BofA 预计，包括英伟达 Rubin Ultra 在内的新一代 GPU 不会出现 HBM 容量降配的情况。主要有三个原因。第一，即将推出的 HBM4e / HBM5（2027–2030 年） 已经确定将基于 12-hi 或 16-hi 堆叠方案，单颗 GPU 的 HBM 容量将达到 500–1000GB。第二，用于 8-hi 堆叠，对应 192GB HBM 的 TSV 产能已经不再具有重要意义。截至 2026 年下半年，相关产能已经转向 12-hi 堆叠，因此继续生产 8-hi 的空间非常有限。第三，Rubin Ultra 如果采用 288–500GB HBM 容量，其内存性能会出现明显下降，因此 1000GB HBM 将成为必需配置，尤其是在物理 AI 场景下。当然，一些低端 GPU、TPU 或 ASIC 仍然可以采用 192–288GB HBM。但这类产品更可能对应类似 DDR4 相比 DDR5 的传统应用场景，或者主要用于推理任务，而非高性能 AI 训练。此外，BofA 也不认同 SK 海力士关于 HBM 价格下降的观点。事实上，2026 年下半年 HBM4 交付价格上涨 10%–20%，其中还包括部分原计划在 2027 年上半年交付、但提前拉货的需求。总体来看，HBM 增长主题将在 2026 年下半年及 2027 年进一步强化，增长动力不仅来自 HBM 单机用量的提升，也来自平均售价的上涨。笔者看来，其实本质还是看供给端的良率和产能释放节奏。HBM 需求已经毋庸置疑，尤其是在 AI 训练和推理负载持续提升的背景下，单 GPU 对 HBM 容量、带宽以及功耗效率的要求只会越来越高。因此，决定 HBM 盈利周期强弱的关键，在于供给端能否顺利完成 8-hi → 12-hi → 16-hi 的技术迁移。随着堆叠层数提升，TSV、晶圆减薄、键合、封装以及热管理等环节的制造难度都会同步上升，最终都要反映到良率和有效产出上。如果 12-hi、16-hi 的良率爬坡不及预期，那么即使名义产能持续扩张，真正能够交付给客户的有效供给仍然可能受限。市场近期讨论的所谓“HBM 降配”，其实也可以放在这个框架下理解。如果高层数产品短期供给不足，通过降低单卡 HBM 容量，确实能够在一定程度上缓解供应压力。但问题在于，随着模型规模扩大以及推理复杂度提升，系统瓶颈越来越多地落在内存容量、带宽和数据搬运效率上。换句话说，HBM 并不是一个可以无限压缩的配置项，尤其对于高端 GPU 和 Physical AI 等场景而言，单纯降低容量往往意味着性能上的直接牺牲。所以，如果 12-hi、16-hi 顺利放量，HBM 将同时享受单卡用量提升和产品升级带来的 ASP 增长。反过来，如果良率改善慢于预期，供给约束反而可能被进一步拉长，价格和盈利能力也会因此获得更强支撑。这也是当前 HBM 与传统 DRAM 周期最大的区别之一。过去的存储周期更多由 bit growth 和资本开支驱动，而 HBM 的供需平衡越来越受到技术迁移速度、制造复杂度和良率的共同约束。逻辑与技术，我们依然在路上！
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。