这类芯片，黄金时代来临

这是我们每个人都会经历的。我们学到一些东西，但一旦放下，就会立刻忘记。19世纪末，德国心理学家赫尔曼·艾宾浩斯通过实验研究了人类的遗忘现象。他观察到，在没有有意识地重复学习以保持记忆的情况下，人脑的记忆会随着时间推移而逐渐丧失，并将这种现象的曲线图称为“遗忘曲线”。学习后20分钟内，遗忘率达到41.8%。之后，一小时后遗忘率约为50%，一天后超过70%，一个月后约为80%。换句话说，如果不进行重复学习，人脑会很快忘记大部分内容。他认为，重复学习对于长期保持记忆至关重要，而分散学习——即定期重复学习——最为有效。这被称为“间隔效应”。这就是为什么在学生时代，定期复习比临时抱佛脚更重要的原因。

人类为了克服遗忘曲线的局限性，发明了各种各样的方法。从石刻壁画到文字、雕刻、建筑、书籍、照片、视频，再到现代智能手机备忘录应用，它们经受住了风吹雨打，将人类的记忆和思想保存了数千年，并传承给下一代。最终，随着人工智能（AI）时代的到来，“半导体存储器”开始弥补人类遗忘曲线的不足。半导体记录着每一个瞬间，存储在半导体存储器中的数据可以永久保存，永不过期，如同人类的永恒记忆库。如果有人想了解数千年后人类的思想和历史，只需检索存储在半导体存储器中的记录即可。从这个意义上说，半导体存储器本身就具备“无限”、“永恒”和“近在咫尺”的特性。正因如此，它在人工智能的学习和生成中扮演着越来越重要的角色。

近年来，人工智能（AI）发展迅猛，已从仅能处理文本的超大型语言AI（LLM）模型，发展到能够同时理解和生成图像、视频、音乐和语音的超大型“多模态AI”模型。它能够轻松制作3分钟的商业视频、10分钟的新闻片段以及1小时的电影。训练这种多模态AI需要海量的文本、图像和视频数据，这些数据必须以尽可能短的距离存储在附近的半导体存储器中，并且速度必须非常快。正因如此，半导体存储器的需求呈爆炸式增长。在供应有限而需求不断增长的情况下，价格必然上涨。如今，半导体存储器市场已成为一个“要价即价值”的卖方市场。

此外，人工智能渴望拥有人脑的逻辑推理能力。它通过“思维链”练习来学习像人类一样思考和判断。简单来说，它会定期独立完成论文式的考试，并练习思维流程。为了减少错误，多个人工智能会进行辩论，最终答案基于辩论结果得出。这被称为“辩论链”技术。为了获得这种逻辑和辩论能力，人工智能必须解决大量的数学问题并广泛阅读。为此，人工智能必须将这些资料存储在附近的半导体存储器中，并经常复习。半导体存储器的使用量势必会呈指数级增长。

人工智能也希望其生成的结果更加真实可靠。只有这样，人们才会付费并信任它的使用。这是人工智能生态系统的核心条件。为了实现这一点，在生成过程中，它会实时搜索互联网上最新的权威资料，并将其作为输出的参考。因此，经常被访问的搜索资料必须存储在附近的半导体存储器中。

为了减少不必要的重复生成，先前由人工智能生成的材料必须记录在相邻的存储器中以便重复使用。个性特征和偏好也会被记住。这对于实现人工智能的个性化至关重要——即创建为个人量身定制的人工智能。人工智能需要记住个人的所有过往信息。通过理解个人偏好和意图，它可以提供最佳结果。即使是人工智能的“个性化定制服务”，也需要大量的半导体存储器。最终，未来人工智能的功能、性能、服务质量和可靠性都取决于半导体存储器的性能和容量。“半导体存储器霸主”的时代已经到来。

随着人工智能技术的进步，人工智能计算机的内存层级也在发生变化。这是为了尽可能快速、大规模地向图形处理器（GPU）提供学习和生成数据。在内存层级中，半导体内存距离GPU越近，速度就越快，但容量不足的限制使其难以应对。因此，创新势在必行。为了弥补这一缺陷，内存层级正朝着高带宽内存（HBM）和高带宽闪存（HBF）的方向发展。由此，提升人工智能学习和生成服务性能的技术重点正从GPU转移到内存。这被称为“以内存为中心的计算”。

因此，韩国拥有引领人工智能转型的大好机遇。2026年是韩国国运腾飞之年，必须抓住并捍卫这一机遇。

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第4273期内容，欢迎关注。

★

★

★

★

★

★

★

★