一句话看懂：英特尔正在研发一种名为XBM（Cross-Batch Memory）的新型高带宽内存架构，目标是通过取消传统HBM必需的硅中介层来降低AI芯片的封装成本，并缓解大模型训练和推理中的“内存墙”瓶颈问题。
事件核心：发生了什么
根据近日公开的英特尔专利申请，公司正研发XBM内存架构。该架构采用后端晶体管（BEOL）DRAM堆叠设计，能够在不依赖硅中介层的情况下实现高带宽互连，转而使用UCIe（Universal Chiplet Interconnect Express）标准进行芯片间通信。XBM还引入了内置冗余修复机制，旨在提升芯片良率。英特尔表示，XBM可在保持与当前HBM4相近封装尺寸的同时，提供更强的可扩展性。
该专利申请于2026年7月8日由界面新闻等媒体首次报道，原消息源自英特尔提交的专利文件。
为什么重要
当前主流AI加速器（如NVIDIA H100、AMD MI300X）普遍依赖HBM（高带宽内存）和硅中介层来实现高密度、高带宽的数据传输，但这种方案的封装成本较高，且随着AI模型规模扩大，对内存带宽和容量的需求持续攀升，HBM的制造复杂度和良率挑战也日益突出。英特尔的XBM架构提供了另一种技术路径：通过取消昂贵的硅中介层，改用UCIe标准直连和BEOL DRAM堆叠，有望在降低封装成本的同时，缓解大模型训练时的“内存墙”限制，即处理器计算能力超过内存带宽带来的性能瓶颈。
对英特尔而言，此举有助于其AI芯片（如Gaudi系列）在成本竞争力上追赶对手，同时也展示了其在高带宽内存技术上的差异化布局。
对用户/开发者/创作者的影响
对于AI应用开发者和大模型部署者而言，XBM架构如果落地，可能带来两方面的直接影响：一是降低购买AI芯片的整体成本，从而减少训练和推理服务的硬件支出；二是在同等成本下获得更高的内存带宽，有助于运行更大规模的大语言模型（LLMs）或需要高吞吐量的图像生成模型（如Stable Diffusion、Midjourney的底层变体）。企业用户在采购AI算力时，未来可能需关注芯片是否采用类似XBM的内存方案，以评估性价比。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，XBM仍处于专利阶段，距离实际产品化仍有距离。建议关注以下三点：一是英特尔是否会在未来的Gaudi系列或数据中心CPU中实际采用XBM；二是HBM阵营（如三星、SK海力士）是否会针对此挑战快速调整技术路线或封装方案；三是UCIe互连标准的生态成熟度，将直接影响XBM的兼容性和推广速度。此外，XBM的实际能效表现和量产良率亦需通过后续测试数据验证。
来源：36氪 (36Kr)
