作者：137Labs

——从HBM4、CXL到下一代AI数据中心架构，全球半导体产业如何重塑计算基础设施

一、FMS 2026：为什么这场内存峰会值得关注？

过去几年，人工智能产业的竞争焦点正在发生变化。

早期的大模型竞争主要围绕：

• GPU算力；
• AI芯片性能；
• 模型规模。

但随着大模型进入规模化训练和商业化推理阶段，一个新的瓶颈正在显现：

计算能力快速提升，而数据传输速度正在成为AI系统发展的关键限制因素。

GPU性能越来越强，但如果缺少高速内存和高效存储支持，计算资源就无法充分发挥。

因此，未来AI产业竞争正在从单一的算力竞争，转向：

GPU + HBM + CXL + 存储 + 数据中心架构的综合竞争。

在这一背景下，FMS 2026成为全球半导体产业关注的重要会议。

本届大会预计将汇聚：

• 三星电子（Samsung Semiconductor）
• SK海力士（SK hynix）
• 美光（Micron）
• 英伟达（NVIDIA）
• Marvell
• Sandisk
• Kioxia
• Rambus

以及众多AI基础设施企业，共同探讨下一代计算架构。

二、FMS 2026会议基本信息

1. 活动名称

Future of Memory and Storage 2026（全球内存与存储峰会）

FMS是全球存储和内存产业的重要技术交流平台，覆盖：

• DRAM；
• NAND Flash；
• HBM；
• 企业级存储；
• 数据中心架构；
• AI计算基础设施。

2. 时间与地点

• 时间：2026年8月4日至8月6日，会议持续三天。
• 地点：Santa Clara Convention Center，美国加州圣克拉拉。

该区域位于硅谷核心区域附近，是全球半导体产业的重要聚集地，周边拥有：

• 英伟达；
• Intel；
• AMD；
• Applied Materials；

等大量科技企业。

三、本届FMS 2026最大的看点：AI重新定义“内存”

AI产业的发展正在改变半导体行业的竞争逻辑。

过去：

芯片性能决定计算能力。

现在：

芯片性能、内存带宽和数据访问效率共同决定AI性能。

尤其是在大模型时代：

• 参数规模不断增长；
• 推理请求持续增加；
• 数据吞吐需求快速提升。

AI系统对内存提出了更高要求。

因此，内存已经从传统计算中的辅助部件，逐渐成为AI基础设施的核心组成部分。

四、HBM4：AI芯片竞争的新战场

1. 为什么HBM成为AI核心技术？

HBM（High Bandwidth Memory，高带宽内存）是一种面向高性能计算设计的先进内存技术。

相比传统DDR内存，HBM具备：

• 更高数据带宽；
• 更低功耗；
• 更小封装空间。

因此成为AI GPU的重要搭档。

目前：

• NVIDIA GPU；
• AMD AI加速卡；
• Google TPU；

等高性能AI计算平台，都高度依赖HBM。

2. HBM4将带来哪些变化？

更高带宽

AI模型训练需要大量数据交换。

带宽提升意味着：

• GPU等待时间减少；
• 计算效率提高；
• 模型训练速度提升。

更大容量

未来AI模型：

• 参数数量持续增加；
• 上下文长度不断扩大。

更大的HBM容量将成为必要条件。

更低功耗

AI数据中心面临越来越高的能源压力。

HBM4需要解决：

• 性能提升；
• 能耗控制；
• 散热压力；

之间的平衡。

五、三星、SK海力士、美光：HBM4竞争全面展开

1. 三星：重新争夺AI内存市场

三星半导体预计将在FMS 2026展示：

• HBM4产品路线；
• AI Memory解决方案；
• 下一代DRAM技术。

三星此前已经公布HBM4相关布局。

本届会议市场关注重点包括：

（1）HBM4量产进展

外界关注三星能否：

• 提升市场份额；
• 加强AI芯片供应链合作。

（2）下一代HBM路线

除了HBM4：

市场也将关注：

• HBM4E；
• 后续HBM技术演进。

2. SK海力士：HBM市场的重要领先者

近年来，SK海力士凭借HBM技术快速成长。

在AI服务器供应链中，SK海力士已经成为重要参与者。

FMS 2026预计重点讨论：

• HBM4供应能力；
• AI GPU合作；
• 下一代内存架构。

3. 美光：AI内存市场的重要竞争者

美光近年来持续推进：

• HBM；
• DDR5；
• AI服务器内存。

市场关注其先进DRAM技术能否进一步提升竞争力。

六、CXL：未来AI服务器的“内存扩展革命”

除了HBM之外，FMS 2026另一个核心技术方向是：

CXL（Compute Express Link）

随着AI模型规模扩大，传统服务器架构面临挑战：

• GPU数量增加；
• 内存需求提升；
• 数据访问压力增大。

单台服务器内部的内存容量和扩展能力逐渐成为限制因素。

CXL带来的变化

1. Memory Pooling（内存池）

未来多个计算节点可以共享更大的内存资源。

优势：

• 提升资源利用率；
• 降低服务器成本；
• 提高系统灵活性。

2. Memory Tiering（分层内存）

未来AI系统可能采用多层内存结构：

高速层：HBM

中间层：DDR

存储层：SSD

不同介质承担不同任务。

未来AI数据中心可能形成新的架构：

GPU负责计算，HBM负责高速数据访问，CXL负责内存扩展，SSD负责长期数据存储。

七、FMS 2026三天会议看点

Day 1：8月4日

AI Memory Architecture成为核心主题

首日预计将重点关注：

1. AI基础设施架构

讨论：

• 下一代AI服务器设计；
• GPU与内存协同优化；
• 数据中心升级方向。

2. HBM4技术路线

关注：

• 三星；
• SK海力士；
• 美光；
• 是否公布：
• 产品路线；
• 供应计划；
• 技术进展。

3. 大模型时代的数据瓶颈

核心问题：

当AI模型越来越大，内存如何满足计算需求？

Day 2：8月5日

重点方向：

• CXL生态发展；
• 企业级存储；
• AI数据管理。

关注：

• 内存扩展方案；
• 数据中心优化；
• AI推理基础设施。

Day 3：8月6日

重点方向：

NAND Flash；

企业存储；

下一代数据中心存储架构。

八、参会关注重点总结

如果关注AI产业和半导体技术趋势，FMS 2026建议重点关注以下方向：

HBM方向

重点观察：

• 三星HBM4路线是否进一步明确；
• SK海力士供应优势是否延续；
• 美光竞争策略如何变化。

AI服务器方向

重点观察：

• CXL是否进入规模应用；
• AI服务器内存容量是否继续提升；
• 云计算厂商如何设计下一代架构。

技术趋势方向

重点关注：

HBM4；

CXL；

AI存储；

高性能DRAM；

企业级SSD。

结语

过去几年，AI产业发展的关键词是：

算力。

但进入2026年之后，新的竞争焦点正在转向：

数据流动效率。

没有高速内存，GPU无法释放全部性能；

没有先进存储，大模型无法高效运行。

因此，FMS 2026不仅是一场存储行业会议，更是观察未来AI基础设施发展的重要窗口。

从HBM4到CXL，从三星到英伟达，从芯片到数据中心：

下一轮AI竞争的核心问题将变成：

谁能够打造最高效、最完整的AI计算基础设施体系。