AI 大模型训练和推理场景里，算力芯片计算速度越来越快，但内存读取数据的带宽、延迟跟不上计算节奏，也就是大家常说的内存墙，传统 2D DRAM 的平面缩放已经摸到物理上限，HBM 虽然短期能缓解，但成本高、供给集中在少数海外大厂，供需持续紧张，所以不管是产业资本、国家级基金，还是海外头部芯片厂商，都开始把资金和研发资源投向 3D DRAM，这条路线靠垂直堆叠存储单元、混合键合缩短访存距离，从底层架构去降低内存墙带来的性能损耗，最近国内多家 3D DRAM 相关创业公司接连拿到大额融资，头部晶圆厂也传出评估 3D DRAM 产线的消息，资本信号已经非常明确。
一、什么是内存墙，为什么传统方案不好解决
内存墙简单说就是算力芯片算得快、内存送数据慢，大量算力空转浪费。
- 传统 2D DRAM：存储单元平铺在晶圆表面，继续缩小光刻节点的难度越来越大，带宽、能效提升空间有限。
- HBM：属于裸片堆叠方案，靠 TSV 把多颗 DRAM 叠起来，带宽很高，但它本质还是 2D DRAM 裸片堆叠，没有改变存储单元本身结构，而且制造、封装成本贵，产能被三星、SK 海力士、美光三家把控，供货波动大。
- 3D DRAM：存储单元直接在晶圆内部垂直向上堆叠，缩短位线、字线长度，在相同面积下拿到更高密度、更低访存延迟，是从底层架构缓解内存墙的路线。
| 方案 | 核心特点 | 缓解内存墙短板 |
|---|---|---|
| 2D DDR DRAM | 平面结构，成熟便宜 | 带宽低，AI 场景下内存墙问题最突出 |
| HBM | TSV 堆叠多颗 DRAM 裸片 | 带宽高，但成本高、供给集中、单元架构没变 |
| 原生 3D DRAM | 存储单元垂直堆叠 | 密度、延迟、能效同步优化，长期路线 |
二、资本盯上 3D DRAM 的几大信号
- 国内创业公司密集拿到大额融资
- 海外大厂投入研发、评估产线布局
- 资本偏好逻辑变化：从单纯堆 GPU 算力，转向存储 - 计算协同架构
微珩启元一个月内完成两轮融资，主打 3D DRAM + 近存计算方案；谦合益邦拿到超 20 亿元 B 轮融资，落地 4 层 3D DRAM 存算一体芯片；算苗科技一年内融资接近 20 亿元，研发 3D TokenPU 芯片，采用 8 层存储晶圆和逻辑晶圆混合键合堆叠，目标 16TB/s 超高带宽，投资方包含国家级基金、运营商产业资本、头部互联网产业资本。
三星、SK 海力士、美光都把原生 3D DRAM 放进长期技术路线图；近期有消息称台积电应英伟达需求评估 3D DRAM 生产方案，虽然台积电后续表态专注逻辑代工，但也侧面说明头部算力客户对 3D DRAM 的需求已经非常迫切。
之前 AI 赛道资金大多投 GPU、AI 加速器；现在很多机构认为，内存墙才是长期制约大模型、智能体规模化落地的核心瓶颈，3D DRAM 是下一代存储底层机会，具备国产替代、供应链自主可控的故事空间。
三、3D DRAM 当前的落地难点
- 工艺难度高：垂直堆叠、多层刻蚀、混合键合工艺复杂，良率偏低，量产成本很高。
- 路线区分容易混淆：市场上有两种 3D DRAM 概念，一种是原生单片式 3D DRAM（存储单元垂直堆叠），另一种是 TSV 裸片堆叠，很多宣传容易混在一起。
- 量产周期长：海外大厂路线图普遍指向 2027–2028 年才会逐步量产，短期很难立刻替代 HBM。
- 热与可靠性风险：多层堆叠之后热量集中，散热、信号完整性、长期可靠性都需要持续验证。
四、主要应用场景
- 云端大模型推理、智能体算力集群，解决 KV 缓存带来的带宽压力
- 边缘 AI、自动驾驶芯片，兼顾高带宽、低功耗
- 下一代高性能计算、云游戏加速芯片，搭配存算一体架构
【相关 FAQ】
问题 1：内存墙难题下，资本为什么看好 3D DRAM，而不是继续加码 HBM？
回答 1：HBM 只是裸片堆叠，底层存储单元还是 2D DRAM，供给集中、价格波动大；3D DRAM 是存储单元垂直堆叠的原生架构，能够从根源降低访存延迟、提升密度，是长期解决内存墙的技术路线，所以在内存墙难题下，资本持续布局 3D DRAM 赛道。
问题 2：3D DRAM 和 HBM 在缓解内存墙难题上有什么本质差别？
回答 2：HBM 依靠 TSV 封装堆叠多颗现成 2D DRAM 裸片提升带宽，不能改变存储单元本身的延迟短板；3D DRAM 直接垂直堆叠存储单元，缩短信号走线，同步优化密度、延迟、能效，是架构层面解决内存墙难题的方案。
问题 3：国内拿到融资的 3D DRAM 企业，主要靠什么方案破解内存墙难题？
回答 3：国内 3D DRAM 创业公司大多走 3D 堆叠 + 近存计算、存算一体的组合路线，让部分计算在存储附近完成，减少数据来回搬运，配合混合键合堆叠提升带宽，以此缓解内存墙难题，已经拿到产业资本、国家级基金的大额投资。
问题 4：3D DRAM 能不能马上解决 AI 算力的内存墙难题？
回答 4：暂时不行，3D DRAM 工艺复杂、良率待提升，量产节点集中在 2027 至 2028 年，现阶段更多是技术预研和早期验证，短期 AI 算力缓解内存墙难题依旧依靠 HBM，3D DRAM 属于中长期技术路线。
【参考资料】
[2026-11-10]（空穴不来风？台积电真会为英伟达打造 3D DRAM 吗？）虎嗅网
[2026-11-07]（台积电进军 3D DRAM？）虎嗅网
[2026-11-05]（微珩启元一月内完成两轮融资，浙大博士团队以 3D DRAM + 近存计算破局 AI 推理 “内存墙”）36 氪
[2026-10-15]（算苗科技一年融资近 20 亿元 预计第一代产品 2027 年量产）财新网
[2026-09-28]（为何都盯上了 3D DRAM？）36 氪
[2026-08-21]（谦合益邦打造 4 层 3D DRAM 存算一体芯片）36 氪
【免责声明】
以上内容仅为半导体产业科普，信息来自公开媒体报道、企业融资新闻、厂商公开技术路线；3D DRAM 仍处于早期研发阶段，量产时间、良率、商业化进度存在较大不确定性，赛道融资消息不等于产品落地成功，内容不构成投资、项目采购决策建议。
本文来自作者[晶序共振使]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/bdt/202611/1233.html
评论列表（4条）
我是乌兰科技网的签约作者“晶序共振使”！
希望本篇文章《内存墙难题凸显，资本加速押注 3D DRAM 赛道》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：AI 大模型训练和推理场景里，算力芯片计算速度越来越快，但内存读取数据的带宽、延迟跟不上计算节奏，也就是大家常说的内存墙，传统 2D DRAM 的平面缩放已经摸到物理上限，HBM 虽然短期能缓解，但成本高、供给集中在少数海外大厂，供需持续紧张，所以不管是产业资本、国家级基金，还是海外头部芯片厂商，都开始把资金和研发资源投向 3D DRAM，这条路线靠垂直堆叠存储单元、混合键合缩短访存距离，从底层架构去降低内存墙带来的性能损耗，最近国内多家 3D DRAM 相关创业公司接连拿到大额融资，头部晶圆厂也传出评估 3D DRAM 产线的消息，资本信号已经非常明确。