十张图拆解存储全球产业链（解读版）
AI服务器的存储并非单一设备，而是分为“三圈粮仓”：HBM紧贴GPU，负责实时喂算力；DRAM内存条位于主板，承担系统调度缓冲；SSD/HDD在机柜中，存放PB级训练数据。三者的带宽、容量、价格差异巨大——HBM带宽可达TB/s级，但容量仅百GB；SSD容量大但速度慢。GPU算力十年涨500倍，HBM是唯一能跟上的存储，成为AI算力的“咽喉”。 从寄存器到硬盘，存储呈现“速度越快、容量越小、价
标签专题 · 共 4 篇文章
# 内存墙
关于「内存墙」的技术文章、设计资料与工程师讨论，持续更新。
4
篇文章
13
人关注
227
次浏览
AI对内存永无止境的需求
“内存墙”一词最早出现于20世纪90年代中期，当时弗吉尼亚大学的研究人员William Wulf和Sally McKee合著了“Hitting the Memory Wall: Implications of the Obvious”(撞上内存墙：显而易见的影响)一文。该研究揭示了由于处理器速度与动态随机存取存储器(DRAM)性能之间的差距而导致的内存带宽瓶颈问题。 这些发现指出了工程师们在过
算力不是瓶颈？AI加速器的真正命门在这里
当AI加速器陷入“算力过剩、数据饥渴”的怪圈，决定性能上限的早已不是计算核心的数量，而是内存带宽与互联架构。本文带你跳出“堆算力”的误区，重新审视AI硬件的真正战场。 现在跑大模型，大家都在喊算力不够，要堆更多核心。 但现在AI加速器的性能瓶颈，早就不是计算单元本身，而是内存和互联架构。 AI加速器到底是怎么进化到今天的 AI硬件的发展路线其实非常清晰，就是从通用到专用一步步走过来的。 最早大家都
谁来为端侧大模型“功耗墙”破局？
| 端侧AI元年：千亿赛道的机遇与挑战 2025年被业界公认为“端侧AI元年”，随着AI手机、人形机器人、可穿戴设备等终端产品的爆发式增长，端侧大模型正从技术概念走向规模化应用，催生了对低功耗、高性能端侧AI芯片的海量需求。据测算，全球端侧AI市场将从2025年的3219亿元增长至2029年的1.2万亿元，复合年增长率高达39.6%，千亿赛道已然浮出水面。但繁荣背后，端侧大模型的落地始终被三大核心