英伟达下一代Rubin Ultra拟将HBM由12层改为8层，单卡显存从288GB降至192GB，总带宽不降、单位容量带宽反升约五成。在存储涨价、HBM供应紧张的背景下，其供应与产能承诺已增至2790亿美元。这一转向标志着AI芯片竞争从比拼堆叠层数，转向较量单位带宽成本与系统经济性。
一、HBM成为关键约束：从涨价缺货到2790亿美元锁定
此番调整的大背景，是HBM正成为AI算力扩张中最紧的一块短板。行业信息显示，三星电子、SK海力士与美光已把先进产能优先分配给HBM、服务器DRAM等高附加值产品，通用存储供需持续偏紧、合约价连续大涨，存储器在AI系统成本中的占比随之抬升。对英伟达而言，高端HBM能否足量到位，已直接决定下一代旗舰产品的量产节奏：此前公司测试过至少三个版本的Rubin Ultra，其中部分版本的HBM配置低于最初规划，核心顾虑正是拿不到足够的高端HBM支撑大规模出货。
需求端并未降温。英伟达在最新财报中给出下一财年营收增长约70%的远期指引，管理层同时强调客户需求持续加速、供应仍然受限。为锁定稀缺产能，公司的供应与产能承诺已从上一季度的1190亿美元增至2790亿美元，首席财务官科莱特·克雷斯明确表示，增长主要来自内存采购的锁定，并计划在未来数个财年内分期支付。在存储涨价与供应受限的双重挤压下，HBM从一颗“配件”升级为决定出货规模的关键约束条件。
二、8层方案的算术：容量换带宽，账要算得过来
HBM的堆叠层数直接决定容量，却不直接决定带宽。带宽主要取决于堆叠数量、接口宽度与引脚速率三项参数，而不是垂直堆叠的DRAM芯片数量。HBM4的接口宽度已较上一代翻倍至2048位，单颗价格约560美元、较HBM3E上涨逾50%。在售的Rubin采用12层HBM4，单卡显存288GB、带宽22TB/s；若Rubin Ultra改用8层方案，在堆叠数量与引脚速率不变的前提下，单堆叠DRAM芯片数量减少约三分之一，单卡显存降至192GB，总带宽却可以维持甚至小幅提高。
对AI推理而言，这笔账尤其划算。生成token的过程中，模型权重与KV缓存需要被反复从显存中读取，带宽一旦不足，GPU就只能空等数据；行业研究同样指出，AI推理时代的核心矛盾正从“单点算力”转向“系统级带宽与能效”。分析机构预计，Rubin Ultra降配后的出货带宽仍可达约21TB/s量级，与原方案相差无几[W5]。用三分之一的容量换取近乎无损的带宽，再把省下的预算投向别处，正是英伟达的精算逻辑。
三、分析师怎么看：从“容量竞赛”到“带宽性价比”
SemiAnalysis给出了最直接的解释：关键约束已从“单位容量成本”转向“单位带宽成本”。据其测算，降配后HBM在Rubin Ultra机柜成本中的占比将从接近40%降至28%，省下的预算转向Scale-up扩展互联，相关占比从4%升至12%。若以12层方案为100%基准，8层方案的显存容量指数约为67%，单位容量带宽指数约为150%，相当于每GB显存摊到的带宽明显变多。换言之，英伟达不是买不起显存，而是把每一美元从“堆容量”挪到“扩集群”——内存砍下来的成本给网络，HBM相关成本整体降低50%以上。
其他机构的数据同样支持这一判断。TrendForce与美银研究测算，12层HBM4E每GB成本高达35.92美元，约为8层方案的2.2倍；而8层产品在容量让步的同时，仍可保住完整的接口速率，这正是英伟达认定的首要目标。此外，SemiAnalysis预计，随着HBM4供应问题基本解决、Rubin平台进入快速爬坡，英伟达下半年数据中心计算收入将高出市场一致预期约20%——降配不减产出，这是分析师眼中最耐人寻味的一点。
四、供应链重构：8层HBM4放量，竞争维度多元化
调整已传导至存储供应链。据报道，三星电子与SK海力士计划在2026年下半年提高对英伟达的8层HBM4供应占比，8层产品甚至有望成为下一代HBM4E的主流配置。SK海力士2026年HBM4订单已提前售罄，预计将占英伟达需求近七成；三星则计划在2026年底前把1c DRAM产能扩充至每月15万片，全力承接HBM4需求。与此同时，存储涨价的烈度仍在加剧，2026年第一季度一般型DRAM合约价环比涨幅一度高达93%~98%。
对英伟达而言，这是毛利率承压下的主动取舍：公司预计第四财季毛利率将回落至71%~72%的低点，存储成本飙升是主因之一。对存储厂商而言，竞争的记分牌正在改写：最大堆叠层数仍然重要，但单位带宽成本、散热表现、封装良率与供应灵活性正变得更加关键。“内存帕金森定律”之下，AI模型总会膨胀到填满可用显存，厂商真正要比拼的，是用更经济的堆叠方式提供系统所需的带宽。
五、结语
英伟达Rubin Ultra改用8层HBM，本质是在HBM供应紧张、存储成本飙升的约束下，把资源从“单位容量”重新配置到“单位带宽”与“系统互联”上的战略调整。它宣示了一个新常态：AI加速器的竞争力不再由最高堆叠层数定义，而是由容量、带宽、散热、良率与成本的综合平衡定义。对存储厂商来说，谁能率先在8层HBM4与HBM4E上实现高良率、低成本的稳定交付，谁就能在下一代AI加速器的订单分配中占据主动权。
