夜雨聆风大家好，我是小卢，一个码了十年代码，心里有话就忍不住想说道说道的程序员。
2025年到2026年，韩国股市涨疯了。KOSPI指数从2400点冲破6700点，涨幅近180%，总市值接连超过德国、法国和英国。仅三星和SK海力士两家公司，一个季度就赚了近600亿美元，这个数字比印度所有上市公司同期的利润加起来还要多。什么生意这么赚钱？答案只有三个字母：HBM。
HBM的全称是"高带宽存储器"，通俗点说，就是一种专门给AI芯片当"贴身助手"的超高速内存。新闻里天天提到的英伟达天价AI芯片，离了它根本跑不起来。而全球HBM市场，三星和SK海力士两家韩国公司就拿走了大约八成份额。这件事揭开了一个被大多数人忽视的真相：让AI"记住"东西的存储芯片，才是当下最稀缺、最赚钱、也最卡脖子的环节。如果把AI比作一个正在备考的超级学霸，那存储芯片就是他的书桌、课本和笔——桌子够不够大，翻书够不够快，直接决定了这个学霸能考多少分。
要理解AI为什么这么依赖存储，得先搞清楚存储芯片到底是什么。你买手机或电脑时一定见过两个参数：内存和存储空间，比如"16GB内存加512GB存储"。这两个东西对应着芯片世界的两大门派。第一个叫DRAM，也就是我们常说的内存，它的特点是速度极快，但一断电就忘光，相当于大脑的短期记忆，正在思考的事放在这里，想完就清空。你可以把它理解成一张草稿纸，用来临时演算，速度至上。第二个叫NAND闪存，也就是常说的硬盘或存储空间，断电了东西还在，你的照片、文件都存在这里面，相当于大脑的长期记忆。它像一座图书馆，容量至上，用来永久保存。
过去几十年，这两大门派各司其职，相安无事。但AI大模型的出现，把一切都搅乱了。训练一个大模型，本质上是让机器"读"海量的数据，可能是几万亿个单词、几十亿张图片，然后从中找出规律。这件事对存储的需求，不是多一点，而是直接拉满。
首先，它需要一张巨大的"书桌"。大模型的参数，也就是它的"脑细胞"数量，动辄几千亿甚至上万亿，加上正在处理的数据，必须全部放在内存里。为什么？因为GPU算得实在太快了，如果数据要从硬盘慢慢调取，GPU就得干等着。一块英伟达H100芯片自带80GB内存，但根本不够用，往往需要几百块、几千块芯片连在一起协同工作。其次，光桌子大还不够，翻书速度也得到极致。GPU一秒钟能处理的数据量可能是TB级别，如果内存传输速度跟不上，几十万一块的芯片就这么白白闲着，业内人士把这叫做"内存墙"——算力再强，数据喂不进去，一切白搭。再者，训练中还得频繁"存档"，把模型当前的状态保存下来，万一断电了能从这里恢复，不至于从头再来。一次大模型训练可能花几千万美元，存档慢了就是在烧钱。
结论很明确：既要容量最大，又要速度最快，传统的内存和闪存都不够用了。于是，HBM登场了。
HBM的原理并不难理解。传统内存芯片是平铺在电路板上的，就像一排平房，数据在平房之间跑来跑去，路远，速度就慢，还费电。HBM的做法是不盖平房了，直接盖摩天大楼。它把多层DRAM芯片像千层酥一样垂直堆叠起来，然后用一种叫"硅通孔"的技术从中间打穿，让数据在垂直方向上直接传输。这样一来，数据跑的距离从"小镇东头到西头"变成了"楼上到楼下"，速度自然暴涨，功耗还降下来了。更关键的是，HBM不是插在主板上的，而是直接和GPU封装在一起，紧紧贴着算力核心。这就相当于把草稿纸直接摊在算盘旁边，算完一步马上写，写完马上算，中间几乎没有等待时间。现在你能理解英伟达为什么离不开它了，AI芯片的天价，有一大半是花在了这颗"贴身内存"上。
目前HBM的王者是SK海力士，它控制着全球大约六成份额，最先进的型号几乎被英伟达独家包圆。三星正在后面猛追，而美国的美光情况就不太妙了。美光的市场份额只有个位数，更麻烦的是，它在下一代HBM上选错了技术路线，导致产品出现散热问题，被英伟达暂时踢出了下一代AI芯片的供应商名单。内存领域的竞争已经进入了"合纵连横"的时代，SK海力士选择和台积电深度绑定，三星靠的是自己强大的内部产业链，而美光坚持单打独斗，明显落后了。
说到这里，很多人自然会问：那我们中国在这个领域是什么水平？实话说，差距还是相当大的，但"差距大"不等于"没在追"。
在传统存储领域，中国已经打破了从零到一的困局。DRAM内存方面，代表企业是合肥长鑫，它已经成功量产了DDR5，也就是目前主流电脑用的最新一代内存，技术上算是站住了脚，但市场份额还很小，量产规模远远比不过韩国双雄。NAND闪存方面，武汉长江存储的进展更好一些。它绕过了一些专利壁垒，自研了名为"晶栈"的架构，目前能生产232层以上的闪存芯片，技术差距从过去的五六年追到了大概两代左右，部分国产手机和电脑里已经在用了。
但回到最关键的HBM领域，情况就要严峻得多。HBM需要先在普通DRAM上做到顶尖水平，还要掌握先进的芯片堆叠和封装技术，这两样恰恰都是中国半导体产业的短板。目前国内还没有企业能够真正量产HBM。更麻烦的是，美国在2023年更新了对华芯片出口管制，直接限制先进HBM卖到中国。这意味着什么呢？打个比方，就算华为设计出了一款能对标英伟达的AI芯片，组装的时候也买不到最好的"轮胎"，而缺了这个轮胎，比赛就先输了一半。当然，国内已经意识到了问题的紧迫性。据信，长鑫正在和封装企业合作研发HBM，华为也在自研相关技术，但业内普遍预计，追到可用的水平，至少还需要三到五年。
HBM虽然是现在聚光灯下的明星，但AI对存储的改变远不止于此。AI不光要训练，训练完了还要拿去真正干活，这叫"推理"。你用AI搜索、让AI写文案，这些实时产生的数据处理需求同样需要大量内存。全球每年产生的数据量以超过20%的速度增长，这些数据都是要落在NAND闪存里的，不能扔，因为模型需要反复调优、重新训练。业界还在探索新的存储形态，比如SK海力士在研究一种叫"HBF"的高速闪存，想做一种比普通硬盘快很多、又比HBM便宜和容量大的中间形态，还有人打起了"存算一体"的主意，让存储芯片本身也能做一些简单运算，数据不用来回搬，功耗和延迟都会大幅下降。这些想法能走多远还不好说，但它们说明了一件事：存储的进化才刚刚开始。
回到开头那个画面。韩国股市因为存储芯片而暴涨，与其说是一个投资故事，不如说是一个信号。它标志着在全球AI竞赛中，存储已经从"后勤保障"变成了"前锋主力"。过去我们讨论AI，总是先说算法多牛、算力多强，但韩国股市用真金白银告诉世界：算力决定跑多远，存储决定跑不跑得起来。没有存储，算力就是饿着肚子的猛兽，空有一身肌肉却使不出力气。对中国来说，追赶GPU固然重要，但同时把存储这个底座打牢同样紧迫。好在我们已经有了一批扛旗的企业，虽然离山顶还有很远的路，但至少已经在山脚向上攀登了。下次你惊叹于AI的聪慧时，不妨想一想那些在芯片内部飞速运转、默默无闻的存储单元，它们不参与思考，但没有它们，思考根本无从发生。
