美光（Micron）近日发出警告，称随着大型语言模型（LLM）持续演进，AI 系统的算力正以前所未有的速度成长，但记忆体却已成为限制整体效能的关键，所谓“记忆体墙”危机正在加剧。该公司指出，在 Meta 的 Llama 3 模型训练过程中，HBM（高带宽记忆体）故障导致的中断占比接近两成，凸显了记忆体可靠性对 AI 训练的重要性。

HBM 是 AI 加速卡（如 GPU）中用于高速数据传输的关键记忆体，其带宽与容量直接影响模型训练速度。随着模型参数规模扩大，对 HBM 的需求量激增，但 HBM 的制造难度高，良率与可靠性问题也随之凸显。美光此次示警，将 HBM 故障与训练中断直接挂钩，表明记忆体不仅关乎性能，更关乎训练过程的稳定性。

从产业角度看，这一警告对 AI 基础设施的投资者具有参考意义。HBM 供应商（如 SK 海力士、三星、美光）的产能与良率，将直接影响 AI 算力供给的效率和成本。若 HBM 故障率持续偏高，可能导致训练中断、算力浪费，进而推高 AI 模型的开发成本。同时，这也可能促使业界加大对 HBM 可靠性测试与冗余设计的投入。

值得注意的是，美光并未提供具体的故障率数字，仅以“近两成”描述中断占比，且未说明该数据的具体统计口径。因此，投资者在解读时应保持谨慎，关注后续更多官方披露。总体而言，美光的示警再次提醒市场，AI 产业的瓶颈不仅在于算力，记忆体同样扮演着举足轻重的角色。