高带宽内存(HBM)图片人工智能(AI)半导体的核心部件高带宽内存(HBM)市场的主导权竞争愈发激烈。SK海力士占据市场一半份额，保持领先地位，而三星电子的市场份额迅速扩大，两者之间的差距正在缩小。随着下半年HBM3E向HBM4的世代更替正式启动，预计明年三星电子将在HBM4市场上夺得第一。与此同时，美国美光正在扩大HBM4的生产能力，中国长鑫科技(CXMT)也开始小规模生产HBM3E，HBM市场的竞争格局愈加激烈。根据市场调研机构Counterpoint Research的数据，今年第二季度全球HBM市场中，SK海力士以50%的市场份额保持第一位，但较第一季度的58%下降了8个百分点。三星电子在同一时期的市场份额从21%上升至33%，上涨了12个百分点。因此，SK海力士与三星电子的市场份额差距在一个季度内从37个百分点缩小至17个百分点。美光以18%的市场份额位居第三。随着下半年HBM4的出货量逐步增加，三星电子与SK海力士之间的竞争预计将更加激烈。目前，HBM市场的销售大部分来自第五代HBM3E，但由于英伟达的下一代AI加速器“贝拉·鲁宾”等将搭载第六代HBM4，市场重心也在向HBM4转移。三星电子计划在第三季度将HBM4的销售额扩大至第二季度的三倍以上。SK海力士也完成了HBM4的良率稳定，并开始增产。两家公司还在加快下一代产品HBM4E的开发进度。在HBM3E中，SK海力士所获得的市场优势在HBM4中可能会发生变化。全球投资银行瑞银预计，明年HBM4市场三星电子的市场份额将达到41%，超越SK海力士的39%，成为第一。三星电子的整体HBM出货量预计今年同比增长124%，明年将增长137%。KB证券也预测，三星电子明年将在HBM4市场上以44%的市场份额夺得第一。此外，预计明年三星电子的HBM平均销售价格(ASP)将同比上涨两倍以上。美光也在扩大HBM4的生产能力，以追赶三星电子和SK海力士。业内人士表示，美光预计到今年年底将增加每月最多6万片的HBM生产能力，达到约10万片的规模。与去年每月4万至5万片的水平相比，增加了约两倍。HBM4 12层的生产比例也预计将从年初的20%至30%提高到年底的最大50%。美光在今年第二季度已开始HBM4 12层的量产，HBM4的累计出货销售额已超过10亿美元。中国的追赶也已开始。中国最大的DRAM厂商长鑫科技最近开始小规模生产HBM3E。计划从2027年开始正式量产，最快将在同年向中国的半导体设计公司供货。阿里巴巴的半导体子公司T头和中国AI半导体公司Cambricon已开始评估将CXMT的HBM3E应用于其处理器。长鑫科技原本预计今年将量产HBM3，但其开发速度已加快至更高一级的HBM3E。考虑到三星电子和SK海力士将在2024年开始HBM3E的量产，技术差距大约为三年。然而，长鑫科技的HBM产品在可靠性和速度上被评估低于三星电子、SK海力士和美光的产品。此外，三星电子和SK海力士已经开始扩大HBM4的供应，并着手开发HBM4E，因此在产品世代方面仍然存在差距。※ 本报道经人工智能（AI）系统翻译与编辑。

三星电子在人工智能（AI）半导体核心部件高带宽内存（HBM）市场的份额迅速上升，正加速追赶领先的SK海力士。随着HBM市场主力产品从HBM3E向下一代HBM4过渡，三星电子的HBM4供应扩展成为未来市场格局变化的关键变量。 根据全球市场调研机构Counterpoint Research的数据显示，2026年第二季度，SK海力士在全球HBM市场的销售额占比为50%，继续保持第一位。然而，与去年同期的64%相比，下降了14个百分点。 相比之下，三星电子的市场份额大幅上升。三星电子的HBM市场份额从去年第二季度的15%上升至第三季度的23%、第四季度的22%，今年第一季度为21%，第二季度则跃升至33%。仅在一个季度内就上升了12个百分点。 因此，SK海力士与三星电子之间的市场份额差距迅速缩小。去年第二季度，两者的差距达到49个百分点，而今年第一季度缩小至37个百分点，第二季度进一步缩小至17个百分点。美光在第二季度的市场份额为18%，保持第三位。 三星电子市场份额的反弹被解读为其相对滞后的HBM业务正在恢复正常轨道的信号。三星电子在AI半导体市场初期，因HBM3E供应扩展延迟而让出主导权，但近期通过恢复产品竞争力，增加了出货量。 特别是HBM的代际更替将为三星电子提供进一步扩大市场份额的机会。目前，HBM市场的销售额大部分来自HBM3E，但预计从今年下半年开始，HBM4的出货将开始对业绩产生实质性影响。 三星电子在今年2月率先开始HBM4的量产出货，并在5月首次出货HBM4E 12层样品。SK海力士则计划在下半年供应HBM4E样品，并在2007年开始量产。 Counterpoint Research也预测，随着三星电子HBM4出货的全面扩展，未来HBM市场的份额将逐步提高。此前，Counterpoint曾关注三星电子借助HBM4供应扩大市场地位的可能性。 不过，SK海力士仍然占据着整个HBM市场的一半，保持领先地位。SK海力士基于在HBM3E市场上建立的客户基础，正在扩大HBM4的量产，并计划应对下一代HBM4E，以保持其主导地位。 ※ 本报道经人工智能（AI）系统翻译与编辑。

SK海力士总裁郭努正在美国印第安纳州普渡大学接受采访。 SK海力士在今年的工资和集体协议（集体谈判）中经历了一些波折，现已开始安排内部沟通活动，以安抚员工。公司旨在确保员工所取得的成果能够得到应有的奖励。 3日，业界消息称，SK海力士于前一天在京畿道分当事业部通过全公司直播的方式举办了“共同沟通活动”。这是自上月25日劳资暂时协议未能达成后，管理层与员工首次面对面的正式沟通。 负责企业文化的进步部门部长郑进亲自解释了绩效奖金改革方案的背景。他表示：“为了让奖励制度长期维持，股东价值与员工利益必须实现和谐。”他还提到，考虑到外界对奖励体系的关注和股东的利益，正在审议将部分绩效奖金以自家股票的形式发放，以确保员工的贡献得到合理评估。 此前，SK海力士劳资双方达成了工资6.3%的涨幅，并提出将超额利润分配金（PS）中的40%以现金形式发放，60%以自家股票的形式发放的方案，但在工会成员的投票中未能通过。去年全额现金发放的方式在一年后变更为包含自家股票的方案，这被解读为影响了员工的投票倾向。 SK海力士总裁郭努正也出席了当天的活动，表达了与员工灵活协商的可能性。郭总裁提到：“去年我们奠定了重要的协议基础，因此在细节上将更加深入地听取员工的意见，共同寻找答案。” 他进一步表示：“当前的过程是提升公司自豪感、构建更坚实未来的过程，管理层也将全力以赴，确保员工与企业共同成长。”※ 本报道经人工智能（AI）系统翻译与编辑。

朱英表SK海力士系统架构(System Architecture)负责人副总裁在2日于首尔中区The Plaza举行的第18届善良增长、良好就业全球论坛(2026 GGGF)上发表演讲。 随着人工智能(AI)从聊天机器人进化到推理和代理阶段，AI系统的瓶颈已从运算设备转向内存。SK海力士诊断认为，性能、能效以及资源利用问题都集中在内存上，成为AI系统的核心难题。超越HBM，缩短内存与运算设备之间的距离，实现多个加速器共享内存的“内存中心计算”将是AI扩展的下一个战场。 SK海力士系统架构负责人副总裁朱英表在2日于首尔中区The Plaza举行的第18届善良增长、良好就业全球论坛(2026 GGGF)上表示：“最近似乎是内存出现了问题，性能、能效和资源优化问题都摆在了内存面前。”他强调：“瓶颈所在即是计算的中心，目前的瓶颈是内存。” 推动内存需求上升的是AI服务的变化。传统聊天机器人只需与用户对话的速度，而代理AI则需要在AI之间进行对话，生成和执行代码，然后修复错误再进行操作。朱副总裁解释道：“与人对话时，每秒大约需要20个令牌，但机器之间对话时需要以数千的速度给出答案。”这表明系统性能的要求大幅提高。 SK海力士为应对这一挑战，确定了内存创新的方向，聚焦于性能、能效和资源利用三个方面。关键在于在固定面积内提高内存带宽，以及减少将数据一位传递到GPU、NPU、TPU等运算设备所需的能量。提高昂贵的GPU和内存的系统利用率也是一项重要任务。 HBM是推动这一变化的代表性案例。朱副总裁表示：“可以说，正是由于GPU的崛起，HBM才受到关注，但也正是因为有了像HBM这样的内存，GPU才能展现更好的性能。”他进一步解释，在代理AI时代，业界对现有HBM和GPU组合是否足够的思考愈发深入。 其中一个解决方案是进一步缩短内存与运算设备之间的距离。通过将DRAM以三维方式堆叠在处理器上方或下方，可以缩短数据移动的距离。PIM（处理内存）也是在内存内部或附近直接进行运算的类似思路。朱副总裁指出：“进行一次运算所需的能量远高于将数据从内存提取到运算设备的能量，移动距离越远，能效急剧下降。”不过，他也表示，3D堆叠仍面临发热和存储空间减少等技术挑战。 多个加速器共享内存的CXL也被提出作为解决方案。以往，GPU完成工作后，其他GPU需要等待准备接收数据，而共享内存则允许将数据存放，待下一个运算设备需要时再取用。SK海力士正在研究通过这一方式减少GPU间数据复制和同步过程中的浪费。朱副总裁表示，尽管CXL并非专为AI而生，但由于其开放内存接口的特性，AI系统的应用正在扩大。 对于AI算法的效率提升是否会直接导致内存需求减少的看法，朱副总裁表示了不同意见。他以汽车燃油效率提高但整体石油消费反而增加的“杰文斯悖论”为例，指出：“AI服务成本降低后，AI服务的使用量会增加。”这意味着，尽管算法优化可能减少个别服务的内存使用量，但如果整体AI需求增加，内存需求也可能随之上升。 朱副总裁总结道：“过去CPU是系统的瓶颈，提升CPU性能就能直接提高系统性能，而现在的瓶颈在于内存。”他强调：“提升内存性能和能效，将使AI系统变得更加优秀。”※ 本报道经人工智能（AI）系统翻译与编辑。