美光警示 AI 存储墙加剧，HBM 约占 Meta Llama 3 训练中断 17%

ChainCatcher 消息，据 TrendForce 报道，在 Hot Chips 2026 上，美光强调 AI 算力进步快于存储提升，“存储墙”挑战日益突出。美光 Fellow Raghu Sriramaneni 指出，AI 加速器算力约每两年提升三倍，而 HBM 带宽同期增幅不足两倍，差距可能进一步扩大。对 HBM 依赖加深也带来可靠性问题，美光援引 Meta Llama 3 数据称，HBM 故障约占非预期训练中断的 17%。模糊计算与存储边界的新设计或有助于突破瓶颈。

HBM 扩展还带来面积与供应压力：最新一代封装将两颗 GPU 与八个 12 层 HBM4 堆栈集成，存储约占半导体面积 90%，超过 GPU 所占面积的八倍；以 HBM 实现同等容量约需标准 DDR5 DRAM 三倍晶圆。热管理亦成关键约束，液冷与超薄芯片等方案正被探索。

美光正推进互连、封装与冷却创新，包括面向存储优化的 SerDes 与 die-to-die PHY、更大尺寸 SiP 与玻璃基板先进封装，以及液冷、混合键合等，并开发 fusion bonding 以降低热阻并提升数据吞吐。