AI算力需求的爆发式增长，正在从多个维度重塑服务器硬件架构。在CPU核心数从几十核向上百核跃进的同时，一个日益尖锐的矛盾浮出水面：CPU的算力在倍增，但内存带宽的增长速度远远跟不上。这个矛盾，被业界称为“内存墙”（Memory Wall）。
正是在这一背景下，一种名为MRDIMM的新型服务器内存标准正在从实验室走向数据中心。
一、什么是MRDIMM？
MRDIMM，全称Multiplexed Rank Dual In-line Memory Module（多路复用秩双列直插式内存模块），是由固态技术协会（JEDEC）制定的DDR5高带宽内存模组标准。它的核心目标只有一个：在不改变DDR5物理插槽的前提下，成倍提升内存带宽。
从技术架构上看，MRDIMM基于DDR5 LRDIMM架构，采用 “1+10”设计方案——即每根内存条配备1颗MRCD（多路复用秩寄存时钟驱动器）芯片和10颗MDB（多路复用秩数据缓冲器）芯片。
传统RDIMM仅需1颗RCD芯片即可工作，而MRDIMM通过MRCD与MDB的组合，让单个内存模块能够同时访问多个Rank的数据，实现数据在多个Rank上的并行传输。
简单来说：RDIMM一次只能与一个Rank通信，MRDIMM可以让数据在同一时刻于两个Rank上并行传输。
二、为什么需要MRDIMM？——“内存墙”正在成为瓶颈
MRDIMM的诞生，源于一个越来越紧迫的现实问题：CPU核心数量在飙升，但每核心能分到的内存带宽在下降。
现代服务器CPU的核心数已从十几核扩展到几十核甚至上百核。以英特尔至强6性能核处理器（代号Granite Rapids）为例，其核心数量相较前代大幅提升。但标准DDR5 RDIMM的速率停留在6400MT/s，内存带宽的增长速度远远落后于CPU算力的增长速度。
在AI推理、高性能计算等数据密集型场景中，这种“算力等数据”的矛盾尤为突出。大语言模型推理会产生海量的KV Cache，对内存带宽提出极高要求。当内存带宽成为瓶颈时，再多的CPU核心也无法充分发挥作用——这就是“内存墙”的实质。
三、MRDIMM vs RDIMM vs HBM：三条不同的技术路径
在理解MRDIMM的价值之前，需要先厘清它与RDIMM、HBM之间的定位差异。
3.1 MRDIMM vs RDIMM：同插槽、翻倍带宽
MRDIMM与RDIMM最直观的区别在于带宽。
第一代MRDIMM的传输速率已达到8800MT/s，单条容量最高256GB，相比标准DDR5 RDIMM的6400MT/s，带宽提升了约37.5%。第二代MRDIMM目标速率锁定在12800MT/s，是当前主流RDIMM的两倍。在AI负载下，第二代MRDIMM相对DDR5 RDIMM的带宽可提升2.3倍。
更关键的是，MRDIMM与RDIMM采用相同的连接器和外形规格，无需对主板做任何更改。这意味着数据中心可以在现有服务器平台上享受带宽升级，无需等待DDR6的全面铺开。
除了带宽，MRDIMM在延迟和总线效率上同样表现突出。与RDIMM相比，MRDIMM的有效内存带宽提升高达39%，总线效率提高15%以上，延迟降低高达40%。
3.2 MRDIMM vs HBM：各司其职，并非替代
HBM（高带宽内存）与GPU集成，作为GPU的专用显存使用。而MRDIMM是CPU直接访问的主内存。
澜起科技在投资者互动平台明确表示：DRAM内存模组（如RDIMM和MRDIMM）属于服务器主内存，与HBM的应用场景不同，分别有相对独立的市场空间，二者都将受益于AI产业的发展，并非竞争或替代关系。
MRDIMM与HBM服务于AI计算中两个不同的层级：HBM解决GPU内部的“显存墙”，MRDIMM解决CPU与内存之间的“内存墙”。两者协同，而非对立。
四、性能实测：MRDIMM在AI场景中的真实表现
理论数据之外，实际测试更能说明问题。
在AI推理的KV Cache密集型场景中，MRDIMM的优势尤为明显：
在大语言模型推理领域，MRDIMM的带宽优势可带来性能提升超过30%。英特尔表示，MRDIMM尤其适用于科学计算、小语言模型、传统深度学习和推荐系统等工作负载。
五、对采购端的影响：接口芯片价值量跃升
MRDIMM不仅是技术上的升级，更深刻影响着服务器内存的成本结构。
传统RDIMM仅需1颗RCD芯片，接口芯片成本约7美元。而一根MRDIMM需要1颗MRCD加10颗MDB，接口芯片价值量跃升至超70美元——整整十倍的提升。
这意味着，当MRDIMM逐步渗透市场时，服务器内存模组的单条成本将显著上升。财通证券预测，在乐观情况下，2030年MRDIMM在服务器内存中的渗透率可达65%，MRCD和MDB芯片的需求量将分别达到数亿颗级别