9 月 9 日消息，英伟达计划将下一代 Rubin Ultra AI 加速器的 HBM 方案由 12 层堆叠改为 8 层。面对持续走高的存储成本，

英伟达优先考量单位带宽成本与整机经济效益。 SemiAnalysis 分析称，行业核心约束已从单位容量成本转向单位带宽成本。

采用 8 层 HBM4 方案后，Rubin Ultra 单卡显存约 192GB，相比 12 层方案的 288GB 缩减三分之一。

但带宽不会同步下滑：保持 2048 位接口与传输速率不变，8 层方案可维持甚至小幅提升总带宽，单位容量带宽提升约 50%。

当前 Rubin GPU 搭载 12 层 HBM4，拥有 288GB 显存、22TB/s 带宽。Rubin Ultra 改用 8 层，代表英伟达选择以更高性价比实现带宽需求。

该调整已传导至供应链，三星、SK 海力士计划在 2026 下半年提升 8 层 HBM4 供货占比，上下游物料订单也印证需求增长。 成本并非唯一因素。

HBM4 接口拓宽至 2048 位，更高堆叠层数对键合、封装工艺要求严苛；AI 整机规模增大，散热与良率压力进一步上升。主推 8 层产品，

能让英伟达在供给紧张时灵活平衡显存容量、散热、制造难度与供货稳定性。 该趋势或将延续到 HBM4E，8 层有望成为 2027 年 HBM4E 主流方案，

12 层、16 层版本仍在评估。Rubin Ultra 最终选用 HBM4 还是 HBM4E 尚未敲定。 对于三星这类 HBM 厂商，

此次变动令下一代 HBM 竞争逻辑发生变化。最大容量、堆叠层数虽依旧重要，但随着内存在 AI 系统成本占比攀升，

单位带宽成本、散热、封装良率和供货灵活性愈发关键。后续 AI 加速器订单争夺，不再单纯比拼堆叠层数，而是寻求容量、带宽、散热、良率与成本的综合最优解。