AI芯片竞争正在进入一个新的阶段，算力不再只是GPU架构之间的较量，背后的存储供应能力也正在成为决定产品节奏的关键变量。
据Citrini分析师jukan在X平台披露的信息，TrendForce最新存储行业研究显示，DRAM供应紧张可能持续至2027年，而下一代高带宽内存HBM4e的认证和量产进度仍存在不确定性。在这一背景下，英伟达正在重新评估Rubin Ultra的HBM配置方案，原本规划的12层堆叠HBM4e方案并非已经确定。
过去几年，AI基础设施投资快速扩张，GPU需求成为半导体产业链最强劲的增长动力。但GPU性能提升并不是单点突破，计算核心、互联技术、封装能力以及高速内存必须同步推进。HBM作为连接AI芯片和大规模模型计算的重要组件，已经从“配套零件”变成影响整个AI服务器交付速度的核心环节。
按照此前规划，英伟达希望在Rubin Ultra中采用12层堆叠HBM4e，以进一步提升带宽和I/O性能。但目前公司正在并行评估多种设计，包括HBM4e 8层堆叠、HBM4 12层堆叠以及HBM4 8层堆叠方案，最终规格尚未敲定。
这背后反映出的并不是英伟达技术路线摇摆，而是AI芯片产业正在面对现实约束。
HBM的制造需要占用先进DRAM晶圆产能，而全球存储厂商目前正同时面对服务器需求增长、AI订单激增以及传统存储市场复苏带来的压力。即便三星、SK海力士、美光不断扩大HBM投资，产能释放仍需要时间。
TrendForce认为，2027年DRAM整体供应短缺可能限制存储厂商能够投入HBM生产的晶圆资源。与此同时，12层HBM4e的认证周期、良率爬坡速度也存在变量。
对于英伟达而言，Rubin Ultra的核心目标仍是提升I/O性能，而不是单纯追求每颗GPU搭载更多HBM容量。如果供应端无法匹配，降低HBM堆叠层数可能成为一种现实选择。
简单来说，减少HBM层数意味着单颗GPU的内存容量下降，但能够释放更多存储资源，用于生产更多AI加速器。这是一种典型的供应链权衡：单颗芯片性能与整体出货规模之间，需要找到新的平衡点。
HBM4e最终能否按计划落地，也将直接影响Rubin Ultra性能表现。按照当前规划，HBM4e有望推动I/O速度从上一代Rubin的8至11.7Gbps提升至14至16Gbps。如果认证和量产出现延迟，英伟达可能需要依靠优化后的HBM4方案维持11至12Gbps水平。
类似的压力也开始传导至其他AI芯片企业。据称，部分云服务厂商（CSP）正在考虑降低下一代自研ASIC的HBM容量配置。过去市场讨论AI芯片时，关注点更多集中在GPU架构、制程工艺和软件生态，而现在，存储供应正在成为所有玩家共同面对的问题。
从供需关系看，HBM市场短期仍处于卖方优势阶段。TrendForce预计，2027年HBM bit出货量同比增长约50%至60%，但增长速度仍可能低于市场需求扩张。供应商在定价方面仍具备较强话语权，HBM价格上涨预期也将增加AI芯片企业的成本压力。
这可能改变AI硬件产业未来几年的竞争方式。过去企业争夺的是更强的算力，现在还要争夺足够的内存资源。英伟达拥有强大的GPU生态，但在AI基础设施高速扩张周期中，任何一个关键环节的供应瓶颈，都可能影响整个产品路线。
Rubin Ultra的HBM调整，只是一个缩影。AI时代的芯片竞争，正在从单纯比拼设计能力，转向比拼整个供应链的协调效率。
