Intel 想用新型記憶體技術再度插旗記憶體領域，而 SoftBank 打算把它變成未來 AI 資料中心的一部分。
隨著 AI 發展從訓練慢慢轉向推論，資料中心的壓力點也在變。現在卡的往往不是純算力，而是 GPU 與記憶體之間要搬的資料量太大，同時又不能把功耗推得更誇張。所以業界開始更在意一件事：高容量、高頻寬，但又不能太耗電的記憶體。
SoftBank 旗下在 2024 年底成立的 SAIMEMORY，已在 2026 年 2 月 2 日與 Intel 簽下合作協議，要推進一種叫做 Z-Angle Memory（ZAM） 的次世代記憶體技術。時程也不是空話，規劃是 2027 財年做出原型，2029 財年邁向商用。
這項技術並非從零開始。它的基礎來自 Intel 之前在美國能源部 AMT 計畫下推進的次世代 DRAM 鍵結技術（NGDB），相關研究還有國家實驗室參與驗證。換句話說，底層技術是有來歷的，不是簡報用名詞。
ZAM 的思路和大家熟悉的 HBM 不太一樣。HBM 是標準的垂直堆疊、用 TSV 往下直通；ZAM 則是改成「斜向」互連，讓連接在堆疊中呈現類似 Z 字角度的路徑。這樣做的好處，理論上是能把更多矽面積留給記憶體單元本身，同時降低熱阻，讓堆得更高變得比較可行。再加上銅對銅混合鍵結，層與層之間的結合會更緊密，看起來更像一整塊晶體，而不是鬆散堆起來的結構。設計上還傳出可能是無傳統電容架構，並透過 Intel 的 EMIB 去和 AI 晶片互連。
(圖片由 AI 產生)
如果這些設計都能落地，外界推測的方向包括功耗可比現行方案低四到五成、單顆容量上看數百 GB 等級，製造與堆疊彈性也會更高。不過這些都還是潛在優勢，真正數據得等產品階段才會明朗。
SoftBank 為何要親自下場做記憶體，邏輯其實很直接：他們正在布局自家 AI 基礎設施與 ASIC，如果連記憶體堆疊都能掌握，就能從架構層面一起設計，而不是被現有標準綁住。這對大型模型推論那種長時間、重頻寬又講究功耗的場景特別有吸引力。
對 Intel 來說，這一步也有歷史味。公司早年就是做記憶體起家，1980 年代因競爭退出 DRAM 市場，之後重心轉向處理器。現在 AI 把記憶體的重要性再次拉到戰略等級，Intel 並不是要回去打傳統 DRAM 價格戰，而是從高階架構與封裝切入，試圖站在新的技術節點上。
最後關鍵還是生態系。ZAM 再怎麼有潛力，都得有人願意把它實際放進 AI 加速器與資料中心平台裡量產。如果大客戶點頭，這會是一條新支線；如果沒有設計導入，再漂亮的架構也只能停在白皮書裡。
隨著 AI 發展從訓練慢慢轉向推論，資料中心的壓力點也在變。現在卡的往往不是純算力，而是 GPU 與記憶體之間要搬的資料量太大，同時又不能把功耗推得更誇張。所以業界開始更在意一件事：高容量、高頻寬，但又不能太耗電的記憶體。
SoftBank 旗下在 2024 年底成立的 SAIMEMORY，已在 2026 年 2 月 2 日與 Intel 簽下合作協議，要推進一種叫做 Z-Angle Memory（ZAM） 的次世代記憶體技術。時程也不是空話，規劃是 2027 財年做出原型，2029 財年邁向商用。
這項技術並非從零開始。它的基礎來自 Intel 之前在美國能源部 AMT 計畫下推進的次世代 DRAM 鍵結技術（NGDB），相關研究還有國家實驗室參與驗證。換句話說，底層技術是有來歷的，不是簡報用名詞。
ZAM 的思路和大家熟悉的 HBM 不太一樣。HBM 是標準的垂直堆疊、用 TSV 往下直通；ZAM 則是改成「斜向」互連，讓連接在堆疊中呈現類似 Z 字角度的路徑。這樣做的好處，理論上是能把更多矽面積留給記憶體單元本身，同時降低熱阻，讓堆得更高變得比較可行。再加上銅對銅混合鍵結，層與層之間的結合會更緊密，看起來更像一整塊晶體，而不是鬆散堆起來的結構。設計上還傳出可能是無傳統電容架構，並透過 Intel 的 EMIB 去和 AI 晶片互連。
(圖片由 AI 產生)
如果這些設計都能落地，外界推測的方向包括功耗可比現行方案低四到五成、單顆容量上看數百 GB 等級，製造與堆疊彈性也會更高。不過這些都還是潛在優勢，真正數據得等產品階段才會明朗。
SoftBank 為何要親自下場做記憶體，邏輯其實很直接：他們正在布局自家 AI 基礎設施與 ASIC，如果連記憶體堆疊都能掌握，就能從架構層面一起設計，而不是被現有標準綁住。這對大型模型推論那種長時間、重頻寬又講究功耗的場景特別有吸引力。
對 Intel 來說，這一步也有歷史味。公司早年就是做記憶體起家，1980 年代因競爭退出 DRAM 市場，之後重心轉向處理器。現在 AI 把記憶體的重要性再次拉到戰略等級，Intel 並不是要回去打傳統 DRAM 價格戰，而是從高階架構與封裝切入，試圖站在新的技術節點上。
最後關鍵還是生態系。ZAM 再怎麼有潛力，都得有人願意把它實際放進 AI 加速器與資料中心平台裡量產。如果大客戶點頭，這會是一條新支線；如果沒有設計導入，再漂亮的架構也只能停在白皮書裡。