2025 年下半年以來，全球 DRAM 內存價格大幅上漲，部分型號售價一度達到往常的兩倍以上。業內分析普遍認為，這場漲價潮主要由 AI 算力需求的爆炸式增長與供應鏈調整共同推動，且這一趨勢預計將持續。在此背景下，深入理解驅動 AI 革命的存儲技術變得至關重要。本文將系統梳理與AI 緊密相關的核心存儲芯片及技術，剖析它們如何在不同場景下支撐起智能計算的海量數據需求。

提到存儲，多數用戶首先會想到硬盤（SSD）或內存（DRAM）。從云端 AI 服務器到邊緣智能設備，都離不開這兩大基石。從技術本質看，硬盤領域的 SATA / NVMe 接口 SSD，乃至手機中的存儲芯片，均基于NAND Flash（非易失性存儲器）技術。它通過晶體管存儲電荷來記錄數據，斷電后信息依然保留。為突破物理平面極限，當前主流技術已演進至 3D NAND，通過縱向堆疊存儲單元，在同等芯片面積下實現了更高的存儲密度、更低的功耗、更佳的耐用性與更快的讀寫速度，同時有效降低了單位成本。

與 NAND 作為“數據倉庫”的角色不同，DRAM（動態隨機存取存儲器）充當了系統的“工作臺”。它通過電容存儲數據，但由于電容會自然放電，需要定期刷新，因此屬于易失性存儲器，斷電后數據會丟失。在 AI 服務器和個人電腦中，DRAM 最常見的形態是內存條，其采用DDR（雙倍數據速率）技術。 DDR 能夠在帶寬、延遲、容量和成本間取得平衡，因此被廣泛用作系統主內存，目前主流已進入 DDR5 時代。

除了 DDR 內存，在 AI 領域應用同樣廣泛的還有GDDR（Graphics Double Data Rate）——這是獨立顯卡（GPU）的專用顯存。無論是 AI 計算場景，還是圖形渲染任務，GPU 都需要顯存提供高速的數據存儲與讀取支持；若顯存帶寬不足，將直接制約整體計算效率的提升。

例如，NVIDIA RTX PRO 5000 Blackwell配備 48GB 超高速 GDDR7 的內存，有助于加速臺式電腦上的 AI 開發、LLM 推理和生成式 AI 工作流，以及高保真仿真、視頻制作和復雜 3D 建模等操作。借助 RTX PRO 5000 可以無縫運行本地 AI 助手，通過神經網絡渲染制作逼真的視覺效果，并優化工程和科學研究所需的精度關鍵型仿真，所有這些操作都以卓越的穩定性高速運行。

在 AI 領域，除了 GDDR 顯存類型的存儲芯片外，一些高端的數據中心 GPU 比如 H20、H200 等型號，它采用的是HBM 內存（High Bandwidth Memory），HBM 和 GDDR 最大的不同是采用了 3D 堆疊技術，GDDR 可以理解為平鋪在 PCB 上，互聯方式采用 PCB 主板走線通信，而 HBM 則是將多個 DRAM 核心摞起來，堆疊的各層之間通過貫穿硅片的微型垂直通道—硅通孔連接，提供了短且多的內部互聯通道，目前最新的 HBM3e 可以實現 8TB / 秒的顯存帶寬，高于 GDDR 方案數倍，多適用于超大規模的 AI 訓練與 HPC 業務。

并非所有 AI 場景都需要如此卓越的性能，在邊緣計算和桌面工作站等場景中，功耗、散熱和空間限制同樣關鍵。此時，LPDDR 技術（Low Power Double Data Rate SDRAM）便成為理想選擇。它通過降低工作電壓、引入精細的電源狀態管理，實現了出色的能效比。NVIDIA DGX Spark便是一例：它采用 Grace CPU + Blackwell GPU 的 GB10 超級芯片，并創新性地配備了 128GB LPDDR5x 統一內存供 CPU 與 GPU 共享。這種設計大幅減少了數據搬運延遲，使得開發者能在單臺最大功耗僅 240W 的桌面設備上，對參數高達 2,000 億的大模型進行微調與推理。

在更嚴苛的邊端場景，比如生產車間、碼頭、工地這些工業場景，同樣需要使用到 AI 算力進行目標檢測，人臉識別，危險預警等業務，這種場景下更考驗能耗散熱，因為設備往往需要放置在弱電箱內。在此場景下麗臺科技基于NVIDIA Jetson系列產品進行開發，提供了多種場景可選的 AI 工控機，涵蓋 NVIDIA Jetson Orin、NVIDIAJetson Thor 系列，此系列產品全部是采用了 LPDDR5 技術的顯存。下面以LEADTEK 麗臺 嵌入式工控機 8F5E2為例。

? LEADTEK 麗臺 嵌入式工控機 8F5E2

基于 NVIDIA Jetson AGX Orin/AGX Xavier 開發，算力高達 275 TOPS，被動式散熱，I / O 接口豐富，可擴展性強，多場景靈活部署。

應用場景：車路協調、機器視覺、安防邊檢、智慧物流、工業自動化。

▲ 嵌入式工控機 8F5E2

注：搭載 AGX ORIN 時支持 USB 3.1 功能，并向下兼容。搭載 AGX Xavier 時，僅支持 USB 2.0 功能

AI 的蓬勃發展并非僅依賴于處理器算力單點突破，更得益于一個多層次、協同高效的存儲生態系統。從數據中心里提供高帶寬的 HBM，到顯卡中負責高吞吐的 GDDR；從服務器內平衡全能的 DDR，到邊緣設備中能效優先的 LPDDR，再到所有數據的最終歸宿——海量、非易失的 NAND Flash，每一種存儲技術都在自己最擅長的位置上，解決了 AI 在不同規模、不同場景下面臨的特定數據挑戰。