AI内存进入新阶段：联合研发下一代高效存储技术
近期，全球两家行业巨头宣布深化在高端存储领域的联合研发，聚焦将AI基础设施推向新高度的存储技术与架构。通过将AI工作流、半导体设计与高性能计算协同推进，目标是在全球范围内为前沿模型训练、推理以及智能体应用提供更高效、可扩展的记忆与数据处理能力。
本次合作聚焦在围绕 AI 基础设施的下一代内存技术、存算一体化架构以及面向大规模模型的高效数据管理方案。通过联合研发，双方将推动在硬件与软件层面的协同进化，提升记忆带宽、降低功耗、缩短数据访问延迟，并为全球 AI 工厂建设提供更稳健的数据支撑。
合作的核心方向包括：
- 高效存储体系：研发面向 AI 工作负载的下一代内存技术与缓存结构，提升大型模型训练与推理的数据吞吐与稳定性。
- 存算协同与加速：构建以 AI 需求为驱动的存储-计算分工，利用专用加速单元与定制化软件栈实现更高的性能比与能源效率。
- 全栈工具链与仿真：将 CUDA-X 软件库、AI 物理仿真流程（如 TCAD 工作流）等工具链嵌入到半导体电子设计自动化（EDA）与仿真生态，提升设计与验证速度。
- 面向全球的共同标准与生态：通过开放的接口和共同的开源理念，推动跨厂商的协作与兼容，支持全球 AI 基础设施的快速扩张。
在技术实现层面，双方计划将软件与硬件的创新结合起来，覆盖以下方面的深度协同：
- CUDA-X 软件库与 AI 工作流的深度整合，为内部仿真、半导体设计与AI推理提供加速能力。
- 神经网络相关的内存管理与数据路径优化，降低数据在显存、主内存与存储之间的传输成本。
- 面向半导体物理与工艺的计算光刻及相关工作流的优化，以提升设计与制造效率。
双方还将把内部仿真代码与 AI 物理工作流扩展到更广泛的半导体电子设计自动化（EDA）与仿真生态系统，形成对 AI 基础设施建设的持续性驱动。通过这些举措，AI 工厂的前沿模型训练、推理服务以及智能系统的发展将获得更强的算力支撑与成本优化。
企业领袖表示，AI 驱动的工厂与智能化基础设施正成为下一轮工业变革的重要引擎，先进内存对性能提升具有决定性作用。双方将共同推进面向 AI 工厂的下一代内存技术，并致力于全球 AI 基础设施的加速扩张，覆盖从前沿模型训练到智能体与物理 AI 的广泛应用场景。