HBM技术革新引领AI时代，SK海力士独领风骚

高带宽内存（HBM）作为下一代动态随机存取存储器（DRAM）技术的核心，其创新之处不仅在于其独特的3D堆叠结构，还通过先进封装技术将多个DRAM芯片垂直堆叠，显著提升了数据传输速率，远超传统内存解决方案如GDDR。

凭借其高带宽和低延迟特性，HBM已成为AI大模型训练与推理的关键组件，在AI芯片中扮演“L4缓存”角色，显著提升数据读写效率，缓解内存带宽瓶颈，增强AI模型的运算能力。

01 HBM市场：SK海力士独占鳌头

依托HBM技术的领先优势，SK海力士在业界的地位不断攀升。数据显示，自2024年第二季度起，美光与SK海力士的DRAM市场份额持续增长，而三星则逐渐下滑。在HBM领域，SK海力士凭借高性能、高效率的产品需求激增，与三星的份额差距已扩大至两倍以上。

尤为值得一提的是，SK海力士在今年第二季度以约21.8万亿韩元的DRAM及NAND销售额首次超越三星电子（约21.2万亿韩元），登顶全球存储销售额榜首。这一成就主要得益于其HBM产品的强势表现。作为英伟达的主要独家供应商，SK海力士在AI开发热潮中占据了先机。

其中，第五代高带宽内存HBM3E是关键推手。该产品具备高带宽、低功耗优势，广泛应用于AI服务器、GPU等高性能计算领域。2023至2024年间吸引了AMD、英伟达、微软、亚马逊等科技巨头竞相采购，而SK海力士是全球唯一大规模生产HBM3E的厂商，其2025年的8层及12层HBM3E产能已全部售罄。

反观三星电子，因向英伟达交付延迟错失良机，市场份额从去年第二季度的41%暴跌至今年第二季度的17%。甚至有报道称其未通过英伟达第三次HBM3E认证。

未来，光大证券预计HBM市场需求将持续增长，带动存储产业链发展；花旗证券则预测，SK海力士将继续主导HBM市场。显然，SK海力士有望在AI时代成为“存储器恐龙”。

02 存储厂商开发HBM替代方案

面对SK海力士的强势表现，行业内其他厂商纷纷加速技术创新，探索HBM的替代方案。

三星重启Z-NAND

三星电子决定重启Z-NAND内存技术，以满足人工智能工作负载增长的需求。这一消息于2025年美国未来内存与存储（FMS）论坛上正式公布。

三星内存业务执行副总裁Hwaseok Oh在活动中表示，公司正全力重新开发Z-NAND，目标是将其性能提升至传统NAND闪存的15倍，同时把功耗降低多达80%。新一代Z-NAND将搭载GPU发起的直接存储访问（GIDS）技术，让GPU可直接从存储器获取数据。

Z-NAND的复苏反映了行业正发生广泛转变。快速扩展的AI模型已逐渐超越传统存储基础设施的承载能力。当前系统中数据需从SSD经CPU传至DRAM再送达GPU的过程形成瓶颈。而三星支持GIDS的架构可消除这些瓶颈。

X-HBM架构重磅登场

NEO Semiconductor推出全球首款适用于AI芯片的超高带宽内存（X-HBM）架构。该架构基于其自研的3DX-DRAM技术，成功突破传统HBM在带宽与容量上的瓶颈。

X-HBM凭借32K位总线和每芯片512Gbit的容量，让AI芯片设计人员直接绕过传统HBM技术需耗时十年才能逐步突破的性能瓶颈。

Saimemory开发堆叠式DRAM

由软银、英特尔与东京大学联合创立的Saimemory正研发全新堆叠式DRAM架构。目标是成为HBM的直接替代方案甚至实现性能超越。

这家新公司的技术路径聚焦于3D堆叠架构优化：通过垂直堆叠多颗DRAM芯片并改进芯片间互连技术。

闪迪联手SK海力士推进HBF高带宽闪存

闪迪与SK海力士宣布签署谅解备忘录，双方将联合制定高带宽闪存（HBF）规范。这一合作源于闪迪今年2月首次提出的HBF概念。

作为基于NAND闪存的内存技术，HBF创新性地采用类HBM封装形式。这一突破标志着业界首次将闪存的存储特性与类DRAM的高带宽性能整合到单一堆栈中。

03 多维度架构创新降低HBM依赖

除了存储技术上的持续创新，厂商们也在积极探索AI领域的架构革新以期降低对HBM的依赖。

存算一体架构

存算一体（Processing-In-Memory, PIM）正是在这一背景下被提出的创新架构。其核心理念是在存储器本体或邻近位置集成计算功能从而规避传统架构中“计算—存储—数据搬运”的瓶颈。

华为的AI突破性技术成果

华为近期发布的UCM（推理记忆数据管理器）是一款以KV Cache为核心的推理加速套件。它融合了多种缓存加速算法工具可对推理过程中产生的KV Cache记忆数据进行分级管理。

04 未来将是多层级架构的时代

无论是训练还是推理场景算力与存储都是关键。从市场格局看海外厂商仍占据主导地位：SK海力士以53%的份额领先且率先实现HBM3E量产；三星电子占比38%；美光科技目前份额为10%。

尽管HBM凭借卓越性能在高端AI应用领域站稳脚跟但随着其他内存技术在成本控制、性能提升及功耗优化方面的持续突破其未来或将面临新兴技术的竞争压力。

未来的AI内存版图将是异构多元的层级体系：HBM聚焦训练场景PIM内存服务于高能效推理各类技术针对特定工作负载实现精准优化共同构成AI时代的内存生态。