AI产业持续扩张带动算力需求持续走高，存储作为算力体系中承托数据流转的关键一环，行业竞争逻辑正在发生深刻转变。11月12日，在2026 IC China大会现场，长鑫科技副总裁骆晓东围绕内存分层发展方向发表《算力分层时代，探索DRAM分层新边界》主题演讲，结合当前产业供需结构变化，解读DRAM如何适配多样化AI场景，为国产存储企业的赛道布局提供参考思路。
算力需求走向分化，多赛道存力增长节奏出现差异
AI浪潮催生的算力景气周期，已经不再是统一上扬的单线行情，不同终端、不同应用场景对于内存资源的诉求逐步拉开差距。行业测算数据显示，2024年至2031年，全球AI算力规模年均复合增速可达96.1%，这股强劲需求，持续拉动整个半导体板块向上。
但在总量高速增长之下，市场结构已经明显分化。服务器领域已经占据存储需求半壁江山以上，资源优先向大模型训练、智算中心等高价值业务倾斜，高端内存、高性能芯片的需求持续保持高位。汽车智能化赛道同样具备长期增长潜力，随着自动驾驶功能不断迭代，单车搭载存储容量持续扩容，机构预判到2030年，车载存储与车规级芯片的市场需求复合增速将维持在30%上下。反观手机、PC这类消费电子品类，虽然端侧AI功能陆续落地，但需求仍跟随传统消费周期起伏，波动特征较为突出。
除硬件市场划分外，AI应用场景本身也带来需求分层。简单的对话生成、智能体办公属于轻量推理场景；大规模模型训练、长文本处理则属于重负载任务，不同环节对内存资源的诉求截然不同。例如大模型推理的解码阶段，瓶颈集中在内存带宽；长文本前置处理环节，约束来自算力本身；而多卡大参数模型训练，考验的则是内存容量与芯片互联能力。
DRAM处在存储体系承上启下的关键位置，既要承接高频交互的模型参数、KV缓存，又需要平衡性能与成本，在本轮算力升级浪潮中，成为需求弹性最强的一环。
跳出容量速率单一标尺，五大维度构建内存评估新框架
长期以来，行业评价内存产品习惯于聚焦容量、传输速率两项核心参数，而在AI场景多元化的背景下，这套简单的评价标准已经很难匹配复杂的业务诉求。骆晓东用物流网络类比数据调度逻辑，提出从五个维度刻画真实的内存需求，为存储技术迭代建立新的分析框架。
容量对应仓储总空间，决定系统能否将完整大模型参数本地加载，大规模模型训练、超长上下文推理，对这项指标要求最高。带宽代表单位时间的数据吞吐能力，前馈计算环节会批量调取大量模型参数，并发压力不高时，带宽就成为性能短板。写入率相当于反向回传通道承载力，在模型训练、权重更新场景中重要性凸显。访问粒度代表单次调取的数据单元大小，稀疏注意力计算需要反复读取碎片化的对话缓存，对小粒度随机访问能力提出考验。延迟则等同于数据调取响应耗时，零散缓存频繁读取的注意力计算环节，延迟直接决定模型输出的响应速度。
五项指标的组合变化，形成不同AI场景下差异化的内存画像。这也意味着存储行业的比拼，已经告别单一参数竞速，转向面向全场景的产品方案打造。吃透上层应用系统的运行逻辑，针对性输出分层存储方案，成为厂商抢占市场主动权的突破口，也给国内存储企业创造差异化竞争的机会。
锚定RDIMM服务器赛道，全品类产品矩阵覆盖算力场景
Agent智能体应用快速普及，多租户、高并发的业务特征倒逼服务器CPU迭代升级，内存通道标准持续更新，市场对于大容量、高带宽内存的需求持续上行，RDIMM凭借自身特性站上产业风口。
RDIMM直连CPU，是算力链路里距离计算单元最近的数据通道，具备低延迟、生态成熟、单位容量成本优势突出的特点，长期作为服务器内存的基础方案。当前全球服务器内存正在进入扩容周期，小容量模组占比持续下滑，128GB等高容量产品渗透率稳步抬升，RDIMM市场价值重心持续上移。
长鑫科技已经提前完成相关产品线储备。DDR5颗粒完成24Gb向32Gb版本迭代，RDIMM模组覆盖32GB至128GB主流容量区间，速率覆盖5600Mbps至8000Mbps；MRDIMM布局128GB、192GB两款大容量规格，最高速率可达12800Mbps，面向数据中心提供完整模组方案。
在服务器之外，端侧存储同样是布局重点。今年长鑫推出新一代LPDDR6产品，并且已经在国内旗舰机型实现全球首发量产。这款16Gb规格产品最高速率12800Mbps，对比上一代LPDDR5X，带宽提升60%，功耗下降20%，兼顾移动终端高性能与续航需求。依托原生高规格速率和双子架构设计，LPDDR6拥有更优的带宽容量比，除手机外，后续还有机会延伸至自动驾驶、边缘计算以及低功耗服务器等场景。
算力分层已经是产业确定趋势，存储厂商不再只追逐单一性能极限，而是面向不同层级算力需求搭建产品矩阵。依托服务器RDIMM、端侧LPDDR6等多条产品线，长鑫科技正在围绕分层算力的思路搭建存储底座。随着AI应用持续向产业端渗透，差异化、分层化的存储方案，也将在全球存储格局重塑过程中，持续释放国产存储的产业价值。
