AI产业链地图

内存解耦合

又名 Memory Disaggregation · 内存解耦 · 解耦内存架构

把内存从 CPU 物理解绑,独立部署为可被多个计算节点共享的资源 — 是 存储池化 在架构层面的延伸概念,AI 时代数据中心架构演进方向(据 AI存储系统)

首次提出2015关键参与方Meta, 微软, Google, 澜起科技, Astera Labs

内存解耦合(Memory Disaggregation)

是什么

  • 传统架构(CPU 绑定)每台服务器配固定的 CPU + DRAM + SSD + NIC,扩内存就要换主板
  • 解耦架构CPU 节点 / 内存节点 / 存储节点物理分离,通过 CXL / 高速 fabric 连接
  • vs 存储池化池化是"软"概念(资源池),解耦是"硬"概念(物理分离)— 池化通常基于解耦
  • vs Disaggregated Storage早已实现(SAN/NVMe-oF),内存解耦合是新前沿

关键技术依赖

  1. CXL 3.0 / CXL 3.1 Fabric:多层 switch + 跨机柜
  2. CXL MXC 控制芯片:把 DRAM 颗粒包装为 CXL 设备
  3. PCIe Switch / CXL Switch:实现 Fan-out
  4. OS / 软件栈:Linux kernel + 应用层适配

关键数据

维度 数据 来源
传统服务器内存利用率 40-60% 综合
解耦后理论利用率 70-90% 综合
CXL 内存 vs 本地 DRAM 延迟 +70-150 ns(接近远端 NUMA) 综合
大规模商用预期 2027E 综合

主要厂商 / 场景

关键趋势

  1. AI 推理大模型驱动:Llama 70B+ / DeepSeek 等 KV-cache 需求增长
  2. TCO 优化:跨机柜共享内存,降低过度配置
  3. 生态早期:软件栈和 OS 支持需 3-5 年成熟
上游 · 谁给它供货1 个环节
下游 · 谁在采购1 个环节