闪迪新专利堆叠NAND闪存于芯片下方破解AI存储瓶颈
人工智能算力需求激增，存储带宽与容量成为关键瓶颈。闪迪一项新专利提出颠覆性3D堆叠方案：将大容量NAND闪存裸片直接堆叠在AI计算芯片下方，通过宽通道互联，旨在同时降低延迟、成本与功耗。该架构让上方的HBM处理高速即时任务，下方的NAND闪存承担海量数据存储，试图破解当前存储体系“鱼与熊掌不可兼得
随着人工智能与高性能计算对数据吞吐量的需求呈指数级增长，传统的存储架构正面临严峻挑战。高带宽内存（HBM）虽能提供高速读写，但受限于产能和单堆容量；而大容量的NAND闪存又因距离计算核心较远，速度难以匹配。面对这一核心矛盾，存储厂商正在寻求根本性的解决方案。
近日，闪迪一项编号为US 12,430,274 B2的新专利浮出水面，提出了一种碘伏性的3D堆叠架构。该方案的核心在于，将整合了CMOS键合阵列（CBA）的NAND闪存存储裸片，直接堆叠在主计算芯片（如AI翻跟斗或GPU）的下方，而非传统的并排放置方式。
传统方案面临容量与延迟双重挑战
在当前的AI硬件系统中，HBM负责处理低延迟的高优先级任务，但其单堆容量通常仅为32GB至64GB，且产能紧张，价格昂贵。另一方面，NAND闪存虽然单位成本低、单盘容量大，可达数TB级别，但由于物理距离计算芯片较远，数据传输速度慢，带宽无法与HBM相提并论，形成了“容量”与“速度”无法兼得的局面。
新架构如何实现“鱼与熊掌兼得”
闪迪的专利方案旨在同时解决带宽和容量问题。在这一架构中，HBM DRAM依然被放置在中介层上，负责即时的高速读写。而革命性的变化在于，大容量的NAND闪存裸片通过宽通道互联，被垂直集成在计算芯片的正下方。这种设计能够显著降低数据传输延迟、硬件成本以及整体功耗。
具体而言，一个完整的计算核心由多核处理器与大容量的非易失性存储（即CBA NAND闪存裸片）直接连接集成。处理器与存储裸片共同固定在中介层上，而HBM堆叠裸片则被布置在它们的单侧或周围。这使得系统可以灵活分配任务：HBM处理关键热数据，而下方的NAND闪存承担海量数据的存储与读写。
从专利到量产仍有工程难题待解
尽管这项专利勾勒出一个极具潜力的未来硬件蓝图，但必须指出，该技术目前仍停留在专利阶段，距离商业化量产还有很长的路要走。业界需要攻克包括整机功耗控制、在单一封装内同时集成NAND与DRAM所带来的制造成本飙升等一系列复杂的工程挑战。
这份专利为“计算芯片堆叠NAND闪存”的架构构建了高技术壁垒，尤其是在裸片间宽通道互联和跨裸片布线方案上。然而，目前行业内主流且已商用的方案，仍是技术门槛更低的“侧边并置”模式。闪迪能否将其前沿的专利构想与现有的量产产品技术路径成功融合，将是未来最值得关注的行业动向之一。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：闪迪新专利堆叠NAND闪存于芯片下方破解AI存储瓶颈要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点企业员工每周浪费一天搜索信息。企业AI智能助手无缝连接内部文档、对话、工单等系统，提供有溯源、权限感知的精准答案，从搜索、摘要到工作流自动化全面提效，显著减少信息查找时间，提升整体工作效率。
RAG知识链路构建指南 别只盯着向量库，RAG的成败在于知识链路的完整构建 这篇文章为你揭示从文档处理到召回重排的工程实践核心。 核心内容： 文档解析、切分与元数据处理的常见陷阱 向量检索与关键词检索相结合的召回链路设计 通过Rerank、上下文压缩与持续评测保障系统稳定 很多团队第一次做RAG，会
在过去的几年间，企业级AI应用在处理上下文关联问题时，最常见的解决方案几乎都是：“构建一个RAG流水线吧。” 这套方法看似标准：部署向量数据库，将公司内部的PDF文档切分为小片段，生成嵌入向量，查询时进行语义相似度搜索。如果只是进行大致的探索性搜索，这种方式确实足够。 然而到了2026年，完全依赖R
你们应该经常看到有人提到这个叫 Minis 的手机端 Agent。今天来详细说说它。 用过电脑端各种 Agent 的用户，应该对 Agent 很清楚——它需要你给予一定的权限才能做更多的事情。手机端也是一样，但手机端天生有限制。所以大部分人往往是通过手机的通信工具来调用其他电脑或者云端的 Agent
- 日榜
- 周榜
- 月榜
热点快看