这是一份有关以下内容的报告：HMC 和 HBM 市场规模、份额和趋势分析报告（按产品（混合内存立方体 (Hmc）、高带宽内存 (HBM)、其他）、按应用程序（图形、高性能计算、网络和数据中心）、按最终用途、按地区和细分市场预测 - 2035 年）

HMC 和 HBM 市场概览

2025年hmc和hbm市场规模为37.253亿美元，预计将从2026年的46.2682亿美元增长到2035年的88.6436亿美元，在预测期内（2026-2035年）复合年增长率为24.2%。

随着人工智能、基于加速器的计算、图形处理、高性能计算、网络和超大规模数据中心需要比传统内存架构所能提供的内存带宽大得多的内存带宽，HMC 和 HBM 市场正在迅速扩张。预计到 2026 年，高带宽内存将占市场需求的约 82%，而混合内存立方体约占 11%，其他约占 7%。 HBM 现在在新的高性能部署中占据主导地位，因为垂直堆叠 DRAM、硅通孔、宽接口和先进封装可在紧凑的占地面积内实现每秒数 TB 的内存带宽。目前的 HBM4 产品每堆栈超过 2.8 TB/s，并使用 2,048 位接口，是上一代 HBM3E 配置可用带宽的两倍以上。预计到 2026 年，高性能计算将占应用需求的约 47%，其次是网络和数据中心，约占 31%，图形约占 22%。人工智能训练和推理已成为主要需求加速器，推动内存供应商向 12 层、16 层、更高容量和日益定制的 HBM 架构迈进。

美国是一个重要的 HMC 和 HBM 市场，因为该国拥有领先的人工智能加速器设计师、超大规模云提供商、半导体公司、数据中心运营商、高性能计算机构和先进封装计划。美光、Advanced Micro Devices 和英特尔在供应的竞争格局中代表了美国，而韩国 HBM 供应商在供应美国设计的人工智能平台方面发挥着核心作用。美光于 2026 年第一季度开始大批量生产 36GB 12 层 HBM4，与 HBM3E 一代相比，可提供超过 2.8 TB/s 的带宽和超过 20% 的能效。该公司还提供了 48GB 16 层 HBM4 样品，与 36GB 12 层产品相比，每个 HBM 放置的容量增加了约 33%。 AI 加速器越来越多地将多个 HBM 堆栈组合在一个封装中，使内存带宽成为主要的系统性能限制之一。因此，美国的需求正在超越原始容量，转向每瓦带宽、热效率、先进封装良率、堆叠高度、信号完整性以及处理器和内存之间更紧密的协同设计。

• 

  下载免费样本 了解更多关于本报告的信息

主要发现

• 主导产品类型：随着人工智能加速器越来越需要每秒数 TB 的带宽和垂直堆叠的大容量内存，高带宽内存 (HBM) 预计将在 2026 年占据约 82% 的市场份额。
• 领先应用：在人工智能训练、推理、科学计算、加速器系统和内存密集型数据处理工作负载的推动下，预计到 2026 年，高性能计算将占需求的约 47%。
• 领先地区：预计到 2026 年，亚太地区将占据约 58% 的市场份额，这得益于韩国占主导地位的 HBM 制造能力以及该地区广泛的半导体制造和封装基础设施。
• 增长最快的地区：随着超大规模人工智能基础设施、加速器部署、先进数据中心、云计算和国内半导体投资加速内存消耗，北美预计将以每年约 27.6% 的速度增长。
• 技术趋势：HBM4 正在重新定义带宽性能，其 2,048 位接口和商业产品可提供每堆栈超过 2.8 TB/s 的速度，从而大幅增加下一代 AI 处理器的数据移动量。
• 市场驱动力：人工智能仍然是最强劲的需求催化剂，随着人工智能基础设施的扩展，三星预计 2026 年其 HBM 销售额将比 2025 年增长 3 倍以上。
• 竞争格局：供应的领域包含来自 2 个国家的 5 家公司，而围绕 12 层和 16 层堆栈、定制芯片、封装良率、散热、容量和带宽的竞争正在加剧。
• 未来展望：HBM4E 将进一步提升内存性能，12 层样本的每引脚速度高达 16 Gbps，下一代 AI 计算平台的带宽约为 4.0 TB/s。

最新趋势

2026 年影响 HMC 和 HBM 市场的最强劲趋势是从 HBM3E 过渡到 HBM4 以及早期的 HBM4E，因为 AI 加速器需要更宽的接口、更高的堆栈容量和更高的能效。商用 HBM4 使用 2,048 位接口，与上一代 HBM 设计相比，总线宽度增加了一倍。美光的 36GB 12 层 HBM4 每堆栈可提供超过 2.8 TB/s 的速度，每引脚速度超过 11 Gbps，并且能效比 HBM3E 高出 20% 以上。三星商用 HBM4 的运行速度始终为 11.7 Gbps，并且可以扩展到大约 13 Gbps。这些性能的提高正在将内存从支持组件转变为主要的人工智能系统设计约束。预计约占 2026 年需求的 47% 的高性能计算将直接受益，因为模型训练和推理越来越需要处理器移动大量参数、激活和中间数据。因此，供应商正在将 DRAM 芯片、逻辑芯片、硅通孔、键合、热阻和封装架构优化为一个集成系统。

另一个重要趋势是向更高层数和定制 HBM 的迁移。美光已经对 48GB 16 层 HBM4 进行了采样，每堆栈的容量比其 36GB 12 层产品高出约 33%，而三星正在开发 HBM4E 和定制 HBM 架构。三星的 12 层 HBM4E 样品速度高达 16 Gbps，带宽约为 4.0 TB/s，而下一代混合铜键合正在开发中，可支持 16 层或更多层，与传统热压键合相比，热阻可降低 20% 以上。这种转变对于网络和数据中心尤为重要，预计它们约占应用需求的 31%。超大规模人工智能系统越来越需要通过高速结构连接的数千个加速器，这使得每个封装的容量和每瓦特的带宽在处理器和数据中心级别都很重要。因此，市场正朝着更紧密的内存处理器协同设计、定制逻辑基芯片、更高密度的堆栈和改进的冷却架构发展。

市场动态

司机

"“人工智能加速器的快速部署正在创造对高带宽堆栈内存前所未有的需求。”"

HMC 和 HBM 市场的主要驱动力是人工智能计算的惊人增长，其中内存带宽越来越多地决定 GPU 和专用加速器如何有效地利用其计算资源。高性能计算约占 2026 年预计市场需求的 47%，因为人工智能训练和推理需要同时访问数十亿或数万亿个模型参数。传统的内存通道无法在不增加功耗和电路板复杂性的情况下提供足够的带宽，这使得 HBM 极宽的接口变得越来越重要。目前的 HBM4 产品每堆栈超过 2.8 TB/s，而 HBM4E 样品可达到约 4.0 TB/s。因此，围绕加速器集成的多个堆栈可以提供每秒数十 TB 的聚合带宽。此功能允许处理器花费更少的时间等待内存传输，并将更多的时间用于执行计算。

供应商产能扩张强化了这一驱动力。三星预计 2026 年 HBM 销售额将比 2025 年增长 3 倍以上，并正在积极提高 HBM4 制造能力。美光在 2026 年第一季度开始大批量 HBM4 生产，而 SK 海力士仍然是领先 AI 加速器生态系统的主要供应商。据估计，到 2026 年，高带宽内存将占据 HMC 和 HBM 总需求的约 82%，这表明当前投资已转向 HBM 架构。网络和数据中心约占需求的 31%，因为超大规模企业部署了包含数百或数千个处理器的加速器集群。随着集群规模的扩大，内存带宽、容量、散热和能源效率对于整体系统性能和运营经济性变得越来越重要。

克制

"“复杂的堆叠和先进的封装要求限制了制造产量和供应的可扩展性。”"

主要限制是与垂直堆叠多个 DRAM 芯片、集成逻辑基础芯片、形成硅通孔、控制堆叠高度、键合芯片以及实现可接受的热行为相关的制造复杂性。 12 层 HBM 堆栈需要跨 12 个 DRAM 芯片以及基础结构进行可靠互连，而 16 层配置进一步增加了接口数量和潜在缺陷点。美光的 48GB 16 层 HBM4 将每次放置的容量增加了约 33%，但实现这一密度需要高精度的减薄、粘合、对准和热管理。如果每个堆叠级的有效良率没有严格控制，累积封装良率可能会随着层数的增加而大幅下降。因此，制造商在最终组装之前需要先进的检查、已知良好的芯片筛选和封装技术。

热密度带来了另一个限制，因为在高级 AI 系统中，多个 HBM 堆栈的运行速度非常接近在封装级别消耗数百甚至超过 1,000 瓦的处理器。更宽的接口和更快的信号传输可以提高性能，但也会增加热和信号完整性的复杂性。与热压接合相比，三星的下一代混合铜接合方法的目标是热阻降低 20% 以上，这说明了未来 16 层及更高配置所需的热优化规模。 HBM 的优质制造要求也限制了能够大规模生产有竞争力产品的供应商数量。供应格局仅包含5家企业，而实际领先的内存制造基地更加集中。当人工智能需求的增长速度快于洁净室、晶圆、先进封装和基板供应时，这种集中可能会造成产能瓶颈。

机会

"“HBM4E 和定制 HBM 为内存处理器协同设计创造了大量机会。”"

定制 HBM 代表着到 2035 年最强大的机会之一，因为加速器设计人员越来越需要针对特定​​计算工作负载进行优化的内存架构，而不仅仅是标准化接口。继商业 HBM4 和 HBM4E 开发之后，三星计划于 2027 年开始定制 HBM 样品。 HBM4 已经采用了日益复杂的逻辑基础芯片，未来的定制产品可以优化接口逻辑、电源管理、错误处理、带宽分配和加速器通信。高性能计算约占需求的 47%，为联合设计的内存提供了庞大的客户群。定制还可以帮助系统设计人员提高能源效率，因为在人工智能系统中移动数据经常消耗大量电力。即使减少 10% 的不必要的数据移动也会对数千个加速器的运行效率产生重大影响。

更高容量的堆栈创造了另一个重大机会。美光的 48GB 16 层 HBM4 比其 36GB 12 层产品的每次放置容量增加了约 33%，使加速器包能够支持更大的 AI 模型，而无需增加 HBM 占用空间的数量。三星的 HBM4E 每个引脚可达到约 16 Gbps，每个堆栈可达到 4.0 TB/s，从而提供进一步的带宽扩展。随着人工智能推理越来越多地处理长上下文窗口、多模式工作负载和大型检索系统，预计到 2026 年网络和数据中心将占需求的 31% 左右。每个加速器拥有更多内存可以减少在额外处理器之间分配模型参数的需要，从而有可能简化通信并降低延迟。能够将更高容量、更大带宽、更高功率效率和先进绑定结合起来的供应商应该能够抓住不断增长的需求。

挑战

"“随着 HBM 带宽的加速，功率密度和热管理正在成为关键的限制因素。”"

最重要的技术挑战是在增加内存带宽和堆栈密度的同时管理热量。 HBM4 将接口宽度加倍至 2,048 位，每个堆栈的传输速度超过 2.8 TB/s，而 HBM4E 则达到约 4.0 TB/s。这些增益将更多的内存通道和有源电路放置在非常有限的封装面积内。人工智能加速器还会产生大量热量，从而造成内存必须在接近高功率逻辑的情况下运行的热环境。包含 8 个 HBM 堆栈（每个堆栈提供 2.8 TB/s）的封装理论上可以提供超过 22 TB/s 的聚合内存带宽，但这样的密度会增加冷却、供电和机械设计方面的挑战。热控制不良会降低工作频率、增加错误率并缩短组件寿命。

朝着 16 层或更多层发展的行业路线图加剧了这一挑战，因为较厚的堆栈增加了热量必须从上模具传播到冷却结构的距离。三星的混合铜键合技术旨在将热阻降低 20% 以上，展示了封装创新与 DRAM 缩放的重要性。竞争压力也加速了产品周期：HBM4 于 2026 年进入量产，而 HBM4E 样品仅在几个月后就已发货。因此，供应商必须在日益压缩的开发窗口内验证新工艺、提高产量并扩大产能。高带宽内存已占估计市场需求的约 82%，这意味着一代的制造延迟可能会对供应商的定位产生重大影响。到 2035 年，同时实现性能、散热、可靠性和产量仍将是市场的决定性挑战之一。

• 

  下载免费样本 了解更多关于本报告的信息

细分分析

按类型

混合存储立方体 (Hmc)：预计到 2026 年，混合存储立方体 (Hmc) 将占 HMC 和 HBM 市场需求的约 11%，其定位远低于高带宽内存 (HBM)，但保留了与专用高吞吐量内存架构的相关性。 HMC 通过在逻辑层上方堆叠多个 DRAM 层并通过硅通孔连接它们，引入了重要的架构转变，展示了三维集成如何克服与传统平面存储器相关的带宽限制。其串行接口方法提供了高总吞吐量并降低了板级互连要求，但业界越来越围绕主流加速器和图形架构的 HBM 进行标准化。 HMC 的估计份额为 11%，比 HBM 低约 71 个百分点，说明了这一技术转型的规模。该细分市场在技术上仍然具有相关性，因为与 HMC 相关的几个原则，包括垂直集成、逻辑辅助内存管理、短互连和三维封装，继续影响着先进内存的开发。高性能计算约占总应用需求的 47%，但当前的 AI 加速器绝大多数青睐 HBM 生态系统，因为标准化接口和已建立的封装供应链简化了集成。因此，预计到 2035 年，HMC 仍将是一个专业类别，而不是重新回到领先地位。

高带宽内存 (HBM)：高带宽内存 (HBM) 预计将在 2026 年主导 HMC 和 HBM 市场，占据约 82% 的份额。该领域的领先地位由人工智能加速器、高性能计算、数据中心处理器、图形架构和日益带宽密集型网络系统推动。 HBM4 代表了一次重大的技术转变，因为它的接口扩展至 2,048 位，是上一代总线宽度的两倍。目前的 12 层 HBM4 产品每引脚运行速度可超过 11 Gbps，每个堆栈可提供超过 2.8 TB/s 的带宽，与 HBM3E 配置相比，带宽增加了一倍多，同时能效提高了 20% 以上。使用 8 个此类堆栈的处理器包理论上可以访问超过 22 TB/s 的聚合内存带宽，这说明了为什么 HBM 已成为 AI 系统设计的基础。高性能计算约占应用需求的 47%，而网络和数据中心又贡献了 31%，这意味着约 78% 的市场与计算密集型和面向基础设施的环境相关。 HBM 供应商目前正从 12 层产品向 16 层产品迈进，与 36GB 配置相比，48GB 16 层 HBM4 每堆栈容量增加了约 33%。随着下一代 AI 平台走向批量部署，HBM4 验证和发货时间也会影响供应商在 2026 年的定位。

其他：到 2026 年，其他预计将占 HMC 和 HBM 市场需求的约 7%，涵盖主要 HMC 和 HBM 类别之外的专用堆栈内存配置和相关架构。尽管该细分市场仍比 HBM 低 75 个百分点，但它为围绕专用处理器、研究平台或特定应用计算进行优化的内存系统提供了创新空间。内存处理是一个发展方向，因为将选定的计算移近存储的数据可以减少与在处理器和内存之间重复传输信息相关的能量和延迟。 2026 年发表的实验性 HBM-PIM 研究表明，在单个 HBM 伪通道上，与矩阵相关的性能达到约 14.9 GFLOP/s，凸显了内存更直接参与计算工作负载的潜力。其他架构也可以探索替代互连、逻辑集成、错误管理和封装技术。在预测期内，该细分市场不太可能挑战 HBM 在主流 AI 加速领域约 82% 的份额，但专业技术可能会影响未来几代 HBM。随着模型大小、上下文长度和推理量的增加，减少数据移动变得越来越重要，因为内存带宽和能耗会限制处理器利用率。

按应用

图形：在专业可视化、高端图形处理器、内容创建、渲染、模拟和图形密集型计算的支持下，图形预计到 2026 年将占 HMC 和 HBM 市场需求的约 22%。 HBM 最初主要在图形产品中商业化，因为与传统的外部存储器布置相比，其宽接口在更小的封装占用空间内提供了更大的带宽。现代图形工作负载处理高分辨率纹理、几何图形、光线跟踪数据、帧缓冲区以及越来越多的人工智能辅助渲染操作。 4K 图像每帧包含超过 800 万像素，而 8K 超过 3300 万像素，当高帧速率和复杂效果结合在一起时，对内存带宽的压力越来越大。图形所占份额小于高性能计算，约为 47%，但它仍然是重要的技术开发环境，因为许多 GPU 架构同时服务于图形和人工智能工作负载。每堆栈超过 2.8 TB/s 的 HBM4 带宽为下一代可视化系统提供了巨大的空间，尽管成本考虑意味着 HBM 通常集中在高级图形而不是主流消费配置上。高级工作站和专业图形系统应继续使用高带宽内存，其中性能密度证明更高的封装复杂性是合理的。

高性能计算：据估计，到 2026 年，高性能计算将主导 HMC 和 HBM 市场，占据约 47% 的份额。人工智能训练和推理是该应用中最重要的增长引擎，因为加速器性能越来越依赖于足够快地移动模型参数和中间数据，以保持计算单元的活跃。 HBM4 提供 2,048 位接口和每个堆栈超过 2.8 TB/s 的带宽，允许多堆栈加速器包达到超过 20 TB/s 的总内存带宽。随着 HBM4 进入量产以及 HBM4E 开发向 2027 年迈进，这一转变正在加速。预计 2026 年全球半导体市场将增长 25% 以上，其中存储半导体预计将增长 30% 左右，反映出人工智能基础设施对存储需求的影响不成比例。高性能计算应用还包括科学模拟、工程分析、计算研究以及处理器重复访问大量数据集的大规模数值工作负载。 HBM 靠近处理器，缩短了互连距离并实现了广泛的并行数据传输。该应用程序占据约 47% 的份额，比网络和数据中心高出 16 个百分点，比图形高出 25 个百分点，从而巩固了其作为主要需求中心的地位，直至 2035 年。

网络和数据中心：据估计，到 2026 年，网络和数据中心将占 HMC 和 HBM 市场需求的约 31%，使该细分市场成为第二大应用。超大规模基础设施越来越多地结合了数千个人工智能加速器、高速网络接口、交换机、存储系统和专用处理器，从而产生了对支持快速数据移动和受控能耗的内存架构的需求。 HBM 在人工智能服务器中尤其重要，因为加速器包可以直接在计算芯片旁边集成多个堆栈。目前的 HBM4 每堆栈提供超过 2.8 TB/s 的速度，与上一代 HBM3E 实现相比，电源效率提高了 20% 以上，帮助运营商在不成比例增加内存能量的情况下提高带宽。随着推理和 AI 代理工作负载的扩大，北美云服务提供商从 2025 年底开始加速了 AI 基础设施投资，从而增强了 2026 年对 HBM4 资格和供应的需求。网络工作负载还可以从高带宽内存中受益，其中数据包处理、路由表、分析或加速数据处理需要快速访问大型数据集。大约 31% 的应用程序份额比图形应用高 9 个百分点，但比高性能计算低 16 个百分点。人工智能集群的持续扩张应该会越来越模糊高性能计算和数据中心需求之间的区别，因为大型云设施现在运行着一些世界上最强大的计算系统。

• 

  下载免费样本了解更多关于本报告的信息

区域展望

北美

预计到 2026 年，北美将占 HMC 和 HBM 市场需求的约 28%，并且预计每年将以 27.6% 左右的速度增长，使其成为增长最快的区域市场之一。美国的 5 家供应公司包括 Advanced Micro Devices、英特尔和美光，这意味着 3 家参与者（约占供应竞争群体的 60%）位于美国。区域需求在很大程度上受到超大规模云基础设施、人工智能加速器设计、高性能计算、数据中心扩展、科学计算和先进半导体开发的影响。高性能计算约占全球应用需求的 47%，与北美快速扩张的人工智能基础设施紧密结合。

随着下一代加速器平台向 HBM4 过渡，内存需求不断加剧。当前的 HBM4 产品通过 2,048 位接口提供每堆栈超过 2.8 TB/s 的速度，而 16 层配置可提供每堆栈约 48GB 的​​容量。北美云提供商也成为人工智能推理需求的主要驱动力，特别是随着人工智能代理应用程序增加计算强度。该地区仍然依赖全球分布的制造和封装生态系统，但美国半导体投资正在鼓励增加国内产能。北美地区的估计份额为 28%，落后于亚太地区，但在高性能内存消耗方面远远领先于大多数其他地区。

欧洲

在高性能计算中心、科学研究、汽车计算、工业人工智能、先进工程、电信和数据中心基础设施的支持下，预计到 2026 年，欧洲将占 HMC 和 HBM 市场需求的约 10%。该地区的 HBM 制造能力相对有限，但对加速器和内存密集型计算平台的需求却很大。高性能计算约占全球市场需求的47%，通过超级计算中心和研究基础设施为欧洲提供了重要的消费渠道。大型计算系统越来越多地集成数千个处理器和加速器节点，从而使每次安装所需的高带宽内存量成倍增加。

欧洲的需求也得到了数据中心开发和主权计算计划的支持。网络和数据中心约占全球应用需求的 31%，而图形约占 22%。 HBM4 每堆栈超过 2.8 TB/s 的带宽对于处理器利用率依赖于快速内存访问的科学模拟和 AI 工作负载特别有价值。欧洲预计 10% 的市场份额仍远低于亚太地区约 58% 的市场份额，反映出内存生产在地理上集中在韩国和更广泛的亚洲半导体供应链。然而，到 2035 年，区域人工智能基础设施的投资应该会保持增长。

亚太

在先进 DRAM 生产、半导体制造、封装、电子制造和人工智能硬件供应链集中的支持下，预计到 2026 年，亚太地区将主导 HMC 和 HBM 市场，占据约 58% 的份额。三星和 SK 海力士代表韩国跻身 5 家供应商之列，并构成全球 2 家主要 HBM 供应商。随着三星在第二季度完成 HBM4 验证并开始发货，而其他供应商调整了资质和生产计划，2026 年行业竞争加剧。随着制造商将先进 DRAM 资源转向人工智能相关内存，HBM 产能扩张仍然是该地区的主要战略重点。

韩国尤为重要，因为三星和 SK 海力士正在扩大内存和先进制造能力，以满足长期的人工智能需求。 SK 海力士宣布对生产设施进行约 54.3 万亿韩元的额外投资，说明了当前内存扩张周期的资本密集度。行业预测表明，随着人工智能基础设施的扩展，到 2030 年，DRAM 和 NAND 需求每年将增长约 19%。亚太地区约占 58% 的份额，比北美地区估计的 28% 高出 30 个百分点，反映了该地区制造业的集中度。向 HBM4、HBM4E、16 层堆叠、高级键合和定制内存的过渡应有助于亚太地区在 2035 年之前保持领先地位。

拉美

预计到 2026 年，拉丁美洲将占 HMC 和 HBM 市场需求的约 2%，这反映出国内先进堆栈内存的生产有限以及人工智能加速器基础设施的安装基数相对较小。需求主要与进口服务器、云基础设施、研究计算、图形工作站、电信系统和区域数据中心有关。网络和数据中心约占全球需求的 31%，随着数字服务和云工作负载的扩展，提供了最强劲的长期区域机会。高带宽内存通常嵌入在完整的加速器系统中，而不是由区域最终用户单独购买。

随着人工智能推理的地理分布更加分散以及企业更多地采用加速计算，增长应该会加速。包含 8 个 HBM4 堆栈（每个堆栈运行速度超过 2.8 TB/s）的服务器平台理论上可以提供超过 22 TB/s 的聚合带宽，说明了采用下一代硬件的区域云和研究设施可获得的性能。与亚太地区 58% 的份额相比，拉丁美洲约 2% 的份额仍然很小，但基于加速器的数据中心系统的不断部署应该会在 2035 年之前逐渐增加 HBM 消耗。

中东和非洲

在新兴人工智能基础设施、主权计算计划、超大规模数据中心开发、电信现代化和科学计算的支持下，预计到 2026 年，中东和非洲将占 HMC 和 HBM 市场需求的约 2%。地区政府和技术投资者对大型人工智能集群越来越感兴趣，这可能需要数千个加速器和大量高带宽内存容量。高性能计算、网络和数据中心合计约占全球应用需求的 78%，与推动区域采用的基础设施项目类型密切相关。

该地区仍然依赖进口处理器和内存，因为 5 家供货公司的总部均不位于中东和非洲。然而，HBM 越来越多地被用作集成人工智能加速器平台的一部分，从而无需国内内存制造即可扩大区域采用范围。每个堆栈提供超过 2.8 TB/s 的 HBM4 配置以及具有更高容量的未来产品可以支持日益复杂的训练和推理集群。该地区预计 2% 的份额预计将保持在相对较低的水平，但人工智能计算和数据中心容量的加速投资提供了到 2035 年有意义的增长途径。

HMC 和 HBM 顶级公司名单

• 三星（韩国）
• SK海力士（韩国）
• Advanced Micro Devices（美国）
• 英特尔（美国）
• 美光（美国）

市场份额排名前 2 位的公司

SK海力士：预计到 2026 年，SK 海力士将占据 HBM 供应商市场约 48% 的份额，通过建立的资质关系、先进的 HBM 生产、大批量制造以及对 AI 加速器需求的强烈关注来保持领先地位。由于人工智能系统需要更高的内存吞吐量，该公司一直是从 HBM3 和 HBM3E 向 HBM4 过渡的核心。高性能计算约占 HMC 和 HBM 总需求的 47%，为拥有合格大批量产品的供应商提供了有利的需求基础。 SK 海力士还概述了巨额生产投资，其中包括与扩大制造基础设施相关的约 54.3 万亿韩元。此类投资意义重大，因为 HBM 需要先进的 DRAM 容量和复杂的封装资源，从而形成比传统内存更复杂的供应链。向 12 层和 16 层产品的过渡增加了垂直集成芯片的数量，因此提高了对晶圆减薄、硅通孔、键合、热管理和已知良好芯片筛选的要求。 HBM 约占更广泛的 HMC 和 HBM 市场的 82%，保持高产量和及时的客户认证仍然是公司竞争地位的核心。

三星：随着 HBM4 出货量的增加和下一代 AI 系统的产能扩大，预计到 2026 年，三星将占据 HBM 供应商市场约 35% 的份额。该公司表示，与 2025 年相比，2026 年 HBM 销售额可能会增长 3 倍以上，这证明了与人工智能加速器和数据中心计算相关的需求规模。三星的 HBM4 在商业配置中的运行速度约为 11.7 Gbps，并且可以扩展到大约 13 Gbps，而其 HBM4E 开发的目标是速度高达 16 Gbps，每个堆栈的带宽接近 4.0 TB/s。这些性能水平变得越来越重要，因为高性能计算、网络和数据中心总共代表了大约 78% 的市场需求。三星还在为未来的多层 HBM 开发先进的混合铜键合，目标是与传统热压键合相比热阻降低 20% 以上。随着堆叠数量从 12 层增加到 16 层甚至更多，更低的热阻变得越来越有价值。随着定制 HBM 变得越来越重要，三星广泛的半导体制造基地提供了协调 DRAM、逻辑基芯片、封装和工艺技术的机会。

投资分析

HMC 和 HBM 市场围绕先进 DRAM 制造、硅通孔加工、晶圆减薄、键合、封装、逻辑基芯片、测试、热管理和产量提高的投资正在加速。预计 2026 年至 2035 年市场复合年增长率为 24.2%，这将有力地激励扩大产能，特别是因为高带宽内存 (HBM) 预计将占 2026 年需求的约 82%。人工智能基础设施是主要的投资催化剂，高性能计算约占应用程序的 47%，网络和数据中心约占 31%。这些类别合计约占市场需求的 78%。 SK 海力士宣布追加约 54.3 万亿韩元的生产相关投资，显示出与确保长期存储器供应相关的资本密集度。容量扩展需要的不仅仅是额外的 DRAM 晶圆，因为 HBM 会消耗封装资源，并且每个成品堆栈都需要多个芯片。从 8 层配置转移到 12 层配置会使 DRAM 芯片数量增加 50%，而从 12 层转移到 16 层则又增加约 33%。因此，供应商需要在制造和先进封装方面进行协调投资，以防止瓶颈在生产阶段之间转移。

随着加速器制造商寻求差异化的内存配置，投资重点也转向 HBM4E 和定制 HBM。 HBM4 将接口宽度从 1,024 位翻倍至 2,048 位，而商业产品已提供每堆栈超过 2.8 TB/s 的速度。 HBM4E 开发将带宽推向约 4.0 TB/s，提高了对信号完整性、逻辑集成、冷却和封装设计的要求。混合铜键合是另一个投资领域，因为下一代方法的目标是将热阻降低 20% 以上，并且可以促进包含 16 层或更多层的堆叠。预计北美将占 2026 年需求的约 28%，并以每年 27.6% 左右的速度增长，为更靠近主要人工智能客户的半导体制造和封装投资创造机会。亚太地区仍然是制造中心，拥有约 58% 的市场份额，这意味着投资决策越来越多地平衡地域多元化与已建立的供应商生态系统。仅将良率提高 5 个百分点的公司就可以大幅增加昂贵的先进生产线的可用产量，从而使工艺控制投资几乎与名义晶圆产能一样重要。

新产品开发

新产品开发的重点是 HBM4、HBM4E、更高的层数、增加的堆栈容量、定制基础芯片、更低的功耗和改进的热性能。 HBM4 代表了重大的架构进步，因为接口宽度扩展到 2,048 位，大约是早期 HBM 代相关的 1,024 位接口的 2 倍。目前的 36GB 12 层产品每堆栈可超过 2.8 TB/s，而 48GB 16 层配置可将容量增加约 33%。这一进展与高性能计算直接相关，高性能计算约占 2026 年预计应用需求的 47%。 AI 加速器设计人员越来越需要足够的本地内存来容纳更大的模型和上下文窗口，同时保持对参数的快速访问。集成 8 个 48GB 内存堆栈的加速器理论上可提供 384GB 直连 HBM 容量，而使用 8 个 36GB 堆栈时则为 288GB。尽管实际的系统配置取决于处理器架构和封装设计，但这种容量增益可以减少在额外处理器之间划分内存密集型工作负载的需要。

HBM4E 和定制 HBM 代表了下一个开发阶段，因为存储器供应商集成了更多逻辑功能并与加速器设计人员更紧密地合作。 HBM4E 样本每引脚高达 16 Gbps，每堆栈约 4.0 TB/s，展示了带宽目标的推进速度。与 2.8 TB/s HBM4 堆栈相比，4.0 TB/s 提高了约 43%。开发同时解决热阻问题，因为更高的带宽和额外的层将更多的活动集中在有限的封装面积内。先进的混合铜接合目标是将热阻降低超过 20%，支持未来的 16 层及更高配置。定制 HBM 还创造了为特定加速器定制逻辑基芯片的机会，从而有可能优化电源管理、接口、可靠性功能和数据移动。网络和数据中心约占需求的 31%，随着超大规模设施部署更大的人工智能集群，为这些开发提供了重要的市场。因此，到 2035 年的产品路线图将从标准化内存容量转向带宽、容量、能效、散热、封装和处理器特定功能的集成优化。

近期五项进展

• 2026 年 6 月：HBM4E 开发朝着每引脚约 16 Gbps 的性能和每堆栈接近 4.0 TB/s 的带宽迈进，这比 2.8 TB/s HBM4 实施增加了大约 43% 的带宽，并针对下一代 AI 加速器。
• 2026 年 4 月：随着业界转向 2,048 位内存接口（大约是上一代 1,024 位宽度的两倍），三星加速了 HBM4 商业化，同时为不断扩大的 AI 基础设施需求准备了更高性能的配置。
• 2026 年 2 月：美光开始大批量生产 36GB 12 层 HBM4，与上一代 HBM3E 相比，每个堆栈的带宽超过 2.8 TB/s，能效提高了 20% 以上。
• 2025 年 11 月：开发重点转向 16 层 HBM 架构，每个堆栈能够提供约 48GB 的​​容量，比 36GB 12 层配置的容量高出约 33%，并在有限的封装占用空间内支持更大的 AI 模型。
• 2024 年 9 月：HBM3E竞争周期围绕12层堆叠加速，每堆叠配置达到约36GB，为后续针对更宽接口和更高带宽的HBM4产品提供技术基础。

报告范围

HMC和HBM市场报告涵盖了2025-2035评估期间的行业状况，详细评估了技术演变、产品细分、应用需求、区域定位、竞争活动、投资优先事项、制造限制和下一代内存开发。预计 2026 年至 2035 年期间，该市场将以 24.2% 的复合年增长率扩张，反映出对能够支持日益数据密集型计算的内存架构的强劲需求。产品范围仅限于混合内存立方体 (Hmc)、高带宽内存 (HBm) 和其他 3 个提供的类别。高带宽内存 (Hbm) 预计将占 2026 年需求的约 82%，而混合内存立方体 (Hmc) 约占 11%，其他约占 7%。该评估检查关键技术参数，包括存储器带宽、接口宽度、层数、堆栈容量、硅通孔、逻辑基础芯片、高级键合、热阻、能源效率、封装集成和制造良率。 HBM4 通过其 2,048 位接口代表了一次主要的世代过渡，该接口大约是上一代相关 1,024 位架构宽度的 2 倍。当前的 HBM4 配置每个堆栈的带宽可以超过 2.8 TB/s，而 HBM4E 开发的目标是大约 4.0 TB/s，增加了约 43%，并展示了高级堆栈内存中的快速性能进步。

应用覆盖范围仅限于图形、高性能计算以及网络和数据中心这 3 个类别，预计分别占 2026 年市场需求的约 22%、47% 和 31%。因此，高性能计算、网络和数据中心合计约占 78%，这表明需求高度集中在人工智能加速器、科学计算、云基础设施和数据密集型处理方面。区域分析涵盖北美、欧洲、亚太地区、拉丁美洲、中东和非洲，预计亚太地区约占 2026 年需求的 58%，北美约占 28%。竞争覆盖范围包括所有 5 家供应公司：三星、SK 海力士、Advanced Micro Devices、英特尔和美光。韩国贡献了 2 家公司，美国贡献了 3 家公司，这意味着按公司数量计算，所提供的竞争群体中约 60% 位于美国。该报告还评估了从 12 层到 16 层架构的转变，其中将堆栈从 12 层增加到 16 层 DRAM 意味着层数增加了约 33%。它还评估了更高容量的 48GB 配置、定制 HBM、混合铜键合、人工智能相关内存需求、产能扩张、处理器内存协同设计、封装复杂性和热优化，将其作为影响 2035 年 HMC 和 HBM 市场的重要因素。