HBM4，大战打响

2025年是HBM3E量产竞争白热化的一年，而围绕下一代高带宽存储（HBM4）的竞争已然拉开帷幕。3月19日，SK海力士宣布全球首发用于AI计算的12层HBM4样品，并已向主要客户出货，预计将在2025年下半年完成量产准备。这标志着HBM4技术的竞赛正式进入新阶段。

在AI计算时代，HBM有着举足轻重的地位。高带宽内存（HBM）是通过垂直堆叠多个DRAM芯片，大幅提升数据处理速度，超越传统DRAM的能力，是一种高价值、高性能的产品。HBM的爆火伴随着2023年ChatGPT的出现，它引发了人工智能市场的爆发式增长。自第一代HBM诞生以来，这项技术已发展至第六代，包括HBM2、HBM2E、HBM3、HBM3E和HBM4。

图源：SK海力士

HBM4，SK海力士再胜一筹

自2013年开发出全球首款HBM以来，SK海力士便在高带宽存储领域保持领先。2022年，该公司成为全球首家量产HBM3的厂商，并在2024年成功量产8核和12核HBM3E。如今，SK海力士在HBM4领域再次抢占先机。

在3月18日召开的英伟达2025 GTC大会上，SK海力士首次展示了其12层堆叠的HBM4模型。作为第六代HBM产品，该芯片的带宽提升至每秒2TB，相当于同时处理超过400部全高清（FHD）电影的数据量，较HBM3E提升60%。另据台媒报道，SK Hynix在HBM4测试中良率达到70%。业内人士此前透露，SK海力士的目标是到2024年底，良率将超过60%，而最近的进展进一步提高了这一数字，改进的速度非常快。

在GTC大会上，英伟达公布了其AI处理器的发展路线图，其中下一代Blackwell系列的继任者Rubin将搭载HBM4存储器。Rubin最初预计于2026年发布，但随着SK海力士HBM4的加速量产，部分分析师预测该平台可能提前至2025年下半年投入生产，并在2026年下半年正式上市。

尽管SK海力士未透露客户名单，但市场普遍认为其主要客户包括英伟达和博通（Broadcom）等美国科技巨头。在本届GTC大会上，英伟达公布了AI处理器的详细发展路线图，其中包括Blackwell系列的继任者Rubin，Rubin将配备HBM4存储器。Rubin最初计划于2026年首次亮相，但时间表可能会加快，按照SK海力士HBM4的量产时间表来看，一些分析师预测Rubin最早将于2025年下半年投入生产，预计2026年下半年推出。

面对SK海力士的领先地位，三星正奋起直追，也计划在今年下半年启动HBM4的量产。三星存储业务负责人全永铉(Jun Young-hyun)表示，三星在HBM市场未能先行，导致这一领域的表现落后于竞争对手SK海力士(SK Hynix)。他强调，三星不会在下一代HBM4和定制晶圆上重蹈覆辙，所以要追赶上来。

面对SK海力士在HBM领域的领先地位，三星正在依托自身在存储芯片和晶圆代工领域的整合能力迎战。1月5日据韩国朝鲜日报报导，三星DS部门存储业务部已完成了HBM4内存的逻辑芯片设计。Foundry业务部方面也已经根据该设计，采用三星自己的4nm试产。待完成逻辑芯片最终性能验证后，三星将提供HBM4样品验证。目标是在上半年内完成量产准备认可（PRA）程序，外界推测这可能是未来与英伟达Rubin的发布时间相迎合。

三星预计，4nm晶圆代工工艺将加速HBM4生产，使其在市场竞争中占据优势。4nm是三星的旗舰晶圆代工制造工艺，其良率超过70%。目前，该工艺已被用于Exynos 2400芯片，该芯片是三星旗舰AI手机Galaxy S24系列的核心处理器。

“与台积电和SK海力士不同，我们的独特优势在于，我们的芯片设计团队直接参与HBM4的开发。”三星高管表示。通过存储部门和晶圆代工部门的协作，三星希望在HBM和代工制造领域实现差异化竞争。

面对三星的4nm计划，SK海力士和台积电已经展开反击。两家公司已经与台积电联盟，决定在原本计划采用的12nm工艺之外，新增5nm工艺来生产HBM4逻辑芯片。

不过在本次GTC大会上，三星的主角并不是HBM4，据报道，三星在圣何塞GTC大会上举办了一场技术研讨会，介绍其最新的第七代图形双倍数据速率（GDDR）存储器GDDR7。三星是英伟达GeForce RTX 50系列GPU的GDDR7主要供应商，希望借此维持在大会上的存在感，向全球科技行业证明其竞争力。然而，在HBM市场，三星尚未能在英伟达供应链中占据一席之地。

相比SK海力士和三星，美光则稍显保守，计划2026年实现HBM4量产。不过，美光对HBM4前景充满信心：预计2025年HBM业务收入达数十亿美元，目前HBM供应已售罄，且该时段的价格已确定。HBM4性能较HBM3E提升50%以上，基于成熟的1β（1-beta）工艺。美光强调，HBM4E将在内存业务中引入全新的范式，其中一项重要创新是采用台积电先进的逻辑晶圆代工工艺，为特定客户提供逻辑基底定制选项。值得一提的是，前段时间，美光还任命了台积电前董事长刘德音（Mark Liu）为董事会成员，以推动其HBM4研发进度并加快市场布局。

封装技术是HBM未来竞争的关键

在HBM存储器的发展过程中，散热是个大问题。若无法充分控制半导体芯片产生的热量，可能会对产品性能、生命周期和功能产生负面影响。因此，除容量和带宽外，包括散热在内均已成为先进存储器产品开发过程中的关键考虑因素。而控制散热的一大手段就是封装技术。

TSV（硅通孔）一直是实现HBM产品速度的关键技术，它在DRAM芯片上钻出数千个微孔，以连接垂直穿透芯片上下层孔的电极，如果将HBM看作是一座“高楼”，TSV则像是这座大楼的“电梯”。

图源：chosun

TC-NCF（热压键合非导电膜）是一种关键的TSV互连工艺，能够通过热压键合工艺结合非导电膜，在芯片之间提供高可靠性的电互连，同时减少短路风险并提高封装精度。目前三星和美光所采用的就是TC-NCF封装技术。SK海力士的第一代和第二代HBM产品也是使用的TC-NCF封装技术。但是由于质量和量产能力的问题，SK海力士于2019年开发出了一种名为批量回流模制底部填充（MR-MUF，Mass Reflow-Molded Underfill）的新型创新封装技术（MR-MUF技术是一种通过熔化堆叠芯片间的凸点以连接芯片的技术。通过模制底部填充技术，将保护材料填充至堆叠芯片间隙中，以提高耐用性和散热性），它在SK海力士的“HBM成功故事”中扮演了关键角色。

TC-NCF技术与MR-MUF技术散热性能的结构差异（来源：SK海力士）

自2019年以来，MR-MUF技术被应用于SK海力士的HBM2中，MR-MUF技术另一个重要特性是采用了一种名为环氧树脂模塑料（EMC，Epoxy Molding Compound）的保护材料，用于填充芯片间的空隙。EMC是一种热固性聚合物，具有卓越的机械性、电气绝缘性及耐热性，能够满足对高环境可靠性和芯片翘曲控制的需求。由于应用了MR-MUF技术，HBM2E的散热性能比上一代HBM2提高了36%。HBM3（堆叠8层DRAM）也采用的是这项技术。

但是到了12层的HBM3E，除了散热问题之外，翘曲也是一个挑战。要在整体厚度不变的情况下，DRAM芯片必须比8层HBM3所用的芯片薄40%，这就会发生翘曲。于是，SK海力士又开发了Advanced MR-MUF技术，并引入了业界首创的芯片控制技术（在堆叠芯片时，对每个芯片施加瞬间高热，使顶层芯片下的凸点与底层芯片上的薄垫熔合。薄垫将芯片固定在一起，以防止翘曲）和改善散热效果的新型保护材料。在应用先进的MR-MUF技术后，与上一代8层HBM3相比，HBM3E在散热性能方面提高了10%，成为人工智能时代炙手可热的存储器产品。

HBM产品发展及散热性能优化时间线（图源：SK海力士）

HBM4产品SK海力士也采用了Advanced MR-MUF工艺，实现了36GB的容量，这是12层HBM产品中最高的容量。展望未来，Advanced MR-MUF将应用于更广泛的应用领域，进一步巩固SK海力士在HBM技术方面的领先地位。

但是不得不承认的一个事实是，HBM技术的未来仍充满挑战和机遇。SK海力士HBM集成技术副总裁Han Kwon-hwan指出，HBM4的量产面临诸多技术变量，团队将专注于提前预测并制定应对策略。

混合键合（Hybrid Bonding）是一种将芯片堆叠得更高以提高性能和容量的方法，同时保持产品厚度符合标准规格。当前的技术使用微凸块材料来连接DRAM模块，但混合键合可以消除对微凸块的需求，从而显著减少芯片厚度。在HBM4标准没有确定下来之前，HBM4就考虑使用混合键合技术，后来，为了帮助制造商，JEDEC决定将12层和16层HBM4堆栈的HBM4封装厚度减小至775微米，这样各大厂商现有的封装技术就可以达到需求。

12层的HBM之后，混合键合或将成为下一代技术的必然选择。不过预计采用混合键合将导致价格整体上涨。

HBM的几大发展趋势

先进制程驱动HBM演进：从三大存储巨头的HBM4的发展来看，HBM的控制逻辑芯片（Base Die）正在向更先进的工艺节点发展，HBM4已经从12nm推进到5nm和4nm，未来HBM5可能采用3nm甚至更先进的制程，以提升数据吞吐量和降低功耗。

存储外包化：随着逻辑芯片制程日益先进，存储厂商在自主研发和制造高阶逻辑基底方面的难度加大，推动HBM生产向外部代工模式转移。台积电、三星和英特尔等代工厂的先进封装技术（如Foveros、CoWoS-L）预计将在HBM制造中占据更重要的地位，以提升封装集成度、优化信号完整性，并增强散热能力。这一趋势不仅有助于HBM的进一步规模化量产，也将加速HBM与主流计算架构的深度融合。

考虑存算一体：未来AI计算需求可能推动存算一体化（CIM）技术在HBM中的应用，减少数据传输延迟，提高能效比。通过在HBM内部集成小型计算单元（如AI加速器或近存计算架构），HBM可能能够部分承担计算任务，从而降低AI推理和训练的功耗。

HBM市场多元化：目前，HBM主要应用于高端AI计算市场，如英伟达的GPU产品。然而，随着数据中心、高性能计算（HPC）、边缘计算和智能驾驶等领域对高带宽存储需求的提升，HBM的应用范围正在快速拓展。未来，超算（Supercomputing）、5G/6G基础设施、智能汽车SoC等领域也将成为HBM的重要增长点，推动市场规模进一步扩大。

混合存储架构兴起：尽管HBM在高性能计算领域具有独特优势，但其高昂的制造成本仍然是影响大规模普及的主要障碍。未来，行业可能探索“HBM-Lite”或HBM与DDR/GDDR结合的混合存储架构，以平衡性能、功耗与成本，满足不同应用场景的需求。例如，高端AI训练仍然依赖HBM，而部分计算任务可能采用DDR5/GDDR7等存储技术，以优化整体TCO（Total Cost of Ownership）。

未来几年，HBM市场仍将是存储半导体领域最重要的技术高地。