775微米，卡住了AI的脖子

HBM不是被算力需求推着走，而是被物理规律逼到了墙角。

这届Hot Chips上，三星、美光、SK海力士和英伟达密集披露了各自的HBM路线图，议题高度收敛：堆叠层数在涨、带宽在涨，但整个行业撞上了同一堵墙——HBM立方体的总厚度，被死死限制在775微米，恰好是一张300毫米逻辑晶圆的标准厚度。围绕这775微米，一场存储架构的路线之争已经开打。

📏 775微米，一道写在晶圆上的天花板

工程世界里的很多极限，都不是炫目的技术难题，而是一道不起眼的背景板。

775微米就是这样的背景板。300毫米晶圆出厂时的标准厚度，决定了所有贴在晶圆上做减薄的DRAM裸片，最终叠出来的HBM立方体不能比这个数字更厚——再厚，封装良率、翘曲控制和互连可靠性都会连环出问题。堆层数？可以，但每层必须更薄；带宽往上冲？可以，但物理空间已经没有余量。

SK海力士给出的解法是双线作战。一条线是延续自己的看家本领MR-MUF（大规模回流成型底部填充），并将其服务周期明确延伸至英伟达的Nvidia Rubin|Rubin平台——这意味着在当前这代产品周期里，SK不打算动基本盘。另一条线则是更激进的押注：面向HBM5导入混合键合（hybrid bonding），用更细的互连间距换取更高的堆叠密度和更好的散热路径。

产业逻辑很清晰：MR-MUF是已验证的现金流技术，混合键合是下一代入场券。SK海力士用前者的确定性收入，去养后者的不确定性研发——这是存储行业面对技术断层期最经典的打法。坊间的一种说法是，混合键合一旦在HBM上规模化，先进封装设备链的排期会比晶圆设备更紧张。这个判断是否成立，2026年就能见分晓。

🔥 热量从底部产生，却要往上散

HBM堆得越高，摔得越狠——这里说的不是良率，是温度。

美光的HBM设计架构师Ragu在Hot Chips上给了两组足以让人清醒的数字。第一组：在一个典型封装4个12层HBM堆栈的GPU里，内存相关的硅片总量约为GPU硅片的8倍——也就是说，整个封装里约90%的硅片都和内存有关。第二组更有冲击力：Meta公布的Llama 3训练数据显示，约17%的非预期训练中断，归因于HBM。一片DRAM裸片失效，整个封装跟着报废，堆栈越高，这个风险链越长。

pie title 典型GPU封装内硅片构成

内存相关 : 89

GPU逻辑 : 11

而散热问题，已经从工程细节上升为第一架构约束。HBM的基础底片（base die）是整个堆栈发热最严重的区域之一，热量从底部产生，却要穿过层层DRAM往上走——这几乎是一个反物理的散热设计。Ragu的结论很直白：硅片消耗、散热与可靠性，共同构成了HBM继续扩展堆栈高度的三重物理约束。

这就是为什么17%这个数字值得所有云厂商认真对待。AI训练集群的经济学里，中断就是真金白银的损失，HBM的可靠性不再是存储厂的产品参数，而是直接写进超大规模客户TCO模型的成本项。

🧩 HBM不再是商品，存储厂开始抢逻辑厂的活

这届Hot Chips最深的信号，不是某个具体数字，而是一次身份转变。

三星拿出的路线图分三阶段：把HBM的基础底片从单纯的通信层，逐步演进为定制化AI平台。终局形态是ZHBM概念——把HBM直接垂直堆叠在XPU之上，目标是将总DRAM功耗较HBM5降低约70%，绝对功耗降幅超过100瓦，带宽提升2.3倍以上。三个数字连起来读：存储正在从封装旁边，搬进封装里面。

英伟达这一侧的动作同样值得玩味：其实验室已拥有至少三款RVA23处理器，并完成了CUDA在RISC-V硬件上的首次公开演示，为第三方定制CPU接入NVLink Fusion生态铺路。GPU公司自己下场做CPU、玩RISC-V，加上存储厂把base die做成计算平台——芯片设计的边界正在被AI需求重新划分。

判断由此而来：HBM正从JEDEC框架下的标准化商品，走向绑定客户的定制化平台。这对存储厂是把双刃剑——定制化意味着更高的设计投入和更深的客户绑定，但告别大宗商品周期，恰恰是过去三十年存储行业做梦都想干的事。

📈 建不出来的产能，压不住的现货价

架构再精妙，也绕不开一个朴素的问题：产能呢？

存储分析师Jim Handy在Hot Chips上泼了一盆冷水。需求侧，几乎所有主流AI加速器——英伟达GPU、谷歌TPU、各类定制硅片——都依赖HBM，连部分网络组件都开始用HBM，这是一个数年前几乎不存在的新需求类别。供给侧则更为尴尬：HBM每片晶圆产出的GB数仅为标准DDR的三分之一，而由于历史上工艺微缩足以满足位元增长，DRAM厂商已经超过十年没有大规模新建晶圆厂——即便现在拍板动工，激进时间表下新产能也要约两年才能落地。结果就是HBM现货价格较此前水平上涨约7倍，三星、SK海力士、美光及主要NAND供应商均录得异常强劲的营收增长。

对于"算法效率提升会压低硬件需求"的流行论调，Handy的回应颇有些工程师式的冷幽默：当一项新技术把内存需求降低6倍，超大规模云厂商的典型反应是用同样的预算去处理6倍的Token，而不是削减资本开支。效率改变的是AI基础设施的生产力，未必改变流进去的钱。

更隐蔽的连锁反应发生在存储的另一头。AI基础设施扩张同步收紧了NAND与HDD市场：Meta测试在TLC SSD与HDD之间部署低成本QLC SSD后发现性能改善，推动超大规模数据中心更广泛采用SSD；HDD因AI需求拉动出现短缺，QLC SSD开始填补新的存储层级甚至替代缺货的HDD，反过来助推NAND进入短缺状态，铠侠和闪迪（SNDK）成为直接受益方。一条AI需求链，把DRAM、NAND、HDD三个市场全部拉紧——这在存储行业历史上极为罕见。

⚠️ 写在最后：天花板不是终点，是分水岭

775微米这道墙，表面上是封装工艺问题，实际上是整个AI存储产业的重启键。

它逼着SK海力士去赌混合键合，逼着三星把base die做成计算平台，逼着美光把散热和可靠性写进架构设计的第一优先级。短期看，十年未建厂叠加三分之一于DDR的晶圆产出效率，意味着供需紧张和7倍现货溢价不会因为一两个季度的新厂投产而消解；中长期看，定制化HBM和ZHBM这类垂直堆叠方案，将重新定义"存储厂"与"逻辑厂"的分工边界——存储厂第一次有机会站到系统架构的主桌上。

下一次晶圆厂拍板动工、混合键合设备批量进厂的时刻，才是这场775微米攻坚战的真正交卷时间。留给所有人的问题是：等产能落地时，AI对存储的定义，可能已经变了。