【CNMO 科技】过去十年，智能手机行业的竞争主线经历了数次切换。

最早是屏幕与外观设计，随后进入 SoC 性能大战；再之后，影像系统成为高端旗舰的核心卖点，电池与快充又在近两年接过体验升级的接力棒。如今，当手机影像进入 " 一英寸大底 " 时代、电池超过 10000mAh 之后，行业正在寻找新的增长点。

智能手机

而 AI，正在重新定义智能手机。在这场新的技术竞赛中，一个原本属于 AI 服务器和高性能显卡的技术，开始进入手机厂商视野—— HBM（High Bandwidth Memory，高带宽内存）。

最近，三星被曝正在开发面向智能手机和平板电脑的移动 HBM 封装方案，希望将原本专供服务器的 HBM 技术 " 下放 " 至消费终端。这一消息之所以引发行业关注，并不只是因为三星又做了一次技术尝试，而是因为它意味着：手机行业可能即将进入 " 内存革命 " 时代。

如果说过去手机拼的是 " 算力 "，那么未来拼的，很可能是 " 数据吞吐能力 "。而 HBM，正是那个决定 AI 手机上限的新变量。

AI 时代下，LPDDR 开始触碰天花板

智能手机过去使用的主流内存方案，长期都是 LPDDR。从 LPDDR4 到 LPDDR5，再到 LPDDR5X，移动内存的进化逻辑一直围绕两个方向展开：更高频率，以及更低功耗。

这套体系在传统移动互联网时代足够有效。因为无论是 APP 启动、视频播放还是移动游戏，本质上都属于 " 短时高负载 " 场景，数据吞吐压力并没有真正爆发。

LPDDR5X

但 AI 时代不同。当手机开始本地运行大模型、实时生成图像、进行端侧语音推理时，系统的数据交换量出现指数级增长。AI 模型参数规模越来越大，GPU/NPU 需要频繁调用内存，数据搬运速度成为瓶颈，功耗和发热迅速攀升。

换句话说，手机芯片的 AI 算力已不再是唯一限制，" 内存带宽 " 正在成为新的性能天花板。

这也是为什么近两年整个半导体行业都在重新审视 HBM。相比传统 LPDDR，HBM 最大的价值并不是容量，而是带宽。传统 LPDDR5X 的数据总线宽度通常只有 64 位，而 HBM 可以做到 1024 位宽总线，再配合 3D 堆叠与 TSV 硅穿孔技术，数据吞吐能力可达 TB/s 级别。

这意味着，AI 模型调用数据时，不再需要长时间等待 " 搬运 "。对于手机来说，这种变化极其关键——端侧 AI 真正需要的，不是单纯的 CPU 频率，而是大量数据在极短时间内流动。

HBM 为什么原本只属于服务器？

HBM 并不是新技术，它已经在 AI 服务器、数据中心以及高端 GPU 领域存在多年。英伟达 AI 显卡之所以能够支撑超大模型训练，一个关键原因就是 HBM。

但过去它始终无法进入手机领域，核心原因只有三个字：太贵了。

普通 LPDDR 是平面封装，而 HBM 则通过 TSV 工艺把多层 DRAM 芯片垂直堆叠，再借助中介层与处理器直接互联。这种 " 立体化 " 结构带来三大优势：

存储芯片

超高带宽：HBM3E 带宽可达 1.2TB/s，模型调用速度出现数量级提升；

更低延迟：数据传输距离大幅缩短，访问效率远高于传统移动内存；

更高能效比：单位带宽下功耗表现更优。

但代价同样明显。TSV 工艺、3D 堆叠、先进封装、中介层设计，每一个环节都远比 LPDDR 复杂。尤其在手机这种超薄设备中，空间极其有限、散热能力远低于服务器、功耗容忍度更低、成本控制更严格。因此过去 HBM 更多出现在单价数万元的 AI 显卡中，而非智能手机。直到 AI 手机时代到来。

三星为何突然押注 " 移动 HBM"？

三星的动作，本质上反映了整个行业对 " 端侧 AI" 的焦虑。因为未来 AI 体验的竞争，很可能不再是 " 有没有 AI"，而是：谁能在本地运行更大的模型。

云端 AI 当然强大，但它有天然短板：网络延迟、隐私安全、持续联网依赖、推理成本。因此行业正在推动 AI 能力向端侧迁移，而一旦 AI 计算回到手机本地，整个硬件架构就必须重构。

三星

三星此次研发的重点，并不是传统意义上的 HBM，而是一套适配移动设备的新封装方案。根据曝光信息，三星计划通过超高纵横比铜柱、FOWLP 扇出型晶圆级封装、改进后的 VCS 垂直铜柱堆栈技术，实现移动设备对 HBM 的适配。其核心逻辑很简单：在有限空间内塞入更多数据通道。

三星甚至把铜柱纵横比从传统的 3-5:1 提高到 15-20:1，以提升单位面积下的数据连接密度。这背后其实是一场 " 空间争夺战 " ——影像模组越来越大、电池越来越厚、散热系统越来越复杂、AI 芯片面积还在扩张。如果 HBM 无法进一步缩小体积，就永远无法真正进入手机。

从某种意义上说，三星现在做的事情，并不是简单把 HBM 搬进手机，而是在重构移动内存的底层形态。

苹果、华为为何都开始布局？

三星并不是唯一关注 HBM 的厂商。苹果与华为同样被频繁提及。

外界普遍认为，苹果计划在 2027 年—— iPhone 二十周年节点——引入移动 HBM 技术。苹果正在全面强化 Apple Intelligence 体系，而端侧 AI 是其战略核心。相比云端路线，苹果更强调本地隐私、本地计算、本地推理，这意味着 iPhone 必须大幅提升数据吞吐能力。不过苹果的工业设计过于轻薄，HBM 的散热压力是巨大挑战，因此苹果更可能采用深度定制化方案。

iPhone 效果图

相比之下，华为反而可能成为最早商用 HBM 手机的厂商。 华为近两年正在大幅强化端侧 AI，无论是鸿蒙生态还是 AI Agent 方向，都需要更强的数据吞吐体系。此外，折叠屏天然拥有更大内部空间，也更适合测试 HBM 这类新技术。业内频繁传出华为可能率先在折叠屏产品上试水 HBM，从产业节奏来看，这种可能性并不低。

真正的难点不是性能而是成本

尽管前景诱人，HBM 短期内仍难以全面普及。目前 HBM 制造成本通常是 LPDDR 的 3-5 倍，而手机行业本质上又是一个极度依赖成本控制的产业。影像、屏幕、卫星通信、AI 芯片、散热系统，都已经在吞噬整机利润，再加入 HBM，BOM 成本会进一步上涨。

手机涨价

此外还有良率问题。TSV 与 3D 堆叠工艺复杂度极高，业内数据显示先进 HBM 方案良率仍存在巨大挑战，而手机市场对供应链稳定性的要求又远高于服务器市场——毕竟手机出货量实在太大。

因此，即便三星、SK 海力士已经开始研发移动 HBM，行业仍普遍认为真正大规模商用至少还需数年。未来最可能的路径是：先进入超高端旗舰，再逐渐向主流市场渗透。 这与当年潜望长焦、一英寸大底的发展路径如出一辙。

写在最后

过去几年，手机行业一直在强调 AI 算力。但 AI 真正进入深水区后，行业开始意识到：算力并不等于体验。 AI 系统的核心问题，最终会变成数据能否被快速调动。从这个角度看，HBM 的重要性甚至不亚于 CPU 与 GPU。

更深层的变化在于，HBM 背后代表着手机产业逻辑的转变——过去手机是 " 通信终端 "，后来变成 " 移动互联网终端 "，而未来，它可能变成真正的 " 个人 AI 计算终端 "。

当三星、苹果、华为同时开始关注一项技术时，它往往不会只停留在实验室。HBM 也许不会在明天立刻改变手机行业，但它很可能决定，未来十年 AI 手机的上限。