计算机行业专题研究：国产算力的HBM供应何解？

随着国内云服务商资本开支持续攀升以及主权AI投资进入量级跃升阶段，高带宽内存（HBM）作为AI芯片的核心配套组件，正面临显著的供需缺口。在2027年海外核心供应商产能分配趋紧的背景下，国产HBM的量产落地成为缓解这一瓶颈的关键变量。

HBM的技术架构与AI算力适配性

HBM是基于2.5/3D先进封装技术实现的大容量、高带宽DDR组合阵列，主要由C-die核心芯片与B-die基础芯片两部分构成。其内部结构与传统内存存在本质差异，并非将内存芯片并排布置，而是利用TSV硅通孔和微凸块将多层DRAM裸片垂直堆叠键合，再与Base Die连接，最后通过凸块与硅中阶层互联。凭借这一架构，HBM具备超高带宽、高能效比和低延时三大核心优势。目前HBM3E单堆栈带宽已达1.2TB/s，预计HBM4将进一步跃升至2.0TB/s；TSV技术使能耗较GDDR5降低约30-50%；3D堆叠设计使PCB占用面积仅为传统方案的三分之一，超短互连距离则显著降低了信号传输延时。

在AI芯片中，HBM扮演着核心配套内存组件的角色，其带宽与容量直接影响大模型的推理与训练效率。推理场景中，模型权重需要驻留于HBM中以便GPU即时读取，同时HBM还存储KV缓存。每次生成下一个token时，GPU首先从HBM读取权重并检索整个KV缓存，计算完成后将新生成的键和值追加回HBM以持续扩大缓存。若内存带宽无法达到每秒数百GB级别，GPU将长时间处于等待状态而非执行计算。训练场景中，GPU进行前向与反向传播所需的所有数据均通过HBM流转，前向传播时各层快速读取权重并将中间激活值写入HBM，反向传播时重新访问存储的激活值与权重以计算梯度。HBM的带宽与容量直接决定大规模模型的训练效率与可扩展性。

从主流厂商的配置来看，英伟达从H200到最新的Rubin GPU，单卡HBM配置在容量与型号上持续升级，Rubin GPU已配备288GB HBM4。国产GPU厂商如华为、阿里、寒武纪等当前单卡HBM配置规格也较高，以HBM3等为主，配置容量约为144GB至196GB。其中，华为昇腾950DT配备144GB HBM，阿里真武M890配备144GB HBM，寒武纪MLU690配备196GB HBM3。

需求端：国内CSP与主权AI投资驱动HBM需求放量

国内CSP算力采购扩张明显，带动HBM需求同步走高。2026年第二季度，腾讯资本开支达到527.84亿元，同比增长176%，上半年资本开支累计达到847.20亿元，已超过2025年全年792亿元的规模。腾讯表示在基础设施层大幅增加了算力采购，以助力应用及模型的使用转化为收入。阿里方面，2026年第二季度资本支出达676.78亿元，同比增长75%，此前公布的三年3800亿元AI基建投资计划，截至6月季度末已累计投入1900亿元。同期阿里云外部商业化收入同比增长45%，AI相关产品收入连续第12个季度实现三位数同比增长。此外，字节正评估将2026年资本支出推至最高700亿美元（约4700亿元人民币），较2025年翻倍有余，新增投资集中投向数据中心扩容与AI基础设施。

国内主权AI投资的景气度正处于投资规模量级跃升、国产化导向明确的阶段。工信部印发的《信息通信行业发展“十五五”规划》指出，到2030年智能算力规模达到9800 EFLOPS，信息基础设施累计投资3.8万亿元，并明确有序部署万卡、十万卡及以上智算集群以及加大力度适配国产算力芯片。发改委亦指出算力是继热力、电力之后的新型基础资源，全国一体化算力网建设正在加速推进。截至2026年3月底，我国已建成智能算力规模188.2万P，是2025年同期的2.5倍。

基于上述产业趋势与政策指引，预测2027年国产GPU出货量将呈现规模化增长。具体而言，寒武纪、海光信息、华为及其他厂商在2027年的出货量预计分别为55万颗、45万颗、290万颗和260万颗，合计达650万颗。对应2027年等效24GB HBM3/3E需求量分别为330万颗、270万颗、1740万颗和1560万颗，合计需求量高达3900万颗。

供给端：海外产能分配趋紧与国产HBM的支撑潜力

全球HBM核心供应商SK海力士、三星与美光的产能分配格局显示，2027年供给紧张态势仍将延续。目前三大厂商已分配完60-70%的2027年HBM产能，且主要转向HBM4。扩产方面，三星计划到2026年末将HBM月产能提升至25万片晶圆（以12英寸计），较2025年末约17万片增长约47%，主要为HBM4订单做准备。SK海力士HBM产能在2025年底约为每月15万片，占其DRAM总产能的约28%，预计到2026年底增长至20万片，其中90%以上的增量将用于HBM。

在产品与客户结构上，三星三大客户为英伟达、AMD、博通，计划于2026年下半年对上述客户放量供货，且2026年下半年HBM4将占其HBM总收入的60%以上。SK海力士2026年HBM出货量中约三分之二分配给英伟达，计划上半年主力供应HBM3E，下半年起扩大HBM4供应量，并已与十家大客户签订长期供货协议。客户最终获得的配货量仅为其初始请求的60%至70%，进一步印证了供给端的紧缺程度。

在海外产能高度集中于头部客户的背景下，国产HBM有望对国内算力供应链予以支撑。长鑫目前在合肥运营两座12英寸DRAM晶圆厂、在北京运营一座12英寸DRAM晶圆厂，合计月产能约30万片；上海新工厂计划2027年起投产，达产后整体DRAM产能将为现有水平的两倍以上。其DRAM产品覆盖DDR与LPDDR等，并已在技术上具备HBM3量产能力。若长鑫2027年可出货300万颗24GB等效HBM3，按照单卡96-144GB规格测算，共可支撑50-75万颗国产GPU需求，有望对包括寒武纪、海光等在内的国产GPU生产提供保障。

产业链布局与风险因素

在供给瓶颈边际改善、需求持续向好的背景下，计算机行业维持推荐评级。产业链相关环节涵盖广泛：CPU领域包括海光信息、中国长城；AI芯片领域涉及寒武纪、沐曦股份、壁仞科技、天数智芯、燧原科技、芯原股份；连接环节包含澜起科技、盛科通信等；超节点领域有浪潮信息、华勤技术、联想集团、中科曙光等；液冷与电源环节分别涉及鼎通科技、飞荣达以及中国长城、欧陆通等企业；算力租赁与垂类AI应用亦在加速拓展。

产业发展过程中仍需关注多重风险因素。宏观经济波动可能影响下游需求复苏节奏；AI大模型发展或商业化兑现若不及预期，可能导致资本开支无法及时转化为相应收入；新一代芯片量产进度或良率爬坡受阻可能影响产业供给节奏；此外，国产HBM量产进度及良率若不及预期，将导致国产AI芯片面临核心存储器件供应瓶颈。同时，中美博弈加剧带来的供应链不确定性以及算力资本开支实际落地偏差，均是影响行业发展的关键变量。