韩国科学技术院金正浩教授：AI的未来在于内存技术，而非GPU

韩国科学技术院(KAIST)的金正浩教授，被誉为"HBM之父"，近期在一次视频专访中提出了颠覆传统认知的观点：AI的核心在于内存技术，尤其是HBM技术，而非GPU。金正浩教授的这一观点直指当前AI算力竞赛的结构性矛盾，并在科技与投资圈引起了广泛关注。

GPU的局限性与内存的重要性

金正浩教授指出，GPU的实际工作时间只有10%，因为大部分时间都在等待数据从HBM中读取、计算后再写回内存。即便通过算法优化，GPU利用率也难以突破30%。他强调，"AI等于内存(AI = Memory)"，这一观点得到了业界的广泛关注。

金正浩教授对英伟达(NVIDIA)的现状进行了犀利的判断，认为GPU的技术性成长已经接近停滞，而人工智能计算机的进化将由内存技术决定。他指出，GPU想提升性能，只能扩大芯片面积、堆更多计算单元，但由于散热问题，无法像内存一样垂直堆叠，因此GPU陷入了"外通死局"。

HBM技术的两大核心：容量与带宽

金正浩教授将HBM的价值归结为两个维度：容量和带宽。随着AI技术的发展，内存需求以每年翻倍的速度增长，10年就是1000倍。传统方式靠缩小晶体管来增容，但如今已逼近量子力学边界，几乎无法继续缩小，因此必须"向上堆叠"。

在带宽方面，金正浩教授比喻说，"传统内存如果是8车道高速公路，HBM是1024车道，现在是2048车道，几年后可能达到100万车道。" 靠并行通道同时传输海量数据，才能匹配AI计算的速度需求。

HBF与HBS：未来的技术路线

金正浩教授提出了HBF(High Bandwidth Flash)的概念，即将NAND闪存像HBM一样垂直堆叠。DRAM速度快但容量有限，NAND闪存容量大、可长期保存数据，速度虽然慢一些，但在推理场景中足够满足"冷数据"的存储需求。

他还提出了HBS(High Bandwidth SRAM)的概念，即将整张12英寸晶圆全部做成