存力接棒算力，HBM如何成为AI硬件新瓶颈

在2025年下半年，AI硬件产业链迎来一个关键转折点：曾经占据舞台中央的英伟达GPU等计算芯片，逐渐被存储能力（简称"存力"）所取代，成为整个产业链的最大瓶颈。这一变化的核心在于AI大模型对内存容量和传输速度的双重挤压，而HBM（高带宽内存）正是应对这一挑战的最优解。

AI对存力需求的爆发式增长

AI对存力的需求主要来自两个维度：首先是模型参数量的指数级增长。以Qwen系列模型为例，从第一代720亿参数到最新版本的2.4万亿参数，单个模型实例所需的内存容量从135GB跃升至近2300GB，增幅达17倍。其次是推理过程中KV缓存需求的爆炸式增长。尽管因缓存技术进步，单会话所需缓存容量的增长幅度小于参数量增长，但随着用户数和会话数的飞速增加，整体内存需求仍呈现数十倍甚至百倍的增长。

此外，AI Agent在执行文档处理、数据分析等任务时，也产生了大量传统运算需求，进一步加剧了对内存容量和速度的要求。这种双重压力使得单纯依靠提升计算芯片性能已无法满足需求，存力成为了新的制约瓶颈。

HBM的技术优势与产业格局

HBM之所以能脱颖而出，主要得益于其独特的技术架构。通过垂直堆叠技术，HBM将多层DRAM芯片紧密贴合在有限面积内，突破了传统DRAM颗粒制程仅11-12nm的容量限制。同时，HBM采用超窄通道设计，位宽可达1-2千位，远超GDDR的32位，从而实现了高达数千GB/s的传输带宽。

然而，HBM的制造工艺极为复杂，涉及TSV硅通孔、TCB热压键合等尖端技术，导致其生产成本高昂。当前全球高端HBM产能高度集中于韩国三星、SK海力士两家厂商，合计占据80%以上的市场份额。这种高度集中的产业格局不仅推动了韩国资本市场的强势走高，也使得普通消费者为涨价买单——HBM3E模组售价约为60-100美元/GB，是同等容量DDR5内存的十几倍。

国产HBM的突围之路

对于中国AI产业而言，HBM的短缺构成了关键短板。尽管国内企业在HBM2领域已实现量产，但在HBM3及更先进版本的研发上仍落后海外头部厂商约3年。要突破这一瓶颈，需要在高端DRAM颗粒制造、TSV堆叠工艺以及先进封装设备等领域取得实质性进展。

当前，国内企业正在通过持续的技术攻关和产业链协同，逐步缩小与国际领先水平的差距。例如，在TSV硅通孔技术上，部分企业已实现几纳米级别的对位精度；在封装工艺上，也开始探索混合键合等下一代技术。这些努力将为中国AI产业的自主可控提供重要支撑。

结语

HBM作为AI硬件的新瓶颈，其重要性不亚于GPU。在全球高端HBM产能高度集中的背景下，中国AI产业正面临严峻挑战，但也孕育着重大机遇。随着国产化进程的加速推进，未来几年内，中国有望在HBM领域实现关键技术的突破，为AI产业的持续发展奠定坚实基础。