講到 AI 晶片缺貨，除了台積電的 CoWoS 封裝，另一個常被點名的瓶頸就是 HBM。新聞常說「某家記憶體廠 HBM 又被訂光」，但 HBM 到底是什麼、高階 AI GPU 為什麼常用它？
這篇是 AI 硬體供應鏈一條龍 第 2 關的深入版，用白話一次講清楚。
HBM 是什麼？一句話加一個畫面
HBM 全名 High Bandwidth Memory，高頻寬記憶體。它把好幾層 DRAM 晶片垂直疊起來，用「矽穿孔（TSV，在晶片裡打出的垂直通道）」上下打通，再透過一條非常寬的介面緊貼在 GPU 旁邊。
一般電腦的記憶體是一條條橫躺著插在主機板上；HBM 則是把記憶體站起來、層層往上疊，再搬到幾乎貼著 GPU 的位置。一句話：HBM 是「站起來的超寬記憶體」，目的是別讓 GPU 等資料。
疊高、加寬、縮短距離，頻寬就能拉到每秒好幾 TB。代價是它得靠 CoWoS 這類先進封裝（把 GPU 和 HBM 放進同一個封裝的技術）才能跟 GPU 貼合，製造難度和成本都高。
和一般記憶體（DDR）差在哪
HBM 不會取代你電腦裡的記憶體，兩者服務不同場景。
DDR 是通用系統記憶體，便宜、好擴充，像四通八達的一般道路。HBM 是為 AI 與高效能運算打造的特規品，貴、難做、產能有限，像貼在 GPU 旁的超寬高速公路：車道極多、距離極短。所以「記憶體缺貨」和「HBM 缺貨」不是同一件事。
HBM 為什麼適合高階 AI 晶片
把 GPU 想成一具超強引擎，記憶體頻寬就是油管。AI 訓練和推論時，要不停把模型權重、中間結果搬進運算核心；資料餵得不夠快，幾千個核心就會空等，算力白白浪費。
所以旗艦 AI 晶片都綁上大量 HBM。以 Nvidia 的 Vera Rubin 為例，官方規格是每顆 GPU 配 288GB HBM4、頻寬每秒 19.2 TB。
三家寡占的戰局
HBM 是三強賽局，門檻極高，新玩家幾乎進不來。依 Counterpoint 估計，2026 年第二季的 HBM 營收市占是 SK 海力士 50%、三星 33%、美光 18%。
SK 海力士長期領先，2025 年最早宣布完成 HBM4 開發，2026 年第二季開始量產出貨。三星曾在 HBM3 世代落後，2026 年 2 月率先出貨 HBM4，營收市占從第一季的 21% 拉到第二季的 33%。美光排第三，HBM4 正在放量。
2026 年 6 月，黃仁勳表示三家的 HBM4 都已通過 Vera Rubin 的認證（韓媒轉述）。接下來比的是良率、供貨量與訂單分配。
HBM3e 與 HBM4 差在哪，下一步又是什麼
每一代主要比三件事：介面多寬、能堆多高、跑多快。
| 世代 | 介面 | 單堆疊頻寬 | 狀態（截至 2026 年 10 月） |
|---|---|---|---|
| HBM3e | 1024-bit | 逾 1.2 TB/s | 2026 Q2 占 HBM 營收多數（Counterpoint） |
| HBM4 | 2048-bit | 標準最高 2 TB/s；美光、三星產品約 2.8–3.3 TB/s | 2026 年三家量產，Vera Rubin 採用 |
| HBM4E | 三星、SK 海力士已送樣；SK 海力士目標 2027 年量產 |
HBM4 把介面加寬一倍，等於高速公路的車道再翻倍。換代正在進行：三星預期 2026 下半年 HBM4 占其 HBM 營收逾六成，TrendForce 則預估 HBM4E 在 2027 下半年放量。
另一條路是客製化 HBM：Nvidia 在 2026 年 8 月發表客製化的 NVHBM，美光表示正與 Nvidia 合作「業界首個客製化 HBM4E」。想看 HBM4 的更多細節，可以讀 HBM4 是什麼。
供給為什麼一直這麼緊
HBM 製程複雜、良率難拉，又要搭配 CoWoS 先進封裝，擴產速度天生跟不上 AI 的需求。
結果是長約把供給鎖死。美光在 2026 年 9 月表示，2027 年絕大部分的 HBM 供給已和客戶簽好協議、價格年增顯著，並預期 DRAM 產業在 2027、2028 年都會供給吃緊；TrendForce 也預估 HBM 在 2027 年仍供不應求。對整條供應鏈來說，就算 GPU 和封裝產能擴出來，HBM 跟不上，整機一樣出不了貨。
台灣在這關的角色
台灣沒有本土量產的 HBM 品牌，HBM 握在韓國的 SK 海力士、三星與美國的美光手上。美光在台灣有 DRAM 製造據點，但品牌和產品責任屬於美光。
鏡頭拉到下游就不同了。HBM 必須靠 CoWoS 這類先進封裝貼到 GPU 旁邊，這一關高度集中在台灣；裝好晶片的伺服器整櫃也大量由台廠組裝，例如鴻海 2026 年第三季起量產 Vera Rubin 整櫃。所以台灣的角色落在封裝、測試與伺服器組裝，會直接被 AI 加速器的需求牽動。
小企鵝的總結
HBM 和先進封裝並列，是 AI 供應鏈最常卡關的零件：頻寬不夠，GPU 再強也吃不到資料。
看 HBM 的新聞，抓三件事就夠：三家的排名怎麼變、世代從 HBM4 走到 HBM4E 與客製化的進度、供給吃緊還會延續多久。