FMS 2026参会指南：AI时代的“内存革命”正在开启

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。