AI服务器的内存账单，正在被一种原本装在手机里的产品改写。
8月11日，外媒Wccftech援引美国银行（BofA）测算称，英伟达面向Vera Rubin Ultra NVL144的Kyber机柜将配置124.4TB HBM4E，成本约为250万美元；同柜216TB LPDDR5X虽然单价更低，但总成本趋近280万美元，超出前者约12%。
LPDDR5X原本主要用于手机等移动设备，例如iPhone 17 Pro搭载12GB LPDDR5X内存。如果做一个换算，Kyber单柜所使用的相当于约1.8万部手机的运行内存总量。
从手机到服务器的迁移
这并不是LPDDR第一次走进数据中心。早在Grace CPU时代，英伟达就已经开始用LPDDR5X代替传统服务器使用的DDR。
三年后，新一代Vera CPU内存不仅形式发生改变——SOCAMM2（Small Outline Compression Attached Memory Module 2，小型压接式内存模块）将原本固定式设计升级为可拆卸、可维护的服务器内存模块，单颗CPU的LPDDR5X容量也从GB级别提升至TB级别（1TB=1000GB）。
这个原本为手机等端侧设备而设计的兼顾带宽、容量和功耗的产品，正在迎来和HBM相似的境遇——越来越贵的同时，也越来越稀缺。
为何曾经的手机内存能跑进AI服务器？
答案在于CPU的核心数持续增加，以及智算、超算等工作负载的数据量不断攀升。这些压力传导到内存端，转化为对更大容量和更高带宽的明确需求。
然而，传统服务器主内存所采用的DDR5 RDIMM（寄存式双列直插内存模块），很难在控制功耗的同时，满足CPU对极致内存吞吐能力的追求。
于是，英伟达开始另辟蹊径，瞄准LPDDR这类低功耗手机内存。首款数据中心CPU Grace首次应用的LPDDR5X，围绕CPU布置了多个内存通道，提供远高于手机场景的总带宽。
按照官方2023年披露的数据，相比当时典型的服务器DDR5内存方案，Grace的LPDDR5X在成本相近的情况下，带宽最高可提升53%；提供同样1GB/s带宽，所需的功耗也只有前者的约八分之一。
美光与Meta最新的联合测试更直观地展示了瓶颈如何被LPDDR5X解决：一项AI数据整理任务的吞吐量，在内存速度提升后增加了11%；当容量翻倍、避免中间数据频繁写入SSD后，大数据分析任务速度甚至提高到原来的2至3倍；在其中一项AI任务中，LPDDR5X本身只占整机功耗的6.8%。
模块化改造：从固定到可拆换
当手机内存被搬进服务器，性能与功耗之间的平衡得以被维持。但下一个问题随之而来：传统移动设备的安装方式，未必适配服务器的工作节奏。
为了缩短信号路径、降低传输损耗，Grace将LPDDR5X固定在CPU计算模块上。这种设计往往意味着LPDDR5X一经损坏，就需要更换承载内存的整块计算板，并不符合服务器需要连续运行多年、故障部件必须能在现场快速替换的特性。
除此之外，供应端的灵活性也被削弱。在整机厂必须提前锁定内存容量和颗粒规格的情况下，已交付的服务器难以完成后续的迭代升级。一旦某种颗粒供应紧张，厂商也很难像更换RDIMM那样自如调整配置。
于是，将LPDDR5X模块化的SOCAMM应运而生。但它没有继承DDR5 RDIMM的布局思路，而是借鉴了轻薄本内存的CAMM（压接式内存模块）设计：传统RDIMM采用竖向插槽，虽然拆换方便，但由于内存条较高，会占用CPU周围的立体空间；平铺加压接的方案，不仅保留了可拆换性，还大大降低模块高度，为CPU周围的散热部件和更多LPDDR5X模块留出空间。
据美光测算，同等容量下，首代SOCAMM可提供RDIMM 2.5倍以上的带宽，占用面积约为后者的三分之一；其后续SOCAMM2的功耗也约为等容量RDIMM的三分之一。
在机架总能耗的约束下，SOCAMM的低功耗优势还在被放大。英伟达官方数据披露，一个GB200计算节点中的4个GPU模块（含计算及其配套HBM）最大功耗合计5.6kW，约占该节点6.7kW最大功耗预算的84%。当GPU模块已占据AI机架的大部分用电预算，CPU内存的扩展不得不精打细算，而SOCAMM恰好击中痛点。因此，也不难理解为何英伟达会连续押注从LPDDR到SOCAMM的CPU内存赛道。
不过，高带宽、低功耗、大容量的性能优势只说明了这条路线的可行性，却解释不了它正在发生的另一面——当AI系统动辄消耗TB级别的LPDDR用量、更多厂商陆续下场押注，过去主要由手机周期主导价格和库存的逻辑，开始发生改变。
容量需求暴涨，供应却趋紧
CPU侧LPDDR的扩张，已经直接写进了英伟达新一代产品规格。3年前开始商用的Grace CPU，单颗最高配置480GB LPDDR5X；到了Vera，这一数字提高到1.5TB，是前者的3倍多。
放到整套系统里，Vera Rubin NVL72的36颗Vera CPU合计配置54TB LPDDR5X，而美国银行对下一代Kyber机柜的测算进一步来到216TB。
容量一路向上，并不只是为了堆参数，而是为了匹配计算系统日益繁重的工作量。Agent兴起后，CPU要承担的工具调用、代码运行和数据库访问不再是一次性动作，而是在单次任务中反复发生，并行任务也随之增加。CPU需要处理和搬运的数据更多，对内存容量和带宽的要求自然提高。
CPU与GPU之间的内存分工也同步在施压。通过一致性互连，一部分原本集中在GPU侧的容量压力被转移到CPU侧，有限且昂贵的HBM空间则留给对带宽更敏感的数据。
当两股需求最终都指向更大的内存容量和更高的传输带宽，存储厂也在顺着这一趋势继续提高SOCAMM容量。目前三大DRAM原厂均已进入SOCAMM2量产阶段，美光还采用单颗32Gb（约4GB）的LPDDR5X裸片，将单模块SOCAMM2容量进一步提高到256GB，目前处于客户送样阶段。
英伟达也不是唯一开始在服务器CPU上扩大LPDDR使用范围的芯片厂商。今年4月，AMD表示计划在2027年推出支持LPDDR5X SOCAMM2的CPU，并将其作为未来Instinct GPU的配套主机。TrendForce同时称，英伟达之外的ASIC开发商也已经开始评估低功耗DRAM。
其预计，到2028年至2030年，AI服务器生态甚至可能超过智能手机，成为全球最大的LPDRAM（所有低功耗的内存产品的统称，包含LPSDRAM、LPDDR4、LPDDR5、LPDDR5X等）单一终端市场。
SOCAMM本身也在从英伟达率先采用的方案走向更广泛的行业标准。今年6月，全球内存与固态技术标准的制定机构JEDEC正式规定SOCAMM2的电气与机械要求。这意味着更多厂商可以按照统一规范开发模块和平台。
但在新买家尚未大规模入场的当下，SOCAMM所依赖的LPDDR5X供应已经趋紧。TrendForce今年1月指出，DRAM原厂正把先进制程和新增产能更多转向服务器内存（主要指传统DDR5路线）与HBM，留给LPDDR等其他产品的供给空间随之收窄。除此之外，即便手机市场处在传统淡季，LPDDR的供应格局也在发生变化。
热门跟贴