快科技7月11日讯在2026年IEEE/JSAP VLSI技术与电路研讨会上，韩日韩国与日本研究团队不约而同地提出了两种革新性的同时题HBM（高带宽内存）架构方案。两者的出手存散核心逻辑高度一致：将DRAM芯片由传统的平放改为竖直放置，旨在从根本上解决AI芯片日益严峻的芯片散热难题，并突破性能极限。热难

韩国方案：V-Die，韩日垂直堆叠与液冷融合

由蔚山国家科学技术研究所（UNIST）主导提出的同时题V-Die方案，采用了极具颠覆性的出手存散结构设计：

• 90度旋转放置：将定制DRAM芯片旋转90度，实现竖直堆叠。芯片
• TSV技术释放面积：利用硅通孔（TSV）技术优化空间布局，热难在有限体积内集成更多内存单元。韩日
• 独立I/O与液冷通道：每个芯片底部配备独立的同时题I/O通道，且在相邻芯片间嵌入液冷散热通道，出手存散显著提升热管理效率。芯片

性能实测数据：
在模拟测试中，热难面对GPT-3级别的大模型负载，同等容量下：
* V-Die：推理速度达到 540 tokens/s
* 传统HBM4：推理速度仅为 296 tokens/s
* 结论：V-Die性能提升近一倍，展现了巨大的算力优势。

日本方案：MOSAIC，正交堆叠与无线耦合

东京大学团队主导的MOSAIC方案同样采用类似思路，但在传输机制上另辟蹊径：

• 正交芯片堆叠：采用独特的正交排列方式，优化空间利用率。
• 无接触接口技术：摒弃传统物理触点，通过微型电感线圈进行电磁耦合传输数据。
• 高速传输能力：单通道数据传输速率高达 4 Gbps。

容量突破：
研究团队指出，该结构在DRAM-on-GPU配置下，可实现HBM4两倍的存储容量，有效缓解数据搬运压力。

直击痛点：AI算力的“内存墙”危机

两项技术均直指当前AI芯片发展的核心瓶颈——内存墙。

尽管现代AI加速器算力强劲，但大模型训练与推理过程中，海量数据需在内存与计算单元间频繁搬运，成为制约性能的关键。HBM通过垂直堆叠DRAM靠近处理器来缓解这一矛盾，例如英伟达Blackwell Ultra B300已配备288GB HBM3E。然而，堆叠越高，散热越难，传统方案已触及物理极限。

V-Die与MOSAIC通过“侧放”策略，不仅为散热腾出空间，更在带宽和容量上实现了双重跃升，为AI硬件的未来发展提供了新路径。

现状与展望

目前，这两项前沿技术仍停留在论文与实验室阶段，距离大规模商业化量产尚需时日。但随着AI对算力需求的指数级增长，此类创新架构有望在未来几年内重塑内存硬件格局。