前英特尔首席执行官帕特·基辛格（Pat Gelsinger）正通过风投机构Playground Global，支持内存初创公司Nagare Labs开发下一代存储技术Z2RAM。该公司近期完成由Playground Global领投的500万美元种子轮融资，目标是打造兼具SRAM速度与DRAM密度的AI计算内存，以缓解当前AI算力系统中的“内存墙”瓶颈。
Z2RAM由佐治亚理工学院研究者苏曼·达塔（Suman Datta）与于世萌（Yumeng Yu，音译）创立的Nagare Labs研发。技术路线上，该存储方案采用氧化物半导体材料，并计划通过3D混合键合直接集成在逻辑芯片上方，从而缩短存储单元与计算单元之间的物理距离。这一思路与当前AI芯片领域推动HBM堆叠、近存计算的方向一致，但在存储单元的实现方式上选择了不同路径。
Z2RAM的关键卖点在于制造工艺。该技术使用标准后端工艺（BEOL），无需极紫外光刻（EUV）即可通过单次曝光形成多层存储结构，有望在提升密度的同时降低制造复杂度与成本。在先进制程设备投资高企、EUV光刻产能紧张的背景下，绕开EUV的存储制造方案对初创公司而言具备一定的成本可行性，但其能否在良率与可靠性上达到量产标准，仍需后续验证。
与传统DRAM依赖电容存电荷不同，Z2RAM采用基于晶体管的存储单元，可实现非破坏性读取，从而有望降低访问延迟。Nagare Labs还计划像NAND闪存那样垂直堆叠存储单元，其初期实现方案的目标比特密度可达SRAM的5倍以上。若该目标达成，Z2RAM有望在AI推理与训练场景中填补SRAM容量受限与DRAM速度不足之间的空白。
不过，这项技术目前仍处于实验室原型阶段。Nagare Labs正在寻找研发制造合作伙伴，以突破大学洁净室的产能限制。公司计划在四年内推出可工作的Z2RAM内存芯片样品，并在未来十年内实现商业化交付。从时间表看，该技术距离规模量产仍有较长周期，期间需要跨越材料稳定性、3D键合良率以及代工生态适配等多重工程门槛。
基辛格对内存技术路线的公开判断为这笔投资提供了注脚。他曾称HBM是“糟糕的内存”，认为其堆叠方式在功耗与成本上存在结构性局限。此番通过Playground Global押注Z2RAM，反映出部分产业人士正在寻找HBM之外的替代方案。在AI算力需求持续攀升、内存带宽成为系统性能关键约束的当下，围绕新型存储介质的创业与投资活动预计将保持活跃，但技术从实验室走向晶圆厂的过程，仍将遵循半导体行业固有的长周期规律。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
