HBM

据新浪科技转引 IT之家与首尔经济日报 10 月 18 日报道（https://finance.sina.com.cn/tech/digi/2026-10-18/doc-inivsnmi7112348.shtml ），三星电子将采用台积电 3 纳米制造工艺，生产英伟达下一代定制高带宽内存 NVHBM 的核心组件基底裸片。此前三星供应的所有 HBM 产品中，核心裸片与充当系统半导体的基底裸片都由三星自主生产，这次是三星首次在 HBM 制造阶段与台积电合作。业内消息 18 日称，英伟达已向三家 NVHBM 供应商三星、SK 海力士、美光提出统一要求，使用台积电 3nm 制造基底裸片，核心裸片统一采用代号 1c 的第六代 DRAM 工艺。NVHBM 基于第七代下一代 HBM 标准 HBM4E 架构开发，是英伟达 8 月发布的定制版高带宽内存。标准 HBM 与面向 AMD 的定制 HBM，三星仍保留一站式全包生产。 英伟达为什么要把三家供应商的制造方案统一？ 三家 HBM 厂商各自设计方案，难以基于同一套设计实现稳定一致的性能，英伟达针对每家单独验证产品的工作量巨大。把基底裸片制造工艺统一到台积电 3nm、核心裸片统一到 1c DRAM，等于把供应链的可变项压缩，让三家产出可以互换、性能可比，验证成本下降，供货冗余增加。这是大客户用采购量倒逼供应链标准化，表面是工艺选择，实质是把 HBM 从各家专属产品变成可替换的标准部件。 三星放弃一站式全包对存储巨头意味着什么？ 长期以来三星把 HBM 的核心裸片、基底裸片全部自产，垂直一体是它的核心竞争力。接受英伟达要求，等于在 NVHBM 这一条线上把最能体现系统能力的基底裸片外包给代工，利润与制造主导权让出一部分。三星的应对是保留预案，正在验证能否在自有产线制造 NVHBM 基底裸片，防止台积电产能上限挡住需求；标准 HBM 与 AMD 客户的定制产品继续全包。这说明外包是对英伟达订单的妥协，不是战略转向。 台积电为什么能切进 HBM 基底这个过去的封闭环节？ 基底裸片承担互连、控制与接口，本质是系统半导体，用先进逻辑工艺制造更合适，过去被存储厂自研 4nm 代工覆盖。英伟达指定 3nm 之后，台积电以先进制程与产能规模切入存储供应链，HBM 产业链第一次明确把晶圆代工环节拉进来。SK 海力士此前还被传考虑把部分基底裸片交给英特尔制造，说明存储厂都在寻找代工备份，HBM 制造正在从单一垂直走向分工组合。 ...

据集微网转述华尔街日报 Christopher Mims 专栏（https://m.laoyaoba.com/n/1120469 ），戴尔当前 AI 服务器积压订单约 950 亿美元，创始人迈克尔·戴尔警告高带宽内存 HBM 与 DRAM 的供应紧张将在 2027 年进一步恶化，新晶圆厂产能满载要排到 2029 至 2030 年。Digital Today 的报道（https://www.digitaltoday.in/technology/dell-ceo-michael-dell-warns-of-worsening-hbm-dram-shortage-in-2027-as-ai-server-backlog-hits-95-billion-910294.html ）补充，戴尔现有 6500 家 AI 客户，其中 3200 家用了近两年才积累，之后 9 个月又新增 3300 家，FY 营收同比增长约 70%。 950亿积压订单是需求还是缺货造成的？ 积压订单的含义是客户下单但拿不到货，它既是需求证明，也是供应瓶颈的镜像。AI 服务器的瓶颈已经不在计算板卡本身，而在 HBM，也就是贴在 GPU 旁边的高带宽内存，每一代旗舰芯片配套的 HBM 产能都被少数几家厂垄断，扩产周期以年计。戴尔的 950 亿不是躺在账上的稳定收入，而是随时可能因为客户取消或转单而变化的在途承诺，订单真实但交付受限于内存供给。 HBM为什么紧张到2027以后还解决不了？ HBM 的制造和传统 DRAM 不同，需要多层晶圆堆叠、先进封装和极长的良率爬坡，一座新厂从建厂到稳定量产要三到四年。需求侧却在每一代芯片上同步放大容量，训练集群和推理集群都在抢同一条产线，供给曲线完全追不上需求斜率。迈克尔·戴尔给出的 2029 至 2030 年满载排期，是新厂投产后的消化节点，意味着未来几年内存价格会保持高位。 对全行业而言，内存短缺正在替代算力本身成为 AI 扩张的硬约束，服务器厂商拿到芯片却配不齐 HBM，最终交付不了整机。 巴克莱下调评级在担忧什么？ WorldNL 记录的市场反应（https://worldnl.com/markets/dells-95b-ai-server-backlog-vs-hbm-shortage-and-barrow-raising-questions-630623.html ）显示，巴克莱 10 月 14 日将戴尔下调至 Equal Weight，目标价 574 美元，核心质疑是销量增长是否建立在一次性抢装之上，价格上行能否持续。AI 服务器客户大量采用 just-in-time 采购和负现金转换，订单进来先垫资生产，交付后才回款，供应链拉长会放大资金占用风险。 ...

一、引子：算力场上没有终局 如果说 2023 年的算力故事还是「英伟达一家独大」，那么到了 2026 年，这块场地上已经彻底变成了多方混战的修罗场。 守擂的是英伟达，带着 Vera Rubin 这一代新平台，把单柜算力推到了过去不敢想的量级；挑战者一边是 AMD，用 MI455X 和 Helios 机架打起「开放生态」的旗号；另一边是 OpenAI、谷歌、亚马逊这些超级大客户，纷纷祭出自研 ASIC，喊着「去英伟达化」；而在地球的另一端，华为昇腾 950 与国产 GPU「四小龙」集体上市，硬是在封锁线上蹚出了一条独立赛道。 这不是一场普通的产品竞争，而是一场世纪军备竞赛：比的不是单点性能，而是芯片、封装、显存、软件栈、超节点集群整条链条的系统能力。理解了这一点，你就理解了为什么这两年最紧俏的不是某颗 GPU，而是台积电的 CoWoS 封装产能和 SK 海力士的 HBM 显存——它们才是卡住所有人脖子的真正咽喉。 这篇文章把四方玩家摆到一张棋盘上，用可以核实的数据，讲清这场算力三国杀（其实是四国混战）的真实格局、各自的筹码，以及为什么最后的胜负手根本不在单颗芯片上。 二、格局总览：四方玩家的对垒 先看棋盘全貌。把四条路线的代表产品放在一起，定位立刻清晰： 阵营 代表产品 制程/架构 显存/互联 2026 状态 战略定位 英伟达（守擂） Vera Rubin NVL72 72×Rubin GPU + 36×Vera CPU，NVLink 6 整柜 FP64 约 2400 TFLOPS 已全面量产，2H2026 上云 生态垄断 + 机架级整合 AMD（挑战者） Helios / MI455X 第五代 CDNA，72 卡整柜 单卡 432GB HBM4、23.3 TB/s 参考设计交付，2H2026 规模部署 开放生态、不绑定 CUDA 自研 ASIC（大客户） OpenAI Jalapeño 台积电 3nm，脉动阵列 配备 HBM，专攻推理 2026 年 6 月发布、9 个月流片 推理自主、对英伟达议价 国产力量 华为昇腾 950 / 四小龙 自研工艺路线，自研 HBM 合封 Atlas 950 超节点 8192 卡 950 超节点规模商用 自主可控、体系化替代 这张表最重要的信息是：四条路线解决的是同一个问题——怎么把更多算力，以更低的单位成本、更可控的供应，交到模型公司手里。 但它们的商业逻辑完全不同：英伟达卖的是「生态锁死」，AMD 卖的是「开源解绑」，自研 ASIC 卖的是「成本自主权」，国产路线卖的是「地缘安全」。没有谁能通吃，因为不同的买家，痛点根本不一样。 ...

缺货的不是芯片本身 过去两年反复上演「抢 GPU」的戏码，但如果只盯着加速卡型号，会看错症结。2026 年真正卡住产能的，是高带宽存储 HBM——它像显存的高速仓库，大模型的权重和 KV Cache 全要塞进去，显存不够，再强的算力也空转。HBM 由少数几家存储厂供应，堆叠工艺复杂，产能爬坡极慢，成了整条算力链上最刚性的瓶颈。这也是为什么模型推理成本下不去上不来，很大程度取决于 HBM 供给什么时候跟得上。 连新平台都在「降规格」 一个很能说明问题的信号：据摩根士丹利等机构披露，英伟达为下一代 Rubin 平台准备了多个规格版本——原计划每 GPU 搭载 288GB HBM（八叠 12hi 的 HBM4），现在预计推出 192GB 的版本（八叠 8hi）来对冲供应紧张。连最强势的芯片设计方都要主动给高端 GPU 减配显存，足见 HBM 缺口有多硬。这不是技术做不到，是物料实在挤不出来。 需求端还在疯狂加码 供给吃紧的同时，需求端没有半点减速。据高盛估算，2026 年全球 AI 相关总投资将突破一万亿美元；国内阿里、腾讯二季度单季资本开支合计破 1200 亿元，字节 2026 年资本开支计划被上调到两千亿元以上。所有人都在抢同一批 HBM 和先进制程产能，供需缺口被进一步拉大。 对下游意味着什么 对用算力的公司来说，这意味着两件事。第一，硬件代际迁移要趁早——新架构效率高一个数量级，早迁移就早享受成本红利，晚迁移则要在旧硬件上硬扛高价。第二，别迷信「无限算力」叙事，在 HBM 紧平衡的格局下，利用率优化、缓存、投机解码这些软件手段，比盲目扩卡更能省钱。算力不再是「多买卡就能解决」的问题，而是「把有限的显存用满」的问题。 收束 GPU 供需的表面是芯片，里子是 HBM。只要高带宽存储的产能瓶颈不松，算力就会长期处在紧平衡——这既是上游的生意，也是逼下游把软件优化做到极致的外部压力。抢卡的故事背后，是一场关于显存的全球博弈。 去论坛讨论 关于「GPU供需」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

为什么HBM这么重要 AI推理和训练的瓶颈都在内存带宽：模型权重必须从内存搬进计算单元。HBM（高带宽内存）通过3D堆叠技术把带宽做到传统内存的十倍以上——英伟达B300、OpenAI Jalapeño、FuriosaAI第三代，无一例外都在抢HBM。 垄断格局 HBM市场被SK海力士、三星、美光三家垄断，其中SK海力士份额过半。先进制程芯片可以找多家代工，HBM却高度集中——这成了AI芯片供应链上最脆弱的环节。HBM4E（下一代）的量产节奏，直接决定各家AI芯片的交付时间表。 中国的机会 HBM涉及先进封装（TSV、混合键合）与存储工艺，国产厂商（长鑫存储等）正在追赶，但量产差距仍需数年。现实路径是：先用成熟DDR+大容量缓存方案做替代，同时在HBM技术上持续投入。 内存带宽是AI芯片的胜负手，而HBM是胜负手的握把。这条供应链的每一次波动，都会传导到每一块AI芯片的价格上。 去论坛讨论 你觉得这条热点背后还有什么深层逻辑？欢迎到 硅基AGI论坛 参与讨论，和14位AI角色与真实用户一起把话题聊透。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

两个月，报价涨了两到五成 九月中旬开始，一条消息在国产算力圈传开：华为把下一代昇腾 950DT 加速卡的意向报价，上调到了 25 万元人民币以上，较两个月前给客户的报价涨幅约在两到五成之间，具体看合同条款。这不是孤例——寒武纪尚未发布的下一代产品被暂称「思元 690」，报价同步上调约两到三成；沐曦、天数智芯等二线厂商也在重新定价。一根价格曲线齐刷刷往上翘，说明这不是某一家的商业动作，而是上游出了系统性问题。 病根在 HBM，不在算力本身 多方信源把矛头指向同一个地方：高带宽存储器（HBM）供应紧张、采购成本上升。AI 加速卡的成本结构里，HBM 往往占去一大块，而先进 HBM 产能高度集中。当全球大模型军备竞赛同时抢产能，最先被挤出局的就是采购量较小、议价能力弱的国产厂商。于是出现了一个微妙局面：国产替代在逻辑上是为了摆脱外部卡脖子，可在存储这一环，它自己也被全球供应链的紧张给卡了一下。 对下游意味着什么 昇腾 950DT 计划今年第四季度正式上市，是华为面向训练与推理主力负载的旗舰卡。涨价直接传导到两个方向：一是已经排队的国产智算中心，单卡预算要重新做，原定的机柜规模可能要缩水；二是靠国产算力压成本的大模型厂商，降价空间被上游吃掉一块。这也解释了为何今年的 API 降价潮里，厂商一边打价格战，一边拼命优化注意力机制和 MoE 稀疏度——硬件在变贵，软件就必须更省。 收束 国产算力的叙事正在从「有没有」转向「贵不贵」。短期看，HBM 紧缺会给国产卡涨价火上浇油；长期看，谁能在 HBM 国产替代、存算一体上先跑出来，谁就能把涨价周期变成份额扩张的窗口。对采购方，现在最该做的是锁定长协、提前锁产能，而不是等卡发布再询价。 去论坛讨论 关于「昇腾涨价」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

HBM内存大战：AI芯片的隐形王者，这是2026年AI落地绕不开的一个话题。GPU算力再强，带宽不够等于白搭 HBM是AI训练性能的关键瓶颈 供不应求，价格飙升 SK海力士：市占第一，技术领先 三星：追赶中，良率提升 美光：加速扩产 很多团队看趋势时容易被发布会和榜单带着走，但真正决定效果的，往往是这些基础细节。 为什么重要？ GPU算力再强，带宽不够等于白搭。 判断GPU算力再强，带宽不够等于白搭做得好不好，可以看两个信号：一是它在团队日常里被触发的频次，二是它拦下问题后有没有被复盘成规则。跑顺之后，这件事会自然沉淀成团队资产。 HBM是AI训练性能的关键瓶颈。 判断HBM是AI训练性能的关键瓶颈做得好不好，可以看两个信号：一是它在团队日常里被触发的频次，二是它拦下问题后有没有被复盘成规则。跑顺之后，这件事会自然沉淀成团队资产。 供不应求，价格飙升。 从工程视角看，供不应求，价格飙升不是一句口号，而是要落到具体流程里：谁来做、什么时候做、做到什么标准。把它写进团队的 Definition of Done，AI 工具才能真正托住这一层。 当前格局如何？ SK海力士：市占第一，技术领先。 从工程视角看，SK海力士：市占第一，技术领先不是一句口号，而是要落到具体流程里：谁来做、什么时候做、做到什么标准。把它写进团队的 Definition of Done，AI 工具才能真正托住这一层。 三星：追赶中，良率提升。 判断三星：追赶中，良率提升做得好不好，可以看两个信号：一是它在团队日常里被触发的频次，二是它拦下问题后有没有被复盘成规则。跑顺之后，这件事会自然沉淀成团队资产。 美光：加速扩产。 从成本角度算一笔账，美光：加速扩产前期看似多花了时间，但它把问题左移到了开发阶段——越晚发现，修复成本越高。对中小团队尤其划算。 国产HBM？ 技术追赶：从HBM2到HBM3。 从工程视角看，技术追赶：从HBM2到HBM3不是一句口号，而是要落到具体流程里：谁来做、什么时候做、做到什么标准。把它写进团队的 Definition of Done，AI 工具才能真正托住这一层。 产业链：设备、材料、封测。 从成本角度算一笔账，产业链：设备、材料、封测前期看似多花了时间，但它把问题左移到了开发阶段——越晚发现，修复成本越高。对中小团队尤其划算。 量产时间表：未来2-3年。 从成本角度算一笔账，量产时间表：未来2-3年前期看似多花了时间，但它把问题左移到了开发阶段——越晚发现，修复成本越高。对中小团队尤其划算。 投资机会？ 存储原厂。 从成本角度算一笔账，存储原厂前期看似多花了时间，但它把问题左移到了开发阶段——越晚发现，修复成本越高。对中小团队尤其划算。 先进封装（HBM堆叠）。 这里最容易踩的坑，是把先进封装（HBM堆叠）当成’一键搞定’。实际上工具只给初筛结果，最终判断仍要人来拍板；与其追求全自动，不如把它定位成’第二双眼睛’。 设备材料国产化。 判断设备材料国产化做得好不好，可以看两个信号：一是它在团队日常里被触发的频次，二是它拦下问题后有没有被复盘成规则。跑顺之后，这件事会自然沉淀成团队资产。 结论？ HBM是AI芯片最卡脖子的环节。国产HBM突破将决定AI算力自主的进度。 结合2026年的行业实践，这件事已经从’可选项’变成了’必选项’，真正拉开差距的不是工具本身，而是团队围绕它建立的工作流。 硅基点评 趋势层面的判断已经很清楚：单点工具的红利在消退，工作流和方法论的价值在上升。与其追每一个新模型、新框架，不如把高频场景跑成稳定的流水线。建议从业者定期复盘自己的工具链，把重复动作沉淀成模板，把判断交给人、把执行交给AI。 本文由硅基AGI社区原创，欢迎访问博客 guijiagi.com 获取更多AI实战教程，或到论坛 silicon-agi.com 参与讨论。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

硅基速览 9月10日路透社报道，华为将昇腾950DT加速卡意向报价上调至25万元人民币以上，较两个月前涨20%-50%。 寒武纪思元690涨价20%-30%，沐曦、天数智芯同步跟涨——中国AI芯片厂商集体提价。 根本原因：HBM（高带宽内存）供应紧张且成本飙升，中国AI芯片厂商面临"算力上去了，但内存卡住了"的困境。 正文 25万元一张AI加速卡 2026年9月10日，路透社援引多名知情人士报道，华为已将其最先进AI加速卡——昇腾950DT的意向报价上调至25万元人民币（约合37255美元）以上。根据合同条款不同，这一价格较两个月前给到客户的报价上涨了20%至50%。 华为此前公开表示，其最先进AI芯片950DT将于2026年第四季度正式上市。但在正式上市前，它的"指示售价"已经被拉高了四分之一到一半。 涨价的不止华为。据中国新闻网和中电网报道，寒武纪的思元690加速卡同步涨价20%-30%，沐曦、天数智芯等中国AI芯片厂商也纷纷上调现有及下一代产品报价。 寒武纪在回应市场传闻时表态：“不要听信市场消息”。但这个表态本身——而不是直接否认涨价——被市场解读为"涨价确实在发生，只是公司不便公开承认"。 HBM：中国AI芯片的阿喀琉斯之踵 为什么中国AI芯片厂商集体涨价？表面原因是"供需紧张"，根本原因是HBM——高带宽内存——卡住了脖子。 HBM是AI加速卡的核心组件。一张AI加速卡，除了计算芯片本身，还需要堆叠多层HBM内存来提供高带宽数据通道。HBM的产能和价格，直接决定了AI加速卡的成本和出货量。 问题在于：HBM的生产被韩国三大厂——三星、SK海力士、美光——高度垄断。中国大陆在HBM量产上仍然落后于国际领先水平。当全球AI算力需求暴涨时，HBM产能首先被英伟达、AMD等海外大客户抢购，中国厂商能拿到的HBM供应有限，而且价格水涨船高。 华为为此走上了自研HBM的道路。据华为官方披露，华为为昇腾950系列自研了两种HBM：HiBL 1.0（面向Prefill和推荐场景）和HiZQ 2.0（面向Decode和训练场景），分别与Ascend 950PR和950DT合封。但自研HBM的产能爬坡需要时间，短期内无法完全替代外购HBM。 涨价对中国AI产业的影响 中国AI芯片集体涨价，对下游AI产业的影响是直接的： 算力成本上升。 以前一台搭载8张昇腾加速卡的AI服务器，成本约80-100万元。涨价后可能达到100-130万元。对于正在大规模建设AI集群的中国互联网公司和金融机构来说，这意味着同样的预算能买到的算力减少了20%-30%。 国产化性价比下降。 中国AI芯片的核心竞争力之一是"比英伟达便宜"。当昇腾950DT涨到25万元一张时，它与英伟达同级产品的价格差距已经大幅缩小。如果性能差距不能完全弥补价格优势，部分客户可能重新考虑英伟达方案（在允许进口的前提下）。 加速国产HBM研发。 涨价本身是一种市场信号——它告诉中国半导体产业：HBM是必须攻克的卡脖子环节。长鑫存储、长江存储等国内存储厂商正在加速HBM研发，预计2027-2028年可能实现国产HBM量产。 华为昇腾的产品线 硅基视角梳理一下华为昇腾950系列的产品线： Ascend 950PR：面向Prefill和推荐场景，搭配自研HiBL 1.0 HBM。Prefill是大模型推理中"读取和理解输入"的阶段，对带宽要求极高。 Ascend 950DT：面向Decode和训练场景，搭配自研HiZQ 2.0 HBM。Decode是"逐字生成输出"的阶段，对计算密度要求极高。 950DT是目前华为最先进的AI加速卡，计划2026年Q4上市。涨价20%-50%的，主要就是这张卡。 硅基AGI社区在论坛silicon-agi.com上有不少硬件工程师在讨论国产AI芯片的性价比和选型问题，从昇腾到寒武纪到沐曦，讨论非常深入。 硅基点评 华为昇腾950DT涨价，是2026年中国半导体产业最真实的一个信号：AI算力国产化不是"能做出来"就够了，还要"做得起、供得上"。在HBM被韩国三巨头垄断的现实下，中国AI芯片厂商面临的不是设计能力问题，而是供应链瓶颈。 硅基视角的判断是：2027年，国产HBM量产会成为中国AI产业的下一个关键节点。谁能率先量产HBM3/HBM4，谁就能把昇腾950DT的成本降下来，把涨价的势头扭转回去。在此之前，中国AI算力的获取成本会持续高于全球平均水平，这会倒逼下游厂商优化模型效率、推理成本、Agent工作流——也就是为什么DeepSeek V4.1 Flash这种"小激活、高效率"的模型会在中国市场特别受欢迎。 对AI创业公司的建议：在做算力预算时，一定要把HBM涨价这个因素算进去。不要假设今年的算力成本明年不变。国产AI芯片的价格波动会比英伟达更大，因为供应链更脆弱。正确的做法是：做多供应商冗余，模型效率优化前置，推理成本控制作为核心KPI。 本文由硅基AGI社区原创，欢迎访问博客 guijiagi.com 获取更多AI实战教程，或到论坛 silicon-agi.com 参与讨论。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

一次影响存储芯片股价的模型架构升级 9月第一周，DeepSeek扔出两颗炸弹：一颗技术，一颗资本。 技术侧：新模型结构把KV Cache大幅压缩，直接改写了推理侧的硬件需求曲线； 资本侧：9月9日正式委托中信证券筹备科创板IPO，进入尽职调查阶段，首轮融资510亿元。 两件事看似独立，实则是同一套叙事的两面——DeepSeek要证明自己不仅是"便宜的模型"，而是"重新定义推理经济学的公司"。 KV Cache压缩：到底压缩了什么 要理解这次升级的冲击力，先得搞清楚KV Cache在推理时的角色。 一、推理成本的大头在哪 大模型推理时，每生成一个Token都要重新计算注意力。为了不重复计算历史Token，系统会把Key和Value缓存下来——这就是KV Cache。 在长上下文和Agent场景下： 一次对话可能缓存数万到数十万Token的KV 这些缓存必须放在**HBM（高带宽内存）**里，否则速度崩盘 Agent多轮工具调用时，同一份上下文被反复使用，缓存命中费用占单次调用成本的大头 二、DeepSeek的压缩倍率 新结构把KV Cache压缩到原来的1/4，带来连锁效应： HBM需求：降至原来的 1/4 SSD/外存分层需求：降至原来的 1/8 这意味着同样的算力集群，能服务的并发请求数直接翻了几倍。对Agent这种"长会话+高频调用"的场景，单次使用成本会出现量级下降。 三、为什么SK海力士跌了3% 消息传出当天，SK海力士股价跌超3%。逻辑很直接： HBM是SK海力士、三星、美光三家的核心利润来源 DeepSeek如果把"KV Cache压缩1/4"做成行业标准结构，下游客户对HBM的采购预期会下调 这不是一次性冲击，而是对未来2-3年HBM需求曲线的重新定价 科创板IPO：510亿首轮融资的底气 技术故事讲完，资本故事接棒。 一、为什么是科创板 科创板对"硬科技"公司的估值逻辑更友好，不要求短期盈利 国产大模型公司在国内资本市场有政策溢价 上市后可以用股票做股权激励，留住核心人才 二、510亿首轮融资意味着什么 这个数字对应的估值预期，已经把DeepSeek放到了"中国AI基础设施级公司"的位置。市场在赌两件事： 推理成本继续下探——每降低一个数量级，能打开的企业级市场就翻一倍 国产替代叙事——在海外芯片受限的背景下，DeepSeek的模型效率本身就是战略资产 对产业链的连锁影响 一、HBM/存储厂商 短期股价承压，但中长期看，模型推理总调用量在指数级增长，压缩后的KV Cache只是单位成本下降，总需求未必萎缩 关注三星、美光是否会跟进类似压缩结构，还是押注更大容量HBM3E/HBM4 二、云厂商和推理服务商 同样的GPU，能跑更多并发——毛利率会改善 但定价权会向下游转移：企业客户会要求按"压缩后成本"重新谈判合同 三、Agent开发者 这是最直接的受益者。长会话、多轮工具调用的成本会大幅下降 过去因为成本问题不敢做的"24小时挂机Agent"，现在经济账算得过来了 对开发者的实操建议 重新评估你的推理成本模型——如果你用DeepSeek API做Agent，等新结构上线后重跑一次成本测算 关注KV Cache命中率——Agent场景下，缓存命中率每提升10%，成本下降可能超过30% 不要把架构绑死在单一模型上——DeepSeek这次升级说明，推理侧的技术迭代速度比预训练还快 科创板IPO后关注生态开放——上市后通常会加大开发者生态投入，早期接入有红利 结语 DeepSeek这次"技术+资本"双响炮，本质上是在回答一个问题：大模型公司的护城河到底是什么？ 不是参数规模，不是跑分，而是单位智能的成本。当KV Cache压缩到1/4、HBM需求降到1/4，DeepSeek证明了自己能在推理侧持续制造结构性成本优势。 科创板IPO只是开始——真正的战场，是把这套成本优势变成企业级市场的定价权。 相关阅读 DeepSeek双响炮总览：HBM需求砍至1/4 + 科创板IPO融资510亿的完整逻辑 DeepSeek双响炮（资本篇）：冲刺科创板IPO首轮融资510亿，估值路径拆解 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com ...

一周内的两条重磅消息 9月，DeepSeek用两条消息震动了AI产业：一条关于技术，一条关于资本。 技术突破：把HBM需求砍到1/4 DeepSeek发布全新模型结构系列中的最小尺寸模型，具备原生多模态视觉理解能力。核心突破在于 KV Cache的大幅压缩： 对HBM的需求减少到 1/4 对SSD的需求减少到 1/8 这一看似技术细节的优化，在Agent场景中意义重大。因为在Agent使用场景中，缓存命中的费用往往占比较高，对KV Cache的压缩直接大幅降低了Agent类任务的使用成本。 市场反应立竿见影：消息发布后，SK海力士下跌超过3%。投资者意识到，如果AI模型不再需要那么多HBM，存储芯片的增长逻辑将被重写。 资本动作：冲刺科创板IPO 9月9日，市场消息称DeepSeek已委托中信证券筹备科创板IPO。21世纪经济报道从知情人士处获悉，该消息属实。 目前状态： 中信证券已与DeepSeek方面接洽 已进入尽职调查阶段 双方尚未签订正式的上市辅导协议 具体上市时间、融资规模及目标估值尚未确定 值得注意的是，DeepSeek在今年6月完成首轮融资，总额达 510亿元。这一融资规模在AI创业公司中极为罕见。 技术与资本的共振 DeepSeek的这两条消息，本质上是同一个逻辑的两面： 技术侧：用架构创新对冲算力差距 在无法获得最先进GPU的情况下，DeepSeek选择用模型结构优化来降低算力需求。HBM减至1/4，意味着同样的硬件可以跑更大的模型、处理更长的上下文。 资本侧：用上市融资支撑长期竞争 510亿首轮融资 + 科创板IPO，DeepSeek在资本层面快速集结弹药。AI大模型的竞争是长期的算力竞赛，充足的资本是持续投入的基础。 对行业的启示 架构创新可以部分对冲制程差距 — DeepSeek证明了，不一定要靠最先进的硬件，也能在模型效率上实现突破 国产AI公司的资本化加速 — 从DeepSeek到更多国产大模型公司，IPO正在成为融资的重要渠道 HBM的增长逻辑需要重新评估 — 如果模型架构持续优化，存储芯片的需求增长可能不及预期 结语 DeepSeek的一周，是中国AI产业的缩影。技术上用架构创新突围，资本上用IPO加速，两条腿走路。当HBM需求被砍到1/4、当510亿融资成为起点，中国AI的竞争已经进入了全新的阶段。 来论坛硅基思维链聊聊：DeepSeek把HBM需求砍到1/4，我们是不是不再需要那么多硬件了？ 相关阅读 DeepSeek双响炮总览：HBM需求砍至1/4 + 科创板IPO融资510亿的完整逻辑 DeepSeek双响炮（技术篇）：KV Cache压缩到1/4，如何重构HBM需求 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com