作者:链上吃瓜员 更新时间:2026-11-19 10:59
2026年英伟达财报数据中心收入再创新高,大家盯着黄仁勋去留、GPU订单和下一代芯片出货。可越往上游看,越觉得有一家做存储芯片的公司值得单独讲。它是SK海力士,2023年全年营业亏损7.73万亿韩元,到2026年第三季度单季营业利润已达83.33万亿韩元。它押中的产品叫高带宽存储器HBM。公司财报也提到服务器DDR5、NAND等业务同样推动增长,我们看不到单独的HBM利润表,不能把全部收入都算在HBM头上。2026年英伟达财报数据中心收入再创新高,大家盯着黄仁勋去留、GPU订单和下一代芯片出货。可越往上游看,越觉得有一家做存储芯片的公司值得单独讲。它是SK海力士,2023年全年营业亏损7.73万亿韩元,到2026年第三季度单季营业利润已达83.33万亿韩元。它押中的产品叫高带宽存储器HBM。公司财报也提到服务器DDR5、NAND等业务同样推动增长,我们看不到单独的HBM利润表,不能把全部收入都算在HBM头上。但有一点很清楚:一项当年为解决图形芯片瓶颈而开发的技术,十几年后成了AI产业链争抢的资源。

想象一家工厂,里面的机器转得很快,门外却只有一条窄路。原料送不进去,成品运不出来,机器再快也得等。
GPU 和存储器之间,也有类似的问题。GPU 负责大量计算,存储器负责存放和提供计算需要的数据。如果算力增长得很快,但数据供应跟不上,处理器就会花更多时间等待。
这里说的“宽”,是带宽:单位时间内能传多少数据;不是存储容量,也不是单次访问延迟。一个系统容量很大,不代表每秒送到处理器的数据就足够多。
过去可以尝试提高单条数据通道的速度,但速度越高,功耗、信号完整性和布线等问题也越难处理。工程师于是想了另一条路:把多层 DRAM 芯片堆起来,通过硅通孔连接,再用很宽的接口把它们和处理器连接得更近。
这就是 HBM 的基本思路。它通常与 GPU 等芯片一起,通过中介层等先进封装技术组成系统。这里的“放得近”是为了缩短连接、提高带宽与能效,不意味着每一种产品结构都完全一样。
今天说起 HBM,大家想到的是英伟达的 AI 服务器。但把镜头往前拨十多年,这个故事里首先出现的,是游戏玩家和一张显卡。
显卡需要处理画面、纹理、光影和几何数据。分辨率越高,画面越复杂,需要在处理器和显存之间搬运的数据就越多。制造商当然可以继续提高芯片的运算能力,可如果数据供应速度赶不上,芯片内部一部分计算单元就得等着。
这有点像一群厨师站在厨房里,炉灶和刀工都很厉害,食材却得从窄门一点点送进来。雇更多厨师可以提升账面上的生产能力,但食材没送到,他们照样没法开工。HBM 要解决的,是数据通道太窄的问题。
过去的办法之一,是提高每条数据线的传输速度。不过速度越来越高以后,功耗、信号噪声和主板布线都会变得更难处理。显存颗粒围着 GPU 排开,距离长、连接多,能做到什么程度也受到物理条件约束。
AMD 工程师 Bryan Black 在 2015 年的采访里谈到,团队很早就在研究三维堆叠。最初考虑的是更广义的芯片堆叠,后来发现存储器是一个更有机会落地的方向。按照他的说法,到采访时,围绕 DRAM 的工作已经持续了好几年。回头看,那不是某次会议拍脑袋决定造一颗“AI 神器”,而是一群工程师被眼前的带宽问题逼着去找新路。
方案听起来不复杂:把多片存储芯片垂直堆起来,在芯片内部做通孔,让各层上下连接;再把堆叠后的存储器放到靠近 GPU 的位置,用大量较宽的连接同时传数据。好处不是凭空造出更多计算能力,而是让处理器更有机会拿到它需要的数据。
带宽、容量和延迟是三件事。打个比方,一辆货车每趟能装多少货是一回事,一小时能运多少趟、每次多久送到又是另外两回事。HBM 的强项是带宽;看到它带宽高,不能直接推导出所有程序都会同比例变快,也不能说它会取代所有普通内存。
这听起来像技术课,但后来谁能拿到订单,恰恰取决于这些看似枯燥的细节。AI 训练和推理经常要搬运大量数据,处理器越强,系统越不能只盯着芯片本身的运算速度。
HBM 的产业化还有一层容易被忽略的关系:做产品的公司既要跑得快,也要让上下游能跟得上。如果存储厂、处理器厂和封装厂各说各话,每家接口、尺寸和测试方法都不一样,产品即使各自表现不错,拼起来也可能不能用。
行业标准的作用,就是让参与者围绕一套共同的基本规则设计产品。它不会替企业解决所有工艺问题,也不会保证某家公司的产品一定通过客户验证,但至少给整个生态一个可以对话的起点。
海力士工程师在 2022 年采访中提到,制定 HBM3 相关规格时,团队需要与标准组织协调。一个方案写在纸上可行,转到生产环节却可能遇到新的工艺问题;如果再改变性能、尺寸或功耗条件,芯片设计和下游系统也要跟着调整。
客户关系同样不能等到产品完全做完才开始。处理器与内存常常要共同考虑接口、供电和散热。供应商越早了解客户需求,就越有机会在设计中留出余地;客户越早参与,也越能判断产品能否进入自己下一代系统。
这既是壁垒,也会限制速度。几家企业的计划必须彼此衔接,一家延误,其他公司的进度可能受到影响。外界看到的是某年某月宣布推出新产品,背后却往往有更早开始的设计和验证周期。

把时间拨回 2009 年。按照海力士工程师后来在公司访谈中的回忆,公司当时已在探索硅通孔等技术,希望突破存储器性能限制。
这个年份很重要。ChatGPT 是很多年之后才出现的,HBM 最初寻找的客户,也不是今天大家熟悉的大语言模型公司。
AMD 当时在图形处理器领域寻找提高内存带宽的方法。海力士有存储芯片和堆叠技术,双方开展合作。2013 年 12 月,海力士宣布开发出使用硅通孔的高带宽存储产品,并在公告中提到与 AMD 联合开发。
不同资料对 HBM 的“诞生年份”有时写 2013,有时写 2014。看原文,前者可以明确对应海力士的 2013 年开发公告;后者出现在公司后来的技术回顾中。开发公告、标准化、产品量产与最终进入设备是不同节点,我不会把它们混成某一天“发明了 HBM”。
海力士做存储,AMD 做处理器,双方各自都很清楚单靠一家很难把新东西推向市场。存储厂做出的产品要满足 GPU 设计,GPU 设计又要考虑封装、供电和散热;负责制造、封装、测试的公司也都需要提前参与。
海力士工程师后来回忆,公司从 2009 年前后就开始推进相关技术研究。2013 年 12 月,公司宣布开发出采用硅通孔技术的高带宽存储器,并提到与 AMD 的合作。这里我特意把“研究”和“宣布开发成功”分开:前者是研发过程,后者是公开披露的节点,两者之间还有大量外界看不见的实验。
AMD 的 Bryan Black 2015 年说过,项目牵涉的不只是两家公司。他提到的参与方包括存储、晶圆制造与封装测试企业。大家得共同解决技术接口、进度、产能和商业责任;采访中,他用超过四百个需要处理的商业与技术事项来说明复杂程度。这个数字来自他当年的描述,我没法独立核对每一项,但足以让人感受到项目不是把两块芯片贴在一起这么简单。
把任何一个参与者拿掉,产品都有可能卡住。存储做好了,如果先进封装不成熟,GPU 客户照样用不了;样品能跑,如果交付数量太少,显卡厂商也没法正常铺货。更麻烦的是,这些事互相咬合,某个环节改了,另一边的设计可能得重新验证。
对供应商来说,还有一笔经常被忽略的账:研发的钱先花出去,可客户下单是后话。工程师可以相信性能优势,财务部门却要面对设备、人员、试产和失败成本。假如最终市场没有想象的大,这些成本未必能收回来。
这也是为什么我不太喜欢把早期 HBM 团队写成“他们早已预见 ChatGPT”。他们看到的是一条更具体的产业需求:图形处理器需要更高带宽。这个判断本身已经很难,不必再给他们加上一份十年后的剧本。

2015 年,AMD 发布 Radeon R9 Fury X。AMD 当年的公告将它描述为首款采用 HBM 的显卡,计划从 6 月 24 日开始上市。
这第一批 HBM 商业应用的重要场景,是游戏和图形计算。它先解决了显卡需要大量带宽的问题,后来才遇到更大的 AI 市场。
AMD 在当年的材料中称,Fury X 的显存带宽比其所比较的 GDDR5 方案高 60%。这是 AMD 对当时特定产品的比较,不意味着所有 HBM 产品都比所有 GDDR 产品快 60%。
2015 年 6 月,AMD 推出 Radeon R9 Fury X。公司把 HBM 放在新显卡最显眼的位置,向市场解释:内存技术变了,显卡内部的布局也可以变。
按当年产品资料,Fury X 配备 4GB HBM,显存带宽为每秒 512GB。这个数字放在今天看也许不再稀奇,在当时却足以让关注显卡的人认真看一眼。AMD 自己的对比材料称,Fury X 带宽比所比较的 GDDR5 方案高约六成;这里的前提是特定产品与配置,不能把这个比例推广到任何一代 HBM。
但这张卡并不意味着 HBM 从此横扫所有市场。首先,带宽不是显卡体验的全部,GPU 本身的计算能力、驱动、游戏优化、价格以及显存容量同样重要。其次,新封装方式成本高、产业链复杂,适合高端产品,不见得适合所有价位的显卡。
对玩家来说,买显卡不是买一篇论文。性能好多少,玩游戏时有没有实际改善,价格能不能接受,4GB 显存够不够,都是很现实的问题。厂商必须让整张卡有竞争力,而不是只让其中一个指标看上去漂亮。
AMD 当年的产品发布,给这项技术找到了一个有辨识度的商业入口。比起实验室里的样品,出现在销售产品里的 HBM 需要面对更多用户、更复杂的使用条件和更严格的稳定性要求。这一步的意义,是把一个工程方案送到了真实市场。
但真实市场同样会告诉研发人员另一件事:技术出色,不代表需求立即爆发。高端显卡是重要展示窗口,却无法保证每年都有足够大的新增市场,把研发和制造投入迅速摊薄。
我觉得这里有一个很容易被事后叙事盖过去的细节:2015 年的 AMD 与海力士是在卖眼前的产品,今天的投资者是在用 AI 时代的价格重新认识当年的技术。这是两个不同的时间点,不应该拿今天的确定性去要求当年所有人都看出未来。
讲 HBM 不能只讲海力士。2016 年 1 月,三星宣布开始量产 4GB HBM2,并说计划在当年推出 8GB 版本。注意,公司当时宣布已经量产的是 4GB;8GB 是当时的计划,不能一句话写成两个版本已经同时量产。
三星公告介绍,这个产品由底部逻辑芯片和多层 DRAM 芯片组成,通过硅通孔与微点连接。公告给出的单个封装带宽为每秒 256GB,并拿它与当时的第一代 HBM 和 GDDR5 方案比较。公司披露的性能是特定产品的参数,不应直接套用到今天任何一张 AI 加速卡上。
几个月后,英伟达推出 Pascal 架构的 Tesla P100。英伟达当年材料显示,P100 使用 16GB HBM2,内存带宽为每秒 720GB。它指的是这款加速器配置的总带宽;三星公告中的每秒 256GB 则是单个存储封装口径。两者不能直接相除,再拿结果证明哪家产品更强。
P100 面向高性能计算和深度学习应用。也就是说,在生成式 AI 成为全民话题之前,HBM 已经不只出现在游戏显卡里。研究机构和数据中心已经在寻找更高的计算效率,只不过当时的市场规模和后来不同。
三星早期的参与也提醒我们,HBM 并不是海力士独家的发明故事。不同厂商在不同代际的研发进度、产能、客户验证和成本各有变化,某一个阶段领先,不等于从头到尾都领先。
市场后来会用一笔又一笔 AI 订单重新给这场竞争排序,但如果只从 2023 年开始看,很容易忽略三星在 HBM2 时代的投入,也会低估这门生意有多依赖长期的制造能力。

今天回头看 HBM 很容易讲成一个“提前押中 AI”的完美故事,但早期市场远没有后来这么热闹。
海力士自己在 2024 年的回顾中说,第一代 HBM 出来时,高性能计算市场尚未成熟,产品没有立刻获得爆发式需求。这是公司事后的叙述,我们无法从中还原项目每一年的盈利与决策细节,但至少能看到一件事:技术突破和大规模商业回报之间,隔着相当长的时间。
对存储公司来说,这种等待尤其难熬。建厂、设备、研发都要真金白银;客户愿不愿意大规模采用、产品能不能稳定量产,却要慢慢验证。
海力士并不是第一次经历产业压力。2003 年美国国会研究处有关韩国半导体的报告记录过 Hynix 的债务重组;2012 年,SK Telecom 买入约 21.05% 股权并成为最大股东。公司随后更名为 SK hynix。
这段历史不能简单写成“SK 买下公司之后才开始做 HBM”,因为海力士的研发探索更早就开始了。换了股东,也不代表存储业周期从此消失。
HBM 的长期价值后来很大,不代表项目中间没有经历过尴尬。路透社 2026 年采访多位知情人士时提到,海力士在 HBM2 阶段一度落后,内部曾讨论是否退出相关业务。报道还提到,相关封装设施和其他资产的拟议投资超过 8000 亿韩元。这里我把它写成报道中的投资方案,不把计划金额自动当成实际支出。
路透社采访的前高管回忆,那时的决策环境和今天完全不同:市场不够大,产品投入又高,管理层必须考虑继续做是否值得。海力士没有就报道中的所有细节逐一置评。外部读者能看到的是媒体采访,无法看到当年每次会议的完整记录,所以我不会把具体对话、表情和心理活动写成现场实录。
2019 年前后,需求变化又带来了新的压力。报道提到,相关封装设施一度没有充分利用。设备已经买了,人员也已经投入,工厂不能因为市场暂时冷下来就假装成本不存在。这是半导体生意很真实的一面:决策正确与否,不只看方向,还看能不能熬到收入足够覆盖投入的那一天。
换一个角度,退出并非完全没有逻辑。普通存储市场本来就起伏很大,公司还有大量其他业务需要资金;如果一项新产品长期无法形成足够订单,继续投入的机会成本可能很高。管理层不能简单拿一句“未来会有大市场”来支付账单。
但继续做,也有另一笔账。先进存储技术需要长时间积累,客户验证、工艺经验和生产能力并非关掉后想重启就能马上找回来。一旦未来客户需要这种产品,而你已经离开赛场,就得重新追赶。
后来发生的事让“坚持”显得非常英明,可这是事后才清楚的。站在当年,管理层面对的是亏损风险、有限预算和不确定订单。把这段写成没有压力的伟大押注,反而掩盖了商业决策真正难的地方。

画一张图,把几层芯片摞起来,听着不难。真到工厂里,问题就来了。
首先是连接。多层芯片需要上下通信,硅通孔穿过芯片,将不同层连接起来;同时还要和 GPU、封装基板配合。连接越密,设计、测试和工艺控制的要求越高。
其次是散热。AI 处理器和 HBM 一起工作,热量如果处理不好,速度、可靠性和产品寿命都会受到影响。
还有良率。可以做出一个样品,和连续交付大量符合客户规格的产品,中间差着好几道坎。单层芯片、堆叠、封装、测试以及最终系统的可靠性,任何一个环节出问题,都可能影响可交付数量。
海力士后来谈到,它在 HBM2E 及后续产品中使用 MR-MUF 等封装工艺,目标包括保护堆叠结构、改善散热和生产效率。相关优势是公司自己的技术说明;不同供应商采用的工艺与结果,需要按具体产品比较。
所以 HBM 的竞争,不只是“谁把参数写得更高”。客户还会问:你的产品能否稳定工作?能交多少?下一代还能不能按时跟上?
HBM 看上去是一摞芯片,工厂里的工作却远不止“往上叠”。芯片要足够薄,层与层之间要精确对齐,连接要可靠,热量要有办法散出去。任何一个环节出现问题,都会让一个本来参数很好的产品无法交付。
这里有个简单但很关键的道理:芯片层数多,不只是把容量乘上去。假如每一层都需要通过测试,连接也要可靠,那么叠在一起以后,系统性问题的排查就会复杂得多。一处缺陷可能影响整个堆叠封装,返工也不一定容易。
海力士在 HBM3 工程师采访中讲过,产品互连的间距变得更窄,封装团队遇到了以前没有碰到过的缺陷。负责封装开发的 Jinwoo Park 回忆,团队做过大量试验,逐项调整工艺变量、寻找问题来源。公司文章提到数百次实验;这是工程师在公司采访中的回忆,不是第三方审计过的精确工作记录。
采访里还有一个很有人味的细节:开发进度紧的时候,同事留下一杯咖啡和鼓励的话。这种细节没法告诉我们良率是多少,却能让人理解,新闻里一句“成功量产”背后,常常是许多人长期处理一堆不好看的问题。
标准也需要协调。海力士另一位工程师回忆,HBM3 的性能要求让团队不得不与行业标准组织就规格展开讨论。标准不是一家厂商写一个数字、其他人立即照做;它关系到设计边界、兼容性和后续产品能否一起工作。
而客户的验证同样漫长。产品参数合格后,还要放进客户的系统里测试。内存、处理器、封装、供电与软件一起运行,单独看每个零件都没问题,不代表组合起来就一定稳定。
所以,看到某家公司“送出样品”,我会把它理解为竞争开始的一步;看到“量产”,意味着又过了一关;看到稳定大批量出货、客户持续采购,才更接近商业结果。三句话写在新闻标题里只差几个字,含金量却可能差很远。

2022 年 3 月,英伟达发布 Hopper 架构和 H100 GPU。英伟达当时介绍,H100 使用 HBM3,内存带宽可达每秒 3 TB。
同年 6 月,海力士宣布开始量产 HBM3,并表示产品将与英伟达 H100 结合。这里要区分两个数字:海力士公告中单个 HBM3 产品的最高带宽,与英伟达整颗 GPU 配置的总内存带宽,不是同一个口径,不能直接拿来排高低。
2022 年 3 月,英伟达发布 Hopper 架构和 H100。英伟达在产品公告里提到,H100 使用 HBM3,整体配置的内存带宽可达到每秒 3TB。几个月后,海力士宣布量产 HBM3,并称将供应英伟达 H100 相关产品。
这个时间线很重要。H100 和 HBM3 在生成式 AI 热潮席卷大众之前就已经进入产品推进阶段。大模型热度上来后,市场才更直观地发现,训练和运行模型不仅要买昂贵的处理器,还需要配套的高速内存、先进封装和数据中心基础设施。
英伟达买的也不是一串孤立的规格。服务器客户需要整套系统能交付、能持续运行;GPU 厂商需要内存在功耗、散热和接口上配合自己的处理器设计。内存商如果想成为供应链的一部分,得在设计阶段就和客户沟通,而不是等 GPU 造好了再推着一盒产品上门。
客户验证通过以后,先进入的厂商往往有机会在某代产品早期获得优势。海力士工程师也在 2022 年采访中表达过类似看法:验证需要时间,一旦完成,就有可能在产品初期形成先发位置。但这并不保证每一代都会胜出,也不意味着客户永远不会引入其他供应商。
英伟达的 GPU 和海力士的 HBM 是互相成就的关系,但不能把它简化成“谁离开谁就无法经营”。处理器公司希望确保供应,存储厂希望扩大客户,双方的议价位置会随着技术代际、产能和竞争者进展变化。
如果订单越来越大,原本困扰存储厂的固定成本就有机会被摊薄;如果客户对可靠性要求极高,已经完成验证的供应商也可能获得时间优势。可另一面是,供应链过度集中也会让客户主动寻找第二来源。成功越大,竞争对手追赶的动力也越强。

随后生成式 AI 的热度上来,训练和推理需要更多算力,也需要更快地把数据送到处理器。HBM 的价值,被放到了一个比当年游戏显卡大得多的市场里重新衡量。
海力士并没有因为碰上 AI 就不受周期影响。公司 2023 年营收为 32.77 万亿韩元,全年营业亏损 7.73 万亿韩元;同一年,按照公司披露,HBM3 销售额超过上年同期的五倍。
这两个事实放在一起看,很能说明存储生意的复杂性:一项产品的需求在增长,整个公司仍可能被其他产品、库存和价格周期拖入亏损。HBM 是希望,但当时还不是一张能立即覆盖所有问题的万能牌。
看 2023 年的海力士财报,会发现一个挺有意思的反差。公司全年营收约 32.77 万亿韩元,营业亏损约 7.73 万亿韩元;但公司同时表示,HBM3 销售额超过上年同期的五倍。
一边是新的产品卖得更好,一边是整个公司还在亏钱。这并不矛盾。海力士不是只生产 HBM 的公司,普通 DRAM、NAND 及其他业务占着重要位置。当存储价格下跌、客户去库存、工厂开工和成本承压时,即便某条产品线需求改善,也未必能立刻覆盖整个集团的压力。
这份财报让我想起,投资者常常习惯给一家公司贴一个最新标签:AI 公司、存储龙头、算力供应商。可会计报表不会因为标签变了,就把旧业务和周期成本自动划走。产品组合里有什么、各自处于周期的哪个位置,才决定最后报出来的利润。
到了 2024 年,海力士全年营收约 66.19 万亿韩元,营业利润约 23.47 万亿韩元;2025 年,全年营收约 97.15 万亿韩元,营业利润约 47.21 万亿韩元。对照 2023 年的亏损,转变非常大。数字来自公司全年业绩,单位都是韩元,也都是公司整体经营结果,不能说这些利润全部由 HBM 贡献。
2026 年第三季度,公司披露营收约 104.62 万亿韩元、营业利润约 83.33 万亿韩元。这个单季数字很亮眼,但同比高增既有 HBM 等高附加值产品,也有其他存储产品、价格和供需变化的影响。公司没有在同一份公开资料里给出可供我们独立拆分的 HBM 净利润,因此我不会编一个“HBM 赚了多少”。
同样不能忘记比较口径:全年亏损与单季盈利放在一起,是为了展示周期变化的强烈反差,不是计算一个标准的同比增速。想比较增长,要拿相同长度、相同会计口径的期间来算。
最危险的写法,是用一次极好的季度表现,反推出以后每个季度都能这样。这些数字告诉我们的是已经发生过什么;至于利润能持续多久,仍要看客户支出、供应、竞争以及普通存储市场。

2023 年,海力士公布了 HBM3E 开发进展。2024 年 3 月,公司宣布开始量产 HBM3E,并计划从当月下旬向客户供应。
海力士在公告中给出的 HBM3E 最高处理速度约为每秒 1.18 TB。这是公司公布的特定产品规格,不是所有 HBM3E 的统一实际速度,更不代表整个服务器的吞吐量。
如果只看产品名称,很容易觉得 HBM3、HBM3E、HBM4 只是在数字后面加一个字母。可对客户来说,每一代变化都涉及速度、容量、散热、供电、封装以及系统验证;对供应商来说,则意味着研发费用、设备投入、试产和不断爬坡的良率。
公司宣布送样,是客户开始或继续验证的节点;宣布量产,才说明进入生产阶段;能长期大批量交付、实际获得多少订单,又是另一回事。看供应链新闻时,这三个阶段我会分开。
2024 年 3 月,海力士宣布开始量产 HBM3E,并计划从当月下旬开始向客户供应。公司在公告里给出的产品最高处理速度约为每秒 1.18TB。这个数字指特定产品的性能规格,不能拿它冒充整个 GPU 或服务器的实际吞吐量。
HBM 每升级一代,市场习惯用一个更大的带宽数字来概括。但对供应商而言,真正的竞争不只是速度:客户还会看容量、功耗、散热、产品高度、质量稳定性,以及能否按计划交货。
层数增加可以提高容量,却也意味着更高的制造和封装难度。不同厂商会采用不同的堆叠和封装工艺,解决芯片之间的连接与散热问题。海力士介绍过自己的 MR-MUF 工艺及其优势,但公司对自家工艺的评价,不能直接当成对所有竞争对手的独立排名。
更重要的是,技术路线有时候需要围绕客户的平台定制。某个客户关心总容量,另一个客户可能更在意功耗;加速器的封装空间、散热结构和部署方式不同,供应商就得在多个约束下做选择。
到了 2026 年,三星宣布 HBM4 商业出货,之后又宣布 HBM4E 样品出货;美光也披露 HBM4 向主要客户平台的出货进展,并提出下一代产品计划。我要强调,样品、量产、商业出货和长期批量供应并不是同义词。新闻里谁先喊出一个词,也不等于谁已经锁定未来几年全部订单。
对于投资者,我更关心几个后续问题:新产品是否真正通过主要客户验证?交付能否持续?良率变化会不会影响成本?新增供应出来以后,价格和利润率还能维持在什么水平?这些问题的答案,通常不能从一张产品照片里看出来。

2026 年 10 月 28 日,海力士公布第三季度业绩:营收 104.62 万亿韩元,营业利润 83.33 万亿韩元。公司在说明中提到,HBM4 开始扩大出货,服务器 DDR5 销售也明显增长,NAND 业务亦有贡献。
对比公司提交的财务资料,2025 年同期营收为 24.45 万亿韩元。按未四舍五入的数据计算,2026 年第三季度营收同比增长约 327.9%。这反映的是公司整体业务,不是 HBM 单一产品增长率。
第一组是“单颗”和“整套”。单个 HBM 堆叠的带宽,和一颗 GPU 搭配多个堆叠后的总带宽,不是同一个口径。服务器里如果有多颗 GPU,又会出现更大的系统总带宽。数字写得越大越容易吸引眼球,单位和计算范围却必须一起看。
第二组是“收入”和“利润”。某家公司 HBM 销售额增加,不代表营业利润会按同样比例增加。成本、良率、设备折旧、客户合同以及其他业务的价格变化,都会影响最后的利润。反过来,公司整体利润创新高,也不能把全部功劳都分给 HBM。
第三组是“市场需求”和“公司预期”。客户说计划扩大数据中心,供应商说订单强劲,分析师预计未来几年需求继续增长,这些都是值得关注的信息;但计划、订单和已经确认的收入不是一回事。项目可能推迟,交付时间可能改变,客户也可能调整配置。
还有一个隐藏在比较里的细节:财年不一定等于自然年。英伟达的财年季度与存储公司的自然季度未必完全同步;如果直接把两个公司标着“第三季度”的数字放在一起,可能比较的是不同日期范围。
这些并不是为了把一个好故事讲复杂,而是因为一旦有人拿它做投资决定,差一个口径,结论就可能差很多。

如此高的利润自然会吸引竞争,也会让投资者忍不住问:这种盈利能维持多久?
海力士在业绩说明中判断,受先进制程难度和新厂建设周期等因素影响,存储市场供需紧张可能持续到 2030 年。这个说法值得关注,但它是公司的预测,不是已发生的事实,更不是价格和利润会一直上涨的承诺。
一个产业景气的时候,订单很容易排得很满。可供给也会跟着高利润扩张,客户可能优化芯片设计,AI 投资计划也可能改变。周期不会因为产品名称前面多了 AI 两个字就自动消失。
存储行业的历史里有一个反复出现的场景:需求紧张、价格上涨、公司利润大增,随后所有厂商都希望增加供给。因为扩产需要时间,供给不会第二天就出现;但当多家公司的新增产能陆续投产,竞争也可能回来。
HBM 有比普通存储更复杂的客户认证、堆叠和封装门槛,不能简单套用过去某一次 DRAM 周期。可门槛高,不代表供给永远不会增加。更高的产品价格和利润,恰恰会吸引设备投入、研发人员以及竞争对手。
海力士在 2026 年第三季度业绩说明中认为,供需紧张可能持续到 2030 年。作为重要供应商,公司掌握大量一线信息,它的判断值得听;但这依然是预测。订单取消、客户调整资本开支、新产品替代或竞争者扩产,都可能让实际结果偏离当时的判断。
从需求端看,大型云厂商采购 AI 系统,最终需要衡量业务收入、利用率和资本回报。训练、推理、模型效率与软件工具不断变化,单次任务需要多少算力、客户愿意支付多少,也不是永远固定的数字。
从供给端看,宣布投资和真正形成可交付产量之间隔着时间与良率。如果一家企业公布大额资本开支,不能马上把它加到下季度供应里;如果产线建成后客户验证不顺利,也不代表所有设备立刻产生收入。
我更愿意看订单、交付、库存、价格和资本开支能否相互印证。某个季度价格上涨,可能来自真实终端需求,也可能叠加客户提前备货。只凭一条新闻,很难把两种因素拆清楚。

如果说海力士在 HBM3 时代赢得了一个重要的先发位置,那接下来的竞争,就得看每一代产品能不能继续守住客户。
三星在 2026 年 2 月宣布 HBM4 进入量产并向客户商业出货;同年 6 月又宣布开始向客户提供 12 层 HBM4E 样品。注意,HBM4E 的样品出货,不等于它当时已经大规模量产。三星自己的公告称,其后续量产将结合客户进度推进。
美光在 2026 年 6 月披露,HBM4 已向其主要客户的平台进行大批量出货,HBM4E 正在开发,预计 2027 日历年量产。这同样是公司当时的进度和计划,后续仍可能变化。
海力士在 HBM3 周期拿到了非常重要的位置,但内存行业从来不缺有实力的竞争者。三星有长期存储制造、资金和客户基础;美光也有技术、产能和美国本土客户关系。三家公司的发展节奏不同,不能仅凭某个季度就宣判未来。
三星在 2016 年已经发布 HBM2 量产消息,因此它不是看到 AI 火了才第一次进入这个赛道。后来各代产品的推进有快有慢,媒体和分析师会讨论客户认证、功耗和良率,但具体项目的验证细节大多属于企业商业机密,外界未必能完整看到。
2026 年 2 月,三星宣布 HBM4 已经商业出货;6 月,公司又宣布 12 层 HBM4E 开始向主要客户提供样品。公司关于未来销量增长的预测,是三星当时的前瞻判断,不能写成已经发生的收入。
美光在 2026 年的公开材料中介绍了 HBM4 出货和下一代产品的开发进展。它对未来量产时间的说明,同样是计划;真正能贡献多少营收、占哪个客户的平台比例,需要后续财报或更直接的公司披露。
一个客户引入新供应商,往往不只是为了压价。对大规模数据中心来说,单一来源意味着集中风险;对 GPU 公司来说,保持多家供应商竞争,也有助于提高供货弹性。可客户不会仅因为想多一个供应商,就忽略产品质量和系统适配。
从投资角度,先发优势的价值是真实的:已经交付过产品、经过验证、能和客户共同开发,都是竞争力。但它不是永久护城河。下一代产品如果出现技术差距、产能问题或者成本劣势,客户也会重新评估。

竞争远不止一家存储厂和一家存储厂比。GPU 设计、晶圆制造、先进封装、测试和数据中心建设,都参与到最终交付里。台积电在 2023 年的技术资料中就提到与美光、三星和海力士等存储伙伴协作,支持 HBM 相关系统集成。
谁能获得更多订单,除了产品规格,还要看客户认证、供货稳定性、价格、封装产能和长期合作。单凭一条“送样成功”的新闻,推不出客户会下多大订单,更不能推断供应商未来市场份额。
以前大家聊半导体,最容易盯住芯片制程,比较几纳米、多少晶体管。到了 HBM 的世界,只盯着存储芯片本身是不够的。GPU、HBM、连接它们的中介层、封装基板,以及后续测试,要组成能正常工作的整体。
英伟达 P100 时代的公开材料已经提到 CoWoS 与 HBM2 的组合。台积电后来也持续推进先进封装与生态合作。这里不能把某一个封装名称当作所有 HBM 产品的唯一解,但它说明了一件事:一个芯片卖得越好,其周边制造环节的重要性也会提高。
设想一下,客户下单要一套完整的加速系统。GPU 晶圆做好了,HBM 芯片也做出来了,如果中间封装能力不足,最终交付还是会被卡住。每一家公司可能都在自己的财报里说产能增加,可产业链整体能交多少,取决于多个环节怎样衔接。
制造商扩产也不是拧开水龙头。厂房、设备、人才、调试和客户验证都需要时间,设备供应商自己也有交期。某个环节加快,并不能保证下游立即出现同等数量的合格成品。
这带来一个商业上的微妙变化:一项原本容易被外界认为是“后段工序”的能力,在系统价值上升以后,可能变成客户愿意提前锁定的资源。它的利润怎么分配、产能优先给谁、风险由谁承担,都会成为谈判的一部分。
不过,瓶颈也不是永远固定在同一个位置。当某一环节扩产成功,限制可能转移到其他材料、设备、电力或者最终客户预算。把产业链看成静止地图,很容易错过下一次变化。
假如我是数据中心采购方,购买 GPU 服务器时不会只看处理器的理论算力。我还要考虑系统能耗、网络连接、散热设备、运维、交付时间,以及软件能否在这套系统上稳定运行。HBM 在这里的作用,是高性能系统的一部分。
价格高的零件,未必就是整个系统最贵的成本;参数领先的零件,也未必自动带来最高的实际利用率。系统如果受电力、网络或者软件限制,某个单独部件的优势未必能全部转化成业务收入。
这解释了为什么重要客户会重视供应商长期可靠性。一批样品跑出高分是一回事,几万套系统部署后能不能稳定运作,是另一回事。测试中的一个小问题,在更大规模交付时可能变成很大的维修和停机成本。
对存储厂而言,深入客户系统也意味着更长的合作周期。双方会讨论下一代产品、生产计划和供应安排,但这不意味着客户承诺无限采购。客户同样会计算预算,并在多个技术方案之间做取舍。
从这个角度看,HBM 的商业价值不是一张性能排行榜所能完整解释的。技术规格是门票,稳定供应和进入客户设计周期,决定供应商能否把门票变成持续生意。

一个很现实的问题是:全球存储制造的设备、产线、工程师和资本都有限。如果供应商更积极地把资源投入高附加值产品,其他存储产品的供给安排就可能受到影响。
但这里也不能说“HBM 一涨,普通内存就一定按同样幅度涨”。HBM 和普通 DRAM 的生产流程、封装需求、客户结构不同;产能转换不是按一条简单比例尺完成。DDR、移动内存和 NAND 各有自己的需求、库存和价格周期。
投资时我更愿意盯几个具体问题:新增产能什么时候真正投产?HBM 生产对其他产品的资源占用多大?客户是持续增加采购,还是先囤货?不同产品的价格与毛利,能否从公司披露中被拆清楚?
这些问题比一句“AI 需要内存,所以内存永远涨价”有用得多。
很多人关心一个实际问题:AI 服务器买 HBM,为什么普通电脑内存的价格也可能受影响?原因是部分资源会竞争,比如 DRAM 晶圆制造能力、先进工艺、设备投入和技术人员。厂商把更多资源投向利润较高的产品,其他产品的供应安排就可能变化。
但这个关系并没有简单到“HBM 涨一成,电脑内存就涨一成”。HBM 后续堆叠、封装、测试与普通 DRAM 有明显区别;不同厂商的产线和设备能否转换,也受到技术和时间限制。NAND 又是另一类存储产品,不能和 DRAM 混成一张价格表。
价格还取决于另一边的需求。个人电脑销量、手机厂商采购、企业服务器升级,以及渠道库存都会影响普通存储。即便供给增长慢,如果下游需求疲弱,结果也可能和市场最初想象的不一样。
对消费者来说,这可能表现为一段时间内升级电脑更贵;对整机厂来说,则意味着采购成本与产品定价需要重新安排。对存储厂,较高价格可能改善利润,但也可能促使客户推迟购买、寻找替代方案。
站在投资者角度,这是一条值得跟踪的传导链,却不能用来编造每个环节的涨价幅度。公司管理层对供需的说法、行业报价、客户库存与实际财报,需要放在一起看。如果只有某款零售产品的标价,我们无法直接算出海力士全公司的利润变化。

海力士与 HBM 最吸引我的地方,不是一家公司恰好站上了风口,而是一个工程问题在不同年代遇到了不同规模的市场。
当年 AMD 需要更高带宽,海力士参与开发;后来 AI 处理器需要更大的数据吞吐量,HBM 找到了更大的应用场景。技术积累、客户合作和量产能力,让先行者有机会在需求到来时拿到订单。
但从好产品到好投资,中间还有价格。即便 HBM 长期重要,存储股也可能因为扩产、客户支出调整、竞争和估值变化而出现大幅波动。判断行业方向和判断买入价格,是两道不同的题。
我接下来会盯四件事:
从游戏显卡旁边的一小摞存储芯片,到今天 AI 系统中的关键零件,HBM 的故事走了十多年。现在所有人都看见了它,下一阶段真正要看的,是谁能在竞争最激烈的时候,把订单、良率和利润一起守住。
我回看 HBM,最有意思的并不是某个企业押对了一次风口,而是同一项技术先后解决了不同时代的问题。游戏显卡要更高带宽,科学计算和深度学习需要更快的数据传输,后来大模型把对算力和内存的需求推到新的规模。
第一批客户没有义务替十年后的市场买单。正因为当时就有明确的产品需求,工程团队才有机会让技术走出实验室;也正因为后来出现更大的需求,之前积累的设计、生产和客户合作经验才被重新定价。
这个故事里也没有永远不变的赢家。AMD 帮助早期 HBM 进入商业显卡,但后来的 AI 市场竞争由更多公司参与;三星曾在 HBM2 时期走在前面;海力士在 HBM3 周期取得重要位置;美光也在推进后续产品。每一代的技术表现和商业结果,都要重新看。
如果一定要从中找投资线索,我会先问自己:公司赚的是研发能力、稀缺产能、客户关系,还是一轮暂时紧张的市场价格?这几种来源可能同时存在,但持续时间不同。接着才是估值:即使未来需求继续增长,如果股价已经把很长时间的高利润都算进去,投资回报仍然不一定令人满意。
最后还要看证据是不是对得上。公司宣布一款产品,不等于已经产生大额收入;集团利润创纪录,不等于每一块业务都在同样赚钱;新闻里提到客户需求旺盛,也不等于永远不会出现库存调整。
当年那摞显存没有告诉工程师十年后谁会成为最大的买家。它只是先解决了一个迫在眉睫的问题,然后在产业一次又一次变化里,等来了更大的应用场景。对一项技术而言,这已经是很不容易的旅程。
2015 年,一张显卡上的 HBM 更多是在争取游戏和图形用户。到了 2016 年,P100 把 HBM2 放进高性能计算与深度学习的叙事;2022 年,H100 与 HBM3 的组合出现;随后几代产品又在训练和推理需求的推动下加快迭代。
但每个节点都不是一条整齐的上升线。研发需要预算,市场会经历低谷,客户会改变采购计划,竞争者也会在不同代际追上来。海力士在 2023 年的整体亏损,恰恰说明即使产业拐点已经出现,公司依然可能面对旧周期留下的压力。
我喜欢把这类故事放回当时的条件里看。2015 年的一家存储公司,并不知道后来大模型会发展到哪一步;2022 年的一位工程师,也无法保证自己负责的每一代产品都会获得最多订单。他们能做的,是处理当时已经摆在面前的问题,并承担选择的成本。
十多年后,我们可以看见更多结果,却不应该假装每一个结果当时都已经确定。看懂这些不确定性,或许比记住某一个热门概念更有用。

到这里,关于英伟达AI芯片卖爆,SK海力士为何突然成关键?的介绍就结束了,各位想要了解更多AI相关内容,请关注中币网其他文章。
复制本文链接
资讯文章中币网所有,未经允许不得转载。
新闻·1分钟前
新闻·10分钟前
新闻·20分钟前
新闻 · 2026-11-18 13:28
新闻 · 2026-11-18 13:18
新闻 · 2026-11-18 11:40
新闻 · 2026-11-16 16:07
新闻 · 2026-11-14 15:38
新闻 · 2026-11-14 13:32
新闻 · 2026-11-14 10:58
新闻 · 2026-11-14 09:50
新闻 · 2026-11-12 13:55
新闻 · 2026-09-22 15:53