AI内存新秀，SOCAMM2登场

据报道，英伟达已取消其第一代SOCAMM内存模块的推广，并将开发重点转向名为SOCAMM2的新版本。

不久前，英伟达曾表示计划今年为其AI产品部署60-80万个SOCAMM内存模块，但据称随后发现了技术问题，项目两次搁置，并未能下达任何实际的大规模订单。目前开发重点已经转移到SOCAMM 2，英伟达已开始与三星电子、SK海力士和美光合作对SOCAMM 2进行样品测试。

01

SOCAMM2是什么？有何优势？

SOCAMM技术定位为面向AI服务器的新型高带宽、低功耗内存解决方案，其设计目标是在提供与HBM（高带宽内存）相近性能的同时，有效降低成本。通过将LPDRAM与压缩连接内存模块 (CAMM)搭配使用，以革命性的全新外形尺寸提供卓越的性能和能效，相比传统的DDR5 RDIMM配置更节省空间，且功耗低三分之一。

此前，英伟达在产品文档中已明确列入SOCAMM相关信息，其中GB300 NVL72规格表显示，该产品可支持最高18TB基于LPDDR5X的SOCAMM，带宽可达14.3TB/s。但由于英伟达GB300 "Blackwell Ultra"的主板设计变动，SOCAMM模组不会立即进入商业化，但该技术仍有望成为Vera Rubin平台的一部分，为Vera CPU提供更灵活、更易维护的非板载内存选择。

需要指出的是，SOCAMM与HBM二者并非直接竞争关系，而是互补存在，SOCAMM解决灵活性问题，而HBM通过与GPU的先进封装集成解决极致性能需求。

SOCAMM 2或将支持LPDDR6内存规格

从技术层面深入剖析，SOCAMM 2 在硬件架构上延续了 SOCAMM 1 的 694 个输入 / 输出（I/O）端口设计，这一稳定的底层架构为其性能升级奠定了基础。值得关注的是，SOCAMM 2 的数据传输速度大幅跃升至 9,600MT/s，相较于 SOCAMM 1 的 8,533MT/s，实现了约 12.5% 的显著提升。这一速率提升意味着在相同时间内，SOCAMM 2 能够传输更多的数据，为 AI 服务器的高速运算提供了更强大的数据吞吐能力。

更具前瞻性的是，SOCAMM 2 极有可能支持下一代低功耗内存 LPDDR6。作为 LPDDR5X 的继任者，LPDDR6 在诸多关键性能指标上实现了质的飞跃。在通道架构上，LPDDR6 摒弃了 LPDDR5 的 16 位单通道设计，创新性地采用 24 位宽通道（两个 12 位子通道）架构，每个子通道配备独立的 4-bit CA 总线，并行处理能力大幅提升。其突发长度设定为 24（BL24），形成 288 位数据包，其中 256 位承载有效数据，另外 32 位则被赋予特殊功能，用于错误检查、内存标记或实施数据总线反转（DBI）技术，在保障数据准确性的同时，显著降低了写入操作时的功耗。

从性能表现来看，LPDDR6 的内存带宽高达 38.4GB / 秒，相比 LPDDR5 有了极大提升，且 JEDEC 确认其功耗将比 LPDDR5 降低约 20%。在轻负载场景下，LPDDR6 引入的效率模式（Efficiency Mode）运行机制可仅启用一条子通道访问全部 16 个存储区，另一条子通道进入待机或深度睡眠状态，灵活的资源配置进一步优化了能耗。同时，LPDDR6 新增的 ALERT 信号线使 DRAM 颗粒能主动向处理器报告错误，支持 15 种不同类型故障的实时上报，极大增强了数据完整性保障能力。

若SOCAMM 2 成功集成 LPDDR6 技术，二者将形成强大的协同效应。一方面，LPDDR6 的高性能特性将助力 SOCAMM 2 在带宽、能效比以及数据处理的稳定性上实现再次突破，进一步拉开与传统内存方案的差距，更好地满足 AI 服务器对海量数据高速、稳定处理的严苛需求；另一方面，SOCAMM 2 的模块化设计也将为 LPDDR6 的应用拓展新的空间，使其能够更便捷地应用于 AI 服务器领域，加速 LPDDR6 的商业化进程。不过，目前 LPDDR6 仍处于技术验证阶段，其与现有平台的兼容性、量产成本以及大规模应用后的稳定性等方面均存在一定不确定性，这也是相关供应商尚未正式确认该功能的重要原因。

02

AI 服务器生态怎么融

SOCAMM2 并非孤立存在的内存产品，其价值的充分发挥离不开与 AI 服务器生态的深度协同适配。从硬件层面来看，AI 服务器的主板设计、CPU 与内存控制器的兼容性，以及散热系统的布局，都需与 SOCAMM2 的特性相匹配。以英伟达 Vera Rubin 平台为例，该平台作为面向下一代 AI 计算的核心架构，对内存的灵活性和可维护性提出了更高要求。

SOCAMM2 的非板载内存设计，恰好满足了 Vera Rubin 平台对内存模块独立升级、更换的需求，无需整体更换主板，大幅降低了服务器的维护成本与升级周期。

在软件层面，操作系统、AI 框架以及驱动程序的优化，同样是 SOCAMM2 发挥性能的关键。例如，在 AI 训练场景中，TensorFlow、PyTorch 等主流框架需要针对 SOCAMM2 的内存带宽特性进行算法调整，以实现数据的高效调度与缓存管理，避免因内存性能未充分利用而导致的计算资源浪费。同时，内存管理驱动程序需支持 SOCAMM2 的多通道并行传输模式，确保在多任务并发处理时，内存资源能够被合理分配，减少数据延迟与冲突。

此外，SOCAMM2 与 AI 加速芯片的协同也尤为重要。当前，英伟达 GB300 系列芯片、AMD MI300 系列芯片等主流 AI 加速芯片，在设计之初便需考虑与新型内存的适配性。以英伟达 GB300 NVL72 为例，其规格表明确支持最高 18TB 基于 LPDDR5X 的 SOCAMM，带宽可达 14.3TB/s，这一参数设定正是芯片厂商与内存厂商提前协同研发的结果。通过芯片与内存的深度适配，能够实现数据传输链路的优化，减少信号干扰与传输损耗，进一步提升 AI 服务器的整体运算效率。

03

内存大厂，竞争升温

随着AI应用的爆发，高带宽、低延迟的内存需求急剧增长，传统DDR内存难以满足AI服务器对海量数据快速读写的要求。HBM虽性能卓越，但因成本高昂、产能受限，无法全面普及。SOCAMM2的出现恰逢其时，其融合LPDDR技术的优势，有望以更亲民的成本提供接近HBM的性能，填补市场空白。

在这一背景下，不少内存大厂纷纷押注SOCAMM2赛道。

美光凭借技术积累与市场响应速度，在SOCAMM 领域率先行动，今年 3 月宣布向客户交付基于 LPDDR5X 的 SOCAMM 模块，成为行业内较早实现该类产品交付的厂商。此举使其积累了市场应用经验，与部分AI 服务器制造商建立合作关系，为后续 SOCAMM2 的推广奠定基础，但先发优势能否持续需看后续产品迭代与成本控制能力。

三星与SK 海力士作为内存行业头部企业，虽在 SOCAMM 产品推出进度上稍晚于美光，但凭借技术储备与产业链整合能力，在 SOCAMM2 研发与量产准备中持续发力。

三星展示的SOCAMM2 设计方案侧重产品紧凑性与散热管理优化，通过封装技术改进与散热材料应用，提升产品在高密度服务器环境下的稳定性与可靠性，以适应长时间高负载运行需求；SK 海力士则将研发重点放在内存速率提升与稳定性优化上，通过改进内存颗粒制造工艺、优化电路设计，提升 SOCAMM2 在数据传输速率、延迟控制及多模块协同工作的稳定性。目前，两家企业均与英伟达保持技术合作，参与 SOCAMM2 样品测试，并根据测试反馈优化产品设计，计划在明年初推进量产。

国产存储厂商也积极参与SOCAMM2 的市场竞争，江波龙作为国内存储行业代表企业，基于自身在存储芯片设计、主控芯片开发、封装测试及生产制造等环节的技术积累，推出自研 SOCAMM2 产品。该产品在保留SOCAMM 技术通用优势的基础上，针对国内服务器市场特点进行优化，例如去除 LPCAMM2 顶部凸出的梯形结构以降低整体高度，提升与国内常见服务器安装环境及液体冷却系统的适配性。这种本土化优化策略或为其争取国内 AI 服务器制造商的合作机会，助力拓展企业级存储市场份额，同时推动国产存储技术在 AI 内存领域的突破。随着国内 AI 产业发展及对自主可控存储产品需求的增长，国产厂商或凭借本土市场优势缩小与国际大厂的技术差距。

04

商业化，还有多远？

SOCAMM2 在商业化推进过程中，面临技术、成本、生态等多方面挑战，同时也具备一定的市场发展机遇，其发展走向将对 AI 内存行业格局产生影响。

技术兼容性是SOCAMM2 商业化的首要挑战。作为新型内存模块，SOCAMM2 需与现有 AI 服务器的硬件架构、操作系统及 AI 应用框架实现兼容。目前，部分老旧服务器的内存控制器可能无法支持 SOCAMM2 的高传输速率与特殊指令集，企业若要适配 SOCAMM2 需进行硬件升级或更换，这将增加初期投入成本，可能导致对成本敏感的中小企业暂缓采用；同时，操作系统与 AI 框架的适配优化需投入时间与资源，若软件适配进度滞后于硬件产品上市，将导致 SOCAMM2 性能无法充分释放，影响市场接受度。

成本控制对SOCAMM2 的商业化推广也至关重要。尽管SOCAMM2 定位为 “低成本替代 HBM” 的方案，但与传统 DDR5 内存相比，其采用的 LPDDR5X/LPDDR6 颗粒及模块化设计，在研发与制造成本上仍有差距。尤其是LPDDR6 颗粒处于技术验证阶段，量产初期成本较高，将直接影响 SOCAMM2 的定价策略：若定价过高，将失去与DDR5 内存的成本竞争优势；若定价过低，可能压缩内存厂商利润空间，影响研发投入积极性。此外，SOCAMM2 的生产良率也将影响单位产品成本，良率偏低将进一步推高成本，制约大规模商业化。

从市场机遇来看，AI 产业的持续扩张将带动高带宽内存需求增长。

根据TrendForce 的最新研究，2025 年由于需求持续旺盛且产品平均售价较高，预计AI 服务器细分市场的价值将升至 2980 亿美元，AI 服务器将占整个服务器行业总价值的 70% 以上。内存作为核心组件，需求将同步提升。SOCAMM2 具备 “高带宽、低功耗、低成本” 特性，与中高端 AI 服务器需求相契合，在 AI 训练、推理、云计算等场景中存在应用空间。

此外，SOCAMM2 的发展或推动内存行业技术迭代。面对 SOCAMM2 带来的竞争压力，HBM、DDR5 等内存产品或将加快技术升级，进一步提升性能、降低成本，形成行业良性竞争格局。这种竞争态势可能促使内存行业突破技术瓶颈，为 AI 产业提供更优质的内存解决方案，推动 AI 计算性能整体提升。