端侧AI算力需求推动智能手机内存技术演进 LLW低延迟宽DRAM方案进入视野

智能手机端侧AI应用对计算能力和数据吞吐量的要求持续走高，内存技术路线选择成为业界近期关注的一个方向。一种名为LLW的新型内存方案开始被纳入讨论范围。

从高带宽集成思路出发的设计迁移

LLW全称低延迟宽DRAM，其技术构想借鉴了高带宽内存的集成方式。高带宽内存是一种通过将多层DRAM堆叠并与处理器紧密封装来实现高数据传输速率和高带宽的内存技术，通常用于数据中心级高性能计算场景。

LLW的设计目标是将类似的集成思路引入智能手机等空间受限的终端设备，在有限的主板面积内提升AI运算所需的数据存取效率。

内存架构适配小型终端的逻辑拆解

与通用型内存模组不同，LLW的核心理念在于缩短数据传输路径并扩大并行通道宽度。低延迟特性意味着处理器等待数据就绪的时间更短，而宽I/O设计则允许在单位时间内搬运更多数据。

这一设计路径直接对应端侧AI的两项关键需求：模型推理过程中的实时响应速度，以及处理连续多帧图像或音频流时的高带宽读写能力。

LLW方案的目标是在智能手机有限空间内提升AI运算效率，其技术思路借鉴了高带宽内存的集成方式。

智能手机内部物理空间极度受限，如何在堆叠高度、散热约束与信号完整性之间取得平衡，是此类高集成度内存方案进入工程化阶段时需要面对的命题。随着终端侧生成式AI加载需求逐步铺开，内存带宽瓶颈可能成为影响用户体验的一道门槛，各存储厂商在封装架构上的技术储备正受到更多关注。

手机端侧AI内存方案LLW传闻2027年落地 功耗降低约50%

新一代移动端内存技术LLW（Low Latency Wide I/O）的行业讨论近期升温。该方案被视为手机厂商在端侧AI趋势下，平衡性能与功耗的潜在路径之一。数码领域相关信源指出，这项技术的大规模商用可能仍需数年时间。

LLW技术参数前瞻

根据目前流出的信息，LLW在理论上具备显著的能效优势。相关指标显示，该技术能够在降低约50%功耗的同时，实现约1.5倍的性能提升。不过，上述数据的具体对比对象并未被明确说明。

LLW理论上能够在降低约50%功耗的同时，实现约1.5倍的性能提升。相关数据的具体对比对象并未被明确说明，因此实际表现仍有待后续验证。

这意味着，当前市场对于LLW的认知仍建立在有限的数据披露之上。其性能基准是相较于传统LPDDR内存，还是其他新型存储方案，尚缺少可交叉验证的公开信息。

商用节奏与厂商布局

从落地时间表来看，国内手机厂商短期内或难以在新一代内存技术上实现规模部署。相关产品有望在2027年下半年迎来实质性进展。

小米和华为被业内观察人士视为该技术路径的潜在推动者。两家公司在手机SoC及系统级封装领域均有不同程度的积累，这使得它们在整合新型内存方案时，具备一定的先发适配优势。

• 商用节点：预计2027年下半年可能出现具体产品进展。
• 推动主体：小米、华为被认为是产业链中的积极角色。

从HBM到LLW的路径切换

LLW受到关注，与HBM（高带宽存储器，一种通过3D堆叠实现极高数据传输速率的DRAM方案）在移动端的应用难题直接相关。HBM对封装工艺和散热设计的要求较高，这使其目前很难直接集成到内部空间极其紧凑的智能手机产品中。

在此背景下，LLW被视作一种兼顾性能与落地可行性的替代方案。它并非严格意义上的HBM变体，但通过更加紧密的集成设计思路，LLW有望突破传统LPDDR内存在带宽和延迟方面的限制。

行业分析认为，端侧AI应用对数据吞吐效率的需求正持续上升。若LLW能够按期完成工程验证并进入供应链，将有助于手机终端承载更大规模的本地模型，从而直接影响下一代移动设备的算力布局。

手机端侧AI模型规模扩大 内存架构成突破方向

手机终端运行AI大模型的趋势下，处理器性能单边升级的路径正遭遇瓶颈。内存系统在整体体验中的权重显著上升，成为产业关注焦点。

处理器算力之外的限制

当端侧AI模型参数规模持续扩张，计算过程中需频繁调取权重与中间数据。此时即便神经网络处理单元（NPU）规格提升，若内存子系统无法匹配高吞吐需求，整体效率仍会受到制约。

NPU是集成于手机芯片内、专门用于加速AI推理运算的硬件模块。其实际表现高度依赖与内存之间的数据通路，单一强化NPU或存储配置已难以平衡系统瓶颈。

“更高带宽、更低延迟的内存架构被视为未来突破方向之一。”

业界分析指出，相比单纯升级NPU或存储方案，内存架构的改进更能直接缓解数据供给压力，从而释放端侧AI的真实潜力。

随着技术路线向内存系统倾斜，相关硬件设计迭代可能加速，为语音助手、图像生成等复杂应用在手机端的流畅运行提供底层支撑。