一、引言：AI時代的“內(nèi)存革命”

在生成式AI、超算和高性能GPU的浪潮中，有一種看似低調(diào)卻決定算力上限的關(guān)鍵部件——HBM（High Bandwidth Memory，高帶寬內(nèi)存）。

如果把GPU比作一臺擁有數(shù)萬氣缸的超高性能引擎，那么HBM就是為它提供燃料的“供油系統(tǒng)”。

油供不上，再好的引擎也只能空轉(zhuǎn)。HBM的使命，就是讓數(shù)據(jù)以“洪流”的速度流入GPU核心，而不是被“滴灌”。

二、HBM是什么：不是“芯片”，而是“系統(tǒng)級接口標(biāo)準(zhǔn)”

許多人以為HBM是一種新的內(nèi)存芯片，其實更準(zhǔn)確地說，HBM是一種定義了“如何讓DRAM以極高帶寬互連”的接口與封裝技術(shù)規(guī)范。

它不是在單顆芯片上堆性能，而是在“堆疊”和“互連”上下功夫。

一個完整的HBM模塊通常由：

• 多層垂直堆疊的DRAM芯片（Die）（4層、8層、甚至12層）；

• 內(nèi)部貫穿每一層的TSV（Through-Silicon Via，硅通孔）；

• 以及連接GPU與HBM的中介層（Interposer）共同組成。

HBM的核心思路是：讓數(shù)據(jù)在最短路徑內(nèi)穿越最多的并行通道。

傳統(tǒng)GDDR的思路是“跑得快”（高頻），HBM的思路是“路更多”（寬位寬）。結(jié)果是：單位時間傳輸量呈數(shù)量級提升。

三、GPU與HBM的關(guān)系：算力與供給的“饑餓游戲” 1. GPU的“胃口”

GPU（圖形處理器）天生是“并行怪獸”。

一顆如NVIDIA H100的GPU擁有18,432個CUDA核心，相當(dāng)于上萬個小計算單元同時吃數(shù)據(jù)。

但問題是，這些核心吃得太快。如果內(nèi)存送數(shù)據(jù)的速度跟不上，GPU就會“餓著”——

這就是所謂的內(nèi)存瓶頸（Memory Bottleneck）。

2. 帶寬的定義與瓶頸

內(nèi)存帶寬（Memory Bandwidth）表示單位時間內(nèi)內(nèi)存可傳輸?shù)臄?shù)據(jù)量。

計算公式：

帶寬（GB/s） = [總線位寬（bit） × 有效傳輸速率（GT/s）] ÷ 8

HBM的革命性突破在于：

• 位寬極寬

  ：每堆HBM的總線可達(dá)1024位甚至2048位；

• 傳輸頻率高

  ：每秒傳輸速率可達(dá)6.4GT/s以上；

• 距離極短、損耗極低

  ：得益于中介層互連。

結(jié)果就是：

HBM3E帶寬 ≈ 1.2 TB/s GDDR6帶寬 ≈ 0.064 TB/s 也就是說，HBM的“供料速度”是GDDR的近20倍。

AI訓(xùn)練和推理（尤其是大型語言模型、圖像生成模型）涉及數(shù)百GB到數(shù)TB的數(shù)據(jù)流。

這些數(shù)據(jù)要在GPU與內(nèi)存之間不停來回傳遞：

參數(shù) → 激活值 → 梯度 → 更新。

如果帶寬不夠，GPU核心就像賽車堵在加油站門口——算力再強也沒法發(fā)揮。

HBM的高帶寬和低延遲正是為了解決這種“算力饑餓”。

四、HBM的結(jié)構(gòu)：從“平面走線”到“垂直通道” 1. 3D堆疊（Stack）

傳統(tǒng)DRAM是平鋪在PCB上的，而HBM將多顆DRAM芯片垂直堆疊，通過微凸塊（Microbump）層層互連。

這就像把存儲單元從“平面社區(qū)”變成“摩天大樓”，在相同面積下，容量和通道密度成倍增加。

2. 硅通孔（TSV）

每一層DRAM芯片內(nèi)部鉆出直徑僅5-10微米的通孔，填入銅或鎢等導(dǎo)電材料。

這些通孔就是信號、電源、地線的垂直“電梯井”。

它們實現(xiàn)：

• 最短互連路徑（僅50~100微米）；
• 最高互連密度（數(shù)萬通道）；
• 最低信號延遲與功耗。

換句話說，TSV讓“樓層之間的數(shù)據(jù)”以幾乎無延遲的方式直達(dá)。

這就是HBM得以實現(xiàn)“超寬總線位寬”的硬件根基。

3. 中介層（Interposer）

GPU與HBM堆棧并不是直接焊在PCB上，而是共同安裝在一塊中介層上。

中介層是一塊超高密度布線的硅基基板（或高端有機基板），線寬/線距可達(dá)1μm級。

它的作用：

• 承載GPU和HBM；

• 提供超密互連橋梁，在毫米級距離內(nèi)連接數(shù)千I/O信號；

• 保證信號完整性、低延遲、低功耗。

你可以把中介層想象成一塊“高架橋系統(tǒng)”，

GPU與HBM之間通過成千上萬條“微型高速公路”直連，信號幾乎不繞路、不打彎。

五、HBM的演進(jìn)：從1代到4代的“極限競速”

代別

典型帶寬（每堆）

數(shù)據(jù)速率

堆疊層數(shù)

狀態(tài)

HBM1

~128 GB/s

1 Gbps

4

已退役

HBM2

~256 GB/s

2 Gbps

8

主流

HBM2E

~460 GB/s

3.6 Gbps

8

AI訓(xùn)練主力

HBM3

~819 GB/s

6.4 Gbps

12

高端AI應(yīng)用

HBM3E

~1225 GB/s

9.2 Gbps

12

2024-2025量產(chǎn)

HBM4

>1500 GB/s

>12 Gbps

16（預(yù)期）

研發(fā)中

未來的HBM4正在朝著更高層數(shù)、更寬位寬、芯片直接集成（3D-SoIC）方向演進(jìn)。

這意味著GPU與HBM的邊界將越來越模糊，甚至可能直接在硅片上“融合”。

六、技術(shù)挑戰(zhàn)：HBM不是“堆上去就能跑”

HBM帶來的不僅是性能飛躍，也是一系列新的制造挑戰(zhàn)：

1. TSV可靠性與應(yīng)力管理

TSV的機械應(yīng)力可能引發(fā)微裂紋，導(dǎo)致芯片翹曲或失效。

工藝需精確控制通孔蝕刻、填充、熱循環(huán)匹配。

1. 熱管理

多層堆疊意味著熱量更集中。HBM堆棧內(nèi)部熱阻高，需要更高效的散熱通道與熱界面材料。

1. 中介層制造復(fù)雜性與成本

硅中介層的布線精度極高，良率直接決定封裝成本。每增加一條信號線，成本幾乎線性上升。

1. 測試與良率控制

多層堆疊帶來測試難度。任何一層失效都可能報廢整個堆棧，因此需要層級測試與Known Good Die (KGD) 策略。

七、總結(jié)：HBM，是AI算力的“隱形地基”

HBM的本質(zhì)是——用三維堆疊和超密互連，把帶寬做成“面”而不是“線”。

它改變了內(nèi)存與計算芯片之間的關(guān)系，從“獨立模塊”變成“緊密耦合系統(tǒng)”。

AI GPU、超級計算、數(shù)據(jù)中心，乃至未來的Chiplet體系，都以HBM為帶寬支撐的核心。

一句話總結(jié)：

GDDR讓GPU能跑，HBM讓GPU能“飛”。 它不是快一點的內(nèi)存，而是徹底重塑了“數(shù)據(jù)流動的物理結(jié)構(gòu)”。

歡迎加入行業(yè)交流群，備注崗位+公司，請聯(lián)系老虎說芯