HBM4为何从12层变8层？存储巨头的产能选择

2027年第二季度，三星电子和SK海力士将向英伟达交付首批8层HBM4存储芯片。这是两家韩国存储巨头在该产品上的关键量产节点——但让业界意外的是，原本被预期的高层数堆叠方案，最终选择了结构更简化的8层路径。几乎在同一时间，另一组数据正在重塑AI算力的叙事：OpenRouter统计显示，2026年10月19日至25日当周，DeepSeek的V4．1－Flash－1017以33．6万亿Token的周调用量登顶全球第一，而中国大模型的总调用量已连续26周超过美国。

一边是存储芯片的技术路线简化，另一边是大模型使用量的爆发式增长。这两条线共同指向一个核心问题——AI基础设施的瓶颈到底卡在哪里，又被谁突破了？

从高层到8层：良率压力下的务实选择

按照半导体行业的常规逻辑，HBM（高带宽存储器）的演进方向一直是“堆叠更多层数以获得更大容量”。每增加一层，芯片密度提升，单位计算成本下降。但在最新的量产计划中，三星和SK海力士将重心放在了8层方案上——虽然12层产品仍是2026年的供应主力，但从2027年年中开始，8层HBM4的比例将显著增加。

这并非一个简单的“降级”决定。据知情人士透露，英伟达将在基于Rubin Ultra的NVL机架中同时配备8层HBM4。这意味着8层方案不是妥协产物，而是经过双方工程验证后的最优解。

背后的原因是明确的制造约束。HBM采用TSV（硅通孔）工艺将多层DRAM堆叠在一起，层数越高，良品率越低，封装成本呈指数级上升。当前行业面临的实际问题是：当英伟达需要成万上万的GPU节点时，供应商能不能稳定产出？而不是单个芯片能做到多大容量。

一位不愿具名的半导体工艺工程师对此表示：“良率是硬指标。如果16层的设计良率只有百分之十几，面对英伟达这种体量的订单，8层做到百分之七十以上的良率才是真正能赚钱的方案。”这种逻辑下，选择8层本质上是将研发突破转化为商业利润的关键一步——它意味着两条产线可以更快达产，库存周转更快，客户能获得稳定的供货保障。

但这种简化也埋下了隐患。如果需求方期望的容量增长跟不上算法训练规模扩张的速度，8层方案可能在2028年再次面临升级压力。届时，新一轮的良率攻关将成为新的军备竞赛起点。

英伟达Rubin平台：谁在支撑下一代算力底座？

英伟达的Rubin平台是其继Blackwell之后的下一代GPU架构。据公开的技术规划，Rubin Ultra级别的NVL机架配置需要海量的高带宽存储来匹配GPU的计算吞吐能力。在这种规模的部署中，单个GPU节点的内存接口带宽达到数千GB／s级别，HBM不再是辅助组件，而是整个系统的命脉。

在这个供应链体系中，三星和SK海力士的双寡头地位短期内难以撼动。尽管中国厂商包括长鑫存储在HBM领域已有布局并持续推进，但在2nm及以下的先进制程配合以及大规模量产能力方面，仍存在明显的代际差距。

这也意味着，无论上游晶圆代工、中游存储生产还是下游终端应用，只要涉及高端AI芯片，整个链条依然高度依赖现有的韩式双寡头格局。对于英伟达来说，选择8层而非追求极限容量，说明其策略已经从“拼参数”转向“保交付”——在2027至2028年间确保足够数量的Rubin平台按时出货，远比拿出一个理论上最强但无法大规模供货的SKU更有商业价值。

对投资者而言，这个决策释放的信号值得跟踪：关注两家存储厂的资本开支变化、新建 fab 的投产节奏，以及它们在高附加值HBM业务上的毛利率走势。这比单纯看营收数字更能反映AI时代真实的利润分配格局。

33．6万亿Token背后的真实信号

如果说HBM4的8层路线是供给端的务实回调，那么DeepSeek单周调用量登顶则展示了需求侧的另一面。

根据OpenRouter发布的API调用量数据，2026年10月第4周，全球AI大模型总调用量达到188万亿Token，环比增长14．63％。其中中国模型合计贡献93．54万亿Token（环比＋18．14％），美国模型为22．47万亿Token（环比＋29．44％）。中国模型的占比已达到约四分之三。

这一排名的意义不在于具体某一款模型是否“最聪明”，而在于它揭示了实际使用场景中的偏好迁移。DeepSeek V4．1－Flash－1017以单周33．6万亿Token的成绩领先，环比增长801％，这个数字本身就代表了开发者生态的快速聚集。更重要的是，前五名均为中国AI大模型，连续26周的累计优势不是一个偶然现象，而是一个结构性趋势。

OpenRouter作为一个聚合第三方API的平台，其数据反映的是全球开发者的实际选择行为——他们愿意把哪些模型接入自己的产品中，产生多少推理请求。这种自下而上的需求汇聚，比任何行业报告都更能说明市场竞争的真实格局。

值得注意的是，中国模型的持续增长并非完全依赖国内市场。随着东南亚、中东、拉美等地区互联网基础设施的快速普及，大量海外企业开始采用性价比更高的中国大模型API服务。这种跨越地理边界的用量累积，正在改变AI产业的权力分配。

观察什么？三条可追踪的线索

接下来12到18个月，有三条线索可以帮助判断这场AI基建竞赛的真实走向：

1。 存储厂HBM产能利用率：2027年一季度末关注三星和SK海力士披露的HBM产线稼动率和良率数据。如果8层方案的良率爬坡速度超预期，可能加速行业向低成本方案倾斜。

2。 中国模型API定价策略：DeepSeek和其他中国头部模型的API价格调整频率和幅度，直接影响全球开发者的迁移意愿和成本结构，是跟踪市场份额变化的实用指标。

3。 英伟达Rubin平台实际出货量节奏：相比官方时间表，每季度财报电话会议中关于Rubin系列产品的交货进度和客户反馈，会给出更接近真实的交付曲线。

这些指标的共同点是——它们都是已经发生的、可量化验证的事实，而不是预测或愿景。在AI话题充满宏大叙事的当下，能够被精确度量的东西反而成了稀缺品。