“买显存送核心”，AI芯片竞赛进入“内存为王”！智能体大时代，中国AI芯片有何机会？

曾经，云服务厂商买AI芯片，关注GPU（图形处理器）算力大小，而如今，可能更多的是看重显存大小，比如是40GB还是80GB。

甚至有人调侃“买显存送核心”，即买一张GPU算力卡，更看重的是显存带宽和容量，而不是GPU算力大小。

如今，内存芯片一两个月价格翻倍的大涨潮，正是对AI芯片进入“内存为王”的集中体现。

AI云基础设施厂商PPIO相关专家告诉每经记者：“HBM（高带宽内存）及CoWoS（基板上晶圆、芯片）封装产生的成本已经超过纯GPU芯片，HBM成本已经‘碾压’核心，‘买显存送核心’已成为现实。”

某GPU芯片企业技术负责人李明（化名）对每经记者表示：“结合我们硬件设计与供应链经验，CoWoS封装GPU中，当前HBM显存成本已接近甚至超过GPU核心，是整卡成本最高的单一组件。”

懂芯创始人张慧娟告诉每经记者：“AI芯片的竞争已从单纯的算力竞赛，转向了内存带宽和内存容量的双重竞赛。HBM通过先进封装技术与GPU裸片集成在同一封装内，实现了计算与存储的紧耦合，极大地缓解了内存难题，越来越成为业界追捧的主要方向。”

图片来源：每经媒资库

智能体大时代：内存需求强劲

2025年下半年以来，存储芯片持续涨价成了半导体行业最热门的话题。进入2026年，存储芯片仍保持上涨趋势，且涨幅惊人。

而这背后，是AI芯片已进入“内存为王”的时代。

2023年，ChatGPT石破天惊，人类社会进入大模型时代。进入2026年，大模型已然从思考转向应用，智能体、Skill以及“养虾”成了热门话题。

人工智能的发展，也对AI芯片有了新的要求。随着大模型参数的增加，训练和推理对显存（内存的一种）的需求也与日俱增。

张慧娟表示：“我们已经见证了模型参数量的指数级增长，从GPT-3的1750亿到万亿级MoE（混合专家模型），直接推动了HBM需求的爆发。这也逐步造成，制约算力的瓶颈往往不是芯片算力本身，而是数据从内存传输到计算核心的速度，因为参数必须被加载到计算单元附近的高速存储介质中，计算单元才能以极低的延迟调用它们进行运算。”

李明认为：“大模型的参数量与内存需求之间存在着直接的正向关系。在2026年的技术背景下，虽然模型架构（如MoE混合专家模型）和量化技术（Quantization）在不断优化，但‘参数量越大，内存需求越高’依然是AI领域的基本物理定律。除了模型权重需要的静态显存占用以外，大模型运行时需要的KV Cache和激活值等都会额外占用显存。在训练任务中，还需要额外显存来保存梯度和优化器状态等信息。”

但大模型对内存的强劲“渴望”，不仅仅局限于参数的增长。

智能体的快速发展，令AI推理对AI芯片的需求大增。业界普遍认为，未来AI推理对AI芯片的需求将大幅超越AI训练。

PPIO专家表示：“大模型推理场景中，GPU内存主要用于两个方面，一是保存大模型的权重，另一个是推理过程中用于存储中间状态，也就是KV Cache缓存。前者由大模型参数量决定，后者取决于会话的上下文长度。大模型发展至今，参数量已经趋于稳定，不会大幅增加。而会话的上下文长度还在持续增加，特别是Agent（智能体）场景下，1百万Token的上下文长度已成为主流。这样进一步增加对内存的开销，长上下文成为内存需求的主要因素。”

参数、长上下文，这两大因素的作用下，内存的重要性已然超越GPU计算核心。

成本结构：内存>算力

不仅仅客户需求侧更加看重内存。在成本结构中，内存的成本也大幅高于纯粹的GPU核心。

PPIO专家称：“一张GPU的成本构成主要分成三部分，一是HBM内存，容量越大成本越高；二是GPU核心(逻辑计算芯片)；三是先进封装工艺(CoWoS)。高端GPU，由于HBM内存容量更大，其HBM的成本更高，以B200（英伟达GPU）为例，其总生产成本的构成中，HBM内存占比约45%，CoWoS封装及良率损失占比约34%，GPU核心芯片占比只有14%左右。”

即英伟达B200的成本结构中，45%源自向SK海力士、三星、美光等厂商购买HBM，14%源自台积电代工的GPU裸芯，34%源自台积电代工的CoWoS封装及良率损失。

而HBM由多层DRAM（动态随机存取存储器）堆叠而成。HBM需求大增，意味着SK海力士这类厂商将越来越多的DRAM产能用于制造HBM，相应用于消费级的DRAM产能便少了。

PPIO专家表示：“三大存储巨头（三星、SK海力士、美光）已经将70%的产能转移到HBM上，用于消费电子的GDDR产能反而会下降。因此我们首先看到消费领域的GeForce GPU的价格普遍上涨，大内存GPU减产甚至停产，这是由于GDDR内存减产以优先保障HBM内存导致的。”

那么，若未来存储行业产能提升，消费电子领域存储价格是否也将率先受到冲击？

张慧娟认为：“消费电子往往是最先感知到波动的领域。特别是对于存储来说，比如手机、PC（个人电脑）用的LPDDR（低功耗内存）、SSD（固态硬盘）等接近于标准品，价格弹性大。一旦上游晶圆产能提升，最先反映在现货价上的是这些产品。”

李明认为：“未来存储产能提升后，最先受到影响的是消费电子用存储。消费级存储认证周期短、需求弹性大、替换灵活，新产能可快速导入消费端，价格波动也最为明显。而数据中心用存储认证流程通常需要6—18个月，新产能导入速度较慢，且存储厂商会优先保障数据中心的产能供给，因此它受产能提升的影响最晚、幅度最小。总体而言，产能提升的影响会先平抑消费端价格，再逐步传导至企业级市场。”

简而言之，存储产能提升后，将率先平抑消费端存储芯片价格。

HBM需求强劲，产能严重不足

值得一提的是，三星、SK海力士未来将有两座晶圆厂陆续投产，这将缓解内存“缺货涨价”吗？若P4L（三星电子）和M15x（SK海力士）提前投入运营，是否将对存储芯片价格带来冲击？

张慧娟认为：“P4L和M15x新增产能，很大程度上是为HBM和高性能DDR5（第五代计算机内存规格）准备的，而不是传统的DDR4（第四代计算机内存规格）或NAND（闪存）。这些属于高端产能。”

其补充表示：“对HBM的价格冲击可能不大，甚至不会降价。因为AI芯片开发周期长，且市场处于供不应求的局面。新增产能是为了填平供需缺口，有望抑制价格进一步大涨，但难以带来大幅降价。对普通DRAM而言，假设HBM需求不及预期，或者厂商将部分产线切换回通用DRAM，那么会对消费电子内存价格带来压力。但目前看，晶圆厂更倾向于优先保证高利润的HBM生产。”

李明对每经记者表示：“从存储芯片供应链与GPU硬件配套的角度分析，三星P4L与SK海力士M15x即便提前投产，短期内对存储芯片价格的冲击也较为有限。核心原因在于，这两座工厂的新产能主要聚焦于HBM、先进制程DDR等高端存储产品，并未直接扩产消费级存储。”

李明补充表示：“当前AI需求呈爆发式增长，高端存储仍处于供需紧张状态，因此短期价格将维持高位。中长期来看，随着产能逐步释放，高端存储的供给压力会有所缓解，但新产能将优先配套AI与数据中心需求，普通消费级存储不会出现大幅降价，整体呈现结构性缓和态势。此外，各大厂商的存储优化技术，也能进一步平衡供需，避免全品类存储价格出现大幅波动。”

PPIO认为：“HBM的产能严重不足以及AI数据中心对GPU的旺盛需求是造成HBM内存成本远高于GPU核心的主要因素。市场的供需不平衡会促使更多内存厂商扩大生产，尤其是增加HBM的生产和供给，不过短期很难改变供需失衡的现状，未来HBM内存价格还将继续上涨，但趋势会放缓。”

在AI算力相对不稀缺而HBM短缺的背景下，中国AI芯片厂商有何机会？

据记者了解，国内AI芯片厂商除了自身产品和技术解决方案，还在基础软件层面联合各大人工智能基础设施公司、大模型厂商和互联网等生态伙伴一同研究例如低精度量化、专家预测加载等工程优化技术，来系统性地降低实际大模型部署和应用过程中对内存的需求。

即在工程化领域，中国工程师红利或将凸显。