作者：电子创新网编辑部
当 AI 芯片的算力以指数级增长，真正拖慢系统进化的，已经不再是计算单元，而是内存。
过去两年，HBM（高带宽内存）被推上神坛，成为 GPU 与 AI 加速器的“生命线”；但与此同时，它也正在演变为整个 AI 产业链中最昂贵、最稀缺、最难扩展的资源。正是在这样的背景下，英特尔联合软银旗下 SAIMEMORY 推动的 Z-Angle Memory（ZAM），开始浮出水面。
这不是一次“更快内存”的竞赛，而是一场关于 AI 系统底层结构的路线之争。
一、HBM 的成功，正在变成 AI 的结构性负担
HBM 的价值无需怀疑。
它通过 TSV 堆叠、超宽接口，将内存带宽直接拉到 TB/s 级别，使得大模型训练成为可能。
但问题同样清晰：
成本失控：HBM 占 AI 加速卡 BOM 成本 30%～50%
产能极度集中：高度依赖少数 DRAM 厂商
封装受限：CoWoS 等先进封装成为新瓶颈
系统扩展性差：容量受封装尺寸和功耗严格约束
HBM 更像是一种为极限算力服务的“外挂式内存”——它解决了“能不能跑”，却没有解决“能不能规模化”。
这正是 ZAM 试图切入的产业断点。
二、ZAM 想做的不是“下一代 HBM”，而是换一套逻辑
从技术路径看，ZAM 同样采用 Z 轴方向的垂直堆叠，但它的目标并非极限带宽，而是：在容量、带宽、能效与成本之间，重新建立 DRAM 的最优解。
为了更直观理解两者的本质差异，我们必须把 HBM 与 ZAM 放在同一张产业维度表中来看。
三、HBM vs ZAM：关键维度对照表（产业视角）
对比维度 | HBM（High Bandwidth Memory） | ZAM（Z-Angle Memory） |
技术本质 | DRAM + 先进封装的算力外挂 | DRAM 架构级重构 |
堆叠方式 | TSV 垂直堆叠 + 封装内集成 | Z 轴晶圆级垂直键合（NGDB） |
设计目标 | 极限带宽 | 容量 × 带宽 × 能效综合最优 |
单封装容量 | 有限（几十～百 GB） | 目标为 HBM 的 2–3 倍 |
带宽特性 | 极高（TB/s 级） | 高于传统 DRAM，低于极限 HBM |
功耗水平 | 高，且与 GPU 强绑定 | 显著低于 HBM |
成本结构 | 极高，受封装与良率制约 | 目标明显低于 HBM |
制造体系 | 高度依赖先进封装 | 更接近 DRAM 制造逻辑 |
供应链集中度 | 极高 | 潜在更分散、更开放 |
系统绑定程度 | 强绑定 GPU / AI 加速器 | 系统形态更灵活 |
典型应用 | AI 训练、顶级加速器 | 推理 / HPC / 下一代 AI 系统 |
当前阶段 | 已量产，长期供不应求 | 原型阶段，2029 商用 |
一句话结论：HBM 是“为算力服务的内存”，而 ZAM 试图成为“为系统服务的内存”。
四、NGDB：英特尔真正押注的是“制造方法论”
ZAM 的技术根源，来自英特尔主导的 NGDB（Next Generation DRAM Bonding） 项目。这个项目有三个被外界低估的信号：
英特尔 NGDB 研发计划中的一款存储器测试探针卡（图片来源：英特尔）
1️ 国家级工程，而非企业试验
NGDB 隶属于美国 DOE / NNSA 的 先进存储技术（AMT）计划，联合了英特尔、SK 海力士、软银以及美国三大国家实验室。
这意味着 ZAM 并非市场噱头，而是为长期系统演进准备的技术储备。
2️ 核心突破在“键合与堆叠方式”
NGDB 的创新重点不在单颗 DRAM 单元，而在于：
多晶圆垂直键合
新型 via-in-one 架构
面向量产的一致性控制
这正是 HBM 成本和良率的核心痛点。
3️ 英特尔试图重夺“内存架构定义权”
在传统 DRAM 市场失守后，英特尔选择绕开价格战，转而争夺下一代内存形态的规则制定权。
五、ZAM 在 AI 系统中的真实定位：让 HBM 回到“该在的位置”
如果用系统视角来看，ZAM 并不是要“消灭 HBM”，而是重新分工：
HBM：继续服务极限算力、极低延迟场景
ZAM：承担大容量、高能效、高性价比的核心内存层
这将直接改变 AI 系统的成本结构、功耗模型与扩展方式，尤其利好：
大模型推理
HPC
国家级算力与科研系统
六、时间窗口的冷静判断：这是 2030 年之后的牌局
已披露的时间表非常清晰：
2027 年：ZAM 原型
2029 年：商业化落地
这意味着：ZAM 无法缓解今天的 HBM 紧缺，但它可能定义下一个十年的 AI 内存基础设施。
在此之前：
HBM 仍是刚需
CXL、内存池化是过渡方案
ZAM 是“为下一轮周期准备的底牌”
结语：AI 进入成熟期，内存必须从“外挂”变成“底座”
HBM 成就了 AI 的爆发期，但它不一定适合 AI 的成熟期。ZAM 的真正意义，不在于参数碾压，而在于让 AI 系统重新具备可扩展性与经济性。
算力决定上限，内存决定规模。
当行业开始认真讨论 ZAM 这类技术时，说明 AI 已经走到了一个新的阶段。
* 本文为原创文章，转载需注明作者、出处及原文链接，否则，本网站将保留追究其法律责任的权利。