人工智能产业的持续升温，正在将半导体产业推向一轮结构性变革。算力需求的爆发式增长，不仅重塑了芯片产业的供需格局，也让存储环节站到了舞台中央。11月12日，在2026 IC China行业大会上，长鑫科技副总裁骆晓东以《算力分层时代，探索DRAM分层新边界》为题发表演讲，围绕存储产业的发展脉络与演进方向分享了系统性判断。 演讲的核心判断是：算力的超级周期正在经历深刻演变，内存需求已全面进入“分层时代”。在这一背景下，长鑫科技提出，存储产业的竞争焦点正从单一参数比拼转向全场景产品布局能力的较量，而以RDIMM为代表的内存产品，正成为承接这一变革的核心红利与未来主推方向。 算力增长催生需求分化，细分赛道各走各的路 过去一年，“超级周期”成为半导体行业的高频词，背后是全球算力需求的集中释放。进入2026年，这一增长势头并未减弱。行业预测显示，2024年至2031年，全球AI算力规模的7年复合增长率将达到96.1%，成为拉动整个半导体产业增长的核心引擎。 但在骆晓东看来，算力总量的狂飙之下，超级周期正在进入一个全新的“分层时代”。这种分层首先体现在不同细分市场的需求分化上。目前，服务器市场的需求占比已超过50%，且优先满足AI大模型、智算中心等高价值场景，直接带动了高端存储和高性能芯片需求的持续走高。汽车市场方面，智能化浪潮推动单车存储容量和智驾渗透率不断提升，预计到2030年，车载存储和车规芯片的需求年复合增速将达到30%左右。而手机、PC等消费电子市场，尽管AI功能渗透速度不断加快，但依然保持着明显的消费周期波动特性。 除了市场端，需求端同样在发生分层。从日常的AI对话生成、智能体办公助手，到产业端的大模型训练与推理部署，各种AI场景的需求正在井喷。但不同场景对内存的需求差异巨大：例如在AI大模型对话的Decode推理阶段，性能瓶颈主要在于内存带宽上；而在处理长文本的Prefill阶段，瓶颈则转向算力受限；当进入大参数多卡训练场景时，内存容量和互联能力又成了关键制约因素。 这种需求的分层，精准对应到了存储金字塔的不同层级中。其中，DRAM内存作为承上启下的核心位置，既要处理高频率交互的模型参数与KV缓存，又要平衡性能与成本，已成为当前AI算力升级中需求增长最快的层级。 跳出容量与速率的惯性思维，五维指标重构存储创新坐标 内存需求的分层化，为存储技术的创新提供了更多元的方向。骆晓东指出，要适配不同层级的差异化需求，行业必须跳出传统存储仅仅关注容量和速率的固化思路。 在不同的AI场景下，内存需求画像千差万别。骆晓东通过“物流网络”比喻，对内存需求的五个核心维度进行了拆解： 首先是内存“容量”，好比物流总仓储面积，决定了能否将大模型全量参数存在本地，超大规模模型训练、长上下文推理这类任务，对容量需求高。 其次是“带宽”，代表单位时间总货运能力。在前馈网络（FFN）计算环节，这个环节需要批量拉取全量参数做计算，数据搬运量极大，在用户并发数较小时，对带宽需求极高。 第三是“写入率”，对应数据回写的反向运输承载力，在训练场景下，对写入率的要求高。 第四是“访问粒度”，即最小运输单元，在推理过程中，稀疏注意力（Attention）计算环节，需要反复拉取零散的历史对话缓存（KV Cache）做匹配，因此对小粒度访问的要求很高。 最后是“延迟”，它相当于物流配送时间，这个指标在注意力（Attention）计算环节要求高。因为每次调取零散数据都要等响应，延迟直接决定大模型回答的快慢。 这五个维度构成了当前AI场景下复杂的内存储需求画像。骆晓东表示，当前存储产业的竞争逻辑已经发生根本性转变，从过去单一的参数比拼，转向了全场景的产品布局能力竞争。基于对应用系统的深度理解，打造适配不同层级、不同场景的差异化存储方案，正成为重塑存储市场竞争格局的核心变量，也为全行业参与者打开了换道超车的新窗口。 产品矩阵全面落子，RDIMM扛起AI算力底座大旗 在格局重塑的背景下，智能体的兴起成为这一轮AI变革中尤为关键的场景。Agentic AI的多租户、高并发特性，正持续推动平台CPU的性能演进与内存通道标准的升级，行业对内存容量和带宽的需求持续上行。 在这一趋势中，RDIMM作为与CPU直连的核心近内存，迎来了新的红利期。骆晓东强调，RDIMM是算力数据传输的第一通道，拥有延迟更低、产业生态成熟度最高、单位容量成本最优等不可替代的优势，这也是其成为行业基本盘的核心原因。目前，全球主流市场的服务器内存已进入稳定升容周期，低容量产品占比逐年收窄，中高容量产品渗透率稳步提升，RDIMM市场的价值重心正持续向高容量段转移。 围绕这一长期趋势，长鑫科技已提前进行了充足的产品布局。在DDR5 RDIMM和MRDIMM产品线上，长鑫科技的DDR5颗粒已完成了从24Gb到32Gb的迭代