英伟达最近干了件挺果断的事，把第一代SOCAMM内存模块的推广给停了，转头就把研发重心全砸到SOCAMM2上。

之前他们还放话，今年要给AI产品装60到80万个SOCAMM，结果技术问题没搞定，项目搁了两次，连个正经的大订单都没下出去。

遇到这种情况及时掉头，总比硬扛着耗资源强。

SOCAMM这技术本来定位就很明确，就是给AI服务器搞的高带宽、低功耗内存方案。

目标也简单，既要性能接近HBM，又要把成本降下来。

它是用LPDRAM搭配压缩连接内存模块，尺寸比传统DDR5RDIMM小，功耗还能少三分之一，单看这些参数，确实挺适合AI服务器的需求。

之前英伟达GB300NVL72的规格表里都写了，能支持18TB基于LPDDR5X的SOCAMM，带宽能到14.3TB/s，可惜后来主板设计变了，这模块没法马上商用，不过好在还能跟VeraRubin平台配合，给VeraCPU当非板载内存用，灵活性倒是没丢。

全球厂商抢滩SOCAMM2，国产玩家靠本土化破局

既然SOCAMM2是个香饽饽，内存大厂们自然不会闲着。

美光动作最快，今年3月就给客户送了基于LPDDR5X的SOCAMM模块，算是第一个吃螃蟹的。

不过先发优势能不能稳住，还得看后续SOCAMM2的迭代速度，还有成本能不能压下来，毕竟AI厂商都精着呢，光快没用，性价比才是王道。

三星和SK海力士这两个行业老大哥，虽然起步慢了点，但架不住技术储备足。

三星把心思花在紧凑性和散热上，毕竟AI服务器里空间小、温度高，模块要是太占地方或者散热差，根本没法用，SK海力士则盯着速度和稳定性，想把数据传输延迟降下来，还得保证多模块一起工作不翻车。

现在这两家都在跟英伟达合作测样品，计划明年初量产，到时候美光的压力怕是不小。

国内厂商也没掉队，江波龙就推出了自研的SOCAMM2。

本来想他们可能就是跟着国际大厂走，后来发现人家挺会因地制宜，把LPCAMM2顶部凸出的梯形结构给去掉了，这样高度降下来，就能更好适配国内常见的服务器和液冷系统。

这种本土化优化挺聪明的，国内AI产业发展快，对自主可控的存储产品需求又大，只要能突破技术瓶颈，国产SOCAMM2在国内市场肯定有机会。

SOCAMM2想成标配，还得跨过兼容性和成本两道坎

不过SOCAMM2要真能大规模商用，还得解决不少麻烦。

首先是兼容性问题，老的AI服务器内存控制器，可能根本不支持SOCAMM2的高速度和特殊指令。

企业要想用，就得升级硬件，这可不是小钱，中小企业怕是会犹豫，毕竟不是谁都能随便掏一笔钱换设备的。

而且操作系统和AI框架也得跟着改，比如TensorFlow、PyTorch这些，得针对SOCAMM2的带宽调整算法，不然硬件再好，性能发挥不出来也是白搭。

成本也是个绕不开的坎，虽然SOCAMM2定位是“比HBM便宜”，但跟传统DDR5内存比，用的LPDDR5X或者LPDDR6颗粒，还有模块化设计，研发和制造成本都更高。

尤其是LPDDR6还在技术验证阶段，量产初期成本肯定低不了，定价就很尴尬：定高了拼不过DDR5，定低了厂商没利润，研发投入就没动力。

还有生产良率，要是良率上不去，单个模块的成本还得往上涨，这对大规模推广可不是好事。

当然机会也摆在那儿，现在AI应用越来越多，AI服务器需求涨得飞快，内存作为核心部件，需求自然也跟着涨。

有数据说2025年AI服务器市场价值能到2980亿美元，占整个服务器行业的七成以上，这市场规模想想都吓人。

SOCAMM2的高带宽、低功耗正好契合中高端AI服务器的需求，不管是训练、推理还是云计算，都用得上。

更重要的是，它还能倒逼其他内存技术升级，比如HBM、DDR5可能会加快改进，降低成本，这样整个行业都能进步，对AI产业也是好事。

总的来说，英伟达放弃SOCAMM1转攻SOCAMM2，算是踩准了AI内存的痛点。

它不是要取代谁，而是补全了AI服务器的内存需求缺口，HBM负责极致性能，SOCAMM2负责灵活和性价比，两者互补着来。

虽然现在有兼容性、成本这些问题，但全球厂商都在发力，国产玩家也在追赶，再过两三年，等LPDDR6量产了，生态也成熟了，SOCAMM2说不定真能成为AI服务器的标配。

到时候AI算力成本能降下来，应用也能发展得更快，这才是最实在的好处。