美光科技（Micron Technology）在最新技术中指出，随着人工智能模型规模持续扩大，传统冯·诺依曼架构下的数据移动瓶颈——即“内存墙”问题日益严峻。当前AI服务器总功耗中，DRAM访问能耗已超过GPU本身，凸显内存性能已成为制约算力提升的核心矛盾。为此，美光正从PIM（存内计算）、3D堆叠高带宽内存（HBM）及CXL开放互联协议三大方向推动内存系统重构，旨在实现计算与存储的深度融合。
在技术路径上，PIM通过将计算单元嵌入或紧邻内存阵列，使数据在存储位置附近完成运算，显著减少跨芯片数据搬运带来的延迟与功耗。该技术可释放内存内部宽带总线潜力，突破外部接口带域限制；大幅降低系统级电能消耗，尤其适用于边缘AI设备的长时续航需求。目前尚无法完全替代GPU中的复杂并行计算核心，但其在大规模矩阵乘加等常见AI运算中具备明显优势，未来将以“协处理器”角色承担特定任务卸载。
为推动PIM生态落地，美光正积极参与JEDEC组织主导的LPDDR6-PIM标准制定工作，联合三星、SK海力士共同推进接口与功能规范统一。此举意在避免各厂商采用私有方案导致的兼容性壁垒，确保不同供应商产品间的互操作性。美光亦在开发配套编译器、库函数与框架支持工具，以降低开发者适配门槛，加速应用部署进程。
在物理层面，下一代HBM4技术将实现2048位接口宽度、单堆栈超2TB/s带宽，并向16层以上堆叠发展。通过采用更精细的硅通孔（TSV）工艺和“混合键合”（Hybrid Bonding）技术，可在保持高密度的提升连接可靠性与能效比。这一演进路径不仅满足大模型训练所需的海量数据吞吐，也为多芯片模块（MCM）集成提供了基础支撑。
CXL（Compute Express Link）作为开放型高速互联协议，正在重塑数据中心内存架构。借助CXL，AI系统可实现动态内存扩展与跨节点内存池化，有效缓解因模型膨胀引发的内存不足问题。美光已启动CXL兼容内存解决方案研发，目标是构建灵活、高效且可伸缩的异构计算平台，提升资源利用率。
长远来看，未来内存体系或将呈现“异构融合”趋势：除主流DRAM外，基于自旋转移矩（STT-MRAM）或铁电材料（FeRAM）的非易失性存储器有望在缓存层或持久化存储环节补充DRAM，兼顾速度、功耗与断电保留特性。这种分层优化策略有助于在性能、成本与能效之间取得更优平衡。
对中国行业用户而言，上述技术动向意味着采购与系统设计需提前布局：在选择AI服务器或边缘计算设备时，应关注是否支持CXL内存扩展能力；对于芯片封装厂与模组制造商，需评估HBM4与混合键合工艺的导入可行性；而从事算法开发的企业则应关注PIM专用编程工具链的发展进度。鉴于美光等国际厂商正加速向先进制程与新型架构倾斜，国内供应链应在材料（如高纯度硅晶圆）、设备（如先进键合机）及测试环节加强自主可控能力建设。
值得关注的是，美光已明确将AI视为未来十年核心增长引擎，持续加大在HBM4与前沿LPDDR领域的研发投入。其技术路线图表明，内存不再只是“数据暂存地”，而是演变为具备主动处理能力的智能计算单元。这一转变将深刻影响整个算力基础设施的设计逻辑，也预示着中国企业在参与全球AI硬件竞争时，必须同步跟进底层架构创新。