英伟达 vs 存力，到底谁拿捏谁？
海豚研究 ｜ 2026-09-29

HBM技术演变围绕容量、带宽、成本展开：容量可通过堆高层数或增加内存数量扩大，但受工艺、良率、DRAM晶圆产能制约；带宽上位宽与速率相互掣肘，瓶颈在Base Die、中介层和封装；HBF以牺牲带宽换容量，适合低频数据。最终路线取决于AI需求卡在容量还是带宽，分层混合存储架构或成远期解。

在上篇文章中存力接棒算力，HBM为什么“脱颖而出”？，海豚君从底层技术出发，回答了AI对存力的需求为何"突然"爆发，以及HBM凭什么成为高性能GPU的首选内存，并介绍了HBM内存技术的核心概念与逻辑。那么随着AI技术的发展，内存技术又将如何演变，以实现更大的容量和更快的带宽？

恰巧，近期业内也出现了两个看似矛盾的信号：一边是HBM路线图继续加码，堆叠层数从12层走向16层、20层；另一边据SemiAnalysis，英伟达下一代Rubin Ultra的HBM可能从16层一路砍到8层，同时以闪存颗粒为基础的HBF，也在试图从HBM手中分走一部分容量需求。

HBM是否会被取代，还是会更加稀缺？HBM究竟该不该继续堆高？本篇我们就沿着上篇结尾留下的容量、带宽和成本三条线索，主要讨论以下几个问题：

1）要继续扩大内存容量，行业有哪几条路可走？各自的代价是什么？为什么HBM的层数反而可能不增反减？

2）为什么带宽比容量更难提升？瓶颈卡在哪里，后续又有哪些突破口？

3）不同的场景下，哪条技术路线更可能被选择？对产业链以及内存厂商的话语权会有何影响？

以下是正文

一、扩大容量，有哪些途径？

先从如何继续加大内存容量的问题出发，目前业内有两个并行的方向：一是突破工艺上限，把单颗内存做得更强，代价是更复杂的工艺、更高的成本和可能更低的良率；二是更侧重性价比，不追求单颗性能，转而以数量取胜，用不同规格的产品匹配不同层级的需求。

1.1、路径一：更强的单颗性能

a. 继续堆更多层

最直接的方法是沿着现有路径继续增加堆叠层数：HBM3E为12层，部分HBM4/4E将做到16层，HBM5路线图则指向20层。