过去两年，AI 硬件不仅“卷算力”，也把内存需求和价格一起推高。当 GPU 越来越快，但数据却未必送得上，昂贵的计算卡只能停下来“等内存”。这个曾经不太显眼的配套部件，如今既贵得“卷上天”，也成为影响 AI 性能和能耗的新瓶颈。
8 月 20 日，美光科技宣布成立 Micron Research Labs，计划未来十年投入 100 亿美元，用以开展新型内存、内存与计算架构、先进封装及未来半导体制造等领域的研究。实验室总部设在爱达荷州博伊西，旗舰设施预计 2027 年动工，可容纳数百名研究人员。
美光将其称为美国首个专门面向内存的长期研究中心。按照公司规划，100 亿美元还将支持高校合作、全球卫星实验室和产业生态伙伴关系，形成以博伊西为中心的研究网络。
该研究实验室的推出，正值 AI 基础设施迅速扩大。路透社指出，AI 工作负载普及带动了高带宽内存的需求，美光、三星电子和 SK 海力士等大型内存厂商均从中受益。过去作为计算芯片配套部件的内存，正在成为影响 AI 性能、成本和能源消耗的重要环节。
因此，美光的投入不只对应眼前的 HBM 市场，也试图提前了解下一代计算系统需要怎样的内存。不过，实验室尚未公布具体项目清单和成果目标，其实际影响仍要等待研究合作及设施落地后才能判断。
当内存走向台前
计算芯片与内存承担着不同任务。GPU 负责执行大量并行运算，内存则保存模型参数和计算过程中产生的数据，并持续把数据传给处理器。大模型训练和推理需要频繁读取海量信息，如果数据供应速度跟不上，部分计算单元就会等待，理论算力也难以充分发挥。
这一现象通常被称为“内存墙”，即处理器性能的提升速度，与内存带宽和数据传输效率的提升速度并不一致。而 GPU 和内存两者之间的差距越大，算力闲置和能源浪费就越明显。
高带宽内存由此走到 AI 硬件竞争的前台。针对 GPU“等数据”的问题，业内普遍采用提高内存带宽的方式。
作为 AI 服务器关键组件的 HBM，能将多层 DRAM 垂直堆叠，并以更宽的数据通道连接 GPU，在有限空间内提供更高带宽，减少处理器等待数据的时间。
但把多层 DRAM 叠在一起，不只是增加内存容量。芯片层数越多，制造良率、散热和封装难度越高，还要与 GPU 及服务器系统匹配。因此，HBM 竞争考验的是从 DRAM 工艺、堆叠、封装到系统适配的整体能力，也离不开材料企业、设备厂商和芯片客户的协同。
过去，内存和处理器多沿着各自的技术路线开发。随着数据搬运成为性能和能耗瓶颈，两者之间的连接方式需要被重新考虑。美光此次将研究范围由关键内存延伸至内存与计算架构，也正是对这一变化的回应。
美光研究实验室同时将先进内存与计算架构列为重点，研究未来计算系统如何存放、传输和处理数据，以及怎样缩短数据搬运距离、提高访问效率。
从产业格局看，全球大型内存厂商主要包括三星电子、SK 海力士和美光。AI 服务器需求快速增长，让 HBM 成为三家公司争夺的重要市场。美光此时投入长期研究，既要服务当前产品开发，也要避免只沿着既有路线追赶，在下一代内存技术形成前保留更多选择。
图｜美光先前于博伊西建设的先进内存晶圆厂（来源：micron 官网）
出于衔接长期研究与工艺制造的考量，美光将旗舰设施选在爱达荷州博伊西。美光 1978 年创立于此，博伊西长期是其重要研发基地，公司还在当地推进先进内存晶圆厂。研发机构与制造设施相邻，无疑有利于新材料、器件和架构更快进入工艺验证。
此外，博伊西也处在美光扩大美国本土制造布局的核心位置。2024 年 12 月，美国商务部依据《芯片与科学法案》，为美光在爱达荷州和纽约州的项目提供最高 61.65 亿美元直接资助，支持先进内存工厂建设。此次实验室并非该资助项目的一部分，但延续了美光在当地集聚研发和制造能力的布局。
美光最新公告称，公司已另行规划在美国投入超过 2,500 亿美元，用于制造和研发，预计创造超过 9 万个就业岗位。此次 100 亿美元研究计划是在原有规划之外新增的投入。随着研究实验室落地，美光在博伊西的布局将同时覆盖长期研究、工艺验证和晶圆制造。
美光押注十年之后
在具体目标上，与围绕现有产品展开的研发部门相比，Micron Research Labs 更强调长期研究。
美光称，该机构将关注超越当前技术路线图的问题，研究时间跨度超过 10 年。这个定位意味着，实验室短期内未必直接贡献某一款可销售的芯片，更主要的任务是为未来产品寻找材料、器件、架构和制造路径。
图｜美光 HBM3E 示意图（来源：micron 官网）
在关键内存技术方面，当前 DRAM 和 NAND 仍是美光产品组合的基础，但未来 AI 系统对容量和数据吞吐的需求持续增长，若只依靠现有技术逐代改进，可能越来越难兼顾成本、性能和功耗。因此，研究人员需要继续提高存储密度、速度和能效，同时面对器件尺寸缩小带来的物理限制。
此外，先进内存与计算架构把研究推进到系统层面。由于传统计算需要在内存和处理器之间频繁搬运数据，这一过程会消耗时间和电力。因此，为进一步减少处理器等待并降低能耗，需要通过缩短传输距离、提高数据访问效率。
其中，先进封装则决定不同芯片能否高效连接。未来计算系统可能集成更多内存、计算和通信模块，封装技术将直接影响模块间的数据传输、散热及量产稳定性。
在研究组织模式方面，美光还希望把外部研究力量纳入这套体系。官方公告显示，实验室将连接客户、高校、政府、初创企业和半导体产业链，并依托美光在美国、欧洲、日本、印度、新加坡和中国台湾的研发及技术布局。另外，资金还会用于高校合作和全球卫星实验室，而不只投向博伊西园区。
鉴于下一代内存研究横跨材料、设备、制造、封装和系统设计，相关技术开发需要不同产业环节共同参与。美光此次公告获得英伟达、苹果、应用材料、泛林集团和比利时微电子研究中心等机构支持，覆盖芯片客户、设备厂商和科研机构，也体现出其搭建跨产业研究网络的意图。
按照目前时间表，博伊西旗舰设施将在 2027 年动工，可容纳数百名研究人员，并计划举办国际研究会议、工作坊和创新论坛。
美光希望通过此次投资，在满足当前 AI 内存需求的同时，提前布局十年后的材料、架构和制造路线，并强化在基础研究、架构协同和产业合作方面的能力。不过，由于实验室定位于长期研究，其价值难以用短期产品收入衡量，能否形成实际优势，仍取决于研究成果能否从论文和样品走向稳定量产。
从 GPU 到 HBM，再到更长期的内存与计算架构，AI 硬件的竞争范围仍在扩大。美光此次投入没有给出确定的技术答案，而是为十年后的多种可能路线建立研究平台。对一家身处强周期行业的内存厂商来说，这是一笔规模可观的长期投入，其价值也需要更长时间验证。
参考资料
1.https://investors.micron.com/news/press-release/2026/Micron-Unveils-Micron-Research-Labs-a-U-S--Based-Long-Horizon-Innovation-Hub-to-Shape-the-Future-of-Memory-and-AI/default.aspx#:~:text=As%20the%20first%20dedicated%20memory%20research%20hub%20of,to%20support%20advanced%20research%20across%20critical%20technology%20domains.
2.https://www.reuters.com/world/asia-pacific/micron-unveils-10-billion-ai-memory-research-lab-boise-2026-08-20/
3.https://www.nist.gov/news-events/news/2024/12/department-commerce-awards-chips-incentives-micron-idaho-and-new-york
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成
热门跟贴