“你可以有最強的算力核心，但若記憶體頻寬跟不上，那些效能只會卡在瓶頸裡等死。” — Cadence 行銷總監 Frank Ferro
隨著 AI 模型規模指數級膨脹，記憶體已從配角晉升為演算法經濟的主角。2024 年底，ChatGPT、Gemini、Claude 這些 AI 巨獸每天吞吐的參數、向量與特徵圖（feature map），全都倚賴 DRAM 記憶體高速搬運、即時喚醒。
撰文｜編輯部｜2025年6月
但問題來了：你該選哪種記憶體？
根據《SemiEngineering》報導，今天市面主流的四大同步式 DRAM（SDRAM）架構 — DDR、LPDDR、GDDR、HBM — 各自擁有截然不同的成本結構、延遲輪廓與功耗權衡。每一項選擇，都是一場深層的運算博弈。
一場被記憶體改寫的 AI 革命
記憶體不再只是硬體工程的參數調節器，它決定了 AI 能否實用、是否商用，甚至能否從雲端走進日常生活。
- 在資料中心：HBM 如同白金地段建案，買得起就是你的演算法競爭優勢。
- 在車載與邊緣運算：LPDDR 是唯一能撐起高速推論又不爆炸功耗的選項。
- 在傳統 CPU 架構中：DDR 憑藉全球最廣泛供應鏈與最低單位成本，仍是 AI 平民化的支柱。
- 而 GDDR，則尷尬地被夾在頻寬與價格曲線之間，經常淪為系統設計時的「非必要項」。
HBM：最奢華的記憶體武器，資料中心唯一指定
HBM（High Bandwidth Memory）是目前唯一可支援 AI 模型訓練高頻寬需求的記憶體。其以 TSV（Through Silicon Via）堆疊技術，實現每通道可達數 TB/s 的資料吞吐。
但同時，它也是最昂貴、最燙手、最高風險的記憶體。
「在資料中心裡，買得起 5,000 美元 GPU 的公司，不會在乎再多花 500 美元買 HBM。」— Quadric 行銷長 Steve Roddy
HBM4 正式標準發布：頻寬再翻倍
2026 年，HBM4 即將問世，頻寬比 HBM3E 增加兩倍，通道數翻倍，成為 AI 模型升級（如 GPT-5、Gemini Ultra）所需的資源燃料。
LPDDR：AI 邊緣化運算的能效王者
低功耗 DDR（LPDDR）從手機世界出身，如今卻撐起了 AI 推論的半邊天。
LPDDR6 已進入設計階段，預計 2025 年底問世，將解決 ECC 弱點、提升傳輸率與記憶體控制邏輯。這也讓 LPDDR 成為「窮人的 HBM」，尤其在成本敏感但效能不能妥協的場景中，如車載 L4 自駕系統、邊緣 inferencing ASIC 等。
「LPDDR 是記憶體界的瑞士刀，沒有不能用的場景。」— Synopsys Murdock
DDR：經濟實用，訓練不靠它，推論還是靠它
DDR 是最老牌、最穩定的通用記憶體技術，幾乎存在於所有 CPU 驅動的系統中。
新世代 DDR5 MRDIMM 正在崛起
透過雙插槽交錯存取（ping-pong），讓頻寬加倍。缺點是功耗與成本也同時上升，更像是向 HBM 靠攏的折衷方案。
「如果你只想讓設備跑得起來，又不需要極致效能，DDR 還是絕對可靠。」— Expedera 工程師 Tadishetti
適合應用場景：
- 中小企業 AI 工作站
- 工控 AI 模組
- 智慧家庭與 IoT 邊緣裝置
GDDR：速度夠、成本中、但常常不被選
GDDR 專為 GPU 而生，具備比 DDR 更高頻寬，但延遲不如 LPDDR，功耗也不低。更麻煩的是，它無論在價格還是性能，都不上不下，缺乏一擊必中應用場景。
「GDDR 對 AI 來說，總是差一點。」— Quadric Roddy
但隨著生成式 AI 圖像、影音模型（如 Runway、Stable Diffusion）興起，GDDR 有望成為 AI 繪圖專用加速器的下一波記憶體核心。
你的記憶體選擇，是未來能否活下去的生存策略
當所有晶片公司都在談大模型、低功耗、高頻寬，記憶體成了真正左右命運的技術選項。不是所有人都能負擔 HBM，不是每個應用都能容忍 LPDDR 的封裝限制，GDDR 的尷尬與 DDR 的廉價，也讓每一次架構選擇都充滿了策略與妥協。
工程師得思考：
- 你是跑 LLM 還是只做 AI 影像分類？
- 你能接受散熱塔與 300W TDP 嗎？
- 你是在雲端訓練還是邊緣推論？
這些問題的答案，將決定你用哪一類 DRAM，也決定你的 AI 系統能否脫離瓶頸、真正成為時代競爭力的一部分。
