算力狂飙，内存墙却越砌越高

AI的算力每两年翻3倍，内存带宽却连2倍都追不上——这堵越砌越高的墙，正成为整条产业链的新焦点。过去我们习惯了用制程节点丈量芯片产业的进退，但从斯坦福的Hot Chips 2026会场，到英伟达伸向韩国创业公司的橄榄枝，再到上海十五五规划里被点名的存储芯片，信号已经足够清晰：AI下半场的胜负手，正在从计算转向搬运数据的那个环节。

🧱 一堵越砌越高的墙

在AI的世界里，搬数据比算数据更贵。

8月23日，斯坦福大学，Hot Chips 2026半导体会议。美光HBM设计架构研究员Raghu Sreeramaneni站上讲台，给出了一个不太让人乐观的判断：内存墙不仅存在，情况还在恶化。

所谓内存墙，指的是负责计算的半导体器件速度不断提升，而存储数据的内存无法跟上，导致整个系统被拖慢。这本是个老问题，但AI把它放大到了前所未有的程度。

Sreeramaneni给出的数据很直接：人工智能加速器的计算性能以每两年3倍的速度发展，同期HBM的发展速度却不到每两年2倍。两条曲线之间的裂口，正在逐年扩大。

他的比喻很朴素：无论计算设备跑得多快，如果输送数据的通道狭窄，最终都会因速度过慢而停滞不前。换句话说，GPU堆再多晶体管，数据供不上来，算力就是空转。

这解释了当前AI算力产业链里一个反直觉的现象——真正稀缺的不是最先进的逻辑制程，而是HBM产能。计算端的军备竞赛跑得太快，存储端用面积换带宽的老办法，已经快追不上了。

业内私下流传的一句话是：今天评价一家AI芯片公司，先别看它FLOPS多少，先问它HBM从哪来。

🔥 邮票大小的地方，挤下八个存储巨兽

HBM可能是当下半导体工业里最难的一件产品。

Sreeramaneni在会上举了一个最新的HBM封装案例：两块GPU和八块12层HBM4显存集成于一体。结果是什么？约90%的半导体面积都用于存储——存储面积是负责计算的GPU的八倍多。

这个比例背后，是内存行业正在承受的供应压力。HBM靠面积换带宽，制造相同存储容量时，HBM消耗的晶圆数量约是普通DRAM（DDR5）的3倍。而且随着技术升级，这个差距还在扩大：速度越快、芯片尺寸越大、堆叠层数越多，需要的晶圆面积就越大。这也是Sreeramaneni判断内存行业将持续短缺的重要依据。

散热则是另一个正在升格为头号难题的变量。HBM是多层堆叠的DRAM，底层产生的热量最多，冷却系统却在顶部——冷量必须穿透所有层，才能抵达热点最集中的区域。Sreeramaneni透露，业内已经开始先计算散热，再据此调整芯片结构，设计流程整个倒过来了。

他的总结很精辟：HBM需要把所有设计、工艺和封装技术，整合进一枚不超过邮票大小的芯片。

同场会议上，SK海力士美国公司副总裁Lee Jae-sik给出了几乎一致的技术判断：HBM需要内存厂商、GPU设计商、代工厂和封装厂商携手，才能进一步优化。两大存储巨头在斯坦福异口同声，这不是巧合，而是产业共识——单点技术突破已经不够了，HBM4是个系统工程。

🤝 英伟达伸手韩国：推理时代的补链逻辑

墙越高，想翻墙的人就越多。

据EE Times报道，英伟达正与韩国推理芯片创业公司Rebellions洽谈技术合作、投资乃至收购。一家市值体量与其完全不在一个量级的巨无霸，去向一家韩国小公司示好，这个动作本身就值得细品。

背景是英伟达的推理转向。推理与训练的资源画像完全不同：训练吃算力峰值，推理更吃内存带宽和单位成本——每一次用户提问，数据都要在内存和计算单元之间反复搬运。内存墙对推理场景的杀伤，比对训练更直接。

也就是说，英伟达这笔潜在交易的方向性，和美光研究员的警告是同一件事的两面：当带宽成为瓶颈，巨头需要的不只是更强的GPU，而是围绕内存和推理重构整个技术栈。无论是技术合作、参股还是并购，本质上都是在为推理时代补链。

对Rebellions这类专注推理优化的公司而言，被英伟达锁定，也印证了推理赛道本身的价值重估。过去几年，创业公司的叙事是训练芯片挑战英伟达；现在风向变了——挑战不成，就加入巨头围绕推理和内存重建的版图。

据多位接近产业的人士观察，巨头的投资并购重心，正在从单纯的GPU设计团队，转向那些在内存带宽利用、推理效率上有独门功夫的标的。这场谈判无论结果如何，都已经说明问题：内存墙之下，连英伟达也承认，光靠GPU不够了。

📋 上海的清单：存储芯片被点名到了台前

墙的问题，不止硅谷和韩国在解。

上海市人民政府印发《上海市加快推进新型工业化构建现代化产业体系十五五规划》，其中对集成电路的表述颇具信息量：坚持全链突围、集群进阶，全链条推动集成电路关键核心技术攻关，聚焦张江、临港、嘉定核心区域，建设一体两翼世界级产业集群。

最值得注意的是芯片层面的点名顺序：高性能算力芯片、通用处理器芯片、存储芯片、互联芯片和智能传感器，目标是达到国际先进水平。存储与算力、处理器并列出现在同一份清单头部，与全球AI产业正在发生的重心转移高度呼应。

规划还给出了一条清晰的推进路径：

• 设计端：推动EDA、IP核高端化，培育行业龙头，加快并购整合与产业链融合；
• 制造端：加快重大产线项目建设，推动工艺加速迭代和产能跃升，建强特色工艺；
• 封装端：加快先进封装技术产业化；
• 装备材料端：提升装备材料零部件能级，体系化、平台化发展。

把这份清单和Hot Chips会场上的技术判断对照着看，会发现逻辑惊人地一致：Sreeramaneni说HBM的突破在于转向颠覆性的工艺和封装技术，Lee Jae-sik说需要设计、代工、封装四方携手——而上海规划里，恰恰是把制造、封装、装备材料作为独立条目重点部署。先进封装从配角升格为产业化的主攻方向之一，正是对内存墙时代的直接回应。

💡 决胜点在工艺和封装的交界处

三条线索，指向同一个拐点。

美光的警告说明，内存墙不是靠堆层数就能解决的小修小补问题，需要打破计算和存储之间界限的新设计；英伟达接触Rebellions说明，连生态最强的一方也在为推理时代的内存效率布局；上海的十五五清单说明，后发地区的追赶路径，也把存储和先进封装放到了与算力芯片同等的位置。

如果把这些拼在一起，可以勾勒出未来几年AI算力产业的竞争主线：

换句话说，决胜点不再单纯属于某一个环节，而属于能把内存、逻辑、代工工艺和封装整合到一枚邮票大小芯片上的那股合力。HBM的3倍晶圆消耗决定了它是产能稀缺品，散热倒推设计的现实决定了它必须多方协同——谁整合能力强，谁就握有下一阶段的定价权。

对产业链上的各方，这意味着三件事值得持续跟踪：一是HBM4的量产爬坡与散热方案的落地节奏；二是英伟达与Rebellions这类交易的走向，它标志着推理生态的整合速度；三是国内存储与先进封装产能的建设进度，这决定了内存墙时代的国产位置。

小结：内存墙越砌越高，但墙的方向变了——过去我们问制程能走多远，现在要问数据能跑多快。美光把话说透：HBM需要颠覆性的工艺和封装技术，这可能就是内存行业当前竞争的决胜点。当巨头开始为带宽收购公司、当地方规划把存储芯片写进头部清单，一个旧共识正在瓦解：AI的下一程，算力不再稀缺，稀缺的是把数据喂饱算力的能力。谁能拆掉计算与存储之间的那堵墙，谁就拿到下一张船票。