HBM，开始叛逃GPU叙事

Hot Chips开完，很多人回过味来：这次抢戏的不是GPU，而是它旁边那圈"内存条"。

三星、美光、SK海力士、英伟达密集披露HBM路线图，核心议题高度收敛——HBM正从标准化商品走向定制化平台，三维垂直堆叠成为共同方向，散热与功耗成为第一约束。这不是一场常规的产品升级，而是存储角色的一次重估：算力的天花板，正在被内存重新定义。

而同一个夏天，小米交出三款玄戒芯片，京都大学造出能在600°C下工作的碳化硅晶体管。云端、端侧、材料层，三条战线在同一时间维度上，指向同一个命题：AI算力时代，芯片产业的分工逻辑要重写了。

📈 HBM开始抢算力的戏

当所有人盯着GPU的时候，GPU正在被内存卡住脖子。

本届Hot Chips最值得玩味的细节，是三星的表态：HBM的基础底片（base die），这个过去只负责信号中转的"通信层"，将被演进为一个定制化AI平台。三星给出的三阶段路线图，把HBM从一个被动配件，升级为可以承载逻辑、贴着计算引擎设计的主动参与者。

更激进的是代号ZHBM的概念——把HBM直接垂直堆叠在XPU之上。三星给出的量化目标是：总DRAM功耗较HBM5降低约70%，绝对功耗降幅超过100W，带宽提升2.3倍以上。这三个数字放在一起，意味着存储与计算之间的物理距离被压缩到极限。

英伟达这边，动作同样意味深长：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，展示了第三方定制CPU接入NVLink Fusion生态的具体路径。

据多位接近存储供应链的人士观察，今年存储厂商在技术会议上的姿态明显变了：过去是报容量、报良率，现在谈的是架构分工。当HBM开始承担逻辑，"内存厂"和"芯片设计公司"的边界，正在变得模糊。

⚠️ 涨了7倍的现货价

产能这东西，缺的时候才知道欠了多少年。

存储分析师Jim Handy在本届大会上给出了一组冷峻的账目：HBM每片晶圆产出的GB数，仅为标准DDR的三分之一；而过去十余年，行业几乎没有大规模新建晶圆厂——因为历史上工艺微缩足以满足位元增长，没人觉得需要砸钱扩产。如今即便按激进时间表推进，新建产能落地也需要约两年。HBM现货价格已较此前水平上涨约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。

需求侧更没有喘息的迹象。几乎所有主流AI加速器——英伟达GPU、谷歌TPU及各类定制硅片——均依赖HBM，连部分网络组件都开始采用HBM，这是数年前几乎不存在的新需求类别。

短缺还在向下游传导。Meta测试在TLC SSD与HDD之间部署低成本QLC SSD后确认性能改善，促使超大规模数据中心更广泛地采用SSD；AI基础设施对HDD需求的拉动已造成机械盘短缺，QLC SSD开始填补新存储层级甚至替代缺货HDD，助推NAND进入短缺状态，铠侠和闪迪（SNDK）从中受益。

Handy还顺手驳斥了一个流行论断："算法效率提升会压低硬件需求"。他的观察是，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相同预算处理6倍的Token，而不是削减资本支出。效率改变的是AI基础设施的生产力，未必改变砸向它的钱。

这不是一轮普通的周期性涨价，而是一次结构性欠账的集中清算。

🔋 内存占了九成的硅片

封装里每十份硅片，九份是内存。

美光HBM设计架构师Ragu从成本与物理极限两个维度，把HBM扩张的代价摆上了台面。在典型的、包含4个12层HBM堆栈的GPU封装中，内存硅片总量约为GPU硅片的8倍——换算下来，系统级封装中约90%的硅片与内存相关。谈AI芯片，只盯着计算die看，已经看不清成本的大头了。

可靠性是第二重压力。一个DRAM裸片失效，就可能影响整个封装，堆栈越高，挑战越显著。Ragu引用Meta公布的Llama 3研究数据：约17%的非预期训练中断归因于HBM。对动辄数万卡、连续跑数周的训练集群来说，这个数字足以改变架构决策。

散热则已上升为首要架构约束。HBM基础底片是发热最严重的区域之一，热量从堆叠底部产生，而散热路径却在相反方向——这正是三星押注ZHBM垂直堆叠、把功耗砍下100W以上的物理动机。散热能力，正在成为AI系统设计的第一性参数。

这也解释了为什么先进封装的产业地位在快速上移：当堆叠高度决定性能，封装能力就是产品能力。存储厂和芯片厂的技术竞争，正在从光刻线宽转向堆叠层数与热设计。

🚗 带宽的战争打到手机上

云端的事，迟早会发生在口袋里。

8月24日，小米发布三款玄戒芯片：旗舰SoC玄戒O3、1.22TB/s高带宽AI加速芯片玄戒O100，以及智驾高算力AI芯片玄戒D100。其中O3将在今年9月随Xiaomi 18 Fold折叠屏手机首发上市，O100与D100已完成研发，明年商用。

自2021年1月重启芯片研发以来，小米累计投入研发经费超过210亿，芯片团队接近3000人。玄戒O3是重启自研5年来的第二代SoC，沿用上代玄戒O1的台积电3纳米工艺，但晶体管规模从190亿提升至240亿。

单看芯片名单是常规操作，但注意玄戒O100的标签：高带宽AI加速芯片。1.22TB/s这个量级，用的是和HBM同一种语言。端侧大模型的瓶颈从来不是算力峰值，而是数据搬运——这与Hot Chips上美光描绘的封装图景是同一个物理问题，只是从12层堆栈的GPU搬进了折叠屏手机。

再把英伟达的动作叠上去看：CUDA跑通RISC-V、NVLink Fusion向第三方定制CPU开放，意味着更多玩家可以造自己的AI芯片。而只要造AI芯片，就绕不开HBM。生态越开放，存储越稀缺——需求曲线和供给曲线，就这样被拧得更紧。

自研芯片的军备竞赛，正在从"有没有SoC"升级为"有没有带宽"。

💡 材料层是终极暗线

架构卷到头了，就得去材料里找答案。

京都大学的研究团队用标准离子注入和底部栅极设计，做出了一款能在600°C（873K）环境下工作的碳化硅晶体管——关键是，它修复了泄漏与电压漂移问题，且兼容标准晶圆厂工艺。

这条新闻在AI叙事的喧嚣里毫不显眼，但它与HBM的散热困境构成一组镜像呼应：Hot Chips上所有人都在为"怎么把热量从堆叠里挤出去"发愁，而材料科学的路径是反过来的——让器件本身扛住高温，从源头降低对散热系统的依赖。当架构与封装逼近物理极限，材料层的突破才是真正的续命手段。

更值得注意的是"兼容标准fab"这个定语。高温SiC器件如果能在成熟产线上制造，意味着功率与存储的工艺演进不必各自为战，产业链的分工节奏可以继续咬合。产业观察者常盯着制程节点的数字看热闹，但真正决定五年后格局的，往往是这类发生在实验室里的安静进展。

芯片产业的竞争，正在从三维堆叠的高度，回落到元素周期表的深度。

小结

Hot Chips传递的信号很清晰：HBM不再是为GPU打工的配角，而是AI系统里成本、可靠性与散热三重约束的交汇点——它从标准商品走向定制平台，从平面堆叠走向三维直连，供给缺口短期无解，现货价涨7倍只是市场给出的中间定价。

端侧，小米用210亿和3000人证明带宽叙事已经下沉到手机；材料端，京都大学提醒所有人物理极限之外还有一条路。下一阶段AI基础设施的形态，将由base die的定制速度、堆叠高度和散热方案共同决定。存储，正在成为这场竞赛里最贵的席位。