芯耀
与非AI
181
从HBM4量产、HBM4E竞赛到先进封装：AI算力时代的存储权
本文信息截至2026年7月。HBM产品认证、产能分配和客户份额变化较快，供应商公告、研究机构统计与实际客户导入可能存在时间差。
过去三年，人工智能产业最受关注的硬件是GPU。
但如果把一套AI加速系统拆开，决定其实际性能的并不只有计算核心。GPU需要持续从存储器读取模型权重、中间结果和KV Cache；一旦数据供给速度跟不上，昂贵的计算单元就会陷入等待。
这就是所谓的“内存墙”。
HBM——高带宽存储器——正是解决这一问题的关键技术。它通过垂直堆叠多层DRAM芯片、扩大并行数据接口，并把存储器放置在计算芯片附近，大幅提高带宽并降低数据搬运能耗。
进入2026年，HBM产业已经从HBM3E规模放量，推进到HBM4商业化和HBM4E客户验证阶段。三星和美光已经宣布HBM4商业出货或量产，SK海力士也完成HBM4产品准备，并于2026年6月向主要客户提供12层HBM4E样品。三星、SK海力士披露的HBM4E速度均达到最高16Gbps，单堆栈带宽约4TB/s。
这意味着HBM不再是AI芯片的边缘配套产品，而正在成为决定GPU性能、系统功耗、产品交付和云厂商资本效率的战略部件。
但投资者需要保持克制：
HBM拥有真实的结构性需求和较高壁垒，却并没有脱离存储行业的资本周期。
高需求不必然意味着永久短缺，高技术壁垒也不必然意味着永久高利润。
一、核心判断：HBM进入产业扩张期，而不是成熟稳定期
当前HBM产业可以概括为四个判断。
第一，需求并非虚构
新一代AI平台已经围绕HBM4展开规模化部署。英伟达2026年3月宣布Vera Rubin平台进入全面生产，5月底进一步表示相关系统正在由全球供应链扩大生产。美光的36GB、12层HBM4已经面向Vera Rubin量产出货，三星也表示其HBM4用于Vera Rubin平台。
第二，HBM4不是简单的产品升级，而是产业链重构
HBM4将I/O接口从HBM3E的1024位扩大至2048位，并开始广泛采用逻辑型Base Die。存储厂、晶圆代工厂、GPU厂商和先进封装厂之间的协作进一步加深，产品越来越接近定制化系统组件。美光HBM4单堆栈带宽超过2.8TB/s；三星产品持续速度达到11.7Gbps，并具备进一步提升至13Gbps的空间。
第三，竞争格局并未完全固化
SK海力士凭借HBM3和HBM3E取得先发优势，但HBM4增加了逻辑Base Die、接口、散热和客户定制等变量，给三星和美光创造了重新分配份额的窗口。TrendForce在2026年6月的跟踪中认为，三星在特定客户的HBM4认证和出货进度上获得了优势，而SK海力士部分项目存在进度调整。
需要注意的是，供应商公告中的“完成开发”“具备量产能力”和研究机构所说的“特定客户认证完成”“实际放量”，不是完全相同的口径。
第四，HBM利润率不会永远高于普通DRAM
HBM的售价高、技术壁垒高，但芯片面积更大、良率更低、制造周期更长，还需要增加TSV、堆叠和测试成本。更重要的是，HBM通常采用年度或长期合同定价，而普通DDR5价格可以更快反映现货短缺。
TrendForce估算，受服务器DDR5价格急升影响，2026年一季度64GB DDR5 RDIMM的单晶圆收入和盈利能力一度超过HBM。
这打破了一个常见误区：
HBM是高价值产品，但并不意味着任何时间、任何代际的HBM都一定比普通DRAM更赚钱。
二、为什么传统DRAM无法满足AI芯片？
一颗GPU可能拥有数万个计算单元。
算力提升后，系统需要在极短时间内读取大量模型参数。传统DDR内存主要安装在电路板上，通过相对较窄的数据总线连接处理器。即使单个引脚速度不断提高，带宽增长仍容易落后于GPU算力增长。
HBM采用了不同路线。
它不再主要依靠提高单个引脚的极限速度，而是通过大量并行I/O同时搬运数据。
可以将两种方案类比为：
DDR不断提高“单车道车速”；
HBM直接把道路从几十条车道扩展到上千条车道。
多层DRAM Die通过TSV垂直互联，再与GPU或AI ASIC共同封装在中介层上。信号传输距离缩短，接口数量增加，单位bit传输能耗随之下降。
| 产品代际 | 典型接口宽度 | 单堆栈带宽 | 主要产业阶段 |
|---|---|---|---|
| HBM3 | 1024位 | 数百GB/s | AI训练早期放量 |
| HBM3E | 1024位 | 约1.2TB/s及以上 | 当前主流产品 |
| HBM4 | 2048位 | 超过2.8TB/s | 2026年商业化 |
| HBM4E | 2048位 | 约4TB/s | 客户送样和验证 |
SK海力士披露，当前广泛部署的HBM3E单堆栈带宽约1.2TB/s；HBM4通过将I/O数量从1024增加至2048，大幅提高带宽，并改善能效。三星和SK海力士的HBM4E样品均将单引脚速度推进至16Gbps。
但增加带宽并不是没有代价。
更宽接口需要更多连接点、更复杂的Base Die和中介层布线，也会增加信号完整性、供电、散热及封装良率的控制难度。
HBM每一次代际升级，都同时提高性能上限和制造门槛。
三、一颗HBM是怎样制造出来的？
HBM不是单一芯片，而是一个高度复杂的集成系统。
它至少要经过五个核心环节。
1. DRAM晶圆制造
三星、SK海力士和美光首先生产专门用于HBM的DRAM Die。
HBM Die与普通DDR芯片共享部分DRAM技术，但版图、接口、TSV结构、功耗和测试要求不同。由于需要预留垂直互联区域，HBM Die通常更大，同一片晶圆可以切割出的芯片数量更少。
2. TSV垂直通孔
TSV是在硅片内部制造垂直导电通道，让不同DRAM层之间能够传输数据、电源和控制信号。
这一步涉及深硅刻蚀、绝缘层、金属填充、晶圆减薄和背面工艺。孔洞一致性、金属空隙和应力都可能影响可靠性与良率。
3. 晶圆减薄与芯片堆叠
DRAM Die需要被减薄后堆叠。
产品从8层发展到12层、16层后，单层厚度、整体高度、翘曲和机械强度的控制更加困难。任意一层出现缺陷，都可能导致整个HBM堆栈报废。
因此，HBM强调KGD，即在堆叠前尽量识别“已知良品裸片”。
4. 键合与填充
不同厂商采取的工艺路线有所区别。
SK海力士的代表性方案是MR-MUF，通过模塑底部填充材料固定堆叠结构。其HBM4E采用改进型MR-MUF，公司称热阻降低17%。三星则继续发展热压键合，同时展示面向16层及以上产品的混合铜键合技术。
随着层数继续增加，传统微凸点间距将接近极限，混合键合的重要性可能逐步提高。
5. 与GPU进行先进封装
完成堆叠的HBM并不能单独工作，它需要与GPU、AI ASIC或相关计算芯片连接。
台积电CoWoS是当前具有代表性的2.5D封装平台。其通过硅中介层或RDL中介层，把计算芯片和多个HBM堆栈集成在同一封装内。台积电披露，CoWoS-S目前可支持约3.3倍光罩尺寸的中介层；更大的封装可以使用CoWoS-L或CoWoS-R。
到2028年，台积电计划推出约14倍光罩尺寸的CoWoS，可集成约10颗大型计算Die和20个HBM堆栈。
这反映了AI系统的一条清晰路线：
单颗芯片性能升级，正在转向多计算Die、多HBM和先进封装共同扩展。
四、HBM为什么如此难扩产？
HBM供给受限，并不只是因为晶圆厂建设需要时间。
它同时受到前道晶圆、TSV、堆叠、测试、Base Die和先进封装六类产能约束。
TrendForce此前测算，相同制程和容量下，HBM Die面积通常比DDR5大35%至45%；包含TSV封装后的良率可能低20至30个百分点，生产周期则长约1.5至2个月。
SK海力士也解释，由于TSV结构扩大Die面积，相同容量的HBM能够从单片晶圆获得的有效Die更少，因此需要比普通DRAM投入更多晶圆；随后还要经历复杂堆叠和封装。
这会产生一个重要的供给挤出效应。
存储厂增加HBM产量，并不是凭空产生新产能，而是可能占用原本生产DDR5、LPDDR5X等产品的先进DRAM晶圆资源。HBM需求上升，反而可能造成普通服务器和移动DRAM供应趋紧。
因此，HBM繁荣会通过两条路径提高存储厂利润：
一是直接销售高单价HBM；
二是挤压普通DRAM供应，改善整个DRAM市场价格。
但这种机制也会反向运行。
如果普通DDR5价格上涨得更快，存储厂会重新比较不同产品的单晶圆收入，决定究竟把产能分配给HBM还是服务器DDR5。
这也是为什么分析HBM不能只看终端需求，还必须研究晶圆机会成本。
五、HBM4为何是产业竞争的分水岭？
HBM3E时代的核心竞争，主要集中在DRAM工艺、堆叠层数、散热、封装良率和客户认证。
HBM4加入了一个更重要的变量：逻辑Base Die。
Base Die位于HBM堆栈底部，负责数据接口、控制和信号连接。过去的Base Die功能相对简单，而HBM4开始采用更先进的逻辑工艺，使其可以承担更多接口和管理功能。
三星HBM4采用4nm逻辑Base Die；美光HBM4将接口扩大至2048位。台积电则公开提供面向HBM4的N12和N3逻辑Base Die方案。
这一变化带来三项影响。
第一，晶圆代工进入HBM核心价值链
HBM不再完全由存储厂内部工艺决定。先进逻辑Base Die可能交给晶圆代工厂生产，HBM的成本和交付也会受到逻辑制程产能影响。
第二，HBM开始具备定制化空间
不同GPU和ASIC客户可能对接口、功耗管理、错误校正、监控和数据路径提出不同要求。
HBM产品将从相对标准化的存储器，逐步转向“标准DRAM堆栈+客户定制逻辑底座”。
第三，客户关系更加重要
产品需要在芯片设计早期共同定义。等GPU完成设计后再寻找HBM供应商，可能已经太迟。
2026年7月，英伟达与SK集团进一步扩大合作，双方计划围绕下一代AI存储，包括HBM，建立长期供应和共同开发关系。
这表明未来HBM供应商的核心资产，不只是制造技术，还包括：
提前进入客户路线图的能力；
与GPU、ASIC厂商共同设计的能力；
对客户未来产量和规格的判断能力；
按时交付数百万颗一致性产品的能力。
六、三星、SK海力士与美光：三强格局会怎样变化？
SK海力士：先发优势仍然深厚
SK海力士在HBM3和HBM3E阶段建立了较强的客户关系、堆叠工艺和量产经验。公司2025年9月宣布完成HBM4开发并做好量产准备，2026年6月又提供HBM4E样品。
其优势主要包括：
多代HBM量产数据；
MR-MUF堆叠及热管理能力；
与核心AI芯片客户的联合开发；
较高的市场认知和认证基础。
其挑战是：领先者需要同时确保新代际性能、良率和大规模交付，任何认证延期都会给竞争者提供窗口。
三星：垂直一体化能力重新发挥作用
三星同时拥有DRAM、逻辑晶圆代工、先进封装和大规模制造能力。
2026年2月，三星宣布HBM4开始量产和商业出货；5月底又开始向主要客户提供HBM4E样品。三星预计其2026年HBM销售额将较2025年增长三倍以上。
三星的潜在优势在于：
自有DRAM工艺；
自有4nm逻辑Base Die；
自有先进封装能力；
全球最大的综合存储产能之一。
如果各环节协同顺利，垂直整合可以缩短周期；但工艺、封装和客户认证同时出现问题时，复杂组织也可能降低响应速度。
美光：以先进工艺和能效争夺份额
美光的36GB、12层HBM4已于2026年第一季度开始量产出货，单堆栈带宽超过2.8TB/s，较其HBM3E带宽提高2.3倍，能效改善超过20%。公司还已向客户提供48GB、16层HBM4样品。
美光的优势是：
先进DRAM节点；
较强的功耗和性能竞争力；
美国本土供应链身份；
与GPU客户的直接协作。
其约束则是总体DRAM产能规模相对有限，需要在HBM、DDR5和LPDDR等产品之间严格分配晶圆。
竞争结论
2026年HBM市场依然由三家主导，但三家的相对位置可能随着每一代客户认证重新变化。
HBM并不像普通DDR那样，产品完成后可以快速向大量客户销售。一个主要GPU平台的认证进展，就可能影响供应商当年的份额、产品组合和利润率。
因此，研究HBM竞争格局，不能只看上一年的市场份额，而应重点观察：
下一代客户验证、实际采购份额和量产良率。
七、HBM的真正利润池在哪里？
HBM产业链很长，但利润不会平均分配。
1. DRAM原厂：掌握产品定义和核心良率
三星、SK海力士和美光拥有DRAM设计、前道工艺、堆叠及客户认证能力，是目前最主要的价值捕获者。
其壁垒来自长期制造数据，而不是一台设备或一个专利。
2. GPU与ASIC厂商：拥有最终系统定价权
HBM提高了AI芯片性能，但HBM的价值最终通过GPU或AI服务器交付给客户。
掌握软件生态、平台标准和客户需求的GPU、ASIC厂商，通常能够获得更强的系统级利润。HBM供应商虽然重要，却仍需满足平台客户的价格、性能和交付要求。
3. 晶圆代工：HBM4 Base Die打开新增量
逻辑Base Die越复杂，先进晶圆代工厂在HBM价值链中的位置越重要。
未来定制HBM发展后，Base Die可能集成更多客户专属功能，使其价值量和技术壁垒进一步提高。
4. 先进封装：从产能瓶颈转向系统平台
CoWoS等技术不仅是加工工序，而是决定一个封装可以集成多少计算Die和HBM、信号能否稳定传输、系统能否散热的核心平台。
随着封装面积和HBM数量增加，先进封装价值量有望持续提高。
5. 设备与材料：受益但分化明显
潜在受益方向包括：
TSV深硅刻蚀和金属沉积设备；
晶圆减薄、切割和清洗设备；
键合及混合键合设备；
高精度检测和测试设备；
底部填充、模塑和临时键合材料；
中介层、载板和高端封装基板。
但“进入HBM产业链”不等于拥有高壁垒。
只有进入核心工艺、获得主要客户验证，并能跟随产品从8层升级到12层、16层的企业，才具备长期价值捕获能力。
八、HBM高毛利为何不一定能够长期维持？
HBM看似拥有理想的商业模式：
需求高速增长；
供应商只有三家；
客户提前锁定产能；
产品认证周期较长；
GPU缺少HBM就无法交付。
但仍有三个因素会压缩利润。
第一，制造成本随代际显著上升
HBM4需要更先进DRAM Die、更复杂Base Die、更宽接口和更严格封装。HBM4E进一步提高速率和散热要求。
即使售价上涨，成本也可能同步上升。
第二，年度定价存在滞后
HBM普遍较早签订合同。合同有利于确定需求，却可能使供应商无法立即享受现货市场价格上涨。
2025年下半年以来，普通DRAM价格快速上行，而部分HBM合同价格已经提前确定，造成HBM单晶圆盈利短期低于高容量服务器DDR5。
第三，客户会推动多供应商策略
对GPU和云厂商而言，单一供应商意味着交付风险。
当三星、SK海力士和美光都具备可用产品后，客户会通过多供应商认证提高安全性，并增强价格谈判能力。TrendForce预计，英伟达HBM4供应链将逐渐形成三家供应商共同参与的结构。
因此，HBM的长期回报取决于：
售价溢价能否持续覆盖更大的Die、更低的良率、更复杂的封装和更高的研发成本。
不能只比较每GB售价，而要比较每片晶圆、每个合格堆栈以及全部资本投入的回报。
九、AI Agent会进一步拉动HBM吗？
Agent可能成为下一阶段HBM需求的重要驱动力。
传统聊天模型通常完成一次输入和输出，而Agent需要持续规划、调用工具、读取数据、执行操作和重新推理。单个用户任务可能触发多轮模型调用。
这会增加：
推理Token数量；
长上下文计算；
KV Cache占用；
并发请求；
模型权重和中间状态的数据搬运。
英伟达表示，Vera Rubin平台在大规模系统中可提供相较Grace Blackwell高出10倍的Agent吞吐能力。
但“Agent数量增长”不能直接等同于“HBM需求等比例增长”。
模型量化、稀疏化、蒸馏、KV Cache压缩、推测解码和更高效的调度系统，都可能降低单位任务所需的带宽或容量。
HBM需求可以简化为：
加速器出货量 × 单颗加速器配置的HBM数量 × 单堆栈容量 × 备货系数。
其中任何一项都可能变化。
如果模型效率提升速度快于任务增长，单位业务收入对应的HBM需求可能下降；如果推理成本下降诱发更多使用，则可能出现杰文斯效应，总需求反而增加。
目前最难预测的，不是HBM技术，而是AI应用商业化后究竟会产生多少可付费的推理需求。
十、中国HBM产业真正需要补什么？
HBM不是获得DRAM颗粒后完成堆叠即可形成的产品。
一套完整能力包括：
先进DRAM设计和量产；
TSV晶圆工艺；
晶圆减薄和高层堆叠；
高良率键合与填充；
逻辑Base Die；
2.5D先进封装；
高速测试和失效分析；
GPU或AI ASIC客户联合验证。
任何一个环节不足，都会影响最终交付。
中国HBM产业的机会也并不只存在于最终存储产品。
在完整HBM产品大规模商业化之前，更可能率先实现价值兑现的领域包括：
TSV刻蚀、沉积和清洗设备；
晶圆减薄与临时键合材料；
堆叠、键合和检测设备；
高端封装基板与中介层；
高速测试机、探针卡和接口方案；
热管理和散热材料；
定制Base Die及相关IP。
但国产化不能只以“完成验证”作为终点。
HBM产品升级速度很快。某项设备进入HBM3E工艺后，如果不能继续支持HBM4的更细间距、更高层数和更严格良率，其收入和竞争力仍可能迅速下降。
真正的本土供应链壁垒，是与客户共同迭代，而不是一次性替代。
十一、HBM会不会出现产能泡沫？
存在这种可能，但节奏可能慢于普通DRAM。
HBM供给增长受到多环节限制：
先进DRAM晶圆；
TSV产能；
堆叠设备；
良率爬坡；
逻辑Base Die；
CoWoS等先进封装；
客户认证。
这些约束使其不容易在短期内出现无序扩产。
但供应并不会永久受限。三星、SK海力士和美光都在扩大HBM和相关产能，台积电也持续扩大CoWoS平台规模。TrendForce预计，三大厂用于HBM的DRAM晶圆投入占比仍将逐步提升。
HBM的潜在资本循环是：
GPU短缺和高利润
→ 客户提前锁定HBM
→ 存储厂扩大晶圆及TSV产能
→ 封装厂扩大CoWoS和堆叠能力
→ 客户库存增加
→ AI芯片或模型路线变化
→ HBM供需由短缺转向宽松。
TrendForce在2026年初已经提示，部分AI芯片升级延期和客户库存积累，可能使HBM供需逐步收敛。
所以，当前存在的不是“虚假需求泡沫”，而更可能是：
真实需求推动下的资本投入过度风险。
需求可以真实增长，但如果供应增长得更快，价格和利润仍会下降。
十二、三种行业情景
乐观情景：HBM长期保持结构性短缺
AI训练、推理和Agent应用持续快速增长，GPU及自研ASIC出货不断增加。
HBM4和HBM4E良率提升缓慢，先进封装及Base Die长期构成供给约束。长期供货合同维持较高价格，三大存储厂保持较高盈利。
在这一情景下，最具价值的环节是：
领先HBM原厂；
先进封装平台；
逻辑Base Die代工；
核心堆叠、键合及测试设备。
中性情景：规模增长，但利润率逐步正常化
HBM需求保持增长，供应商和封装厂也按计划扩产。
产品从HBM3E转向HBM4和HBM4E，市场规模继续扩大，但多供应商竞争和良率改善使单价逐步下降。
龙头仍然盈利，但行业回报从短缺溢价转向技术、成本和客户份额竞争。
这是目前更值得作为基准的情景。
悲观情景：AI投资降速叠加新增产能释放
如果云厂商AI收入无法覆盖持续增加的资本开支，GPU订单和数据中心建设速度可能放缓。
与此同时，HBM、TSV和CoWoS新增产能开始集中释放，客户库存偏高，HBM价格和产能利用率下降。
由于HBM设备和产线专用程度较高，供应商可能面临折旧压力、库存损失和资本回报下降。
十三、研究HBM产业，应持续跟踪十个指标
第一，主要GPU和ASIC平台的实际出货量。
不是发布多少产品，而是客户真正部署多少加速器。
第二，每颗加速器配置的HBM容量和堆栈数。
这决定单颗芯片对应的HBM价值量。
第三，HBM4和HBM4E客户认证进度。
样品、验证、量产准备和商业出货需要严格区分。
第四，HBM产品良率。
良率是利润率和交付能力的核心，但公开信息通常有限。
第五，TSV和堆叠产能利用率。
第六，CoWoS等先进封装产能。
第七，HBM与DDR5的单晶圆收入差异。
它会影响存储厂的产能分配。
第八，长期合同的期限、价格调整和最低采购约定。
第九，客户集中度。
单一GPU平台占比过高，会放大认证或产品延期风险。
第十，经营现金流与资本开支。
技术领先最终必须转化为跨周期自由现金流。
结语：HBM改变了存储行业，但没有取消投资纪律
HBM的产业革命是真实的。
它解决了AI计算中最核心的带宽和能效瓶颈，把存储器从标准化配件提升为决定系统性能的平台型部件。HBM4加入先进逻辑Base Die后，存储厂、晶圆代工、先进封装和AI芯片客户之间的边界正在进一步融合。
HBM也重塑了存储行业的价值分配：
过去的核心是单位bit成本；未来还要竞争带宽、功耗、封装、散热、客户定制和系统协同。
但HBM并不会让存储行业永久摆脱周期。
当产品短缺、价格高企时，资本必然进入；当产能、良率和多供应商认证逐渐成熟时，利润又会重新分配。
因此，对HBM最准确的判断不是“又一个普通DRAM周期”，也不是“永远供不应求的AI稀缺资产”。
而是：
HBM是一条具有真实技术壁垒和长期需求的成长赛道，同时也是一条受客户集中、巨额资本投入和供需周期支配的制造业赛道。
长期赢家不会只是最早宣布产品的公司，而是能够同时做到四件事的企业：
每一代按时通过客户认证、稳定提升量产良率、控制资本投入，并把技术优势转化为持续自由现金流。
这才是AI时代HBM产业真正的护城河。
