智能手機領域發展完善的低功耗LPDDR技術直接搬上了數據中心，看似「降維」的選擇背后，昭示了目前AI存儲的另一種可能性。

有意思的是，高通並非孤軍奮戰。幾乎同一時間，其他巨頭也紛紛展示了類似的技術路線。

在2025年GTC大會上，GPU霸主英偉達展示了其下一代Vera Rubin超級芯片。這款定於2026年底量產的產品首次在其88核Vera CPU周圍採用了SOCAMM2模塊搭載的LPDDR內存。儘管兩顆Rubin GPU仍然配備了八個HBM4內存堆棧，但LPDDR的出現本身就是一個意味深長的信號——即便是最堅定的HBM擁躉，也開始在系統架構中為LPDDR留出位置。

值得注意的是，英偉達還推出了新的Rubin CPX AI芯片，這是一款專門針對推理優化的"分解式"架構產品，進一步印證了其在推理端的戰略調整。

而在2025年OCP全球峰會上，英特爾發佈了代號"Crescent Island"的數據中心GPU，這款專為AI推理工作負載設計的產品配備了160GB LPDDR5X內存。英特爾首席技術官Sachin Katti直言:"AI正在從靜態訓練轉向實時、無處不在的推理——由智能體AI驅動。擴展這些複雜工作負載需要異構系統，將正確的硅片匹配到正確的任務上。"

這款基於Xe3P微架構、針對風冷企業服務器優化的GPU預計將於2026年下半年開始客户採樣，英特爾明確強調其"功耗和成本優化"的定位，以及"針對推理工作流程優化的大容量內存和帶寬"。

技術路線的分野

可以説，三大芯片巨頭不約而同地轉向LPDDR，並不是什麼偶然事件，而是整個產業的一次調整，有機構指出，到2030年，推理工作負載的數量將是訓練工作負載的100倍。

業內人士開始將AI目前的瓶頸稱為「馬提尼吸管問題」：計算引擎是酒杯，而數據卻通過吸管流動。無論芯片多麼強大，其性能都受限於數據流入和流出的速度。現代AI推理工作負載越來越受內存限制而非計算限制——隨着模型規模擴大和上下文窗口擴展，挑戰不在於芯片計算速度，而在於如何快速將數據輸送給處理器。

存儲的瓶頸，正是LPDDR方案的價值所在。根據高通引用的研究，LPDDR內存的性價比比HBM高出13倍，使得大型語言模型推理工作負載可以直接在內存中運行，而無需頻繁數據混洗。實際效果是:更快的響應速度、更低的延迟和更低的能耗。高通聲稱其Cloud AI 100 Ultra架構在某些推理工作負載下比同類英偉達配置的功耗低20到35倍。

當然，LPDDR方案並非沒有代價。相比HBM，它存在內存帶寬較低、由於較窄接口導致的更高延迟，以及在24/7高温服務器環境中尚未充分驗證的可靠性等問題。但關鍵在於應用場景的差異。

在訓練場景中，需要極致的內存帶寬來處理海量數據的反向傳播，HBM不可替代，而在推理場景中，模型參數已固定，重點是大容量存儲和高效讀取，LPDDR的容量和成本優勢遠超其帶寬劣勢。

值得關注的是，高通的AI250方案更進一步，引入了基於」近內存計算「的創新內存架構，聲稱可提供超過10倍的有效內存帶寬和更低的功耗，實現了分解式AI推理以高效利用硬件。兩款方案均採用直接液冷，機架級功耗僅160千瓦——在數據中心能源消耗每三年翻一番的當下，這個數字極具吸引力。

當數據中心開始攫取手機內存

而AI存儲技術路線的轉變，也在醖釀一場可能波及全球消費電子市場的供應鏈危機。

首先可以明確是，一個AI推理機架配備的LPDDR內存量級是驚人的。以高通AI200為例，單個機架可能包含數十張加速卡，每張768GB，總內存容量可達數十TB。這相當於數十萬甚至上百萬部智能手機的內存用量。

而這僅僅是一家公司的一款產品。當高通、英特爾、英偉達以及其他潛在進入者(如AMD、博通)都在2026-2027年大規模量產LPDDR方案時，對LPDDR的需求將呈現指數級增長。

目前來看，LPDDR產能並非無限，主要由三星、SK海力士和美光三家供應商控制。數據中心客户的特點是採購量巨大、利潤率高、訂單穩定且長期。相比之下，智能手機市場雖然體量龐大，但單機用量小、價格敏感、季節性波動明顯。

從供應商的角度，優先級顯而易見。這不僅可能導致數據中心訂單擠佔消費電子份額，類似2017-2018年加密貨幣挖礦導致GPU短缺，2020-2021年芯片荒讓汽車製造商停產等，還讓手機廠商面臨LPDDR採購成本上升、交貨周期延長，最終導致中高端手機可能不得不在內存配置上妥協，或者大幅提高售價。

但對其他手機廠商而言，這可能意味着2026-2027年將面臨一個艱難的選擇:要麼接受更高的內存成本，要麼在旗艦機型上降低內存配置，要麼尋找替代方案。

LPDDR6的到來

所謂的替代方案，可能就包括了更昂貴的LPDDR6

近日，全球半導體標準制定組織 JEDEC（固態技術協會） 正式發佈了最新標準文檔 JESD209-6，標誌着下一代低功耗內存——LPDDR6 正式登上舞臺。這不僅是LPDDR系列的重大進化，也是首個在官方規範中提及 DDR6 的標準。距DDR5標準發佈已過去五年，隨着AI算力、移動設備與邊緣智能的迅猛發展，業界亟需一種兼具高帶寬、低功耗與高可靠性的全新內存架構，LPDDR6的誕生正當其時。

JEDEC表示，LPDDR6在性能、能效、安全性和穩定性方面均實現了系統性升級。其核心架構由傳統的雙通道（DDR4的單64位通道在DDR5時代被拆分為兩個獨立的32位子通道）演進為 四個24位子通道，實現更高的並行度與更低的訪問延迟。此外，LPDDR6在功耗管理上進行了深度優化，不僅進一步降低了工作電壓，還引入了 DVFSL（低功耗動態電壓頻率調節） 等新機制，可根據運行負載動態調節功耗，以延長電池續航。

在性能指標上，LPDDR6的數據速率可達 10,667至14,400 MT/s，有效帶寬約為 28.5至38.4 GB/s。這一速度已經超越目前DDR5-12054的超頻紀錄，為AI手機、輕薄筆電與車載智能系統提供了更充裕的帶寬與響應能力。

作為全球半導體標準的制定核心，JEDEC成員涵蓋了從芯片設計到製造測試的整個產業鏈。此次LPDDR6標準發佈后，Cadence、Synopsys、Advantest、Keysight、MediaTek、Qualcomm、三星、美光、SK海力士 等企業已率先表態支持。這意味着新一代LPDDR6有望在短時間內被行業廣泛採用。雖然目前JEDEC尚未公佈面向桌面平臺的DDR6最終規範，但官方表示相關標準也將在年內發佈。

從時間節奏來看，DDR5在2020年發佈后約一年便進入量產市場，LPDDR6預計也將遵循類似路徑。尤其在主要廠商計劃於2025年起逐步停產DDR4的背景下，LPDDR6的到來正是新舊標準更迭的關鍵節點。

值得一提的是，Synopsys 已率先完成基於 臺積電N2P工藝節點 的 LPDDR6 IP「硅驗證（silicon bring-up）」。所謂「硅驗證」是芯片設計中首次上電測試的重要階段，標誌着其核心設計已具備可量產的技術成熟度。該IP包含控制器（Controller）與物理層接口（PHY）兩大部分，前者負責JEDEC協議解析與低功耗管理，后者則基於N2P的金屬堆疊與I/O庫構建，實現更高信號完整性與密度。

得益於N2P在性能、功耗與面積（PPA）上的領先表現，Synopsys的LPDDR6 IP帶寬可達 86 GB/s，並具備更高的能效與更緊湊的物理尺寸，為AI終端與高能效計算平臺提供強力支撐。JEDEC標準的理論峰值甚至可達 115 GB/s，這意味着與LPDDR5相比，新一代標準在速率與能耗表現上均實現了跨代式飛躍。

隨着LPDDR6預計在明年正式進入量產階段，在未來可能會取代LPDDR5，成為智能手機的標配，只不過其售價也可能愈發水漲船高。

LPDDR 5，貴到買不起？

這場從HBM到LPDDR的轉向，本質上是AI產業從不計成本的技術競賽走向精打細算的商業化部署的標誌。

英偉達的CUDA軟件棧在AI訓練領域仍然無可匹敵，開發者鎖定效應極強。但推理領域的情況完全不同：模型已經訓練完成，只需要高效運行，開發者鎖定遠沒有那麼強大，而且對價格極為敏感。

這為高通、英特爾等公司以全新方式競爭打開了大門。它們並非試圖製造更大的GPU來正面挑戰英偉達，而是着眼於一個現實：大多數AI模型無需每天重新訓練，只需要高效運行且能在任何地方運行。

高通的優勢正在於此，其將移動領域的基因與數據中心級可擴展性相結合。英特爾也在強調其從AI PC到數據中心和工業邊緣的端到端能力，以及與開放計算項目(OCP)等社區的協作。

未來的AI硬件市場可能呈現明顯的分層結構，訓練市場中HBM依然不可替代，英偉達/AMD繼續主導，但在推理市場中LPDDR有望異軍突起異軍突起，成為新一代AI芯片的選擇。

但LPDDR的崛起，可能需要全球數十億智能手機用户來承擔背后的代價。當數據中心開始攫取本屬於消費電子的LPDDR供應，我們或許將見證一個諷刺的場景：訓練AI的超級計算機裝備着最尖端的HBM，運行AI服務的推理集羣使用着」手機內存「，而真正的手機用户卻可能在2026-2027年面臨內存短缺、價格上漲或配置縮水。

這就是技術進步的弔詭之處：AI推理的效率革命，可能正在以犧牲消費者利益為代價。當芯片巨頭們為數據中心的TCO優化而歡呼時，普通用户手中的智能手機，正在成為這場產業變革中最脆弱的一環。