DRAM解决方案在频宽、延迟、速度、容量及功耗管理方面各有优势，但成本与上市时程仍是关键挑战。为降低创新风险，客户需积极参与承诺采购，而制造商则须寻求降低成本的策略。例如，LPDDR、PIM（Processing-In-Memory）、Wide I/O、GDDR与HBM（High Bandwidth Memory）各具特色，适用于不同应用场景。
短期内，PIM被视为最具创新的记忆体方案，主要支援神经处理单元（NPU），但仅限少量应用。Mobile HBM虽可提升效能，但应用尚未明朗。预计2026年，Apple将在iPhone Pro Max与折叠机型中，由PoP（Package-on-Package）架构转向独立式DRAM配置，提升频宽，同时NAND表现将透过UFS 5.0技术改进。
随著自动驾驶技术发展，高效能应用处理器（AP）与LPDDR的使用将进一步增加，预计HBM4将在2027年后导入自动驾驶系统。此外，XR装置、无人机与游戏领域也将扩展Wide I/O的应用，以提升低延迟处理能力。
NVIDIA提出的DIGITS技术，将透过GPU与HBM的整合提升记忆体频宽，并在2025年中透过SOCAMM技术（System-On-Chip Advanced Memory Module）增强CPU频宽，以扩展容量并提升讯号完整性。然而，PCB与连接器成本仍是一大挑战，短期内尚无计划将该技术应用于一般PC市场。
三星在Semicon Korea 2024的演讲中，强调生成式AI记忆体解决方案需在高频宽、速度、容量、低延迟与功耗管理之间取得平衡。预计至2030年，HBM5的堆叠层数将达20层，并与更多逻辑装置整合於单一小晶片（Chiplet）架构中，台积电在CoWoS技术中的角色将更加重要。供应链横向合作的重要性日益提升，将取代单一企业全面整合的垂直整合模式。
AI模型的快速叠代，促使硬体技术发展及成本下降。过去，智慧型手机的软体环境在iOS与Android框架下变化有限，但AI技术的引入正带来差异化发展。例如，DeepSeek正开发行动AI的LLM（大型语言模型），预期OpenAI等企业将逐步标准化AI技术。
未来，随著PIM与Low Latency Wide I/O（LLW）等创新技术的普及与成本持续下降，这些技术有望在软体标准化后的数年内加速落地。
Counterpoint Research研究总监MS Hwang表示，面对AI时代的快速发展，记忆体技术的创新将成为驱动产业转型的关键。无论是在智慧型手机、自动驾驶，还是高效能运算领域，记忆体解决方案都扮演著举足轻重的角色。随著供应链合作模式的变革，技术标准化与成本优化将推动记忆体产业迈向更高效能、低功耗的未来。
點擊閱讀下一則新聞
