2025 年下半年以来，全球 DRAM 内存价格大幅上涨，部分型号售价一度达到往常的两倍以上。业内分析普遍认为，这场涨价潮主要由 AI 算力需求的爆炸式增长与供应链调整共同推动，且这一趋势预计将持续。在此背景下，深入理解驱动 AI 革命的存储技术变得至关重要。本文将系统梳理与AI 紧密相关的核心存储芯片及技术，剖析它们如何在不同场景下支撑起智能计算的海量数据需求。

提到存储，多数用户首先会想到硬盘（SSD）或内存（DRAM）。从云端 AI 服务器到边缘智能设备，都离不开这两大基石。从技术本质看，硬盘领域的 SATA / NVMe 接口 SSD，乃至手机中的存储芯片，均基于NAND Flash（非易失性存储器）技术。它通过晶体管存储电荷来记录数据，断电后信息依然保留。为突破物理平面极限，当前主流技术已演进至 3D NAND，通过纵向堆叠存储单元，在同等芯片面积下实现了更高的存储密度、更低的功耗、更佳的耐用性与更快的读写速度，同时有效降低了单位成本。

与 NAND 作为“数据仓库”的角色不同，DRAM（动态随机存取存储器）充当了系统的“工作台”。它通过电容存储数据，但由于电容会自然放电，需要定期刷新，因此属于易失性存储器，断电后数据会丢失。在 AI 服务器和个人电脑中，DRAM 最常见的形态是内存条，其采用DDR（双倍数据速率）技术。 DDR 能够在带宽、延迟、容量和成本间取得平衡，因此被广泛用作系统主内存，目前主流已进入 DDR5 时代。

除了 DDR 内存，在 AI 领域应用同样广泛的还有GDDR（Graphics Double Data Rate）——这是独立显卡（GPU）的专用显存。无论是 AI 计算场景，还是图形渲染任务，GPU 都需要显存提供高速的数据存储与读取支持；若显存带宽不足，将直接制约整体计算效率的提升。

例如，NVIDIA RTX PRO 5000 Blackwell配备 48GB 超高速 GDDR7 的内存，有助于加速台式电脑上的 AI 开发、LLM 推理和生成式 AI 工作流，以及高保真仿真、视频制作和复杂 3D 建模等操作。借助 RTX PRO 5000 可以无缝运行本地 AI 助手，通过神经网络渲染制作逼真的视觉效果，并优化工程和科学研究所需的精度关键型仿真，所有这些操作都以卓越的稳定性高速运行。

在 AI 领域，除了 GDDR 显存类型的存储芯片外，一些高端的数据中心 GPU 比如 H20、H200 等型号，它采用的是HBM 内存（High Bandwidth Memory），HBM 和 GDDR 最大的不同是采用了 3D 堆叠技术，GDDR 可以理解为平铺在 PCB 上，互联方式采用 PCB 主板走线通信，而 HBM 则是将多个 DRAM 核心摞起来，堆叠的各层之间通过贯穿硅片的微型垂直通道—硅通孔连接，提供了短且多的内部互联通道，目前最新的 HBM3e 可以实现 8TB / 秒的显存带宽，高于 GDDR 方案数倍，多适用于超大规模的 AI 训练与 HPC 业务。

并非所有 AI 场景都需要如此卓越的性能，在边缘计算和桌面工作站等场景中，功耗、散热和空间限制同样关键。此时，LPDDR 技术（Low Power Double Data Rate SDRAM）便成为理想选择。它通过降低工作电压、引入精细的电源状态管理，实现了出色的能效比。NVIDIA DGX Spark便是一例：它采用 Grace CPU + Blackwell GPU 的 GB10 超级芯片，并创新性地配备了 128GB LPDDR5x 统一内存供 CPU 与 GPU 共享。这种设计大幅减少了数据搬运延迟，使得开发者能在单台最大功耗仅 240W 的桌面设备上，对参数高达 2,000 亿的大模型进行微调与推理。

在更严苛的边端场景，比如生产车间、码头、工地这些工业场景，同样需要使用到 AI 算力进行目标检测，人脸识别，危险预警等业务，这种场景下更考验能耗散热，因为设备往往需要放置在弱电箱内。在此场景下丽台科技基于NVIDIA Jetson系列产品进行开发，提供了多种场景可选的 AI 工控机，涵盖 NVIDIA Jetson Orin、NVIDIAJetson Thor 系列，此系列产品全部是采用了 LPDDR5 技术的显存。下面以LEADTEK 丽台 嵌入式工控机 8F5E2为例。

► LEADTEK 丽台 嵌入式工控机 8F5E2

基于 NVIDIA Jetson AGX Orin/AGX Xavier 开发，算力高达 275 TOPS，被动式散热，I / O 接口丰富，可扩展性强，多场景灵活部署。

应用场景：车路协调、机器视觉、安防边检、智慧物流、工业自动化。

▲ 嵌入式工控机 8F5E2

注：搭载 AGX ORIN 时支持 USB 3.1 功能，并向下兼容。搭载 AGX Xavier 时，仅支持 USB 2.0 功能

AI 的蓬勃发展并非仅依赖于处理器算力单点突破，更得益于一个多层次、协同高效的存储生态系统。从数据中心里提供高带宽的 HBM，到显卡中负责高吞吐的 GDDR；从服务器内平衡全能的 DDR，到边缘设备中能效优先的 LPDDR，再到所有数据的最终归宿——海量、非易失的 NAND Flash，每一种存储技术都在自己最擅长的位置上，解决了 AI 在不同规模、不同场景下面临的特定数据挑战。