硅谷从来不缺热点，但 Hot Chips 2026，这个全球高性能芯片领域最具分量的技术 Symposium，仍旧是热点中的热点。

原因无他，这场大会，如今已然成为芯片界的述职大会，被华尔街视为下半年半导体景气度的一个路演。

会议议程里，HBM、先进封装、AI 加速器这些词被反复提及，三星、SK 海力士、美光、英伟达、AMD、英特尔轮番登场。

但比起台上光鲜的参数，真正在蔓延的疑问或许是，那些被反复强调的数据，究竟能在多大程度上转化为财报上的增长？

先说说最引人关注的内存赛道，HBM（高带宽内存），现在已经成为 AI 算力这场大戏的绝对主角。

本届大会上，三家存储巨头——三星、SK 海力士、美光，同时亮出了自己的 HBM 路线图，但路径各有千秋。

三星走的是三阶段进化路径，从标准 HBM 起步，到定制化 HBM（cHBM），再到终极形态 zHBM。

什么叫 zHBM？简单说，就是把 DRAM 直接垂直堆叠在 GPU、TPU 这类计算芯片上头，彻底甩掉 2.5D 中介层。

三星方面给出的数据相当炸裂，相较于标准 HBM4E，zHBM 方案能实现 70% 的功耗降低、230% 的带宽提升，每个 DRAM 模组能省下 100W 功耗，还给 GPU 多腾出 8.3% 的功率空间。

三星的野心不止于此，他们甚至想把部分 AI 运算任务也交给 HBM 来处理，让内存的作用从管理升级为计算。

SK 海力士走的则是封装技术路线。

SK 海力士副总裁 Lee Jae-sik 在演讲中明确表态，AI 时代 HBM 的竞争，已经不光是内存本身的事了，封装技术同样关键。

SK 海力士目前在 16 层三维堆叠方案上已经用上了 MR-MUF 工艺，但 16 层显然不是终点。

为了冲上 20 层以上堆叠，公司正在猛攻混合键合技术，能把芯片厚度增加 24%，凸点间距缩小到 18 微米以下，同时热阻大幅降低 35%。

更值得玩味的是，SK 海力士在 2.5D HBM 方案中明确引入了英特尔的 EMIB 技术，EMIB 通过在封装基板里嵌入微型硅桥实现高密度互连。

美光的判断更为现实，HBM 设计架构师 Raghu Sreeramaneni 在会上判断，" 内存墙仍然存在，说不定情况反而变得更糟了。"

因为，计算能力的增速是每两年三倍，而 HBM 带宽的增速只有每两年不到两倍。

算力跑得太快，内存带宽在后面追赶相当吃力。

更值得关注的是可靠性问题，美光援引 Meta 公布的 Llama 3 训练数据显示，约 17% 的非预期训练中断，居然是由 HBM 故障引起的。

在大规模 AI 集群里，这个比例意味着数以千万美元计的训练成本可能因为几颗内存颗粒而打水漂。

美光还算了另一笔账，在典型的配备四个 12 层 HBM 堆栈的 GPU 封装中，内存硅片总量大约是 GPU 硅片的 8 倍，系统级封装里约 90% 的硅片面积都跟内存相关。

这意味着，一个 DRAM 裸片出问题，整个封装都得跟着遭殃。

不过，尽管三大巨头三条路径，但指向的是同一个方向，那就是 HBM 正在从标准化的通用商品，走向深度定制化的平台化产品。

这背后同样是一条清晰的产业逻辑，AI 算力竞赛已经从 " 堆核心数 " 进入了 " 拼系统集成 " 的新阶段。

说到这儿，就不得不提本届大会的另一个核心叙事—— AI 资本开支的 " 军备竞赛 " 远未熄火。

存储分析师 Jim Handy 在会上算了一笔供需账，HBM 每片晶圆产出的 GB 数只有标准 DDR 的三分之一，而过去十来年 DRAM 行业几乎没有大规模新建晶圆厂，新建产能即便按最激进的节奏推进也需要大约两年。

而需求端，几乎所有主流 AI 加速器，如英伟达 GPU、谷歌 TPU、各类定制芯片，全都离不开 HBM，甚至连部分网络组件都开始 " 蹭 "HBM 了。

供需剪刀差越拉越大，结果就是 HBM 现货价格已经较此前水平上涨了约 7 倍，三星、SK 海力士、美光，加上主要的 NAND 供应商，全部录得了异常强劲的营收增长。

Handy 还特意驳斥了一个常见论调，算法效率提升会压低硬件需求。

他的逻辑很反直觉，当一项新技术把内存需求降低了 6 倍，超大规模云厂商的典型反应不是削减预算，而是用同样的钱去处理 6 倍的 Token。

效率提升改变的是 AI 基础设施的生产力，未必会减少投进去的资金总量。

这个判断，对理解整个 AI 硬件产业链的景气周期至关重要。

大会上还有其他主角，英伟达这边，除了备受期待的 Rubin GPU 和 Vera CPU 架构披露，还有一个信号值得注意，公司披露其实验室已拥有至少三款 RVA23 处理器，并完成了 CUDA 在 RISC-V 硬件上的首次公开演示。

CUDA 向来是英伟达最深的护城河，如今主动向 RISC-V 生态伸出橄榄枝，这背后的战略意图值得玩味。

AMD 则将在 8 月 24 日专门介绍 Instinct MI400 系列 GPU 的架构，英特尔更是一天之内安排了三场演讲，覆盖 Core Series 3 Wildcat Lake 平台、Diamond Rapids 服务器处理器，以及专为 Agentic AI 推理设计的 Crescent Island GPU。

谷歌的 TPU v8、微软的 MAIA 200、Meta 的 MTIA、甚至 OpenAI 的芯片项目也都集中亮相。

四大云厂商同场秀自研芯片，英伟达的演讲就穿插在里头，这画面本身就传递了一个清晰的信号，那就是 AI 芯片的战场，早已不是 GPU 厂商的独角戏了。

把所有这些拼图放在一起，Hot Chips 2026 勾勒出的产业图景其实相当清晰。

首先，AI 硬件正从单芯片竞争全面转向机柜级系统架构革新。

英伟达 Rubin 平台整机柜功耗已提升至 190 到 230kW，强制 100% 液冷，这意味着一整套配套产业链（PCB、高压电源、液冷）都将迎来单机价值量的跨越式增长。

其次，存储已经成为算力性能的核心瓶颈。

HBM4、3D 堆叠、混合键合这些技术词汇从实验室走向量产线，存储产业链正在经历一轮超级扩张周期。

美光 2026 财年资本开支从 180 亿美元上调至 270 亿美元，增量全部投向 HBM 与先进 DRAM；台积电 600 到 640 亿美金资本开支中 10% 到 20% 分配给了 CoWoS 先进封装。

最后，也是最重要的就是，这场由 AI 驱动的硬件革命，别说结束，甚至还远远没到中场休息的阶段。

回到资本市场，Hot Chips 也不只是技术宅的闭门狂欢，大会上披露的架构细节，往往直接决定了未来两到三年半导体供应链的景气走向。

HBM 现货价格涨了 7 倍，美光营收同比暴增 345.8%，存储三巨头的扩产计划却受制于设备供给瓶颈，主流前道设备交付周期已经拉长到 12 到 24 个月，这些数字背后，是实实在在的供需失衡和定价权转移。

从投资的角度看，这场大会至少指明了几个明确的产业趋势——先进封装设备与材料、液冷散热解决方案、高多层 PCB、高压直流电源，这些细分赛道在 AI 硬件架构升级的浪潮中，都将迎来确定性的增量需求。

而 HBM 产业链从晶圆制造到封测的供需缺口，按照目前的扩产节奏，恐怕还会持续相当长一段时间。

格隆汇声明：文中观点均来自原作者，不代表格隆汇观点及立场。特别提醒，投资决策需建立在独立思考之上，本文内容仅供参考，不作为实际操作建议，交易风险自担。