文章详情

获悉，总部位于韩国的全球最大规模存储芯片巨头三星电子(Samsung Electronics Co.)已开始向客户出货业内最先进数据中心存储组件的样品，在一场为英伟达、AMD以及谷歌、亚马逊等美国科技巨头们制造的最前沿AI芯片供应关键存储组件的竞赛中，相比于SK海力士以及美光这两大存储芯片原厂取得最早期领先优势。三星首批12层HBM4E样品交付，很可能成为新一轮存储投资狂潮的催化剂之一，但更准确地说，它不是单独点燃行情，而是把已经在发酵的“人工智能存储超级周期”进一步推向高端化、长周期化和更长期估值重估。

这家韩国最高市值公司表示，已开始向包括英伟达在内的全球主要客户出货其首批12层HBM4E样品。此前，三星已在2月启动HBM4量产——这一最新的里程碑可谓凸显了高带宽存储器市场的快速发展节奏。

HBM通过将多层动态随机存取存储器(即DRAM)进行垂直堆叠，在降低功耗的同时大幅提高数据传输速度，已成为用于训练和部署Claude、GPT等大型语言模型的人工智能前沿处理器系统中的最关键组件之一。

人工智能大模型往往通过数据轰炸软件以及高计算密度的矩阵运算来创建，该过程可能涉及数万亿个参数级别，并且高度依赖于HBM存储系统，AI推理工作负载则涉及天量级别的并行化计算模式，同样高度依赖HBM存储来提供高带宽、低延迟和高能效的存储解决方案。为了避免AI算力瓶颈并保持昂贵的GPU处理器全速工作，美光及其竞争对手——SK海力士与三星，开发了比传统存储速度快得多且更高效与其他组件通信的HBM存储系统。

HBM是一种高带宽、低能耗的存储技术，专门用于高性能计算和图形处理领域。HBM通过3D堆叠存储技术，将堆叠的多个DRAM芯片全面连接在一起，通过微细的Through-Silicon Vias(TSVs)进行数据传输，从而实现高速高带宽的数据传输。HBM通过3D堆叠技术，将多个存储芯片堆叠在一起，不仅大幅减少了存储体系空间占比，也大幅降低了数据传输的能耗，高带宽则能够显著提升数据传输效率，使得AI大模型能够24小时不间断地更高效地运行。

尤其是HBM存储系统还具有强大的低延迟特性，能够快速响应数据访问请求。生成式AI大模型以及AI智能体通常需要频繁访问大数据集以及进行无比繁重的大模型推理工作负载，强大的低延迟特性能够极大程度提高AI系统的整体效率和响应速度。在AI基础设施领域，HBM存储系统全面绑定英伟达B200和GB200等AI GPU算力服务器系统，以及即将量产交付的Rubin架构NVIDIA AI算力基础设施。

存储芯片制造商们正竞相为未来人工智能系统赢得大规模设计导入，在这些系统中，随着全球范围人工智能算力基础设施投资规模指数级增长，对速度更快、能效更高级别存储器组件的需求持续飙升。

三星相比于其他存储芯片原厂们更早推进12层HBM4，可能会增强其相对于SK海力士公司等竞争对手的HBM技术领先地位，这些存储芯片巨头自2025年以来可谓趁着史无前例的人工智能热潮大举获利。

SK海力士在4月曾表示，其目标是在2027年量产HBM4E，并在今年下半年向客户供应HBM4E样品。因此三星电子若能先于竞争对手获得英伟达这类大客户认证和批量订单，将有助于该公司在高端存储领域重获增长动能;在该领域，芯片制造商们正竞相满足下一代人工智能加速器日益增长的存储能效要求。

性能提升超20%! 三星抢跑12层HBM4E

三星把HBM4E从“路线图”推进到“客户送样”阶段，意味着下一代人工智能加速器的高端存储竞争已经提前进入客户认证窗口。性能数据显示，12层HBM4E相较三星此前 HBM4 产品，速度性能提升超过 20%，采用第六代 10纳米级动态随机存取存储器工艺(1c DRAM)与三星 4纳米三星独家晶圆代工逻辑基底芯片。对三星而言，这不仅是技术发布，更是争夺英伟达、AMD、谷歌等人工智能芯片大客户们下一代AI芯片设计导入资格的重大前置动作。

从性能指标来看，12层HBM4E的价值相比于前代集中在带宽、容量、能效和散热四个维度。稳定引脚传输速度达到 14Gbps，性能可扩展至 16Gbps;单堆栈内存带宽最高可达 3.6TB/s;容量为 48GB，较上一代增加 30%以上;能效提升 16%，热阻改善超过 14%。

以上的这些指标数据都意味着它不是单纯“容量变大”，而是在人工智能训练、推理、多模态模型和高性能计算中同时缓解“内存墙”和“功耗墙”。三星此前不久在GTC 2026 展示资料中曾披露，下一代HBM4E 可实现16Gbps每引脚速率和4.0TB/s带宽，说明量产前样品阶段坚定围绕客户规格、良率、功耗和热设计继续优化。

HBM4 稳定传输速度为11.7Gbps，最高可达13Gbps，并较HBM3E提升约 22%;而HBM4E进一步把速度性能在HBM4基础上再提高超过 20%。

与HBM4相比，HBM4E的战略意义在于：它把人工智能加速器的存储子系统从“跟随AI GPU更新迭代”推向“共同定义下一代算力平台”。对于大模型训练而言，更高带宽可以降低图形处理器等待数据的空转时间;对于推理而言，更高容量和更低功耗有助于扩大上下文窗口、提高批处理吞吐，并降低数据中心单位Token能耗。

人工智能存储军备竞赛升维，存储股狂潮再添新引擎

三星首批 12层 HBM4E 样品交付，很可能成为新一轮存储投资狂潮的催化剂之一。但是从更准确的角度来看，它不是单独点燃行情，而是把已经在发酵的“人工智能存储超级周期”进一步推向高端化、长周期化和更长期的估值重估。三星实现HBM4E首批样品交付绝对不是存储芯片超级牛市行情的终章剧情，而是存储超级周期进入“下一代旗舰产品认证与DRAM/NAND产能被大量长期协议提前锁定阶段”的标志。

日本金融巨头瑞穗预计，全球HBM市场规模将从2025年的359亿美元增长至2028年的2461亿美元，意味着年复合增速有望达90%。其中HBM4与HBM4e将成为下一轮增长核心。

瑞穗把人工智能基础设施的瓶颈从AI GPU/AI ASIC进一步推演到“中央处理器(CPU)+ 数据中心级别动态随机存取存储器(DRAM)+高带宽存储器+NAND+企业级固态硬盘”的全栈存储压力。其最关键测算在于AI智能体的Token生成量可能比传统生成式AI高出1000倍以上，瑞穗已将美光目标价从800美元上调至1150美元，将闪迪目标价从1625美元上调至1825美元，核心依据正是智能体正在放大内存与存储需求。

从AI数据中心工程角度看，HBM4E 是人工智能算力系统从“算力堆叠”转向“带宽、容量、能效协同优化”的核心部件。大型模型训练和推理的瓶颈并不只是AI GPU/AI ASIC算力，而是数据能否以足够低延迟、足够高带宽在数据中心GPU/ASIC芯片与存储之间流动。

瑞穗表示，AI智能体与传统聊天机器人最大的差别，是它不只是“一问一答”，而是会拆解任务、调用工具、搜索信息、读写文件、维护长期上下文，并让多个代理式工作流的智能体并行协作。这会把内存压力从GPU/ASIC近端的高带宽存储器，扩散到中央处理器侧的 LPDDR/DDR、推理缓存、企业级固态硬盘和长期数据存储。

这也强化了华尔街分析师们近期对于全球DRAM/NAND存储芯片板块愈发激进看涨。随着金融巨头瑞银将美光目标价大幅上调至1625美元，存储芯片原厂之一的美光已因人工智能存储需求和供给紧张首次突破1万亿美元市值，市场开始把投资焦点从单纯的GPU算力独霸趋势扩散到存储供应商们。更重要的是，市场看重的不只是HBM，而是服务器动态随机存取存储器、数据中心DDR5、企业级固态硬盘、NAND乃至全闪存系统共同构成的“人工智能数据存储基础设施链”。

瑞银近期对美光目标股价的激进上调步伐，真正提出的是一个“存储行业去周期化”的估值命题。瑞银分析师 Timothy Arcuri 将美光目标价从 535美元上调至 1625美元，推动美光股价单日大涨约19%，市值突破 1万亿美元;其核心理由不是单纯押注现货价格继续上涨，而是认为人工智能需求和长期供货协议正在改变内存行业的盈利可预测性。

瑞银认为，长期协议、部分固定价格、锁量安排和客户预付款/供应保障机制，会削弱过去内存行业“价格暴涨暴跌—利润大起大落—估值长期折价”的传统逻辑;如果美光在下行周期仍能维持较高盈利底座，市场就不应再用传统周期股 5至8倍估值，而可能转向更接近结构性半导体成长股的估值框架。

NAND端同样在强化存储超级周期叙事。TrendForce 预计，受人工智能和数据中心需求推动，2026年第二季度 NAND Flash 合约价将环比上涨 70%至75%;其中特别指出，NAND 市场受到人工智能与数据中心需求驱动，涨价正扩散至整个产品组合。换句话说，人工智能不仅消耗高带宽存储器，也消耗企业级固态硬盘、冷/温数据存储、模型检查点、向量数据库、日志数据和备份恢复容量。HBM 是人工智能加速器的“近端高带宽内存”，企业级 NAND/固态硬盘则是人工智能数据中心的“持久化数据仓库”，两者共同构成存储投资狂潮的双引擎。