三星海力士憑啥贏麻了？金正浩揭秘：全球只有它們能做這兩件事？

被稱為"HBM之父"的韓國科學技術院（KAIST）金正浩教授拋出一個顛覆認知的判斷：AI的本質是內存，而不是GPU。

近日，韓國科學技術院（KAIST）電氣工程系教授金正浩接受視頻專訪，圍繞HBM技術演進、AI算力格局和未來半導體架構作出系統性闡述。金正浩被業界稱為"HBM之父"，早在2010年代初期便與SK海力士合作參與HBM1開發，此后主導了一系列底層架構研究。此次訪談內容在科技與投資圈廣泛流傳，核心觀點直指當前AI算力競賽的結構性矛盾。

金正浩在訪談中直接給出了一個令人震動的數字：

"GPU裝100萬臺，真正工作的時間只有10%。"

他解釋，每當ChatGPT輸出一個詞，系統就需要從HBM中讀取數據、完成計算、再寫回內存，"讀和寫幾乎占掉了全部時間，GPU就在旁邊干等著。"即便通過算法優化，GPU利用率也很難突破30%。

這正是他多年堅持的核心論斷的現實依據："AI等于內存（AI = Memory）。"

金正浩對英偉達（NVIDIA）現狀的判斷措辭犀利。他說，黃仁勛近期頻繁訪問韓國、參加綜藝、吃炸雞喝啤酒、會見各路人士，"這么多會面背后，說明他不安心"。

"GPU的技術性成長已經快停了，這是我的判斷。人工智能計算機的進化，掌握在內存手里。"

他的邏輯鏈條清晰：GPU想提升性能，只能擴大芯片面積、堆更多計算單元；但GPU太熱，必須在背面安裝散熱裝置，因此無法像內存一樣垂直堆疊。"GPU陷入了外通死局（外通手? ?? ??）。"

相比之下，從訓練時代轉向推理時代，內存的重要性正在被重新定價。金正浩說："推理時代，更重要的是往AI里塞進多少數據，而決定這一點的半導體是內存。"

他進一步指出，AI能力的競爭最終是內存能力的競爭："谷歌Gemini、OpenAI、Anthropic Claude，誰更強，是由內存決定的——這是我的主張。"

金正浩將HBM的價值歸結為兩個維度。

第二是帶寬。金正浩打了個比方："傳統內存如果是8車道高速公路，HBM是1024車道，現在是2048車道，幾年后可能達到100萬車道。" 靠并行通道同時傳輸海量數據，才能匹配AI計算的速度需求。

HBM解決了速度問題，但容量依然有天花板。金正浩在訪談中詳細闡述了他認為的下一條技術路線——HBF（High Bandwidth Flash）。

簡單說，HBF就是把NAND閃存像HBM一樣垂直堆疊。DRAM速度快但容量有限，NAND閃存容量大、可長期保存數據，速度雖然慢一些，但在推理場景中足夠滿足"冷數據"的存儲需求。

金正浩認為，未來HBM和HBF將形成共存格局，類似于城市規劃："就像有百貨商場，周圍有復式公寓、普通住宅，各種形態的HBM、HBF組合在一起，形成復合體，向GPU供給數據。"

他作出了一個明確的長期預判："現在是HBM的時代，但10年后，NAND閃存和HBF的市場需求將超過HBM。三星和SK海力士必須為HBF時代做好準備。"

他指出，目前正在開發HBF的公司包括SK海力士、閃迪、三星電子，以及日本的鎧俠（Kioxia）。鎧俠市值最近超過了豐田汽車，成為日本股市第一，閃迪股價持續上漲，而三星和SK海力士則在韓國市場維持市值領先地位。

金正浩還提出了一個目前仍屬于前沿概念的設想——HBS（High Bandwidth SRAM）。

SRAM（靜態隨機存儲器）比DRAM快約1000倍，但密度低、成本高，傳統上只能作為芯片內的小容量緩存。金正浩的思路是：把整張12英寸晶圓全部做成SRAM，再垂直堆疊12至16層，就能將容量從100GB擴展到1600GB。

"這樣速度快1000倍，容量又足夠，那就說得通了。"

他描述的終極AI芯片形態是一棟"100層3D大樓"："HBM、HBF、HBS各自構成多層建筑，GPU放在頂層負責散熱冷卻，這就是未來AI計算機不可避免的3D半導體結構——這是我現在的判斷。"

他同時坦言，這條路最大的工程挑戰不是計算，而是供電與散熱："要給GPU和堆疊內存供幾千安培的電，電力供應網絡的設計將是最難的技術，這也將成為企業間真正的核心競爭力。"

金正浩專門談到了HBM4帶來的供需結構變化。

過去，內存是標準化產品，廠商先生產、客戶再選購，買家主導價格，庫存風險由內存廠商承擔，這就是"內存周期"的本質。

但從HBM4開始，由于需要根據英偉達、谷歌、AMD等客戶的加速器架構量身設計（即"定制HBM"），內存廠商必須在研發之初就拿到客戶的數量承諾，才會啟動開發——也就是所謂的"長期協議（Long-term Agreement）"。

"AI企業太需要高性能HBM了，所以他們排隊來。供應方開始決定價格，這是范式的轉變。"

他還預期，未來HBM芯片內將集成通信功能，實現"HBM之間相互通話"，形成類似聯盟的結構："我們自己溝通，誰對我們更好，就給誰更多內存；不聽話的GPU，就不分配。"

這進一步抬升了內存廠商的系統性地位。

金正浩在訪談中反復強調，全球范圍內能同時量產DRAM（HBM）和NAND閃存（HBF）的公司，目前只有三星電子和SK海力士。

"閃迪和鎧俠雖然股價沖天，但只能做HBF，做不了HBM。三星和SK海力士擁有引領未來最強大的工具。"

當被問及三星與SK海力士今年合計營業利潤500萬億至600萬億韓元的預測是否現實，金正浩回答："現實的。" 他補充說，他經常與兩家公司的高管進行技術交流，"他們的眼神越來越亮了。"

不過他也指出競爭壓力真實存在，美光、閃迪獲得來自英偉達和谷歌的訂單分流。

金正浩還將內存需求的敘事延伸至終端設備。

他預測，未來AI PC要真正實現個人AI計算，所需內存規模將使"一臺PC的價格達到1000萬韓元，內存價格決定PC價格"。而AI智能手機售價300萬至500萬韓元中，200萬至300萬韓元將是內存的價格。

"AI基礎設施、AI模型的持續進化，需要越來越多的內存。AI PC和AI手機，是這個趨勢的另一條主線。"

金正浩對AI演進方向的判斷同樣值得關注。他認為，隨著Agentic AI（智能體AI）和Physical AI（具身AI/物理AI）的到來，內存使用量將比現在高出約1000倍。

"AI代理24小時工作，不像人類還要睡覺，工作量暴增，內存需求自然跟著爆炸。那時候不是HBM，而是需要'超級HBM'的時代了。"

金正浩在訪談結尾追溯了自己的學術路徑。他1993年獲得博士學位，研究方向是飛秒（femtosecond）級超快電信號測量，導師數年前獲得諾貝爾物理學獎。1994年他加入三星電子內存事業部，1996年回到KAIST，此后持續深耕內存與HBM基礎研究約10年，才形成商業產品。

2015年，他在一次校內會議上第一次聽到"深度學習"這個詞，隨即意識到AI算法與HBM架構背后用的是同一套數學——線性代數和矩陣運算。"我在大學二年級特別喜歡矩陣，兩邊恰好用的是一樣的數學——這就是運氣。"

他笑言，當初做HBM時想的是用在電視機上讓畫面更生動，完全沒想到會成為AI時代的基礎設施："那時候不知道，這也可以說是運氣。"