当前位置：

社区首页

电脑数码

电脑配件

CPU

文章详情

存储超级周期来了，谁在改写游戏规则？

一个不寻常的信号

上周，全球半导体行业密集释放了一组值得警惕的信号。

世界半导体贸易统计协会（WSTS）更新了全球IC市场预测，整体市场规模继续上行。与此同时，SemiEngineering在最新的"Chip Industry Week In Review"中明确提到了两个关键词：HBM涨价和单AI服务器机架芯片数突破4,500颗。

几乎同一时间，EE Times连发两篇重磅文章，一篇叫"Memory Super Cycle"（存储超级周期），另一篇叫"LPDDR6 Roadmap Leads to the Data Center"（LPDDR6路线图指向数据中心）。

这不是巧合。当行业媒体同时用"超级周期"来描述存储市场时，说明供需关系已经发生了结构性变化——不是普通的周期波动，而是某种更深层的东西在驱动。

这篇文章，我们就来拆解三个核心问题：HBM为什么涨价？LPDDR6凭什么进数据中心？先进封装格局正在怎样重塑？以及，中国存储产业在这轮变局中处于什么位置？

4,500颗芯片和一场算力饥渴

先说一个让人印象深刻的数字：4,500。

这是目前一架AI服务器机架上搭载的芯片数量。这个数字来自SemiEngineering对ECTC 2026大会的技术总结。什么概念？传统的数据中心服务器，一架机架上的芯片数量大概在几百颗的级别。AI服务器把这个数字拉高了将近一个数量级。

这背后是AI算力架构的根本性变化。NVIDIA的Blackwell系列GPU单卡集成的晶体管数量已经超过2,000亿颗，一块B200 GPU需要搭配192GB的HBM3e显存。一架完整的AI训练机架通常需要8到16块这样的GPU，加上CPU、DPU、交换芯片、各类控制IC……4,500颗芯片，不是夸张，是物理现实。

这意味着什么？每一颗芯片都需要存储器。 GPU要HBM，CPU要DDR5/LPDDR5，DPU要嵌入式SRAM，交换芯片要高速缓存。整个存储产业链——从颗粒原厂到模组厂商——都在被AI算力饥渴拖着往前跑。

HBM涨价的逻辑就在这里。不是原厂故意抬价，是需求增长速度远远超过了产能扩张的速度。SK海力士和美光的HBM产线已经在满产运转，三星虽然在HBM良率上经历过波折，但也在全速追赶。即便如此，供给缺口依然存在。

根据SemiEngineering的报道，HBM价格已经出现上行趋势。虽然具体涨幅因产品规格（HBM3 vs HBM3e vs HBM4）和客户合约条款不同而有差异，但方向是明确的：供不应求，价格走高。

这对谁最有利？短期看，是SK海力士和三星。SK海力士凭借在HBM3e上的先发优势和与NVIDIA的深度绑定，目前是HBM市场的绝对龙头。三星虽然在HBM4上押注更激进，但良率爬坡的速度决定了它能否快速追赶。

对中国存储产业来说，HBM涨价带来的不是直接参与的机会——目前国产HBM仍处于追赶阶段，而是间接利好：HBM产能被AI大单吃紧，常规DRAM和NAND的产能分配会出现结构性调整，这对中国模组厂商（江波龙、佰维存储、德明利、大普微等）意味着在利基市场的议价空间可能打开。

LPDDR6：从手机到数据中心，一场安静的革命

如果说HBM涨价是明面上的大事，那LPDDR6进军数据中心就是水面下的暗流——可能更值得关注。

EE Times最近发表了"LPDDR6 Roadmap Leads to the Data Center"，标题本身就是一个信号。LPDDR（Low Power Double Data Rate）从诞生起就是为移动设备设计的——手机、平板、轻薄笔记本，追求的是低功耗和小封装。它什么时候跟数据中心扯上关系了？

答案藏在AI推理的架构变化里。

传统的AI训练场景，GPU + HBM是标配，因为训练对带宽和容量的要求极高。但AI推理场景正在发生分化：一部分推理仍然在数据中心集中完成，另一部分正在向边缘迁移——所谓"Agentic AI"（智能代理AI），需要在本地实时处理大量请求，延迟敏感度极高。

EE Times在Computex 2026的报道中也提到了一个概念："Agentic PC"——能够在本地运行AI Agent的PC。这类设备对内存的要求是：容量大、功耗低、带宽够高。LPDDR6恰好满足这三个条件。

但更深层的变化发生在数据中心内部。随着推理负载的爆发式增长，数据中心的功耗墙越来越紧。DDR5虽然性能强悍，但功耗较高。LPDDR6如果能提供接近DDR5的性能，同时大幅降低功耗，那对数据中心的TCO（总拥有成本）是巨大的优化。

图片来源 :JEDEC

这不是假设。LPDDR6的技术路线图显示，它的传输速率目标是达到10.7 Gbps以上，相比LPDDR5X的8.5 Gbps有显著提升。同时，LPDDR6在信号完整性、通道架构上做了重大改进，引入了一些此前只在服务器内存上使用的技术。

谁在推动LPDDR6？ 标准制定由JEDEC主导，但真正的推手是三星、SK海力士和美光三大原厂。它们在移动DRAM上的竞争已经白热化，LPDDR6是下一个主战场。而LPDDR6向数据中心渗透，则可能打开一个全新的增量市场。

对中国存储产业链来说，LPDDR6的意义在于：澜起科技（内存接口芯片龙头）如果在LPDDR6的RCD/DB芯片上提前布局，将有机会在这轮技术迭代中卡位。此外，长鑫存储在LPDDR5上的量产经验，也为后续LPDDR6的跟进打下了基础。

先进封装格局之变：Intel EMIB-T正面挑战CoWoS

如果说存储颗粒之争是上半场，那先进封装就是正在开打的下半场。

上周在ECTC 2026（IEEE电子元件与技术大会）上，Intel Foundry发布了20篇技术论文，全面展示了EMIB-T（Embedded Multi-die Interconnect Bridge-T）的最新进展。这不是一次普通的学术发表——这是Intel Foundry对台积电CoWoS的正面宣战。

先说几个硬核数据：

Bump Pitch缩小至25微米

第一层互连（FLI）的凸点间距已经做到25µm，这意味着芯片间的互连密度大幅提升。

封装尺寸扩展到120×120mm

这是目前业界最大级别的先进封装尺寸之一，直接对标CoWoS-L的极限。

单封装集成超过9个光罩面积的芯片

突破了传统硅光罩的尺寸限制，可以在一个封装里塞进更多的计算和存储die。

HBM4e支持12 Gb/s，UCIe接口达64 Gb/s

在EMIB-T架构下，HBM4e的速率和Chiplet互连标准UCIe的性能都达到了业界领先水平。

这些数字的意义在于：Intel Foundry正在证明，先进封装不是台积电的独门绝技。EMIB-T通过嵌入式硅桥实现高密度2.5D横向互连，同时结合TSV（硅通孔）实现纵向扩展，本质上是一套与CoWoS平行的技术路线。

更值得关注的是两个前沿方向：

1. 共封装光学（CPO）

Intel在ECTC 2026上展示了可拆卸式边缘光学连接器和V型槽玻璃耦合器接口。简单说，就是把光电转换直接做在封装层面，不再依赖传统的可插拔光模块。这对数据中心带宽扩展是根本性的突破——当数据量增长到电互连撑不住的时候，光学是唯一出路。

2. 玻璃基板（Glass Core Substrate）

传统有机基板正在逼近物理极限。Intel研发的玻璃基板采用通孔玻璃（TGV）技术，可以实现比硅中介层更低的翘曲、更好的信号完整性。这对超大型封装（比如集成多个HBM stack和计算die的AI芯片）至关重要。

与此同时，Nikon也在ECTC前后宣布了一款用于后端先进封装的数字光刻系统，可以实现1.5微米线宽/线距，产速65片/小时，预计2027年3月前交付。这说明，先进封装的设备供应链也在快速成熟。

对中国存储产业的启示： 先进封装是中国绕过前道制程瓶颈的重要路径。长电科技、通富微电等封测龙头如果能在2.5D/3D封装能力上持续突破，将为中国存储芯片（尤其是HBM和Chiplet架构）提供关键的制造支撑。

存储"超级周期"：这个词到底意味着什么？

EE Times用"Memory Super Cycle"这个词，不是随便用的。

存储行业是一个强周期行业，每隔3到5年就会经历一轮"涨-跌-涨"的循环。过去几次周期（2017年的DRAM缺货潮、2021年的芯片荒）都伴随着价格暴涨和暴跌。但这一次有所不同。

"超级周期"意味着：这不是一次普通的供需错配，而是需求结构发生了根本性变化。

具体来说：

AI驱动的存储需求是刚性的。不同于消费电子的需求弹性（手机卖不动可以等下一款），AI基础设施的投资是刚性的——大模型训练一旦开始，不能停下来等存储器降价。全球云厂商（微软、谷歌、亚马逊、Meta）2025-2026年的AI资本开支仍在大幅增长，这意味着对HBM、DDR5、企业级SSD的需求只会增加，不会减少。

供给扩张的速度受到物理限制。HBM的制造涉及TSV硅通孔、晶圆键合、先进封装等多个复杂环节，任何一个环节的产能瓶颈都会制约最终产出。即便三大原厂都在扩产，产能释放的速度也很难跟上AI需求的指数级增长。

技术迭代正在加速存量替换。LPDDR6替代LPDDR5、HBM4替代HBM3e、DDR5从4800MHz向6400MHz+迈进——每一代技术升级都意味着旧产品退出、新产品补位。在这个切换窗口期，供给端需要同时维护新旧两条产线，进一步加剧了产能紧张。

EE Times的另一篇文章"A Practical Guide to the Memory Super Cycle"也指向了类似的判断：下游设计厂商需要提前做好供应链锁定，否则可能在关键窗口期面临缺货风险。

IMEC和KU Leuven最近在arXiv上发表的一篇论文也从技术侧佐证了这一趋势：他们评估了IGZO FeFETs用于3D异构AI存储器的可行性，覆盖了从片上BEOL RAM到混合键合存储chiplet，再到片外3D FeNOR存储级存储器（SCM）的全栈场景。这说明，学术界也在为"后HBM时代"的存储架构做技术储备——因为当前的存储技术终将碰到物理极限，必须有替代方案。

ASML的信号：6740亿美元市值背后的产能逻辑

还有一个不可忽视的信号来自光刻设备端。