Micron 投资日本人工智能存储芯片

Lisa Ernst · 29.11.2025 · 技术 · 8 分钟

美光科技计划在广岛建设一座新的高带宽内存（HBM）芯片工厂，投资约 1.5 万亿日元，相当于约 96 亿美元。目标是满足现代人工智能系统不断增长的内存需求。这项投资明确显示了人工智能堆栈的瓶颈正从计算能力转向内存带宽。

Micron 投资日本

美光科技计划在广岛建造一座新的内存芯片工厂。投资额约为 1.5 万亿日元，相当于约 96 亿美元。该工厂将生产用于人工智能应用和数据中心的 HBM 芯片。这些芯片专为运行大型语言模型和其他计算密集型人工智能工作负载的 GPU 等加速器设计（ Reuters).

位于广岛美光现有厂区的新建工程计划于明年 5 月开始。首批芯片预计将于 2028 年左右交付（ Reuters). ）。日本经济产业省（METI）将为该项目提供高达 5000 亿日元的补贴。这与一系列面向先进半导体工厂的大规模补贴计划相吻合（ Reuters).

2025 年 9 月，日本经济产业省宣布将为美光位于广岛的 DRAM 工厂提供高达 5360 亿日元的补贴，重点生产高带宽内存和 EUV 光刻技术（ TrendForce). ）。这笔补贴是对 2022 年为扩大广岛 DRAM 产量而提供的 465 亿日元之前拨款的补充（ Reuters). ）。因此，广岛正在成为日本 DRAM 和 HBM 生产的关键枢纽，计划于 2027 年开始量产 1-Gamma DRAM，并明确将 HBM 作为增长领域（ TrendForce).

来源: finanznachrichten.de

美光科技正大力投资以扩大其人工智能存储芯片的生产能力。

HBM 在人工智能中的重要性

高带宽内存（HBM）是一种特殊的 DRAM 形式。它通过垂直堆叠多个内存芯片，并使用硅通孔（TSVs）与 GPU 或 CPU 连接，提供极宽的接口（ Wikipedia). ）。与传统的 DDR 或 GDDR 内存相比，这种 3D 堆叠在类似的功耗下，能够提供多倍的带宽，并且占用更小的空间（ Wikipedia).

当前 HBM 的发展速度惊人：HBM3 每个堆栈的带宽超过 800 GB/s，HBM3E 通过提高时钟频率和堆栈高度，可达约 1.2 TB/s（ Wikipedia; Micron). ）。新的 JEDEC HBM4 标准允许每个堆栈的带宽高达约 2 TB/s，容量高达每个堆栈 64 GB（ All About Circuits).

NVIDIA 的 H200 GPU 结合了 141 GB 的 HBM3E 内存，其内存带宽为 4.8 TB/s，容量大约是 H100 系列的两倍（ NVIDIA). ）。美光为该平台提供 24 GB 的 HBM3E 堆栈，并正在开发 36 GB 的 12 层堆栈，以支持更大的模型和未来的 GPU（ Micron; Micron). ）。一个 36 GB 的 HBM3E 堆栈可以使拥有 700 亿参数的 LLaMA 2 等模型在单个处理器上运行，而无需在 GPU 和 CPU 之间频繁加载（ Micron).

分析表明，所有领先的人工智能 GPU 都已完全依赖 HBM，并且未来几代产品将追求更高的堆栈高度和带宽（ SemiAnalysis). ）。人工智能硬件的计算能力增长速度快于可用内存带宽，这使得 HBM 成为主要的瓶颈，尤其是在拥有大量上下文令牌和关键值缓存的大型语言模型中（ Semiconductor Engineering; arXiv). ）。对于开发者而言，这意味着即使增加了 GPU 数量，可用 HBM 容量和带宽常常会限制模型、批次或上下文窗口的大小（ Semiconductor Engineering).

来源: retail-news.de

高带宽内存（HBM）对现代人工智能应用的性能至关重要。

来源: YouTube

日本半导体战略

日本多年来一直奉行明确的“半导体和数字战略”，将半导体、数字基础设施、软件和云定义为战略基础技术（ meti.go.jp; cicc.or.jp). ）。该战略强调芯片在 5G、人工智能、物联网和自动驾驶系统中的作用，并将技术主权与国家安全直接挂钩（ Access Partnership).

2025 年 1 月，日本通过预算提供了约 1.05 万亿日元用于下一代芯片和量子计算的研究。此外，还预留了约 4710 亿日元用于支持国内芯片生产（ The Quantum Insider). ）。这些资金补充了吸引或扩建台积电、Rapidus 和国际存储器制造商在日本的现有计划（ amro-asia.org).

美光是这项战略的关键参与者。除了新的 1.5 万亿日元项目外，该公司还获得了高达 5360 亿日元的直接补贴，用于扩展广岛的 HBM 和 1-Gamma DRAM 生产（ TrendForce; semicone.com). ）。早在 2022 年，经济产业省就向美光提供了 465 亿日元，用于扩展其位于广岛的现有 DRAM 生产线，同时强调了供应安全和地缘政治风险（ Reuters).

）。例如，根据艾伦·图灵研究所的分析，日本正有意识地将领先的制造能力重新引入国内，同时扩大其在全球供应链中在材料、设备和封装方面的作用（ cetas.turing.ac.uk). ）。新的人工智能存储芯片工厂符合这一图景：它加强了自身在关键组件上的地位，并减少了对台湾等特定地区的依赖（ Reuters).

全球 HBM 竞争

根据《金融时报》的分析，HBM 内存已成为人工智能硬件市场的一个关键战场（ Financial Times). ）。目前，市场主要由三家制造商主导：SK 海力士、三星和美光。它们正在争夺英伟达、AMD 等主要加速器供应商的设计订单（ Financial Times).

SK 海力士凭借早期 HBM 代产品和特殊的封装技术，已成为英伟达的重要供应商（ Financial Times). ）。三星通过认证的 HBM3E 堆栈为英伟达平台供货，正在迎头赶上，此前该公司主要为 AMD 的 Instinct 系列显卡供货（ Tom's Hardware). ）。而美光则报告称，其 HBM4 芯片的样品已开始交付，每个堆栈的带宽高达 2.8 TB/s，超出了官方 HBM4 规范（ TechRadar).

与此同时，JEDEC 于 2025 年春季正式发布了 HBM4 标准，该标准规定每个堆栈的带宽高达约 2 TB/s，每个 HBM 塔的容量高达 64 GB（ EDN; All About Circuits). ）。据报道，英伟达甚至在敦促其供应商超越这一规格，提供每引脚约 10 Gbps 的 HBM4 堆栈，以使未来的 GPU（如 Rubin 平台）相比 AMD 的 MI450 系列更具优势（ Tom's Hardware).

人工智能存储芯片的全球供应链紧密联系于 GPU 制造商、HBM 供应商和政府产业政策之间。AMRO 等机构的分析强调，日本、美国、韩国、台湾和欧盟正在大力投资半导体生态系统，以避免在人工智能时代依赖于个别国家或公司（ amro-asia.org; Financial Times).

）。对于 HBM 供应链而言，这意味着广岛、SK 海力士在韩国的生产设施、三星工厂以及未来可能增加的 HBM 产能（例如在美国或欧洲）将形成一个网络，并通过出口管制、补贴和技术标准进行持续调整（ Financial Times; cetas.turing.ac.uk).

来源: aktienmagazin.de

美光存储芯片是 AMD Instinct MI350 等高性能人工智能基础设施的组成部分。

对企业和开发者的影响

对于数据中心运营商、云平台和人工智能初创公司来说，HBM 是一个切实的成本和容量因素。一个配备 8 个 GPU 和每个 GPU 141 GB HBM3E 的 H200 节点，可以提供超过 1 TB 的极速 GPU 内存。这非常适合大型语言模型或长上下文处理，但初始购买成本也非常高（ NVIDIA; Supermicro).

硬件供应商的报告和云平台的分析表明，如今许多人工智能工作负载明显受内存限制。更多的 HBM 带宽通常比额外的 TFLOPS 计算能力带来更高的吞吐量（ intelmarketresearch.com; openmetal.io). ）。关于 LLM 推理的 Arxiv 研究证实，特别是解码阶段受到内存带宽和访问模式的限制，而不是原始计算能力（ arXiv; arXiv).

美光在日本投资人工智能存储芯片，对企业而言主要意味着两点：首先，从 2028 年左右开始，市场上 HBM 产能可用的机会将增加，紧张的供应状况将有所缓解，特别是如果美光同时建设 HBM4 和 HBM4E 产能（ Reuters; TechRadar). ）。其次，这将增加竞争对手大力投资 HBM 生产和封装的压力，从而有望实现中长期更多的供应选择和创新（ Financial Times).

对于人工智能系统的开发者和架构师来说，其结果是务实的：值得将 HBM 作为独立的规划要素进行考虑——类似于参数数量或 FLOPS——并根据可预见的内存发展来调整自己模型的路线图（ Semiconductor Engineering; Lam Research Newsroom). ）。当今做出基础设施决策时，应考虑到未来的 GPU 系列（包括 HBM4 及更高版本）不仅会带来更高的带宽，还会带来更大、更灵活的内存堆栈，通常与 CoWoS 或 2.5D/3D 集成等封装技术紧密结合（ Lam Research Newsroom; Lam Research Newsroom).

结论

美光在广岛投资的新的数十亿美元 HBM 存储工厂，清晰地表明人工智能堆栈的瓶颈正从计算能力转向内存带宽。日本的巨额政府补贴、积极的 HBM3E 和 HBM4 产品规划以及大型人工智能模型不断增长的需求相结合，明确了一个事实：想要了解人工智能的未来，就必须关注高带宽内存市场以及其背后全球供应链的动态（ Reuters; Financial Times).

）。对于当前从事人工智能产品开发的团队来说，至少在本十年末之前，有效管理内存使用和带宽仍然是一项核心任务——与此同时，要密切关注像广岛美光新工厂这样的新 HBM 产能何时能真正投入使用（ Semiconductor Engineering; amro-asia.org).