江蘇
“HBM價格暴漲500%，存儲芯片板塊開盤即漲停潮”——如果你最近沒有注意到這條新聞，說明你錯過了今年以來A股最炙手可熱的投資主線。
2026年5月6日，節后首個交易日，A股存儲芯片板塊開盤即漲停潮：江波龍、朗科科技20CM漲停，瀾起科技漲超18%，板塊整體漲幅高達6.67%，高居全市場概念板塊第一。此后一周，存儲板塊全線走強：5月11日，瀾起科技港股、A股同步飆升超15%，江波龍沖高逾15%，兆易創新港股漲超9%，全球存儲巨頭SK海力士、三星電子當日也雙雙刷新歷史紀錄。
為什么存儲板塊突然“燃”了？核心答案只有一個詞——HBM。
這不是一次普通的存儲周期復蘇，而是一場由AI算力驅動的“范式轉移”。
HBM是什么？AI算力的“最后一公里”
在深入討論行情之前，先搞清楚HBM到底是什么。
HBM的全稱是高帶寬內存，它是一種專門為高性能計算和AI設計的存儲芯片。與普通DDR內存不同，HBM不是“平鋪”在電路板上的，而是將多層DRAM芯片通過TSV（硅通孔）技術和微凸點垂直堆疊起來，再通過2.5D先進封裝與GPU/CPU芯片集成在同一硅中介層上，實現極短的數據傳輸路徑。
通俗地講，普通內存像一張平鋪的桌子，你需要的文件散落在桌上各處，拿起來費時費力；而HBM像一個多層抽屜柜，所有文件緊挨著計算核心，伸手就能拿到，而且能同時打開多個抽屜。
這種架構帶來的直接效果是：帶寬極高、功耗極低、占用面積極小。從H100的80GB、3.4TB/s帶寬，到最新GB300的288GB、8.0TB/s帶寬，不到三年時間，HBM的容量增長超過兩倍，帶寬提升約2.5倍。正是因為HBM的存在，今天的AI訓練才能以超乎想象的速度處理萬億級參數的大模型。
但HBM的技術門檻之高，遠非普通DRAM可比。TSV工藝要求在DRAM芯片上垂直打孔實現多層堆疊互聯，孔徑需控制在微米級，深度達到30至60微米，對刻蝕精度要求極高。生產1GB HBM需要消耗大約3倍于傳統DRAM的晶圓產能。
更關鍵的是，HBM無法單獨工作，必須與GPU/ASIC芯片通過2.5D/3D先進封裝技術集成，而這需要臺積電CoWoS這類全球屈指可數的封裝產能來配合完成。這些技術壁壘構成了HBM供給端的“天然護城河”。
“內存墻”困局：為什么AI必須用HBM？
HBM的火爆，根源在于AI行業面臨的一個根本矛盾——“內存墻”。
所謂的“內存墻”，是指計算速度與數據訪問速度之間的巨大鴻溝。AI大模型的參數規模每兩年增長約410倍，而單個AI芯片搭載的內存帶寬同期僅增長約2倍。這條急劇分叉的曲線，直觀揭示了存儲器性能已成為制約AI發展的核心瓶頸。
具體到實際應用，問題更加嚴峻。當大模型推理的序列長度突破128K Token后，KV Cache顯存需求呈指數級爆炸增長，導致GPU HBM顯存瓶頸凸顯，算力利用率降至個位數。即便單卡配備96GB HBM顯存，經過優化后單卡可用KV Cache空間僅56GB，核心算力單元長期處于“饑餓”狀態，有效算力利用率跌至50%以下。
打個比方：HBM相當于AI計算系統里那條最重要的“高速公路”。隨著模型越做越大、推理越做越長，這條路必須不斷擴寬。HBM憑借其超高帶寬特性——單棧帶寬已突破2TB/s——成為當前唯一能夠匹配高端AI芯片數據吞吐需求的存儲方案。
如果說算力芯片是AI時代的“發動機”，HBM就是連接發動機與車輪的“傳動軸”。這個比喻很俗，但很真實。發動機再強，傳動軸不給力，馬力也傳不到車輪上。
長城證券在行業報告中指出，AI需求驅動下，預計2025年/2026年HBM總位元需求量同比增速分別高達+89%/+67%。Counterpoint Research更預測，AI服務器ASIC對HBM的需求到2028年將達到2024年水平的35倍。這意味著HBM的增長不僅是短期的景氣行情，而是由技術進步和產業趨勢推動的結構性、長期性需求。
供給剛性：為什么產能就是追不上？
如果需求是指數級增長，那供給為什么跟不上？
原因在于HBM的供給存在三重剛性約束，每一道關卡都在延緩產能釋放的速度。
第一重約束：極端的技術壁壘。
目前全球僅有三家公司能夠大規模量產HBM：SK海力士、三星和美光。
