AI 資料中心與伺服器持續擴大記憶體需求，產業競爭正從傳統位元成長，轉向效能、延遲與容量的分層配置。HBM、DRAM 與 NAND 不再只是不同類型的記憶體產品，而是在 AI 運算架構中分別承擔高頻寬運算、系統資料交換及大容量儲存功能，產品價值也隨功能定位重新分配。

結論1｜記憶體躍升半導體成長主引擎

WSTS 於 2026 年春季預估，全球半導體市場規模將在 AI 資料中心與伺服器需求帶動下，於 2026 年首度突破 1 兆美元；其中記憶體銷售額預估約達 8,039 億美元，年增接近 250%，成為推動整體半導體市場成長的主要引擎。這波成長不只是景氣循環帶來的價格與出貨回升。AI 工作負載對頻寬、延遲與資料容量的要求同步提高，使記憶體在系統成本與運算效能中的重要性上升，也讓產品組合與技術能力成為競爭焦點。

結論2｜DRAM微縮轉向結構與製程革新

全球連接設備數量預估在 2030 年達到 1,250 億台，年度數據產生量則達 181ZB，記憶體必須同步提升密度與速度。然而，傳統二維微縮已逐步接近物理極限，DRAM 技術由平面電晶體走向 RCAT、BCAT 等埋入式通道結構，並導入 EUV 微影，研發重點也朝垂直通道電晶體發展。製程競爭因此不再只是縮小節點，而是透過元件結構、材料與製程整合突破密度瓶頸。能否兼顧效能、良率與成本，將決定 DRAM 技術延伸及量產速度。

結論3｜HBM、DRAM與NAND形成新分工

AI 伺服器正建立新的記憶體階層。HBM 以高頻寬突破 memory wall，成為 AI 運算系統的效能核心；DRAM 負責低延遲資料週期與系統交換，維持系統記憶體基礎；NAND 則以較低成本提供大容量支援，承接推論與資料存放需求。記憶體市場將由單純追求 bit growth，轉向依照工作負載進行功能分工。不同記憶體之間的系統搭配、資料移動效率與成本配置，將比單一產品容量更能影響 AI 伺服器的整體效能。

你該知道的意義

AI 正把記憶體從運算系統的配套元件，推向決定算力能否有效發揮的核心環節。市場成長、DRAM 結構革新與記憶體階層分工同步發生，顯示未來競爭將同時涵蓋製程技術、產品組合與系統協同能力。

對台灣業者而言，產品布局需要從效能、延遲與容量三個層次重新檢視市場定位，並掌握不同記憶體在 AI 系統中的價值變化。能夠連結元件技術與實際工作負載需求，將更有機會在新一輪記憶體競爭中建立差異化位置。

>>點我觀看完整內容，掌握 AI 伺服器記憶體技術與功能分工趨勢。