国产HBM，卡在25%这道坎上

三条新闻放在一起看，味道就不一样了。

一边是长鑫存储（CXMT）的HBM3E风险量产良率被曝只有25%，四颗堆叠三颗废；另一边，OpenAI在首尔高调宣布与三星电子深化下一代芯片合作，京东云则拉着摩尔线程要建十万卡国产GPU集群。一个是追赶者的窘迫，一个是需求方的卡位，一个是另一条路线的突围——2026年的存储与算力棋局，正在同时下三盘棋。

核心判断先放这里：HBM的差距是工程差距，不是原理差距；而国产算力已经不指望在HBM上短跑取胜，它在用系统级规模化换时间。

🔬 25%良率，卡在TSV这道工序上

先说最扎心的数字。

据韩国媒体报道，长鑫存储目前正在进行HBM3E的风险生产，但四个堆叠中有三个不合格——综合良率只有25%。拆开看更细：前段晶圆制造良率约30%，后段封装在此基础上再打七折，最后落到手里就是四分之一。

对比一下同行是什么水平。三星电子在HBM2时代每层就要打约5000个TSV（硅通孔），SK海力士的HBM3每层TSV数量超过8000个。而数据显示，长鑫存储试图用每层仅3000个TSV去做HBM3E，还要塞进标准的8层堆叠配置——用更少的垂直互连干更难的活，等于给自己上了双倍难度。

这张表说明两件事。第一，长鑫存储落后两大世代，这不是新闻，上个月它的HBM3E风险生产消息出来时，三大原厂已经在推进HBM4E送样了。第二，也是更关键的：低TSV数量说明工艺能力受限，而不是成本策略——TSV越少，层间带宽和散热设计越紧，良率自然雪崩。

据多位接近产业链的人士观察，垂直堆叠DRAM的难度远高于平面DRAM。而耐人寻味的是，长鑫存储在平面DRAM上被认为是做得不错的——它的GDDR类产品和主流DDR产品已经能进入商用渠道。平面工艺是新对手，立体堆叠才是真正的鬼门关。

也正因如此，短期内别指望它上12-Hi高堆叠。8层都只有25%良率，12层的良率模型是乘法关系，数字会难看到没法量产。

这条流程里，B、C、D三步都是长鑫存储的失血点。30%的前段良率乘以70%的后段良率，数学上就是25%——每个环节都'还行'，乘起来就不好看了。

📈 需求端根本不给追赶者留时间

追赶最怕的不是差距，而是对手跑得比你追得快。

就在良率消息发酵的同时，OpenAI韩国区总经理Harrison Kim在首尔发布会上明确表示：与三星合作中'进展最显著且获得认可最多的领域之一'，就是针对OpenAI下一代芯片的联合生产与研究。他还补了一句有分量的话——三星是'全球范围内应用ChatGPT规模最大的企业之一'。

翻译成产业语言：头部AI公司已经开始直接锁定存储供应链了。

Kim的逻辑说得很直白：随着更快速、更复杂计算所需的芯片技术不断升级，存储芯片需求将持续增长，与韩国半导体供应商的合作是OpenAI当地办事处的优先事项。换句话说，HBM不再是GPU的配件，而是AI基础设施的第一等公民——大模型厂亲自下场，跟原厂联合定义下一代芯片的存储方案。

pie title HBM竞争格局的先发位势

"三星HBM4E送样" : 33

"SK海力士HBM4E送样" : 33

"美光HBM4E送样" : 26

"长鑫HBM3E风险生产" : 8

（注：饼图示意世代位势而非市场份额，别当销量数据用。）

这对追赶者意味着什么？意味着HBM3E量产之日，可能就是HBM4成为基准配置之时。当OpenAI们把下一代芯片的存储规格直接锚定在HBM4及以后，落后两个世代的产能即便爬坡成功，卖点和议价能力都会被压缩。

内存行业一句私下流传的话说得刻薄但准确：'DRAM卷的是成本，HBM卷的是代次。'平面DRAM拼良率拼成本，追赶者可以用价格换市场；HBM拼的是谁能进下一代的合格供应商名单——名单之外的良率，意义有限。

🖥️ 另一条路线：十万卡集群先跑起来

如果说HBM是国产存储的至暗时刻，那国产算力这边则出现了一个标志性事件。

9月9日的2026京东全球科技探索者大会上，京东云宣布拟建设十万卡全功能GPU集群，算力底座是摩尔线程的全功能GPU，聚焦大模型训练、推理及具身智能，并向全行业开放。这句话的重点不在'十万卡'三个字，而在'首次'两个字——这是国产GPU第一次进入头部AI云企业的十万卡级核心智算集群。

京东集团技术委员会主席、京东云总裁曹鹏给出的选型理由很实在：看重摩尔线程在国产训练级GPU上的稀缺能力，以及大规模集群的成熟交付经验。摩尔线程创始人、董事长兼CEO张建中的表态则指向业务本质：这个AI工厂将提供词元生产，'训练好智能体，为所有行业从业者服务'。

双方还要做全栈协同——从芯片、云平台到模型训练，支撑京东JoyAI全系大模型的迭代，构建'数据→训练→仿真→部署'的完整闭环。

政策面也在推。工信部印发的《信息通信行业发展'十五五'规划》明确提出，有序部署万卡、十万卡及以上智算集群，加大力度适配国产算力芯片。需求、政策、供给三方对齐，国产智算正在从'可用'走向'规模化商用'。

这里有一个容易被忽略的产业逻辑：算力集群规模化和存储工艺追赶，是两条可以解耦的路线。 十万卡集群的意义不是单芯片性能追平谁，而是用系统级工程——互联、调度、容错、全栈协同——把'单点不强'的短板摊薄到'整体可用'。这和HBM的处境恰好相反：HBM是单点工艺问题，没有系统级捷径可走。

⚖️ 两盘棋的镜子：差距要说清，机会也别看扁

把三条新闻拼成一张地图，格局就清楚了。

先说差距，不粉饰。HBM领域的代次差是实打实的：对手在HBM4E送样，长鑫存储HBM3E风险生产良率25%；TSV数量差距（3000对8000+）说明底层工艺能力还有明显距离；12-Hi高堆叠短期内不具可行性。据业内流传的判断，从25%爬到能量产的良率水平，考验的不只是某一台设备，而是整条后段封装工艺链的稳定性——这不是砸钱能立刻解决的事，是时间和迭代密度的事。

但机会也是真的，而且比很多人想象的大。三个支撑点：

第一，需求在膨胀而不是收缩。 OpenAI与三星的合作已经证明，存储需求随芯片技术升级持续增长，这块蛋糕在变大。变大中的市场对'次新代'产品的容忍度更高——当HBM4供不应求时，良率爬坡成功的HBM3E依然有去处。

第二，国产算力集群打开了内需侧的协同空间。 京东云十万卡集群意味着国产GPU的规模化需求被真实订单确认了，而国产GPU生态的成长最终会反哺国产存储和先进封装——即便短期不采用国产HBM，配套的HBM类需求和国产替代预期都会拉动投资和人才向这个环节集中。

第三，政策把'适配国产算力'写进了十五五规划，这意味着未来几年国产智算基础设施建设有明确的确定性。确定性本身就是产业最贵的东西。

🧭 小结：良率是数学题，格局是策略题

回到开头那个数字：25%。

它很难看，但它是从0到1之后的第一组数据。长鑫存储真正的考验是把TSV工艺和堆叠良率的乘法题做对，而京东云与摩尔线程的十万卡集群则展示了另一条解题思路——不在单点上硬刚，用系统规模和全栈协同赢回时间窗口。与此同时，OpenAI绑定三星电子的动作提醒所有人：AI巨头正在亲自下场圈定存储与芯片供应链，未来的竞争是生态对生态、名单对名单。

接下来值得盯三个信号：长鑫HBM3E良率的爬坡曲线何时突破可用线；国产12-Hi堆叠的时间表；以及十万卡集群之后，还有几家头部云厂跟进国产GPU核心集群。存储与算力这两盘棋，2026年才刚过中盘。