24 篇博文 含有标签「HBM4」

2026 年 10 月，AMD 数据中心战略进入兑现期：MI455X 作为首款采用台积电 N2 制程的 AI GPU，正从发布走向量产。本文基于站内芯片卡数据，从制程、架构、显存、互联到量产供应链，全面拆解这款对标 NVIDIA Rubin 的旗舰产品。

产品定位：MI400 系列的旗舰担当​

MI455X 是 AMD 在 2026 年 7 月 23 日 Advancing AI 2026 大会正式确认的 Instinct MI400 系列旗舰，也是 Helios 机架的核心算力来源。它专为大规模 AI 训练与分布式推理而生，覆盖万亿参数大模型训练、低延迟高吞吐推理、强化学习与代理式 AI 等场景。相比上一代 MI355X，MI455X 的 FP4 峰值算力提升最高 4 倍，token 吞吐最高提升 18 倍，单位 token 成本最高可降 34 倍——这些数字背后，是 CDNA 5 架构对低精度计算时代的系统性重构。

从产品分层看，MI400 系列目前形成了清晰的矩阵：MI455X 面向前沿训练与推理（Helios 机架专用），MI430X 面向 HPC 与主权 AI（硬件 FP64 双精度），MI440X 面向企业级 8-GPU 服务器。MI455X 站在金字塔尖，承担着 AMD 与 NVIDIA Rubin 系列正面对抗的任务。

制程拆解：N2 计算芯粒 + N3P Fabric 的混合封装​

MI455X 最引人注目的标签，是"首款 TSMC N2 制程 AI GPU"。在 NVIDIA Rubin 仍停留在 3nm 节点的同期，AMD 选择在计算芯粒上抢跑 2nm，这是一步高风险高回报的棋。

从封装架构看，MI455X 采用多芯片模块（MCM）设计：

芯粒组件	制程	功能
8 个计算芯粒（XCD）	TSMC N2（2nm），3D 混合键合	承担矩阵与向量计算
2 个 I/O die（IOD）	TSMC N3P	I/O 与互联控制
2 个缓存/Fabric die（FCD）	TSMC N3P	缓存与 fabric 交换
12 颗 HBM4 堆栈	—	显存子系统

整颗 GPU 晶体管数量达到 3200 亿，采用 CoWoS-L 封装将所有芯粒与 HBM4 堆栈整合。把计算芯粒放在最先进的 N2 节点、把 I/O 与 fabric 放在成熟度更高的 N3P，是一种务实的成本-性能平衡：计算部分享受 2nm 的晶体管密度与能效红利，而互联与缓存部分避开 2nm 初期的良率与成本压力。

N2 抢跑的意义与良率风险​

抢跑 N2 的意义在于三个层面。第一，能效：2nm 芯片在同等功耗下提供更高算力密度，这对 TDP 高达 1200-1500W 级别、必须全液冷的 AI GPU 而言，直接决定机架功率预算。第二，先发卡位：台积电 N2 产能在 2026 年仍然紧张，AMD 与 EPYC Venice 共享 N2 产线，形成了对先进节点的规模化采购议价权。第三，叙事优势：在全球 AI 芯片竞赛中，"首款 2nm AI GPU"的头衔本身就是营销资产。

但风险同样真实。N2 初期的良率爬坡不确定性，会直接影响 3200 亿晶体管大芯片的良率成本；CoWoS-L 先进封装产能是另一个行业级瓶颈。AMD 的对冲方式正是多芯粒设计——单个 XCD 面积远小于单片巨芯，良率损失可控，这也是行业走向 chiplet 化的深层原因。

显存系统：432GB HBM4 与 23.3TB/s​

显存是 MI455X 相对 NVIDIA 最硬的数字优势。它配备 12 颗 HBM4 堆栈，每颗 36GB，总容量 432GB，是 NVIDIA Rubin R200（288GB）的 1.5 倍；显存带宽达 23.3TB/s，高于 Rubin 的 22TB/s。

对推理业务而言，大显存的意义是直接的成本优势：更大的模型可以完整驻留在单卡显存中，减少张量并行带来的通信开销。432GB 意味着 700B 级模型配合 FP4 量化可以在机架级完整加载，这也是 AMD 宣称"单机柜可运行 700B 模型"的底气。同时，HBM4 带宽从 MI355X 的约 8TB/s 跃升至 23.3TB/s，接近 3 倍，极大缓解了 LLM 推理中最常见的带宽瓶颈——在自回归解码阶段，每生成一个 token 都需要完整读出模型权重，带宽几乎线性决定推理速度。

CDNA 5 架构哲学：Wave32 与计算子系统的重构​

CDNA 5 架构最值得玩味的细节，是从上代 Wave64 转向 Wave32 原生执行。Wave 是 GPU 调度执行的基本单位，Wave64 意味着 64 个工作项打包在一个 warp 中调度。转向 Wave32 后，每条指令的调度粒度减半，寄存器分配更灵活，分支发散的代价更低，对不规则计算负载（如稀疏注意力、MoE 专家路由）更友好。这与推理时代工作负载日益动态化、稀疏化的趋势深度契合——当 AI 模型从稠密训练走向 MoE 与长上下文推理，执行单元的灵活性比峰值 FLOPS 更能决定实际性能。

配套的计算子系统升级同样系统化：

• 超越函数引擎：将 exp、log 等非线性运算硬件化。softmax、RMSNorm、激活函数是大模型每个 transformer 层的必经之路，硬件化后这些操作不再占用通用计算资源，对推理延迟的改善立竿见影。
• Tensor Data Mover：专门的数据搬运引擎，负责张量在显存、缓存与计算单元之间的流转，让计算单元专注于计算本身，减少等待数据的时间。
• 192MB L2 缓存：是上代 MI355X 32MB 的 6 倍。更大的片上缓存意味着 KV Cache 与激活值可以更多驻留片上，降低对 HBM4 带宽的实际压力。

精度矩阵：MXFP4 时代的算力语言​

CDNA 5 支持 FP4、FP6、FP8 与 BF16 全精度矩阵计算。MI455X 的官方标准是 dense（密集）算力：MXFP4 40.26 PFLOPS、MXFP8 20.1 PFLOPS、FP16 矩阵 5 PFLOPS（结构化稀疏 10.1 PFLOPS）、FP32 向量 315 TFLOPS、INT8 矩阵 5 POPS。

这里有一个需要消费者警惕的口径问题：AMD 坚持 dense 口径，而 NVIDIA Rubin 同期产品以 sparse（稀疏）口径宣传。两边的数字不能直接比较。这也是 AI 算力市场长期存在的"数字游戏"——只有统一到 dense 口径，MI455X 与 Rubin 的对比才有意义。

与 NVIDIA Rubin R200 的正面对比​

把两款同代旗舰放在一张表里，格局会清晰很多：

对比项	MI455X（CDNA 5）	NVIDIA Rubin R200
计算芯粒制程	TSMC N2（2nm）	TSMC 3nm
晶体管数量	3200 亿	3360 亿
显存容量	432GB HBM4	288GB HBM4
显存带宽	23.3TB/s	22TB/s
FP4 算力	40.26 PFLOPS（dense）	50 PFLOPS（sparse，折算约 25 PF dense）
配套 CPU	EPYC Venice（Zen 6，256 核）	Vera ARM（88 核）
机架互联	UALink 开放标准	NVLink 封闭生态
软件生态	ROCm 7/8	CUDA 13
TDP	未公开（直接液冷）	未公开

AMD 的优势集中在显存容量、dense 口径下的 FP4 算力、开放互联与制程代际；NVIDIA 的护城河仍在软件生态成熟度与网络产品线。这款产品的胜负手不在纸面参数，而在 ROCm 生态能否承接住大规模迁移、以及量产爬坡速度。

量产进展与 HBM4 供应链​

根据 2026 年 10 月的量产进展信息，Helios 机架已于 2026 年 7 月开始量产，首批系统在 Q3 末出货，Q4 进入放量阶段。这一节奏兑现了 AMD 在 CES 2026 与 Advancing AI 2026 上的承诺，也让 OpenAI、微软、Oracle 等客户的部署时间表有了落地的物理基础。

供应链层面，三星是 AMD 的首选 HBM4 供应商：双方于 2026 年 3 月签署 MOU，三星 HBM4 已于 2026 年 2 月实现量产。CEO 苏姿丰在 10 月初亲赴首尔，追加 HBM4 供给谈判——这个时间点恰好卡在 Helios Q4 放量之前，显存供应成为交付节奏的关键变量。据报道，三星 HBM4 产能已售罄至 2029 年，三星目标在 2027 年将产能翻倍。在 HBM4 全面紧缺的 2026 年，谁能锁定更多显存堆栈，谁就能在 AI GPU 市场多抢下一个季度的份额。

小结​

MI455X 是 AMD 历史上第一次在制程节点（N2）、显存规格（432GB HBM4）、算力口径（dense 40 PFLOPS 级 FP4）三个维度同时与 NVIDIA 平起平坐甚至局部反超的产品。N2 抢跑与 Wave32 原生执行体现了 CDNA 5 面向推理时代的架构哲学，而量产爬坡与 HBM4 供应链则决定了这手好牌能打出多少实际价值。对采购方与开发者而言，2026 年 Q4 放量节点之后的真实交付数据与 ROCm 生态成熟度，才是验证 AMD 数据中心雄心的最终标尺。

在HBM三强中，美光长期是"最不可忽视的第三名"——体量最小，但增长姿态最凶。当韩系双雄比拼产能规模时，美光选择了一条更聪明的路径：不比总量，比爬坡速度、产品世代切换与长约锁定的能力。

产能翻倍：10 万片的年底目标​

据2026年9月多家媒体报道的行业消息，美光计划到2026年底将HBM月产能提升至约10万片晶圆，较2025年每月约4万至5万片的水平接近翻倍，新增设备正在其台湾铜锣与新加坡Woodlands封装基地安装，广岛厂的配套投资也在筹备之中。需要说明的是，这一具体数字目前来自供应链口径，美光官方尚未正式确认。

即便翻倍落地，美光与三星、SK海力士的差距依然明显——两家韩企的HBM月产能据行业估算均在15万至20万片之间，是美光当前规模的3到4倍。但市场份额的差距远小于产能差距：据Counterpoint Research估算，2026年第二季度全球HBM份额为SK海力士50%、三星32%、美光18%。产能翻倍的意义不在于追平，而在于把差距压缩至此前的约一半，从而在供货资格与长约谈判中获得更重的筹码。

美光HBM关键指标	现状与目标
2025年HBM月产能	约4万至5万片
2026年底目标	约10万片
HBM4产出占比	从年初20%至30%升至年底最高50%
HBM4累计收入	已突破10亿美元（2026年6月口径）
2026年Q2市场份额	18%（Counterpoint估算）
2027年产能	大部分已被客户长约锁定

HBM4：绑定 Vera Rubin 的产品卡位​

美光的豪赌核心是12层HBM4。该产品于2026年第一季度量产，其中36GB 12层版本专为英伟达Vera Rubin平台设计，官方公布的带宽超过2.8TB/s，能效较上一代HBM3E提升逾20%。CEO Sanjay Mehrotra在2026年6月的财报电话会上表示，HBM4的产能爬坡速度约为12层HBM3E的两倍，累计HBM4出货收入已突破10亿美元。

更关键的财务背景是：美光最新一个财季（截至2026年5月28日）营收达414.6亿美元，而上年同期仅93亿美元——存储超级周期带来的现金流，正是这场产能豪赌的弹药库。公司同时确认，2026年全年HBM产能已售罄，2027年产能的相当部分已通过长期协议锁定，且价格显著高于2026年水平。

产地布局：日、台、新的三角​

与韩企集中本土不同，美光的HBM版图横跨三地：前端DRAM晶圆依托日本广岛（1-gamma节点为HBM4E做准备）、TSV与堆叠封装分布在台湾铜锣和新加坡，印第安纳州的美国本土存储基地则瞄准更远期的AI存储需求。这种产地多元化在出口管制时代具有独特的地缘价值，也是美光向美国大客户销售的隐性加分项。

研判：不对称竞争的天花板与地板​

美光的处境是典型的"不对称竞争"：天花板由韩企的产能规模决定，地板则由长约与Vera Rubin绑定保住。展望2027年，HBM4E将开启定制化HBM时代，这对美光反而有利——定制化意味着客户关系与设计响应速度的权重上升，纯粹产能规模的权重下降。只要存储紧缺延续到2027年乃至2028年（多家机构如此预测），美光就有机会把18%的份额向20%以上推进。豪赌成色的最终裁判，是英伟达Rubin世代的实际出货节奏。

2026 年 3 月 17 日的 GTC 大会上，NVIDIA 正式发布了 Rubin R200——这颗基于 3nm 制程、集成 3360 亿晶体管的 AI GPU，用 2.75 倍显存带宽和 5 倍 FP4 推理算力，完成了对 Blackwell 的一次教科书式代际跨越。本文依据站内芯片数据库数据，结合 MLPerf Inference v6.1 实测结果，拆解这颗芯片的技术细节与系统级打法。

核心规格总览​

据站内芯片数据库，Rubin R200 的完整规格如下：

规格	参数
GPU 架构	Rubin 架构（MCM 多芯片模块设计）
制程工艺	台积电 3nm N3P（计算 die）+ N5B（I/O die）
晶体管数量	3360 亿
SM 数量	224 个
FP4 推理算力	50 PFLOPS（sparse）
FP4 训练算力	35 PFLOPS（sparse）
FP8/FP6 算力	17.5 PFLOPS（sparse）
显存容量	288 GB HBM4
显存带宽	22 TB/s
互联技术	NVLink 6（单向 3.6 TB/s）
TDP	1800-2300W（必须液冷）
量产时间	2026 年 6 月（全面量产）
定价	单 NVL72 机柜 350-400 万美元

单看数字，Rubin R200 的 TDP 达到 1800-2300W，是 B200（1000W）的近两倍——功耗墙的持续抬升，正是当代 AI 芯片竞争的缩影：算力提升越来越依赖"堆晶体管 + 堆显存 + 堆带宽"的三重奏。

MCM 设计：2+2+8 的多芯片方程式​

Rubin R200 没有走"单颗巨 die"的路线，而是采用多芯片模块（MCM）设计，核心包含三部分：

• 2 颗计算 die：GPU 核心本体，采用台积电 3nm N3P 工艺；
• 2 颗 I/O die：负责 HBM 控制器与 NVLink 物理层，采用成本更低的 N5B 工艺；
• 8 颗 HBM4 显存堆栈：提供 288GB 总容量。

这种"计算与 I/O 分离"的设计是 HBM4 时代的必然选择。HBM4 的接口宽度翻倍到每堆栈 2048bit，如果继续让 3nm 计算 die 直接挂载 HBM 控制器，die 面积将被大量 I/O 逻辑占据，成本失控。把 HBM 控制器和 NVLink PHY 下放到 N5B 工艺的 I/O die，既保护了最昂贵的 3nm 面积，又让存储互联部分可以独立迭代——这也是 AMD 在 MI400 系列上殊途同归的工程共识。

第三代 Transformer Engine​

Rubin 架构的第三代 Transformer Engine 支持硬件级自适应精度压缩，不需要重写模型代码即可在 FP4/FP6/FP8/FP16/BF16/TF32/FP32/FP64 之间动态切换。对用户而言，这意味着 FP4 量化不再是"敢不敢用"的权衡，而是训练与推理管线的默认状态。

HBM4：接口翻倍如何换来 2.8 倍带宽​

显存是这代产品最戏剧性的升级点。据站内芯片数据库的对比数据：

对比项	Blackwell B200	Rubin R200	提升比例
晶体管数	2080 亿	3360 亿	1.6 倍
显存容量	192GB HBM3e	288GB HBM4	1.5 倍
显存带宽	8 TB/s	22 TB/s	2.75 倍
NVLink 带宽	1.8 TB/s	3.6 TB/s	2 倍
FP4 推理算力	~10 PFLOPS	50 PFLOPS	5 倍
TDP	1000W	1800-2300W	1.8-2.3 倍

HBM4 将单堆栈接口从 HBM3e 的 1024bit 翻倍到 2048bit，引脚速率提升至 10.8 GT/pin 左右。两个因素相乘，让单堆栈带宽突破 2.7 TB/s 量级——8 个堆栈聚合后达到 22 TB/s，相比 B200 的 8 TB/s 实现 2.75 倍提升。相比 B300 Ultra（288GB HBM3e、8 TB/s 带宽），容量持平但带宽提升 2.75 倍；而对比 B200 的 FP4 算力是 5 倍，对比 FP4 sparse 口径的 B300 Ultra 则约 3.3 倍。

值得注意的是 HBM4 的供货格局：三星、SK 海力士、美光三家多源供货，其中 SK 海力士 12 层 HBM4（36GB/堆栈、2.8 TB/s/堆栈、11 Gbps）已于 2026 年 7 月启动量产出货。多源策略显著降低了 NVIDIA 在 HBM4 时代的供应链风险。

NVLink 6 与 Vera Rubin NVL72​

单 GPU 的 NVLink 6 互联带宽达到 3.6 TB/s（双向），是上一代 1.8 TB/s 的整整两倍。在一个 NVL72 机柜内，72 颗 Rubin R200 与 36 颗 Vera CPU 全互联，机柜总 NVLink 带宽达 260 TB/s。

Vera Rubin NVL72 的机柜级规格（据站内芯片数据库）：

• 总算力：FP4 约 3.6 EFLOPS
• 总显存：20.7 TB HBM4
• 总带宽：1.58 PB/s
• TDP：约 180kW（必须全液冷）
• 定价：350-400 万美元

规划中的 Vera Rubin NVL144 将把 144 颗 Rubin R200 装进一个互联域，FP4 总算力约 7.2 EFLOPS，NVIDIA 宣称大模型推理成本可降至 Blackwell 平台的 1/10。

MLPerf 实测：99% 扩展效率意味着什么​

2026 年 9 月 16 日，Rubin R200 在 MLPerf Inference v6.1 上完成首秀：

测试项	对比基准（GB300 NVL72）	提升
Qwen3-VL 吞吐	同配置	最高 3.7 倍
DeepSeek-R1 吞吐	同配置	最高 2.5 倍
288 卡扩展效率	—	99%

99% 的 288 卡扩展效率是比峰值算力更有说服力的指标——它意味着 NVLink 6 与系统软件栈在跨机柜扩展时几乎没有"漏水"，集群规模翻倍时吞吐也近乎线性翻倍。对于按 token 计价的推理业务，NVIDIA 宣称 Rubin 平台的推理 token 成本最高可降 10 倍。

量产节奏与客户版图​

• CES 2026：NVIDIA 宣布 Vera Rubin NVL72 进入全面投产，H2 2026 出货；
• 首批客户：AWS 与微软率先确认；站内芯片数据库同时记录 CoreWeave、Google Cloud、Microsoft Azure、Oracle Cloud 的 NVL72 机柜已交付并扩大部署；
• OpenAI 合作：NVIDIA 计划与 OpenAI 合建的首个 1GW 数据中心将于 2026 H2 通过 Rubin 平台交付；
• 自建机房用户：2027 年第一季度可采购。

"七芯片堆栈"：R200 只是一部分​

理解 Rubin R200，不能只看这颗 GPU。Vera Rubin 平台的完整组成是七颗芯片：Vera CPU + Rubin GPU + NVLink 6 交换机 + ConnectX-9 SuperNIC + BlueField-4 DPU + Spectrum-6 以太网交换机 + Groq 3 LPX（专为智能体解码阶段设计的低延迟推理加速器）。

这套组合拳的逻辑很清晰：训练吃算力，推理吃带宽与延迟，而不同环节由不同架构的芯片承担，整体效率最高。GPU 负责训练与 prefill，Groq 3 LPX 负责智能体 decode 阶段的低延迟输出，网络芯片保证 72 乃至 576 卡像一个 GPU 一样工作。竞争对手要在单点芯片上追平 R200 的规格或许可行，但要复制整套系统，难度完全不在一个量级。

小结​

Rubin R200 是一次典型的"系统级代际跨越"：3360 亿晶体管和 50 PFLOPS FP4 是显性的规格领先，而 MCM 封装、HBM4 多源供货、NVLink 6 的 99% 扩展效率，以及七芯片堆栈的完整生态，才是 350-400 万美元机柜定价背后的真正护城河。H2 2026 大规模出货后，AI 算力市场的竞争焦点将进一步从"单芯片跑分"转向"每 token 成本"——这正是 Rubin 平台设计之初就瞄准的战场。

在AI存储这条赛道上，落后一年半的代价是什么？三星用亲身经历给出答案：丢失整个Blackwell世代的主供资格，市值与声誉双重承压，高管公开道歉。但反转来得也快——凭借率先出货HBM4，三星在2026年完成了一场教科书级的追赶。

失位：一个认证延误引发的连锁反应​

故事的开端是2024年的HBM3E认证折戟。由于良率与可靠性问题迟迟无法通过英伟达验证，三星错过了H100、H200乃至Blackwell系列最肥美的出货窗口，HBM市场份额在2025年第二季度一度跌至17%的低点（据行业研究机构估算）。期间公司更换了芯片业务负责人，管理层罕见地为AI存储业务的延误公开致歉。

这段时间里，三星只能转向AMD等对认证要求相对宽松的客户出货HBM3E，同时在后台持续打磨工艺。对一家DRAM市占率全球第一的公司而言，这种"二线身份"的刺痛感可想而知——HBM是AI加速器物料清单中占比接近一半的成本项，缺席一个产品世代意味着数百亿美元级别的收入让渡。

时间节点	三星HBM关键事件
2024年5月	芯片业务负责人更换，HBM3E认证持续受阻
2024年10月	管理层就AI存储延误公开道歉
2025年9月	12层HBM3E通过英伟达认证，成为第三家合格供应商
2025年10月	与OpenAI签署星门计划战略存储合作意向
2026年2月	业界率先批量出货HBM4，引脚速率达11.7Gbps
2026年第二季度	HBM收入份额回升至33%（Counterpoint估算）

反扑：1c DRAM 加自研基底的技术豪赌​

三星的反扑建立在两步棋上。第一步是HBM3E的补票：2025年9月，其12层HBM3E历时约18个月终于通过英伟达测试，瞄准B300等加速器，第三季度开始出货。第二步才是真正的翻盘手——HBM4。三星采用第六代1c DRAM搭配自家4纳米逻辑基底die，成为三巨头中唯一能自产先进逻辑基底的厂商（SK海力士的基底需台积电代工），在集成度与成本结构上握有独特筹码。据报道，其HBM4在英伟达认证中以11.7Gbps的引脚速率超过10Gbps的要求，且无需重新设计即通过双档位认证。

产能层面同样激进：三星计划2026年底前将1c DRAM月产能提升至约15万片，并将全年HBM总产量提升至2025年的三倍以上，其中过半为HBM4。据行业报道，其HBM4良率已从约60%爬升至接近80%。市占率数据印证了反扑成效：Counterpoint估算显示，2026年第一季度三星份额21%，第二季度已升至33%，同期SK海力士为50%，美光18%。

下一步：Rubin 配额与星门赌注​

不过追赶战远未结束。据多家机构预测，在英伟达Vera Rubin平台的HBM4配额中，SK海力士预计拿下约七成，三星初始份额在两成到两成半之间——技术上限仍是约束，产能已不是瓶颈。三星更大的赌注押在生态位上：2025年10月与OpenAI签署星门计划战略存储合作意向，OpenAI的存储需求据估计最高可达每月90万片DRAM晶圆，接近全球DRAM产能的四成。

研判：追赶的终点是"跟随定价权"​

三星这场追赶战的最大启示在于：HBM竞争的本质不是产能竞赛，而是认证与良率的信任竞赛。三星已经证明自己能重新登上牌桌，但要从"跟随者"变成"定价者"，还需在11Gbps档位的良率上追平SK海力士，并在HBM4E定制化世代拿到属于自己的旗舰客户。未来两年，HBM市场大概率维持SK海力士领先、三星紧咬、美光卡位的寡头格局——而对整个AI产业来说，三强咬得越紧，加速器厂商的议价空间就越大。

财报季密集报喜：台积电 Q3 营收约 NT$1.49 万亿创历史新高，三星 Q3 营业利润同比大增近 8 倍，12 层 HBM4E 已通过 NVIDIA 质量验证——AI 算力的利润池正在向存储环节大规模迁移。

财报季：台积电、三星双双创纪录​

据路透与 DIGITIMES 10 月 8 日至 9 日的报道，财报季传来一连串超预期数据：

• 台积电：Q3 营收约 NT$1.49 万亿，创历史纪录并超出市场预期，AI 需求为主要驱动力；其中 9 月单月营收约 NT$5118.6 亿，同比增长 54.6%；
• 三星电子：Q3 营业利润预计超 100 万亿韩元，同比大增近 8 倍，HBM 与 AI 存储需求爆发是核心推手。

公司	关键数据
台积电	Q3 营收约 NT$1.49 万亿，创纪录并超市场预期；9 月单月约 NT$5118.6 亿，同比 +54.6%
三星电子	Q3 营业利润预计超 100 万亿韩元，同比大增近 8 倍，HBM 与 AI 存储需求爆发

代工与存储同步创新高，说明这一轮景气并非单一环节的结构性紧张，而是 AI 算力全链条的需求爆发。

三星：HBM4E 通过验证，下一代路线图发布​

三星在产品层面有两个关键动作：

• 下一代 12 层 HBM4E 已通过 NVIDIA 及主要超大规模客户的质量验证，为后续放量铺平道路；
• 发布下一代 AI 存储路线图，包括 zHBM 与 400 层以上 V10 NAND 技术。

HBM4E 通过 NVIDIA 认证，意味着三星在 HBM4 世代的竞争中拿到了进入下一轮的门票。在 AI 存储这个增长最快的细分市场，三星与 SK 海力士的正面交锋还将继续，而 zHBM 与 400 层以上 V10 NAND 的路线图，则表明存储厂商的技术竞赛已经延伸到两个世代之后。

封装与设备：产能稀缺的另一面​

存储之外，产业链上下游同样动作密集：

• GlobalFoundries 与台积电签署多年期 20 亿美元协议，将在其美国 Malta 工厂为台积电 CoWoS 生态生产硅 interposer——两大代工对手互供，属于罕见安排；
• Applied Materials 与 Intel 扩大合作，聚焦下一代互连扩展与 Foveros 3D 技术；
• ASML 与 ZEISS 表示，下一代光刻技术（High-NA 之后）可能还需十年才会到来。

GF 为台积电生产 interposer 尤其值得玩味：在先进封装产能全面紧张的当下，封装环节的稀缺程度已经超过代工环节的竞争——连对手之间也要互相借产能，这正是 CoWoS 类先进封装供不应求的最直观注脚。

内存挤压传导至 AI PC​

DIGITIMES 分析指出，AI PC 正面临内存挤压：在内存厂商的优先级中，服务器 DRAM 需求被放在首位，AI PC 依赖的 LPDDR5X 供给承压。刚刚开启预订、最高配备 128GB 统一内存的 Surface Laptop Ultra，正是这一矛盾的直接体现——AI PC 想要的内存容量越大，与服务器需求的冲突就越尖锐。

美光此前已预测，NAND 与 DRAM 短缺将持续至 2028 年。存储缺货不是短期波动，而是一个跨越数年的结构性周期。

分析：利润池正在迁移​

第一，利润从加速器向存储迁移。"没有分配到 HBM 的 AI GPU 是库存而不是算力"——这句话正在成为行业共识。GPU 再强，没有 HBM 就出不了货，存储环节因此获得了整个 AI 供应链中最强的话语权之一。三星营业利润暴增近 8 倍，就是利润池迁移最直接的证据。

**第二，HBM 定价权回归。**SK 海力士、三星、美光正迎来十年来最强的定价地位。HBM 与 AI 存储的溢价正在重塑存储厂商的盈利结构，也推高了所有 AI 芯片的成本曲线。

**第三，封装产能比代工竞争更稀缺。**GF 与台积电的互供协议说明，当先进封装产能不足时，代工竞争可以让位于产能协作。对芯片厂商而言，封装与 HBM 配额正在成为出货的前提条件。

**第四，对采购方的影响。**HBM 配额、DRAM 供给优先级都在向服务器和 AI 基础设施倾斜，终端设备的内存配置与成本将长期承压。这也与此前的国产芯片涨价潮相互呼应——存储成本上涨正在沿着供应链向所有 AI 算力产品传导。

小结​

台积电 Q3 营收约 NT$1.49 万亿、三星营业利润大增近 8 倍、12 层 HBM4E 通过 NVIDIA 认证、GF 为台积电代工 interposer——这一轮财报季确认了一个事实：内存超级周期已全面爆发，AI 算力的利润池正在加速向存储与封装环节迁移。对芯片厂商而言，HBM 配额就是出货许可证；对采购方而言，锁定存储供给正在成为与锁定 GPU 同等重要的战略动作。

当芯片厂商开始"造内存"、云厂商开始"造芯片"，AI基础设施的分工边界正在瓦解——存储不再是采购来的标准件，而是与加速器协同设计的战略资产。

NVHBM：AWS与NVIDIA的定制内存联姻​

AI Infra Summit 2026（9月17日）上爆出的消息显示：亚马逊旗下Annapurna Labs正与NVIDIA合作开发NVHBM定制高带宽内存技术。

这个组合本身就足以说明问题。Annapurna Labs是AWS自研芯片体系的核心（Graviton CPU、Trainium/Inferentia加速器都出自该团队），而NVIDIA则是AI加速器绝对主导者。两家联手开发定制HBM，意味着最强势的云厂商与最强势的芯片厂商决定共同绕开标准内存路线，为AI负载打造私有化的内存方案。

存储协同设计：行业范式转移​

NVHBM并非孤立事件。AI Infra Summit 2026前后，存储行业的密集动作勾勒出一幅"存储深度嵌入AI"的图景：

厂商	时间	动作	关键内容
亚马逊+NVIDIA	9月17日报道	合作开发NVHBM	定制高带宽内存
SK海力士	9月17日	发布"New Spectrum"组合	HBF高带宽闪存、PIM存内计算、eSSD、SALT-KV
SK海力士	9月18日	成立SK hynix Ventures（硅谷）	拓展全球AI生态投资
美光	9月15日	超密度服务器内存模组	全球首款

2026年9月21日的半导体周报对这一趋势给出了精辟概括："Memory is being co-designed with AI accelerators rather than treated as a commodity"——内存正在与AI加速器协同设计，而不再被视为大宗商品。

这句话宣告了一个时代的结束：过去几十年，内存是标准化的商品，JEDEC规范统一接口，谁家买都一样。而在AI时代，内存的带宽、容量、拓扑直接决定集群效率，"标准件"思维已经跟不上需求。

为什么绕过JEDEC走定制路线​

超大规模厂商选择定制HBM，动机有三：

• 性能天花板：标准HBM的规格迭代节奏由JEDEC委员会决定，而AI负载的内存需求以年为单位翻倍。定制方案可以围绕特定加速器优化堆栈数、接口带宽和容量配比，榨取最大能效。
• 供应安全：HBM产能持续紧张，已成为整个AI芯片产业的瓶颈。定制协议绑定的不只是技术规格，更是产能分配——把内存供应商变成深度盟友。
• 成本控制：HBM占AI加速器物料成本的重要比重。云厂商自建芯片团队后，有动力也有能力参与内存定义，消除中间层的规格冗余。

HBM短缺：国产芯片涨价潮的根源​

定制HBM军备赛的另一面，是HBM产能的普遍短缺。近期的国产芯片涨价潮，其根源正是HBM供应不足——当NVIDIA、AMD以及各云厂商自研芯片都在争夺有限的HBM产能时，位于优先级末端的采购方（包括部分国产AI芯片厂商）面临的是"有芯片设计、没有内存可用"的窘境，成本随之水涨船高。

这解释了为什么HBM产能与成本已成为芯片厂商的核心竞争维度：谁能锁定HBM供应，谁就能锁定出货量；谁的定制内存方案能效更高，谁的产品就更具竞争力。存储厂商的地位因此空前提升——SK海力士在发布"New Spectrum"后次日即于硅谷设立SK hynix Ventures投资AI生态，正是从供应商向生态节点跃迁的标志性动作。

对下一代平台意味着什么​

NVHBM若落地，影响将体现在两个层面：

• NVIDIA Vera Rubin及后续代际：定制内存与加速器协同设计，意味着未来Rubin后续产品的内存子系统可能针对AWS负载定制，云厂商对芯片平台的参与度从"采购方"升级为"共同定义方"。
• 机架级内存竞赛：AMD已展示31TB HBM4机架方案，机架级内存容量的军备竞赛已经开打。当内存容量从单卡432GB演进到机架数十TB，内存架构的设计自由度（定制HBM vs 标准HBM4）将直接决定产品竞争力。

小结​

AWS联手NVIDIA开发NVHBM，标志着存储正式从"采购关系"进入"协同设计"时代：SK海力士以HBF/PIM/eSSD/SALT-KV重构存储产品线并设立风投部门，美光推出超密度内存模组，超大规模厂商开始绕过JEDEC定制内存。HBM短缺引发的国产芯片涨价潮则揭示了新秩序的残酷一面——内存即产能，产能即话语权。当"造内存"成为芯片巨头的必修课，AI基础设施的竞争维度被彻底改写。

2026年9月17日，SK海力士在AI Infra Summit 2026上发布面向AI基础设施的"New Spectrum"技术组合。当Agentic AI与长上下文推理把存储推向瓶颈中心，存储厂商正从部件供应商转型为AI基础设施平台玩家。

New Spectrum：四大技术方向​

SK海力士此次发布的"New Spectrum"组合覆盖四个方向，每一项都瞄准AI工作负载中最突出的存储瓶颈：

技术方向	全称	核心定位
HBF	High Bandwidth Flash（高带宽闪存）	把闪存带宽提升至内存量级
PIM	Processing In-Memory（存内计算）	在存储侧完成计算，减少数据搬运
eSSD	企业级固态硬盘	AI数据湖与训练数据底座
SALT-KV	—	面向KV Cache的键值存储方案

这四项技术的共同指向非常清晰：AI推理时代的存储不再是"够大就行"，而是要同时满足带宽、容量、成本与数据通路效率的多重约束。

KV Cache经济性：Agentic AI拉动的存储需求​

理解New Spectrum的关键，是理解KV Cache经济性。

大语言模型推理时，每一个token的生成都要读取之前所有上下文的KV Cache。上下文越长，KV Cache越大；Agentic AI的兴起让"长对话、多轮次、多Agent协作"成为常态——一个Agent任务可能持续数十轮调用，每轮都在累积上下文。这意味着：

• KV Cache容量需求爆炸式增长：长上下文模型动辄数十万token的窗口，单请求KV Cache可达数十GB量级；
• 带宽成为隐性成本中心：每生成一个token都要完整读取KV Cache，内存带宽直接决定了单位token成本；
• 层级化存储成为必然：HBM放不下的KV Cache需要更快的次级存储，这正是HBF与SALT-KV的切入点。

同期，华为OceanStor M900已提供PB级KV Cache集群方案，说明"KV Cache基础设施化"已是行业共识。谁能把KV Cache存得更多、读得更快、成本压得更低，谁就掌握了推理经济的新杠杆。

HBF：把闪存带宽提到内存量级​

HBF（High Bandwidth Flash）是New Spectrum中最具想象空间的一项。传统NAND闪存的致命短板是带宽——顺序读尚可，随机读性能与内存相差数个量级，因此长期只能承担"冷数据"角色。

HBF借鉴HBM的设计哲学，通过堆叠与宽接口把闪存带宽提升至接近内存的量级。这带来的可能性是：原本必须驻留HBM的热数据，可以部分下沉到HBF层，在成本几乎不变的情况下大幅扩展"有效内存容量"。对于动辄以TB计的模型权重和KV Cache而言，HBF有望成为HBM与eSSD之间缺失的中间层。

PIM：推理场景的近数据计算​

PIM（存内计算）的定位则是解决另一个痛点：数据搬运。在传统架构中，数据从内存搬运到计算单元的能耗与延迟开销，往往超过计算本身。PIM把计算能力直接嵌入存储介质，让"数据不动、计算过来"。

在推理场景中，PIM尤其适合权重固定的矩阵乘加等访存密集操作，能够在降低功耗的同时提升吞吐。随着每瓦token数成为数据中心的核心KPI，PIM的价值会持续放大。

行业同期动作：存储军备竞赛全面展开​

SK海力士的动作并非孤立。2026年9月中旬，存储与定制硬件领域密集出招：

时间	厂商	动作
9月15日	美光	发布全球首款超密度服务器内存模组
9月17日	SK海力士	AI Infra Summit 2026发布New Spectrum技术组合
9月18日	SK海力士	在硅谷成立SK hynix Ventures，扩大全球AI生态投资
9月同期	亚马逊Annapurna Labs × NVIDIA	合作NVHBM定制HBM

三个信号值得注意：其一，美光的超密度内存模组直指单机内存容量天花板；其二，亚马逊与NVIDIA的NVHBM合作说明头部应用方已深入定制内存控制器层面；其三，SK hynix Ventures落地硅谷，表明存储巨头不再满足于卖部件，而是要通过投资生态锁定AI基础设施的平台位置。

2026年9月的半导体周报对此有明确判断：存储正与AI加速器协同设计，存储公司正从部件供应商转型为AI基础设施平台玩家。HBM4时代的定制化（如NVHBM）正是协同设计趋势的直接体现——内存不再是可以即插即用的标准件，而是与GPU、ASIC深度耦合的系统组件。

小结​

SK海力士的New Spectrum组合——HBF、PIM、eSSD、SALT-KV——勾勒出AI存储的完整路线图：HBF把闪存带宽提到内存量级、填补HBM之下的层级空白，PIM用近数据计算降低搬运开销，SALT-KV直击KV Cache经济性这一推理时代的核心命题。叠加美光超密度内存、亚马逊与NVIDIA的NVHBM定制HBM等同期动作，2026年的存储行业已经清晰地完成了角色转身：从跟随GPU节奏的部件供应商，变成与AI加速器协同设计、共同定义AI基础设施形态的平台玩家。存储，正在成为AI竞争的下一个主战场。

据路透社报道，出口管制推高HBM成本，华为、寒武纪等国产AI芯片厂商集体上调价格——正如戴尔CEO所言，"比涨价更糟的是没货"。

路透社爆料：三位知情人士描绘的涨价全景​

据路透社2026年9月10日援引三位知情人士的报道，因出口管制导致HBM成本飙升，华为、寒武纪等中国AI芯片厂商已大幅上调现有及下一代AI处理器的价格。这不是单一产品的调价，而是一轮覆盖多代产品线的系统性涨价。

产品	年初价格	当前价格	涨幅
华为昇腾950DT加速卡	未公开	指示性价格25万元人民币以上（约37255美元）	两个月内报价最多上涨50%
华为昇腾950PR	约6万元/单卡	突破8万元	约30%
华为昇腾910C板卡（老款）	约9万元	11万元以上	—
寒武纪下一代芯片（暂称690）	未公开	未公开	较两个月前上涨20%-30%

其中最引人注目的是昇腾950DT：其指示性价格已调高至25万元人民币以上（约37255美元），两个月内报价最多上涨50%。年初单卡约6万元的昇腾950PR，现已突破8万元；老款昇腾910C板卡也从年初的约9万元涨至11万元以上——连上一代产品都在涨价，说明短缺是全方位的，而非某一型号的局部现象。

寒武纪官方回应与厂商动态​

在涨价消息流传之际，寒武纪董秘办作出回应："不要听信市场消息，一切以官方公告为准。"这一表态既未证实也未否认。据上述报道，寒武纪下一代芯片（暂称690）已重新定价，较两个月前上涨20%-30%。

与此同时，涨价并非华为与寒武纪的"专属"：沐曦、天数智芯亦有类似的涨价动作。也就是说，这轮价格上行已经从头部厂商扩散至更多国产AI芯片公司，成为行业性现象。对采购方而言，"再等等看会不会降"的观望策略，正在面临价格持续上行的反向风险。

涨价根源：HBM短缺与出口管制双重挤压​

这轮涨价的逻辑链条并不复杂，可以拆成三层：

1. 需求侧：AI算力需求持续爆发，国产AI芯片订单饱满，供不应求是常态；
2. 供给侧：全球HBM持续紧缺，高带宽显存作为AI加速卡最关键的物料，产能增量远远跟不上需求增量；
3. 成本侧：出口限制卡住了国产芯片的上游供应，HBM获取成本大幅飙升，直接推高单卡物料成本。

上游成本抬升叠加供不应求，价格上调几乎是必然结果。对厂商而言，涨价既是转嫁成本的被动选择，也是在新的供需格局下重新校准产品定价的主动机会——毕竟在"有货就能卖掉"的市场里，定价权掌握在供给方手中。

戴尔CEO的警告：2027年可能更严重​

需求侧的信号同样值得警惕。戴尔CEO在高盛大会上表态：半导体结构性短缺短期难以缓解，2027年可能更严重；并且留下一句点睛之语——"比涨价更糟的是没货"。

这句话道破了当前AI算力市场的真实状态：价格上行尚可通过预算调整来消化，而拿不到货则直接卡死算力建设进度，延误的是整个AI战略的落地节奏。HBM作为AI加速卡的瓶颈物料，其短缺正在向上传导为加速卡、服务器乃至智算中心建设层面的系统性不确定性。

对采购决策的影响​

对于正在规划AI算力建设的企业来说，这轮涨价潮至少意味着三件事：

• 预算规划要留弹性：单卡成本模型需要动态更新，参考昇腾950PR两个月上涨约30%的斜率，静态预算很容易失真；
• 交期比价格更关键：昇腾910C这类老款产品都在涨价，说明现货稀缺，早锁定意味着早交付、早形成算力；
• 多供应商组合价值凸显：华为、寒武纪、沐曦、天数智芯全线涨价的环境下，国产+海外、多品牌组合的采购策略更有抗风险能力。

小结​

HBM短缺与出口管制双重压力下，国产AI芯片正在经历一轮罕见的全线上调：华为昇腾950DT报价突破25万元（约37255美元）、两个月最多涨50%，昇腾950PR突破8万元，昇腾910C板卡涨至11万元以上，寒武纪下一代芯片690较两个月前上涨20%-30%，沐曦、天数智芯跟进调价。戴尔CEO"2027年可能更严重"的判断提示我们：这场短缺或许不是短期波动，而是未来数年的行业常态。对采购方而言，与其等待价格回落，不如尽早锁定供货。

本周（2026 年 9 月 1 日–5 日）AI 算力行业的题眼，是两条相反方向的成本重构：海外，英伟达以史上最大并购吞下开发者生态入口，同时给旗舰减配显存——"内存太贵"倒逼硬件从单卡堆料走向系统级互联；国内，DeepSeek 16 万颗昇腾订单把"国产替代"从口号变成头部实验室的资产负债表决策，字节近 300 亿美元融资为算力扩张装上杠杆。

---

1. DeepSeek 拟购 16 万颗昇腾 950DT：国产算力的"标志性订单"​

彭博社 9 月 4 日报道，DeepSeek 计划在内蒙古乌兰察布新建的约 1GW 数据中心部署至少 16 万颗华为昇腾 950DT，主要用于推理而非训练。按每颗约 11.1 万元的市场价估算，订单总额约 178 亿元人民币（约 25.6 亿美元）——这是迄今已知规模最大的昇腾集群，是半年前深圳首个万卡级集群的 16 倍。

三个关键读数：

• 主动选择，而非被迫替代：DeepSeek 是公认最会"榨干"算力的实验室。创始人梁文锋 7 月曾直言：华为超节点能完成 GB300 的任务、延迟没有明显差别，但约需 4 颗昇腾才抵 1 颗英伟达、技术上落后约两年。选择昇腾跑推理，是在综合成本、供应链安全与本土化后的理性决策——推理对软件生态依赖较浅，正是国产芯片的突破口；
• 瓶颈在供给端：受高端内存（HBM）短缺制约，昇腾 950DT 今年产量仅数十万颗（2026 年全部昇腾 die 计划约 160 万颗），DeepSeek 希望加购更多但产能所限，整单交付或需一年以上——国产 HBM 与先进封装成为整条链的胜负手；
• 过渡性押注：DeepSeek 同时在与中芯国际合作开发自研推理芯片，并于 6 月完成约 500 亿元融资、继续洽谈数十亿美元基建融资。国产算力的终局是多元自主，而非单一依赖。

单颗 950DT：144GB HBM、4.0TB/s 带宽、2.0TB/s 互联，原生支持 FP8/FP4/HiF8，详见昇腾 950DT 规格页。

2. 英伟达 129.3 亿美元收购 Hugging Face：买下"铲子的交易所"​

当地时间 9 月 3 日，英伟达宣布以 129.3 亿美元收购全球最大开源 AI 平台 Hugging Face，超过 2020 年 69 亿美元收购 Mellanox，成为其史上最大并购。交易含约 119 亿美元股权款与最高约 10 亿美元员工留任计划，预计 2027 年上半年完成，待监管批准。

Hugging Face 托管超 300 万个模型、50 万个数据集，服务超 1800 万名开发者。黄仁勋承诺平台继续开放中立运营：不强制绑定英伟达资源、开源属性完整保留。

解读：算力霸主的护城河从"芯片 + 网络 + 软件栈"一路修到了"模型分发 + 开发者生态"——卖铲人开始收购铲子的交易所。平台的"中立性"承诺能否兑现，将成为全球监管与竞争性云厂商持续盯防的焦点；对国内产业而言，模型托管、权重分发这类"轻资产 AI 基础设施"与芯片一样，正在成为大国科技博弈的卡点。

3. Rubin Ultra 显存减配：内存占 TCO 40% 后的算术题​

SemiAnalysis 最新报告（科创板日报 9 月 3 日转引）显示，英伟达已将旗舰 Rubin Ultra 的 HBM 配置从 HBM4E 12-Hi（384GB 档）下调至 HBM4 8-Hi（192GB），三星正配合开发 8 层产品。

• 动因：HBM/DRAM 涨价后，内存已占整机 TCO 约 40%；减配后 HBM 成本降超 50%，即便计入 2026 年 HBM 涨价预期，内存占总资本开支比例也将从 40% 压至 28%；
• 钱去了哪：转向 Scale-up 纵向扩展网络——以 NVL576 NPO 方案测算，光模块取代机架间互连后，Scale-up 网络占机架总支出比例从 4% 升至 12%；
• 连锁反应：TrendForce 显示英伟达自 2026 Q3 起并行评估 HBM4E 8-Hi / 12-Hi / HBM4 8-Hi 多套方案，部分云厂商也在考虑下调下一代自研 ASIC 的 HBM 容量。

连定价权最强的英伟达都给旗舰"减配求量"，等于官宣：当前 AI 硬件最紧的约束是内存（美光高管称新增内存供应 2028 年前难有实质放量），单卡堆料的军备竞赛告一段落，硬件价值重心正迁移到光互联、CPO、高速交换与 PTFE 背板。华泰测算 2027 年存储供需缺口将从约 -7% 收窄至 -3%——上行周期未逆转，但从"普涨"走向"结构性紧缺"。

详见本站已同步更新的 Rubin Ultra 规格页与HBM4 量产竞速分析。

4. 推理 ASIC 军备提速：谷歌"一年两款"，Jalapeño 规格落地​

• 谷歌 TPU 迭代周期从两年一代压缩至"每年两款"（华创证券 9 月 4 日研报）：第八代已拆分为训练（8t）与推理（8i）双架构，8i 把内存/算力配比拉到 8t 的 1.65 倍，专为推理放量设计；
• OpenAI Jalapeño 规格披露：6 堆栈 HBM4 共 216GB、带宽 15.4TB/s、700W，围绕投机解码设计；OpenAI 称在 DeepSeek R1 负载下 tokens/kW 达 GB300 的 1.7 倍；RTL 冻结到流片 9 个月，首批硅片后约 10 周承载 ChatGPT 流量。详见规格页（本站已更新）；
• workload-specific 时代开场：训练、推理、推荐各自长出专用芯片，上游 HBM/封装/光互联的供应节奏必须跟上"半年一代"。

5. 国内动态：字节 296 亿美元加杠杆，摩尔线程 Token 超节点投产​

• 字节跳动获约 296 亿美元融资安排（彭博 9 月 3 日），较最初约 200 亿美元目标大幅上调，用于数据中心与 AI 基建；另据产业报道正洽谈在内蒙古新增 5-6GW 算力产能——中国 AI 公司迄今最大规模基建融资之一，算力正被当作可融资、可证券化的重资产经营；
• 摩尔线程 × 趋境科技 "Token 超节点"投产（光明网 9 月 4 日）：以 MTT S500 承担 Prefill 与 KV Cache 生成、高带宽 GPU 专注 Decode 的 PD 异构方案，实测平均生成速度超 50 TPS、KV Cache 命中率超 90%、稳定性 99.9%，已承接头部模型厂商官方业务流量——超节点竞争维度从"单卡参数"转向"单位 Token 生产成本"；
• OpenAI 发布 GPT-6 Astra（9 月 4 日）：超 10 万颗 GPU 在 Stargate 集群完成训练，推理放量与超大规模集群仍是全球算力叙事主线；
• SemiAnalysis 基准：AMD MI355X 新提交在 AgentX 基准低交互区间tokens/$ TCO 击败 B300——vLLM + LMCache 软件栈的贡献首次被独立机构量化认可。

6. 市场：中美算力资产一涨一调​

美东 9 月 4 日，美国 8 月非农仅增 8.9 万人（预期 16 万），10 年期美债收益率回落至 3.78%，成长股走强：科技板块 XLK 周涨 4.2%，英伟达周涨 8.7% 收于 230.36 美元。A股 9 月 4 日反向回调：AI 算力芯片板块 -1.99%、服务器 -2.51%、超节点 -2.86%，浪潮信息跌停、寒武纪 -2.54%——基本面无恶化（博通、戴尔、中际旭创订单与财报持续验证景气），更多是交易层面获利兑现。

下周起三连催化密集：CIOE 光博会（9/9-11）→ 华为全联接大会（9/17-19）→ 云栖大会（9/22-24）。国产超节点从"发布会 PPT"到"批量交付"的成色，将迎来集中检验。

本周一句话​

内存太贵改变了所有人的算法：英伟达给旗舰减配显存、把钱投给互联；DeepSeek 用 16 万颗昇腾买推理确定性；谷歌把 TPU 迭代压到半年一代。2026 年 Q4 起，"每兆瓦/每美元 token 数"将取代"单卡 PFLOPS"，成为算力采购的第一指标。

---

相关链接​

• 华为昇腾 950DT 规格页
• NVIDIA Rubin Ultra 规格页
• OpenAI Jalapeño 规格页
• NVIDIA Rubin 规格页

参考资料​

• 彭博社（转引）：DeepSeek 拟部署 16 万颗昇腾 950DT（2026-09-04）
• cnBeta/今日头条：DeepSeek 据称采购 16 万颗华为昇腾 950DT 芯片（2026-09-05）
• 科创板日报：SemiAnalysis 拆解 Rubin Ultra 减配（2026-09-03）
• Natural News/DailyAI：Nvidia To Acquire Hugging Face For $12.9B（2026-09-05）
• 光明网：摩尔线程 × 趋境科技 PD 异构推理方案投产（2026-09-04）
• AGI Hunt：AI News Daily 2026-09-05

---

本文基于彭博社、科创板日报、SemiAnalysis、TrendForce、华创证券研报及光明网等公开报道整理。订单金额与市场数据为媒体/机构预估口径，实际以相关公司正式披露为准。

9 月第一周，存储行业传来三组关键信号：SK 海力士面向英伟达 Vera Rubin 平台量产交付全球首款 12 层 HBM4；三星 Q2 HBM 份额飙升至 33%、直逼王座；美光宣布年底 HBM 月产能翻倍至约 10 万片晶圆。 HBM4 的竞争，已经从"谁能造出来"变成"谁能最快量产爬坡、谁绑定的客户最深"。

---

1. 三巨头战报：领跑者、追赶者与搅局者​

维度	SK 海力士	三星电子	美光
HBM4 关键节点	2026 年中向 Vera Rubin 量产交付 12 层 HBM4（全球首款完整质量认证）	2026 年 2 月全球首家大规模量产出货	2026 Q2 量产 12 层 HBM4，批量出货
DRAM 核心裸片	1b（第五代 10nm 级）	1c（第六代）	—
Base Die 代工	台积电 12nm	自家 4nm	拟转台积电（1γ 工艺代）
2026 HBM4 份额预测	~54%	~28%	~18%
Q2 HBM 营收份额	50%（环比 -14pct）	33%（环比 +12pct）	18%
HBM 产能	~15–20 万片/月	~15–20 万片/月	年底冲刺 10 万片/月（现为 4–5 万）

三个关键读数：

• 三星的反扑是真的：从去年 Q2 份额低至 15%（落后美光 6 个百分点）到今年 Q2 的 33%，三星用一年时间把与 SK 海力士的差距缩小到 17 个百分点。三星预计 HBM4 将占其下半年 HBM 收入的 60% 以上，且现有 HBM4 产能已被客户预订售罄，2026 年 HBM 总产能计划提升约 50%；
• 美光的追赶也是真的：CEO 梅赫罗特拉透露 12 层 HBM4 爬坡速度约为 HBM3E 的两倍、累计收入已超 10 亿美元；年底若如期达成 10 万片月产能，与两强的差距将缩小一半；
• SK 海力士的护城河依然深：与英伟达签署多年期 HBM/DRAM 供应协议、率先完成 2027 年 HBM4 价格谈判，在英伟达 HBM4 采购中占比约 60%（乐观情形 70%）。

2. 变局核心：封装比 DRAM 制程更值钱​

HBM4 与 HBM3E 时代最大的不同，是胜负手从存储颗粒转向了封装与 Base Die：

• I/O 通道数从 1024 条翻倍至 2048 条，单颗 12 层封装吞吐超 2TB/s，能效较前代提升逾 40%；
• Base Die 首次引入晶圆代工厂先进逻辑工艺——SK 海力士用台积电 12nm，三星用自家 4nm，美光计划在 1γ（首次导入 EUV）世代转由台积电代工；
• 存储原厂与代工厂的协作深度，第一次成为决定出货速度的关键变量——这正是 Hot Chips 2026 上"三星 HBM Base Die 逻辑工艺化"议题的产业注脚。

SEMI 数据显示，2026 年全球 HBM 市场规模预计增长 58% 至 546 亿美元，约占 DRAM 市场四成。行业预计 HBM4 销售占比将在 2026 年 Q4 正式超越 HBM3E，成为市场主流。

3. 客户端信号：Rubin 加码，Rubin CPX 重生​

需求端同样在 9 月出现重要变化：

• Vera Rubin 全面量产（详见本站专文）：每颗 Rubin GPU 搭载 288GB HBM4、带宽 22TB/s，NVL72 整柜 75TB 快速内存——HBM4 供给直接决定 Rubin 出货上限，这也是英伟达把"先进晶圆与 HBM 供应"列为当前第一约束的原因；
• Rubin CPX 项目重启：据 CFM 闪存市场 9 月 2 日简讯，英伟达重启此前搁置的 Rubin CPX 机柜项目，内存规格由 128GB GDDR7 改为 168GB HBM4，机架改为独立 MGX ETL 设计，客户可选 64/128/192/256 颗 GPU 配置——推理专用卡也全面转向 HBM4，进一步放大了 HBM4 需求；
• 供给协议长期化：英伟达已与 SK 海力士、美光签署多年期 HBM 及 DRAM 供应协议，锁供给、锁价格、锁产能成为巨头标配动作。

4. 下半场：HBM4E 已经鸣枪​

下一代产品的竞争在 2026 年同步开启：

• SK 海力士：HBM4E 送样提前至 2026 年年中（原计划下半年），COMPUTEX 2026 已展出 12 层样品，单引脚速率最高 16Gbps、单堆栈带宽约 4TB/s，计划 2027 年量产；
• 三星：2026 年 Q2 起向头部客户交付业界首批 HBM4E 样品（48GB），目标 2027 年拿下 HBM4E 市场 50% 以上份额；
• 美光：HBM4E 预计 2027 年量产，首批样品采用 1γ 制程 DRAM。

5. 对采购方与投资观察者的启示​

• 供应商组合成为第一优先级采购变量：同样买 Rubin 平台，采用哪家 HBM 供应商的整机，交付周期可能相差数月；
• 国产链条的机会窗口：HBM 供不应求叠加出口管制，长鑫等国产存储玩家的 HBM 进展值得持续跟踪——国产 AI 芯片（昇腾 950 系列等）对 HBM 的需求同样在放量；
• 跟踪三个领先指标：头部云厂商 Rubin 机架采购量、HBM 设备供应商订单（美光已加大 PO）、HBM4E 送样→量产的时间差。

---

相关链接​

• NVIDIA Rubin 规格页
• NVIDIA Rubin CPX 规格页
• NVIDIA Rubin Ultra 规格页

参考资料​

• Electronic Times：US Micron to Double HBM Capacity, Closing Gap with Samsung and SK（2026-09-04）
• Korea Herald / News18：Samsung narrows SK hynix HBM lead as HBM4 shipments accelerate（2026-09-04）
• CFM 闪存市场：HBM4 量产爬坡竞速与 Rubin CPX 重启简讯（2026-09-02/04）
• 快科技：美光吹响反击号角！HBM4 产能翻倍直追三星海力士（2026-09-04）

---

本文基于 2026 年 9 月初 Counterpoint Research、CFM 闪存市场及韩媒报道整理。份额与产能数据均为研究机构/供应链预估口径，实际以各原厂财报为准。