24 篇博文 含有标签「HBM4」

人民日报 10 月 21 日在头版文章中把「长鑫存储第五代 DRAM 技术平台实现量产」列为「练好内功」的标志性成果之一——与华为昇腾 960 超节点、宁德时代电池专利并列。在全球存储涨价的背景下，这条消息的分量比标题重。

一、长鑫的位次​

指标	数据（2026-10 行业口径）
全球 DRAM 排名	第 4 位，份额 9.5%
技术平台	G5（第五代）DRAM 量产
前沿方向	4F² DRAM 技术推进
与头部差距	评估约 1-3 年

二、为什么 DRAM 量产与 AI 算力有关​

直接关系藏在存储超级周期的结构里：

1. HBM 挤出效应：HBM 在 DRAM 产能中占比每升 1 个百分点，消费级 DRAM 供给收缩约 3 个百分点——全球 DRAM 合约价 4Q26 环比涨 10-15%，交期 40 周以上
2. 国产 AI 服务器的内存成本：国产芯片卡的显存是 HBM（受制），但服务器主存、KV Cache 扩展内存、向量库存储大量使用标准 DRAM——长鑫放量直接压低国产算力方案的 BOM
3. HBM 的前置能力：HBM 本质是 3D 堆叠的 DRAM。五代 DRAM 平台的量产意味着存储微缩工艺的持续积累——这是未来国产 HBM 的必要非充分条件

三、全球背景下的时间窗口​

当前存储市场处于「15 年来最严重短缺」（高盛口径）：三星、SK 海力士把产能大幅倾斜给 HBM 长约，传统 DRAM 与 NAND 供给被动收缩，价格上行周期预计延续到 2027-2028 年新产能落地。长鑫 G5 的量产正好落在需求最旺的窗口——份额提升与价格上行双重红利。

对照全球格局：SK 海力士 HBM 收入份额 ~50%、三星 33%、美光 18%，HBM4 已进入三倍报价时代；国产存储在 HBM 上尚有代差，但在标准 DRAM 上以 9.5% 份额站稳第四，构成「标准存储自主 + HBM 跟进」的现实路径。

四、对 AI 算力采购的提示​

1. 国产服务器主存方案开始具备「长鑫平替」选项，采购 RFP 里可以列入
2. 存储涨价周期内，提前锁定内存采购与芯片采购同等重要
3. 关注长鑫 HBM 进展的官方披露——一旦进入国产 AI 芯片的 HBM 供应链验证，国产算力全链自主的最后一环将补齐

延伸阅读：HBM4 三倍报价 · 存储超级周期 · 完整对比表

10 月上旬，AMD 在 OCP 2026 场边确认：Helios 机架级 AI 平台的量产、交付与验证正在进行，OpenAI、Meta、微软和 Oracle 的站点已有初始系统安装运行。距离 7 月 23 日 MI455X 正式发布不到三个月，AMD 第一次在机架级产品上跑赢了「发布即交付」的节奏。

MI455X 规格速览（官方口径）​

项目	参数
架构	CDNA 5，TSMC 2nm 计算芯粒 + 3nm I/O 与缓存芯粒
显存	432 GB HBM4（12 颗堆栈），带宽最高 23.3 TB/s
FP4 算力	40.3 PFLOPS（OCP MXFP4 稠密）
FP8 算力	20.1 PFLOPS
互联	UALoE scale-up 3.6 TB/s + UALink scale-out 600 GB/s
量产	2026 Q3 末出货，H2 2026 至 2027 爬坡

机架级：一台 Helios 装 72 颗 MI455X + 18 颗 EPYC Venice CPU，总显存 31TB HBM4，峰值 FP4 2.9 EFLOPS。AMD 估算同测试条件下 Helios 每美元 Token 产出可比 NVIDIA Vera Rubin NVL72 高约 30%（AMD 建模口径，采用预估价格，非实测）。

需求基本盘：三笔吉瓦级协议​

客户	协议规模	节奏
OpenAI	6 GW 多代协议（首期 1 GW MI450）	2026 H2 开始部署，2027 加速；附最高 1.6 亿股认股权证
Meta	6 GW、五年期	2026 H2 起首批交付
Anthropic	最多 2 GW MI450 系列	2026-10-06 官宣，已在使用 MI355X
Oracle OCI	5 万颗 MI450 SuperCluster	2026 Q3 启动，2027 扩容
微软 Azure	ND MI455X v7 虚拟机	2026-07 宣布

加上 9 月底 HPE 宣布的 12 亿美元 Vultr Helios 整机订单，MI450 系列的需求能见度已经排到 2027 年。

争议点：量产节奏的两个版本​

今年年中曾有一份 SemiAnalysis 报告称 2026 年只有工程样片与小批量、大规模爬坡推迟到 2027 Q2。AMD 高管公开否认，坚持 MI455X 按 H2 2026 交付目标推进；8 月 4 日 Q2 财报（营收 115 亿美元，数据中心 67 亿美元同比 +107%）中 Lisa Su 的表述是「Instinct 部署规模化、Helios 开始爬坡」。

两个口径其实兼容：首批 Helios 机柜确实在 2026 下半年交付给了发布客户，但企业级可批量采购的量大概率是 2027 年的话题。计划 2027 年扩容的团队，现在就可以把 Helios 纳入与 Vera Rubin NVL72 并列的评估清单。

与 NVIDIA 的真实差距​

纸面规格上，MI455X 在显存容量（432GB 对 288GB）与单机架 FP4 上有优势；差距在两点：一是机架级生态的成熟度——NVIDIA 的 NVL72 已规模出货多个季度而 Helios 刚开始爬坡；二是 ROCm 软件栈在大规模生产环境的验证广度。AMD 的策略是用「开放标准（UALink/UALoE）+ 更大显存 + 更低单 Token 成本」在 2027 年的采购决策里换到真实份额。

相关阅读​

• AMD MI455X 芯片卡片
• AMD MI355X 芯片卡片
• NVIDIA Rubin R200 芯片卡片

2026 年 10 月，存储行业发生了一件足以改写 AI 成本模型的事：三星把 HBM4 的供应报价定在每 Gb 4 至 5 美元——约是 HBM3E（约 1.5 美元/Gb）的三倍，并已启动与主要客户的年度合同谈判。这不是普通的涨价，而是定价逻辑的换代。

一、三倍报价的数字拆解​

HBM 以每 Gb 为单位计价，一颗标准 HBM4 芯片容量通常在 24-36Gb。按三星报价区间中值计算：

项目	HBM3E	HBM4
单价	~1.5 美元/Gb	4-5 美元/Gb
单颗价格	~50 美元	100-180 美元
英伟达供货口径	17-18 美元/GB	31-32 美元/GB（SK 海力士）

对 Vera Rubin 这类单服务器搭载 8 颗 HBM4 的平台而言，仅内存一项，单台服务器成本就增加数百美元。三家供应商（三星、SK 海力士、美光）定价策略高度一致——美光在财报电话会上也明确表示「明年 HBM 价格可能大幅上涨」。

二、为什么敢涨三倍：供需的结构性断裂​

TrendForce 的几个数字构成了底气：

• 2026 年全球 HBM 市场规模增长 58% 至 546 亿美元，占 DRAM 市场近四成
• 产能缺口维持在 50%-60%
• 三星已将 2031 年前约 70% 的 HBM 产能分配给长约订单，现货价已涨至长约价的 4-5 倍
• 2027 年 HBM 混合平均售价预计同比上涨 121%

更关键的是晶圆消耗的挤出效应：单颗 HBM 占用的晶圆面积约等于 3GB DDR5。三星高管给出的量化关系是——HBM 在 DRAM 产能中占比每提升 1 个百分点，消费级 DRAM 供给就被压缩约 3 个百分点。当占比从约 20% 升至 2027 年的近 30% 时，消费级 DRAM 供给收缩幅度接近 30%，这解释了 DRAM/NAND 全面涨价的传导链条。

三、性能跃迁给了「按性能定价」的资格​

HBM4 的技术升级是真实的：三星 HBM4 稳定传输速率 11.7Gbps、最高 13Gbps（JEDEC 标准为 8Gbps），基于第六代 10 纳米级 1c DRAM 工艺与混合铜键合技术，支持 16 层以上堆叠、热阻降低 20% 以上。竞争逻辑从「谁的产能大」变成「谁的性能强」——客户没有替代方案，议价空间极小。

一个有趣的细节：部分客户为应对涨价考虑把 12 层堆叠降为 8 层，但 TrendForce 指出 8 层产品的每 Gb 成本反而比 12 层高 10%-20%——基片成本摊不薄，降价策略本身推高单位成本。

四、对 AI 算力成本的三级传导​

1. 芯片厂：HBM 占 AI 加速器 BOM 成本的比例显著上升，直接推高整机定价底座
2. 云厂商：微软、谷歌、亚马逊、Meta 的数据中心预算被推高，TrendForce 预估 2026 年企业级 SSD 位元需求年增突破 80%
3. 终端：成本通过云服务订阅费与 AI 产品定价传导——消费端已有体感，12+256GB 手机内存套件采购价涨至约 2200 元，DRAM 已超越 SoC 成为手机中最昂贵的元器件

五、对选型的启示​

在 TCO 计算器的口径里，芯片采购价只是显性成本，HBM4 时代的隐性变量是：同价位下 2027 年到货的芯片，单位算力成本可能因内存涨价而上浮。计划 2027 年扩容的团队，把 HBM 长约绑定与算力采购放在同一个谈判桌上，正在变成头部客户的标配动作。

新产能要到 2027 年底至 2028 年才陆续落地，高盛称这是 15 年来最严重的存储短缺。HBM4 的三倍报价不是周期高点，而是新定价基准的起点。

延伸阅读：NVIDIA Rubin R200 卡片 · AMD MI455X 卡片 · 完整对比表

如果说 HBM4 三倍报价是 AI 算力成本的显性冲击，那么存储涨价的第二波正在从 HBM 向整个存储市场蔓延——而这一波的发动机是 AI 推理，不只是训练。

一、4Q26 价格全景（TrendForce，2026-09-30 口径）​

品类	合约价环比预期
传统 DRAM	+10% ~ +15%
NAND	+15% ~ +20%
企业级 SSD	+23% ~ +28%

DRAM 交期已拉长至 40 周以上，高盛称之为 15 年来最严重的存储短缺；新产能要到 2027 年底至 2028 年才陆续落地。

二、企业级 SSD：AI 落地的第二增长极​

HBM 对应训练，企业级 SSD 与服务器 DRAM 对应推理与应用落地。Agentic AI 规模化应用带动实时检索、缓存与向量数据库存储需求成倍增长：

• TrendForce 预计 2026 年企业级 SSD 位元需求年增突破 80%
• QLC 渗透率持续提升，PCIe 6.0 随新一代 AI 服务器平台放量
• 新增高容量供应多数已被提前锁定

这解释了一个反直觉现象：推理占比越高的 AI 公司，对存储的依赖越重。KV Cache、向量库与多轮会话上下文都在吃 SSD 与大容量 DRAM。

三、HBM 的挤出效应是总开关​

单颗 HBM 占用的晶圆面积约等于 3GB DDR5。三星高管给出的量化关系：HBM 在 DRAM 产能中占比每提升 1 个百分点，消费级 DRAM 供给被压缩约 3 个百分点。当占比从 2026 年约 20% 升至 2027 年近 30% 时，消费级 DRAM 供给收缩近 30%。手机市场已有体感：12+256GB 内存套件采购价涨至约 2200 元，DRAM 超越 SoC 成为手机中最贵的单一元器件。

四、国产存储的位置​

厂商	全球地位	技术进展
长鑫存储 CXMT	DRAM 全球第 4，份额 9.5%	量产 G5 DRAM，推进 4F² 技术
长江存储 YMTC	NAND 出货量前三（14%）	计划扩建 NAND 研发线

与韩国、日本头部厂商的技术差距评估约为 1-3 年。在全球存储紧缺、长约锁定的背景下，国产存储的产能弹性对国内 AI 产业链有额外的战略价值——这与国产 AI 芯片在算力侧的替代逻辑同构。

五、对算力预算的影响​

2027 年扩容的 TCO 测算里，存储与内存已不再是「按比例摊销」的配角：企业级 SSD 单季度 20%+ 的涨幅、40 周的交期，意味着存储采购需要提前锁定，且要作为独立成本项建模，而不是藏在服务器单价里。

延伸阅读：TCO 计算器 · 推理单位成本经济学

自研芯片竞赛在 2026 年 10 月迎来关键节点：微软于 10 月 12 日在圣何塞 OCP 全球峰会上正式发布 Azure Maia 300，并宣布 2027 年起以「数吉瓦级」规模部署。这是微软首次把自研芯片定位为「主要推理系统」，而非补充。

核心规格：官方口径全记录​

Maia 300 采用多芯粒（multi-chiplet）设计，这是 Maia 家族第一代拆分计算与 I/O 的产品：

项目	参数
计算芯粒制程	台积电 N2P（2nm 级）
显存	8 组 HBM4，共 288 GB
显存带宽	18 TB/s
FP4 算力	13.8 PFLOPS
FP8 算力	6.9 PFLOPS
SoC TDP	950 W
scale-up 互联	单加速器双向 3.2 TB/s
机架配置	96 颗加速器 / 约 167 kW
部署时间	2027 年开始

需要注意口径：微软官方博客只给出了相对口径（系统算力 FLOPs 较 Maia 200 提升 36%、HBM 带宽 2.5 倍、容量 +33%），FP4 13.8 PFLOPS 与 FP8 6.9 PFLOPS 出自随发布公开的技术论文，并与官方相对口径自洽（Maia 200 的 10.1 PFLOPS FP4 乘以 1.36 约等于 13.8）。

机架架构：96 卡、三层延迟域、统一 fabric​

Maia 300 的机架设计与 NVIDIA 的 NVL72 走了两条路：

• 96 颗加速器分布在 24 个四卡托盘，取消独立主机托盘，机架功率与热资源统一管理
• 机架内全部电连接组成一个 pod；第二层用光互联最多连 128 个机架，组成 12,288 颗加速器的 superpod
• 统一 fabric：pod 内与跨机架使用相同通信语义，不再区分 scale-up 与 scale-out 两个域
• 微软宣称 96 卡完整配置下，机架级 Token 吞吐最高可达 Maia 200 的 7 倍

在负载定位上，Maia 300 明确面向长上下文推理、延迟敏感对话与多步骤智能体任务——GitHub Copilot 与 Microsoft Foundry 将在今年年底前接入。

部署节奏与供应链​

据路透社 10 月 13 日报道，微软计划2027 年部署超过 100 万颗 Maia 300。供应链口径显示，微软已在 2026 年 8 月与台积电锁定 30 万片以上代工产能，初期产量 30-40 万片、2027 年增至 120-150 万片（非微软官方数字）。

两个值得注意的背景：

1. 规格升级曾导致延期。原计划 3nm 配 HBM3e，后升级为 2nm 配 HBM4，量产时点从 2026 Q1 推迟到 Q4，微软靠提高 Maia 200 产量弥补缺口。
2. Evercore ISI 预计 2027 Q1 Maia 占微软 AI 芯片支出约 10%——自研芯片仍然是「降本增量」而非「替代采购」。

对采购方的意义​

Maia 300 不对外销售，只服务微软自己的 AI 业务。它的信号意义大于直接采购意义：当全球第二大云厂商把主力推理负载迁到自研 ASIC 上，NVIDIA 在推理市场的定价权会持续承压。对企业采购方而言，更实际的影响是——推理型云实例（Azure ND 系列）的单位 Token 价格曲线，未来两年会因 Maia 上量而更有下探空间。

相关阅读​

• Microsoft Maia 300 芯片卡片
• Maia 200 芯片卡片
• GPU D 系列（Intel 的推理 ASIC 化路线）

截至 2026 年 10 月，市场对 AI 算力短缺的讨论重点已经发生位移：不再是晶圆产能，而是先进封装与高带宽内存。两条约束线在四季度同时收紧，且价格信号已经明确。

内存端：HBM4 进入「代际定价」​

国庆假期期间一则产业消息震动硬件市场：三星电子已将下一代 HBM4 的供应报价定在每 Gb 4 至 5 美元，约为当前 HBM3E 价格的三倍，并已启动与主要客户的年度合同谈判。按此推算，单颗 HBM4 价格预计达 100 至 180 美元，而 HBM3E 单颗仅约 50 美元。这个报价与今年中 DigiTimes 关于「HBM4 价格可能从 2026 下半年约 2 美元每 Gb 飙升至 4 至 5 美元甚至更高」的预测路径完全吻合。

环节	当前状态	四季度方向
HBM4 单价	约 4 至 5 美元每 Gb，约为 HBM3E 三倍	年度合同谈判启动，锁量锁价
全球 HBM 市场规模	2026 年预计增长约 58% 至 546 亿美元	占 DRAM 市场近四成
传统 DRAM 合约价	持续上行	四季度预计环比上涨 10% 至 15%
NAND 合约价	持续上行	四季度预计环比上涨 15% 至 20%

涨价背后有两个物理原因无法绕过：HBM4 工艺制造难度极高，生产周期长达 4 至 6 个月，初期良率偏低；生产 HBM4 所需晶圆面积约为普通 DDR5 内存的三倍，现有产线可释放的产能空间被大幅压缩。TrendForce 预计 2027 年 HBM 混合平均售价同比上涨 121%。

产能虹吸效应同步发生。三星方面表示，HBM 在 DRAM 晶圆产能中的占比每提升一个百分点，消费级 DRAM 供给即被压缩约三个百分点；当该比例从 2026 年的约 20% 升至 2027 年的近 30% 时，消费级 DRAM 供给收缩幅度将接近 30%。这条传导链已经在终端落地——手机存储套件采购价翻倍，DRAM 已超过主控芯片成为手机中最昂贵的单一元器件。

封装端：CoWoS 缺口收窄但未消失​

供给约束的另一半在先进封装。台积电 CoWoS 月产能从 2022 年的约 1.5 万片，提升到 2025 年的近 7 万片，2026 年底预计达 12 万至 14 万片。加上封测合作伙伴新增的 5 万至 6 万片产能，整个行业月产能接近 20 万片。但供应链预计，CoWoS 供需缺口将从目前的约两成收窄至 2026 年底约一成——缺口在收窄，并未消失。

需求端的集中度更值得关注。据产业数据统计，2025 年英伟达约占 CoWoS 产能需求的 63%，是最大需求来源，博通约 13%，AMD 与迈威尔各约 8%。仅英伟达 B200、B300 系列全年就可能消耗超过 70 万片 CoWoS 晶圆，而这还不包含新一代 Rubin 系列。

台积电资深副总侯永清披露，2026 年将首度同时有五座 2 纳米厂同步放量，涵盖新竹两座、高雄三座，2026 至 2028 年 2 纳米产能年复合增长率预计达 70%，作为参照 3 纳米产能 2022 至 2027 年的年复合增长率约为 25%。即便如此，先进封装仍是短板——硅中介层制造需要洁净室标准，扩产要与逻辑制程争夺重叠的资本设备，而这些设备交期极长，无法绕开排队。

产能虹吸之外的两条缓冲路径​

一是 CoPoS 等面板级封装技术。相较目前以 300 毫米圆形晶圆为基础的制程，CoPoS 改用更大面积方形面板，600 毫米乘 600 毫米面板单次处理的封装数量约可达 12 吋晶圆的两倍以上。CoPoS 不是替代 CoWoS，而是在既有产能持续扩充却仍可能追不上需求时，增加另一条提高封装产出的供给路径。

二是内存供应的长约锁定。据公开报道，三星、SK 海力士、美光正通过与一级 AI 客户签订三至五年的长期协议锁定全球内存供应。DigiTimes 预计，到 2027 年全球 DRAM 总产能中约有一半将完全无法提供给小型买家。

研判​

四季度对 AI 算力采购方来说，最实际的判断是：卡不是缺在设计，而是缺在封装产能和内存配额，而这两者都无法用加钱在短期内解决。这意味着接下来的价格谈判中，内存与封装环节的议价权会持续强于芯片设计方。

有三点值得盯住。第一，HBM4 年度合同的最终定价将锚定整个服务器 BOM 成本，任何云厂的四季度报价都会随之重估。第二，消费级 DRAM 收缩近三成会传导到 PC、手机、显卡等终端市场，非 AI 需求可能成为挤压 AI 供给的出气筒。第三，摩根士丹利等机构提示的中长期风险值得关注——多家厂商同步扩产 HBM，2028 年后高端存储产能集中释放，届时供需关系可能反转，扩产决策现在签的单子可能变成明年的产能包袱。

每一次关于 AI 芯片供给紧张的讨论，最后都会落到 HBM 身上。但「HBM 紧张」这个说法在 2026 年已经不够精确了——真实的约束不在 HBM 晶圆的产能，而在先进封装环节，以及一个正在发生的架构转变：基底裸片要换代了。

2027 年的供需账本​

行业预测 2027 年 HBM 需求增长率为 56%，高于 50% 的供应增速——缺口不大，但方向明确。据公开报道，市场普遍认为 2027 年 HBM4 价格将较 2026 年上涨约 65%。更有参考意义的是晶圆效率数据：HBM3E 良率约 35%，每片晶圆有效晶粒约 580 颗，远低于一般 D1B DRAM 的约 1750 颗；HBM4 良率进一步降至约 25%，每片有效晶粒约 500 颗，而 D1C DRAM 约为 2100 颗。也就是说，同样一片晶圆，HBM 产出的数据量只有普通 DRAM 的四分之一不到，这是产能转化率上最难跨越的一道坎。

产能节点按厂商拆开看：

厂商	2026 关键进展	2027 关键节点	2028 及以后
三星	HBM4 大规模供货，良率从低于 60% 提升至约 80%	平泽 P5 Fab 1 投产，HBM4E 量产，晶圆月进料量从 18 万片增至 25 万片	P5 Fab 2 与龙仁新基地提前至 2029 年
SK 海力士	HBM4 二季度批量出货，下半年全面爬坡	龙仁 Y1 厂投产，HBM4E 正式量产	Y2 厂提前至 2028 年下半年
美光	HBM4 占总产出比例从 20% 至 30% 拉高至 50%，累计出货收入突破 10 亿美元	新加坡先进封装厂贡献供应	日本广岛工厂 2028 年夏季开始出货

SK 海力士 CEO 郭诺定在印第安纳动工仪式上的表述是：存储芯片短缺至少持续到 2030 年底。

资本开支的斜率能说明决心。三星半导体资本支出预计从 2025 年约 48 万亿韩元增至 2028 年逾 100 万亿韩元，SK 海力士同期从 28 万亿韩元提升至接近 80 万亿韩元。三家已公开的 HBM 专项投资加总超过 900 亿美元，这个数字还不包括跨品类工厂里 HBM 的占比——各家都没有单独拆分。

份额：一年之内差距缩小一半​

据 Counterpoint Research 数据，三星 HBM 收入份额从 2026 年第一季度的 21% 攀升至第二季度的 33%；同期 SK 海力士从 58% 降至 50%。两家之间的差距在一个季度内从 37 个百分点缩小到 17 个百分点。SK 海力士的守势动作是清州 M15X 工厂晶圆月产量从约 1 万片提升到 8 万片，同时加速龙仁集群首座晶圆厂建设。三星则依靠存储、代工、先进封装的垂直整合结构，用自家 4 纳米基底裸片工艺争取差异化。

美光是差距最大但追赶最快的一家：2025 年月产约 4 到 5 万片，一年内翻倍到 10 万片目标，新加坡 70 亿美元封装厂、日本广岛 1.5 万亿日元（约 93 亿美元）工厂、以及 18 亿美元收购力晶铜锣 P5 晶圆厂构成全球撒网的投资版图。

定制基底裸片：HBM 以来最重要的转变​

从 HBM4E 开始，DRAM 堆叠下方的基底裸片变成客户专属。内存控制器和协议逻辑从 GPU 或 ASIC 搬到 HBM 基底裸片本身，加速器裸片上由此腾出更多计算面积。代价是基底裸片需要在先进逻辑制程上制造——HBM4 基底裸片预计采用 12 纳米，HBM4E 则要向先进逻辑演进。

各家路线因此分化：

厂商	基底裸片策略	制程合作方
SK 海力士	与台积电合作定制 HBM4E 与 HBM5 基底裸片，计划导入台积电 3 纳米	台积电
三星	使用自家代工工艺，作为垂直整合打法	自有代工
美光	没有自有代工，目标 2027 年推出定制 HBM4E，押注更高利润率	未公开

这是自堆叠技术以来 HBM 行业最重要的结构性变化，它把壁垒从「谁会堆叠」挪到了「谁能把内存专业和领先制程代工绑在一起」。SK 海力士在这条线上的位置明显更稳。

真正的瓶颈不是 HBM​

一个需要反复强调的判断：当前绑定约束是台积电的 CoWoS-L 产能，不是 HBM 晶圆供给。据公开报道，CoWoS-L 产能目前在 13 万到 15 万片每月量级，NVIDIA 在 2026 年内持有台积电 CoWoS 约 60% 的分配份额。

未来的容量账本也在提前准备：有预测认为到 2029 到 2031 年，20 层堆叠成为主流，14 倍光罩尺寸的 CoWoS 中介层需要承载 24 组 HBM5E 堆叠，并配合浸没式冷却。这些数字现在还是路线图而非订单，但它们说明瓶颈的性质会从「谁能造 HBM」变成「谁能装 HBM」。

更早期的信号值得留意：HBF（高带宽闪存）已在铠侠、闪迪、美光处进入采样阶段。它的定位不是在带宽上击败 HBM，而是在每美元容量上补上 HBM 的短板——对于 KV Cache 容量需求正在膨胀的推理场景，这可能是一条不同于 HBM 的成本路径。

展望​

投资判断上有一个被反复验证的经验：新产能正式开出通常是存储上升周期接近尾声的先行指标。按已公布的节点，SK 海力士 2027 年 2 月、美光 2027 年 5 月、三星 2027 年 7 月这三个时间点，是观察本轮周期位置最值得标记的坐标。机构预测本轮景气高点可能落在 2028 年下半年，AI 超大型数据中心资本支出则可能在 2029 年进入平台期。

对下游的采购与架构团队，2027 年的实际含义是：HBM4E 会成为主力供应SKU，定制基底裸片带来的裸片面积与功耗收益会逐步传导到 XPU 指标上，而 CoWoS 排期仍然是比内存价格更值得提前锁定的资源。任何把 HBM 当成唯一瓶颈来做产能规划的做法，在 2027 年都会算错。

大模型参数每 18 个月翻一番，GPU 算力每代翻 3-5 倍，而真正卡住 AI 芯片脖子的，往往是那圈贴在 GPU 旁边的"小方块"——HBM 高带宽显存。2026 年，HBM4 进入全面量产，HBM4E 已在路上，本文带你一次读懂四代演进的技术脉络。

HBM 是什么：把内存"竖起来"的 3D 堆栈​

传统 GDDR 显存颗粒是平铺在 PCB 上的，走线长、寄生电感大，带宽天花板低。HBM（High Bandwidth Memory）的思路完全不同：

• 3D 堆栈：把 8 层甚至 12 层 DRAM 裸片垂直叠在一起，通过**微凸点（micro-bump）**层间互连；
• TSV 硅通孔：每层裸片打穿硅片形成垂直通路，让堆栈内部各层共享一条超宽的总线；
• 与 GPU 同封装：HBM 不再焊接在主板上，而是作为独立堆栈放在 GPU 同一个封装内，通过**硅中介层（interposer）**与 GPU 的 die 相连，走线距离从几十毫米缩短到毫米级。

这三件事叠加的结果是：接口位宽可以从 GDDR 的 32bit/颗粒跃升到每堆栈 1024bit 甚至 2048bit，带宽提升十倍以上。代价则是制造难度极高——TSV、堆叠键合、中介层封装每一环都是良率杀手。

四代 HBM 关键参数对比​

代际	接口位宽	单堆栈带宽	单堆栈容量	典型层数	代表产品
HBM2e	1024bit	~460 GB/s	16-24 GB	8 层	H200、昇腾 910C
HBM3	1024bit	~819 GB/s	24 GB	8-12 层	H100
HBM3e	1024bit	~1.15-1.2 TB/s	24-36 GB	8-12 层	B200、MI355X
HBM4/4E	2048bit	2-2.8+ TB/s	36 GB 起	12-16 层	Rubin R200、MI455X

以站内芯片卡的数据为参照：NVIDIA B200（Blackwell）配备 192GB HBM3e，带宽 8 TB/s；到 Rubin R200，8 颗 HBM4 堆栈带来 288GB 容量与 22 TB/s 带宽，带宽提升 2.75 倍。AMD MI455X 更激进，12 颗 36GB HBM4 堆栈做到 432GB / 23.3 TB/s。SK 海力士的 12 层 HBM4 单堆栈规格为 36GB、2.8 TB/s、11 Gbps 引脚速率，已于 2026 年 7 月量产出货。

为什么 2048bit 接口是分水岭​

前三代 HBM 一直沿用 1024bit 接口，性能提升主要靠拉高引脚速率。这条路在 HBM3e 时代已经接近极限——信号完整性与功耗随速率平方增长，继续提速性价比骤降。

HBM4 做了一个根本性改动：接口位宽翻倍到 2048bit，而引脚速率只温和提升。以 Rubin R200 为例，单堆栈 2048bit 接口配合约 10.8 GT/pin 的引脚速率，即可得到约 2.7-2.8 TB/s 的堆栈带宽（与 SK 海力士单堆栈 2.8 TB/s 的规格吻合），8 颗堆栈合计正是 22 TB/s 的总带宽。SK 海力士单堆栈 2.8 TB/s 的成绩同样是"宽接口 + 适中速率"的结果。

位宽翻倍的意义在于：同样的数据量，需要的引脚速率更低、功耗更低、信号更稳。但它也带来新问题——堆栈与 GPU 之间的中介层走线密度翻倍，封装难度和成本水涨船高。HBM4 的竞争，本质上是封装能力的竞争。

HBM4E、12 层堆栈与 zHBM 展望​

HBM4 的下一步是 HBM4E（Enhanced）：

• 容量继续堆高：16 层堆栈将成为 HBM4E 主流，单堆栈容量迈向 48GB；
• 速率再上台阶：引脚速率从 HBM4 的 10+ Gbps 提升到 13-15 Gbps 区间；
• 三星入局：三星的 HBM4E 已通过 NVIDIA 验证，HBM 市场从 SK 海力士一家独大走向三强分食；
• zHBM 路线：三星还公布了 zHBM 概念——在 HBM 堆栈底部集成逻辑 die（Base Logic 加速器），把部分计算下沉到显存侧，探索"存算一体"式的近存计算，瞄准 HBM4E 之后的时代。

对整机厂而言，HBM4E 意味着单机柜显存总量再上台阶：Rubin 时代的 Vera Rubin NVL72 已有 20.7TB 总显存，Helios 机架（72 颗 MI455X）达 31TB，下一代翻倍几乎是定局。

HBM 定价权：三巨头最强时刻与国产涨价潮​

2026 年是 HBM 厂商十年来话语权最强的时刻：

• 供不应求：三星、SK 海力士、美光的 HBM 产能已被预订到 2029 年，三大原厂议价能力空前；
• 成本传导：HBM 占 AI GPU 物料成本的比例从上一代的约 8% 攀升到 20% 以上，显存涨价直接推高整机价格；
• 国产涨价潮：外部 HBM 紧缺叠加国产需求爆发，昇腾系列报价显著上涨——昇腾 950PR 从年初约 6 万元涨破 8 万元（+30%），昇腾 950DT 指示性报价超过 25 万元，两个月内涨幅最高 50%。

涨价潮的根源不在芯片本身，而在 HBM：谁掌握显存供给，谁就掌握 AI 芯片的出货上限。

两条突围路线：自研 HBM 与定制 HBM​

面对 HBM 瓶颈，产业界走出两条不同的路：

路线一：自研 HBM（华为）。 昇腾 950 系列首次采用华为自研 HBM——950PR 使用成本优先的 HiBL 1.0（128GB、1.6 TB/s），950DT 使用带宽优先的 HiZQ 2.0（144GB、4 TB/s），彻底摆脱对 SK 海力士和三星的依赖。自研 HBM 未必追求绝对性能领先，但解决了供应链"卡脖子"这一生死问题。

路线二：定制 HBM（NVIDIA）。 NVIDIA 推动与显存原厂合作开发 NVHBM——定制化堆栈，把 GPU 需要的接口逻辑直接做进 HBM 底部逻辑层，进一步压缩延迟、提高集成度。定制化意味着 GPU 厂商深度介入显存设计，原厂从"卖颗粒"升级为"卖方案"。

自研是供应链安全的答案，定制是性能极致的答案，两者将长期并存。

小结​

四代 HBM 的演进主线非常清晰：HBM2e 到 HBM3e 在 1024bit 接口内"榨"速率，HBM4 用 2048bit 宽接口换回功耗与信号余量，HBM4E 与 zHBM 则在容量和架构上继续突破。显存已经从 GPU 的配角变成 AI 产业的核心资源——它决定带宽、决定成本、决定出货量，甚至决定各国 AI 算力的自主程度。看懂 HBM，才算真正看懂 AI 芯片的账本。

当 HBM4 在 2026 年刚刚完成从标准品到量产品的转身，三大存储原厂已经把战场推向了 HBM4E 与 HBM5。这一次，比拼的不再只是堆叠层数与带宽，而是谁能把更多逻辑塞进基础裸片——存储与计算的分界线，正在被定制化浪潮重新划定。

三大原厂的 HBM4E 时间表​

据韩国媒体 The Elec 等多方报道，三大存储厂在 HBM4E 上的进度几乎并驾齐驱：

• 三星：定制 HBM4E 基础裸片已进入后端设计阶段，计划 2026 年 5 至 6 月完成设计，并向重点客户交付首批样品，采用 1c DRAM 工艺搭配 4nm 级代工基础裸片，还计划在部分堆栈中引入混合键合技术；
• SK 海力士：目标 2026 年下半年送样，DRAM 工艺从 1b 升级到 1c，基础裸片与台积电深度合作——主流服务器产品用 12nm 工艺，面向英伟达旗舰 GPU 与谷歌 TPU 的高端设计则升级到 3nm；
• 美光：据 Tom's Hardware 此前报道，已委托台积电代工 HBM4E 基础逻辑裸片，同样基于 1c DRAM，量产目标定在 2027 年下半年。

业界普遍预期 HBM4E 将在 2027 年正式放量，而 HBM5 大约在 2029 年登场。

代际	量产窗口	DRAM 工艺	基础裸片策略	关键词
HBM4	2026 年	1b	逻辑裸片起步，三星采用 4nm 工艺	标准品为主、接口翻倍至每堆栈 2048bit
HBM4E	2027 年	1c	三星自研 2nm；SK 海力士、美光倚重台积电 3nm	定制化主战场
HBM5	2029 年前后	待定	更深度的逻辑集成	散热与键合工艺竞赛

定制化：从卖颗粒到卖半颗 SoC​

定制 HBM 的核心诉求来自客户侧。基础裸片负责控制堆叠 DRAM 的读写与纠错，直接决定整体性能与稳定性，英伟达、谷歌、Meta 等头部客户纷纷要求在基础裸片中集成额外的逻辑功能，例如近存计算、自定义接口与缓存一致性逻辑。据公开报道，三星为定制项目增聘了约 250 名工程师，并从 HBM4 起分设标准品与定制品两条产品线。这意味着 HBM 正在从标准化存储颗粒，演变为"半颗定制 SoC"，存储厂与代工厂的边界也随之模糊。

需求侧同样在变化。据 TrendForce 研究，三大原厂 HBM 晶圆投入占 DRAM 总投入的比例将从 2025 年底的约 18% 升至 2026 年底的 22%，2027 年进一步达到 30%；而生产同等 bit 数的 HBM 消耗的晶圆产能约为标准 DDR5 的三倍，供给弹性天然受限。客户端方面，英伟达在 2026 年仍占 HBM 总需求的约六成，2027 年随着谷歌、亚马逊、微软自研芯片放量，这一比例预计回落到 48% 左右。客户结构多元化，恰好给了存储厂对定制产品差异化定价的机会。

散热与键合：下一个工艺竞技场​

堆叠层数增加带来的热密度问题愈发突出。据公开报道，三星在 2026 年 Computex 上展示了内嵌 HPB 铜基散热方案的 HBM5 原型，目标量产时点在 2028 年前后；SK 海力士则推出 iHBM 散热技术，宣称可将热阻降低超过 30%，量产窗口指向 2029 至 2030 年。与此同时，SK 海力士还与 SanDisk 合作推动高带宽闪存（HBF）的国际标准化，试图把 HBM 的高带宽思维延伸到存储层级，为超大模型权重的持久化加载提供新选项。

从制程路线也能看出竞争焦点的转移：三星 HBM4 的逻辑裸片采用 4nm 工艺，定制 HBM 则计划直接跳到自研 2nm；SK 海力士与美光选择绑定台积电最先进的 3nm 产能。存储厂商第一次把先进逻辑制程当成核心竞争力来经营，这在 HBM 历史上还是头一遭。

结语：存储的定价权时代​

从 HBM4E 开始，存储行业正在从"按 bit 卖"转向"按方案卖"。掌握先进逻辑制程资源（无论自研还是绑定台积电）、并率先在混合键合与散热工艺上突破的厂商，将拿到下一代定制 HBM 的定价权。对 2027 年之后规划 AI 集群的采购方而言，显存路线图的确定性，已经不亚于芯片本身的算力参数——毕竟在推理时代，带宽与容量才是吞吐量的第一约束。

过去十年，存储金字塔的分工非常清晰：HBM 伺候计算核心，DRAM 扛系统内存，NAND 做持久化。2026 年，Agentic AI 的 KV Cache 把这条界线搅得七零八落——上下文越来越长，显存越来越装不下，HBM-DRAM-NAND 三层正在被重新定义。

Agentic AI 的 KV Cache 问题​

传统聊天机器人的一次请求，上下文不过几千 token；而 Agent 的工作方式是在一个会话里连续执行几十步任务——浏览网页、读写文件、调用工具、自我反思——每一步都要携带完整的对话历史。上下文从 8K 涨到 100 万 token（NVIDIA RTX Spark 已支持最长 100 万 token 上下文），KV Cache 的体积也随之线性膨胀。

问题在于 KV Cache 必须常驻显存才能避免重复计算。以 Rubin R200 为例，它配备 288GB HBM4、带宽 22TB/s，看似充裕，但在多路并发服务时，模型权重占掉一块，剩余空间很快就会被活跃会话的 KV Cache 吃满。上一代 Blackwell Ultra（B300）之所以把显存从 192GB 提到 288GB HBM3e，官方场景里明确有一条就是"长上下文 KV Cache 288GB 完整保留"——显存的增长节奏，正在被 KV Cache 而不是模型参数牵着走。

当单卡显存装不下时，业界给出的答案是：别把 KV Cache 困在 HBM 里，让它沿着存储金字塔往下走。

三层金字塔：角色被重新定义​

Vera Rubin 平台是这场重构的最佳样本。它的"七芯片堆栈"包含 Vera CPU、Rubin GPU、NVLink 6 交换机、ConnectX-9 SuperNIC、BlueField-4 DPU、Spectrum-6 以太网交换机和 Groq 3 LPX，其中内存系统呈现清晰的三层结构：

层级	介质	代表硬件	容量/带宽	新角色
热数据层	HBM4	Rubin R200（8 堆栈）	288GB / 22TB/s	活跃 KV Cache、模型权重
温热数据层	LPDDR5X	Vera CPU	1.5TB / 1.2TB/s	KV 缓存卸载、与 HBM 构成单一一致性内存池
冷数据层	NAND（SSD）	BlueField-4 驱动的推理上下文内存存储平台	PB 级	会话持久化与跨请求复用，token 吞吐最高提升 5 倍

关键变化有三点。其一，LPDDR5X 与 HBM4 之间建立了单一一致性内存池——Vera Rubin NVL72 机柜内，72 颗 GPU 共享 20.7TB HBM4，36 颗 Vera CPU 提供 54TB LPDDR5X，KV Cache 可以在不损失一致性语义的前提下在两层间流动。其二，BlueField-4 不再只是安全卸载卡，而是被定位为"推理上下文内存存储平台"，把结束回合的会话上下文写入 NAND，下次请求命中时直接回灌，省去重新 prefill 的算力开销。其三，NAND 从"存储盘"升级为"上下文内存"，这是金字塔底层几十年来第一次获得计算语义。

HBF、PIM、M900：案例对比表​

围绕这条三层链路，整个存储产业在 2026 年密集出招：

方案	厂商	技术要点	目标场景
HBF（高带宽闪存）	SK海力士（AI Infra Summit 2026 "New Spectrum" 组合）	给 NAND 加上类 HBM 的超宽接口	KV Cache 冷层，带宽接近 DRAM 量级
PIM 存内计算	SK海力士	在 DRAM 附近完成部分计算，减少搬运	KV Cache 原地更新
eSSD + SALT-KV	SK海力士	面向 KV Cache 语义优化的键值存储栈	推理上下文持久化
OceanStor M900	华为	上下文内存存储集群，灵衢总线一跳直连 PB 级 KV Cache，SSD 读写寿命延长 16 倍	昇腾超节点的 KV 基建
NVHBM 定制内存	AWS Annapurna × NVIDIA	面向 AI 负载的定制 HBM 方案	云厂商定制化
超密度服务器内存模组	美光（2026-09-15）	单模组容量再上一档	DRAM 温热层扩容

SK海力士还专门设立了 SK hynix Ventures（9 月 18 日落地硅谷），用投资孵化初创公司的方式押注"内存即基础设施"这条新赛道。值得注意的是华为 OceanStor M900：它与昇腾 960 超节点同期发布，通过灵衢总线一跳直连，把 PB 级 KV Cache 集群变成超节点的"外挂记忆体"，并通过磨损均衡等手段把 SSD 读写寿命延长 16 倍——上下文存储的写放大问题，第一次被当成显性的工程指标来攻克。

协同设计取代采购​

这轮重构背后，是产业关系的转向：存储不再是"按目录价采购的标准件"，而是与加速器协同设计的定制组件。NVIDIA 联合 AWS Annapurna 做 NVHBM，华为为昇腾自研 HBM 并配套 OceanStor M900，SK海力士直接下场定义 KV 存储软件栈。美光甚至在 9 月的口径中预测 NAND 与 DRAM 短缺将持续到 2028 年——在供不应求的市场里，谁能锁定定制内存供给，谁就握住了推理产能。

对芯片厂商而言，算力竞争的上半场比的是 FLOPS，下半场比的将是"每 token 需要搬运多少字节"。带宽金字塔的每一层接口，都成了架构设计的一等公民。

对推理 TCO 的影响​

这套三层结构对成本模型的影响是直接的。第一，KV Cache 卸载到 DRAM 和 NAND 后，同样规模的 HBM 可以服务更多并发会话，单 token 的 HBM 摊销成本下降。第二，BlueField-4 上下文存储平台宣称 token 吞吐最高提升 5 倍，本质上是把重复 prefill 的 GPU 算力换成了廉价的 NAND 读取——用存储的"宽"换算力的"贵"。第三，内存已占整机 TCO 约 40%（HBM 涨价后的行业口径），存储分层做得越细，整体成本曲线越平缓。

小结​

KV Cache 正在把存储金字塔从"容量阶梯"改造成"温度阶梯"：HBM 保活跃、DRAM 承接温热会话、NAND 做上下文持久化，三层之间以一致性内存池和专用存储平台（BlueField-4、OceanStor M900）贯通。SK海力士的 HBF/PIM/SALT-KV 与美光的超密度模组说明，存储大厂已经从跟随 AI 转向定义 AI 基础设施。下一阶段推理成本的胜负手，不在 GPU 的 FLOPS 表格上，而在三层存储之间的数据搬运路线上。