当大模型参数以万亿计增长，算力集群的瓶颈早已不再只是芯片本身——数据吞吐的速度，正卡在传统内存架构的物理极限上。前英特尔CEO帕特·基辛格通过风投机构Playground Global，押注了一家名为Nagare Labs的内存初创公司，其研发的Z2RAM技术试图用一种全新的思路破解“内存墙”难题。这项被寄予厚望的下一代存储方案，瞄准的是AI训练与推理场景中最为致命的存储延迟与密度矛盾。本文将拆解Z2RAM的技术本质、产业背景，以及它将如何影响我们手中不断进化的各类AI工具与科技产品。
内存墙危机：AI工具发展的隐形天花板
过去十年，处理器性能沿着摩尔定律的惯性一路狂奔，但内存系统的进化却明显滞后。CPU和GPU的计算速度每年提升约30%到50%，而DRAM带宽与容量的增长却只有10%左右。这种失衡在AI时代被无限放大：动辄千亿参数的大模型，需要频繁在内存与计算单元之间搬运权重数据和中间激活值，传统存储架构的访问延迟已经成为整个系统最刺眼的短板。
所谓“内存墙”，指的就是处理器与内存之间的性能差距。当AI Agent技术开始承担更复杂的多步骤任务时，海量上下文信息的即时存取需求让这一矛盾愈发尖锐。一方面，SRAM速度极快但密度极低，成本高昂，无法大规模扩充；另一方面，DRAM密度可观但访问延迟和刷新功耗问题根深蒂固。业界的解决思路五花八门，例如将HBM堆栈与GPU封装在一起，但基辛格曾公开吐槽HBM是“糟糕的内存”——高功耗、高成本、容量受限，本质上只是权宜之计。
在这样的背景下，Z2RAM的出现显得尤为及时。它试图在存储层级中寻找一个中间位置：既具备接近SRAM的快速访问特性，又能实现接近DRAM的存储密度。如果这一目标达成，AI推理服务器、边缘计算设备乃至个人终端中的最新科技，都有望获得数量级的性能提升。毕竟，无论AI画图生成一幅高清图像，还是大模型实时对话，背后都是海量数据在存储与计算单元间的极速流转。内存一旦拖后腿，再强的算力也只能空转。
基辛格的第二曲线：从CPU霸主到存储破局者
帕特·基辛格在英特尔时极力主张IDM 2.0战略，虽然最终离开了掌舵位置，但他对芯片制造业的深刻理解并未随之消退。如今，他通过风投机构Playground Global以真金白银押注Nagare Labs，这一动作本身就带有强烈的信号意义——半导体行业的下一个战场，或许不在光刻精度，而在存储架构。
Nagare Labs由佐治亚理工学院研究者苏曼·达塔与于世萌创办，刚完成由Playground Global领投的500万美元种子轮融资（约合3340.5万元人民币）。这笔钱不算大，但对于一家实验室原型阶段的初创公司而言，足以支撑其寻找制造合作伙伴并加速技术验证。基辛格选择在这个时间点切入，显然是看中了AI基础设施升级带来的巨大窗口期。
值得玩味的是，Z2RAM的技术路线几乎是为后摩尔时代量身定制的。它在存储单元中采用氧化物半导体材料，并通过3D混合键合方式直接集成在逻辑芯片上方——这意味着存储不再与逻辑芯片分居两地，而是垂直叠放，互联距离大幅缩短。这种架构与当前企业数字化转型中流行的chiplet互连思路不谋而合，也为后续异构集成提供了更灵活的想象空间。
对基辛格个人而言，参与这样一家初创公司，某种程度上也是对其“技术理想主义”的延续。他曾在多个场合强调，半导体创新不应只盯着摩尔定律的微缩，更要在封装、材料、架构上寻找突破。Z2RAM恰好踩中了这些交叉点，即便风险巨大，也值得在早期阶段押上一注。
绕开EUV的智慧：标准BEOL工艺如何降低门槛
Z2RAM最令业界侧目的一点，是它在制造环节上彻底绕开了极紫外光刻（EUV）。当前最先进的DRAM或逻辑芯片，几乎都离不开EUV设备，而EUV高昂的采购与维护成本、有限的产能，以及复杂的多重曝光步骤，直接推高了先进存储器的量产门槛。
Nagare Labs的解决方案是用标准后端工艺（BEOL）完成存储层的制备。所谓BEOL，指芯片制造中形成金属互连层的那一部分工序，与需要尖端光刻的前道工艺（FEOL）相比，BEOL对光刻精度要求更低，成熟节点即可胜任。Z2RAM通过氧化物半导体材料，在单次曝光条件下就能形成多层存储结构，这大大减少了工艺步骤。
这一设计哲学与大模型训练过程中对于效率的追求惊人相似：不用堆料，而是通过架构创新来换取收益。传统存储器制造中，光刻次数直接决定成本，Z2RAM用“工艺降维”的方式避开了最昂贵的环节，这对于晶圆厂而言极具吸引力。即便其初期的比特密度只达到SRAM的5倍，但考虑到制造复杂度显著降低，综合性价比依然可观。
更重要的是，绕开EUV意味着供应链上的限制被大幅削弱。当前全球EUV设备几乎由ASML一家垄断，地缘政治波动时常扰动先进制程产能。Z2RAM的长尾价值在于，它让二线晶圆厂也能参与到先进存储器的生产中，从而丰富整个半导体生态的韧性。不过，技术仍处于实验室阶段，从原型到量产还要跨越良率、可靠性等多重关卡。Nagare Labs计划四年内拿出可工作的工程样品，十年内实现商业交付，时间表并不激进，却足够务实。
从DRAM到晶体管存储：Z2RAM的技术创新点
要理解Z2RAM的与众不同，先要看它的存储机制。传统DRAM依赖电容中存储的电荷来表示数据“0”或“1”，电荷会泄漏，因此需要不断地刷新操作，这带来了持续的能量消耗和访问延迟。另外，读操作本身会破坏存储的电荷，读完必须重新写回，增加了额外的操作开销。
Z2RAM则彻底告别电容，转而采用基于晶体管的存储单元。每个单元由晶体管内部状态来保持数据，无需周期性刷新，而且读取是非破坏性的——数据被读出后依然保留在原处，无需回写。这一特性不仅降低了访问延迟，也让功耗控制变得更加从容。对于AI推理场景中大量高并发的数据读取而言，这无疑是一大利好。
更值得关注的是垂直堆叠能力。Z2RAM计划像NAND闪存那样，将存储单元逐层堆叠起来，在三维空间内拓展密度。当前DRAM受限于电容尺寸和刷新干扰，很难实现高深度的3D堆叠；而Z2RAM的晶体管结构天然适合多层制造，一旦技术成熟，理论上可通过增加层数持续提升容量，而不必过度依赖先进光刻。
当然，这项技术并非没有挑战。氧化物半导体晶体管的迁移率、稳定性以及大规模均匀性目前仍是学术界的持久课题。从实验室里的小尺寸器件到真正商用芯片，中间横亘着工艺细节与可靠性的鸿沟。Nagare Labs正在寻找研发制造合作伙伴，以突破大学洁净室的产能限制，这正是从原型到产品最关键的一步。与此同时，包括AI图片生成在内的各类生成式AI应用对内存带宽的渴求，为Z2RAM提供了明确的需求导向——技术演进与产品落地终将在某个节点汇合。
对科技产品格局的影响：内存将不再是配角
如果Z2RAM最终实现商业化，最先受益的必然是AI加速卡与高性能计算平台。目前英伟达、AMD等厂商的加速器普遍使用HBM作为高带宽内存，HBM虽然带宽出色，但容量有限且成本高昂。Z2RAM若能在保持一定带宽的基础上提供更高密度，则有望成为HBM的有力补充甚至替代选项。
更进一步，Z2RAM的3D集成方式对于手机SoC、PC处理器等功耗敏感的科技产品同样意义深远。存储直接堆叠在逻辑芯片上方后，数据通道大幅缩短，功耗和延迟双双下降。这意味着未来轻薄笔记本、旗舰手机在执行AI任务时，不再需要依赖独立的大容量DRAM芯片，整体电路板面积也可以压缩，为电池和散热腾出宝贵空间。
对于AI工具导航生态上的各类应用而言，更强大的终端侧内存能力意味着更多AI推理可以在本地完成，减少云端往返，既提高响应速度，也保护用户隐私。试想一下，未来的AI助手或许可以实时处理整部电影的视频语义而无需联网，这背后正是内存架构革命带来的红利。可以说，Z2RAM不仅仅是一个存储技术名词，更代表了科技产品从“算力为王”走向“存力协同”的深层转型。
当然，一家初创公司想要撼动三星、SK海力士、美光在存储市场的统治地位，难度不亚于从零挑战CPU霸主。但半导体历史上从不缺乏颠覆者的身影：从eMMC到UFS，从平面NAND到3D NAND，每一次存储范式的跃迁都曾被视为不可能。Nagare Labs能否成为下一个变革的发起者，时间会给出答案。但至少，基辛格的押注已经让更多人开始重新审视“内存墙”的可能解法——这本身就是一种进步。
未来十年：内存技术如何与AI工具同频共振
站在2025年的时点回望，AI的发展轨迹已经从“模型越大越强”转向“推理效率优先”。无论是开源社区的量化模型，还是企业私有化部署的轻量级智能体，都对内存系统的功耗与延迟提出了精细化要求。内存技术不再只是一个“容量数字”的比拼，而成为决定AI工具实际体验的关键变量。
Z2RAM的十年商业化路线图，恰好与AI技术迭代的节奏形成共振。短期来看，现有HBM和GDDR方案仍将主导市场，改良型LPDDR也会持续演进。但长期而言，像Z2RAM这样具备非破坏性读取、垂直堆叠、低制造成本特性的新型存储，有机会切入AI推理服务器、自动驾驶平台、边缘AI设备等多个细分场景。
与此同时，人们日常接触的各类AI应用——例如借助艺术签名生成个性笔迹，或用AI网名定制虚拟身份——虽然单个任务数据量不大，但数以亿计用户同时使用时，后台数据中心的累计压力不容小觑。更智能的内存调度与管理，甚至比单纯堆算力更能提升用户体验。未来，也许会出现专门为AI负载优化的“存内计算”芯片，而Z2RAM的晶体管存储结构恰恰为这种融合提供了潜在基础。
当然，我们不应过度神化一项尚未量产的技术。内存行业的演进从来不是单一技术一蹴而就，而是一个生态协同的过程：需要EDA工具支持、需要标准组织定义接口、需要晶圆厂验证工艺、更需要下游设备厂商愿意采用。Nagare Labs正在每一步努力，而我们作为观察者，有理由对这场由AI工具牵引的存储革命保持期待。毕竟，当内存真正不再是瓶颈时，AI的想象力才会完全释放。
结语：一场值得押注的技术长征
基辛格与Nagare Labs的Z2RAM故事，折射出半导体产业在后摩尔时代寻找新范式的普遍焦虑与勃勃雄心。与其在EUV的极限上继续内卷，不如另辟蹊径，用架构创新换取密度、功耗和成本的新平衡。这条路充满未知，但正是这种未知，构成了科技世界最迷人的部分。
无论Z2RAM最终能否在四年后如期送样，它已经促使业界重新思考内存设计中那些“理所当然”的约束。从标准BEOL工艺到晶体管存储单元，每一项微小的突破都可能在未来的AI工具链中引发连锁反应。或许在不久的将来，我们会看到更多基于新型内存的产品设计，而那时的我们，或许会怀念这些处于实验室灯光下的硅片——它们曾代表着一个时代的探索与勇气。