HBM 进驻手机：会带来怎样的性能提升与变革？

在漫威电影宇宙中，钢铁侠的 AI 管家贾维斯令人印象深刻，它能理解复杂指令、实时提供各类信息、辅助战甲高效运行，为观众描绘出强大的 AI 应用场景。如今，随着移动 HBM（High Bandwidth Memory，高带宽内存）技术的发展，我们的手机也在朝着具备类似强大 AI 能力的方向迈进。那么，从移动 HBM 到 “贾维斯” 般的智能体验，我们还有多少距离呢？

移动 HBM，到底是什么？

在深入探讨移动 HBM 之前，我们先来了解一下传统内存技术在移动设备中的局限性。以智能手机为例，随着 AI 摄影、AI 语音助手等功能的普及，手机需要在短时间内处理大量的数据。比如在拍摄一张 AI 优化的照片时，手机需要对图像进行实时分析和处理，这就要求内存能够快速地读取和存储图像数据。而传统的 LPDDR（Low Power Double Data Rate，低功耗双倍数据速率）内存，虽然在一定程度上能够满足日常应用的需求，但在面对这些高性能要求时，逐渐显得力不从心。在运行大型游戏、进行多任务处理时，传统内存的带宽和延迟问题也会导致设备出现卡顿、响应缓慢等情况。

LPW DRAM（Low Power Wide I/O DRAM）是移动 HBM 的一种技术形态。该技术是通过堆叠和连接 LPDDR DRAM 来增加内存带宽，它与 HBM 类似，通过将常规 DRAM 堆叠 8 层或 12 层来提高数据吞吐量，并具有低功耗的优势。移动 HBM 和 LPDDR 最大的区别在于是否是 “定制内存”。LPDDR 是通用型产品，一旦量产即可批量使用；而移动 HBM 是一个定制产品，反映了应用程序和客户的要求。由于移动 HBM 与处理器连接的引脚位置不同，因此在批量生产之前需要针对每个客户的产品进行优化设计。

HBM 是在 DRAM 中钻微孔，并用电极连接上下层。移动 HBM 具有相同的堆叠概念，但正在推广一种将其堆叠在楼梯中，然后用垂直电线将其连接到基板的方法。三星和 SK 海力士均看中了移动 HBM 的潜力，但这两家公司采取的技术路线各不相同。

存储巨头下场，搅动市场风云

AI 的火热，令 HBM 也成了紧俏货。Yole 在其最新发布的市场与技术分析报告《Status of the Memory Industry 2025 》中表示，HBM 持续跑赢整个 DRAM 板块。2025 年，HBM 的营收预计将接近翻倍，达到约 340 亿美元，主要受限产环境和来自 AI 及高性能计算（HPC）平台的战略性需求推动。Yole 预测，HBM 市场将在 2030 年前保持 33% 的年复合增长率，届时其营收将超过 DRAM 市场总营收的 50%。

一方面，存储巨头对 HBM 技术持续升级并加大现有 HBM 产品的产量；另一方面，分出部分精力，关注另一种形式的 HBM 产品 —— 移动 HBM。

三星宣布将于 2028 年推出搭载 LPW DRAM 内存的首款移动产品，该产品专为优化设备端 AI 性能设计。作为 “移动高带宽存储器（HBM）”，LPW DRAM 以高性能、低功耗为核心特点，三星电子希望通过这款面向设备端人工智能的下一代产品，巩固其在移动内存市场的领先地位。

在 2025 年国际半导体会议（ISSCC）上，三星电子半导体暨装置解决方案（DS）部门首席技术官、半导体研究所所长宋在赫在主题演讲中宣布：“首款针对设备端 AI 优化的 LPW DRAM 移动产品将于 2028 年发布。” 这是三星电子首次明确披露 LPW/LLW DRAM 的具体上市时间。

LPW DRAM 也被称为 LLW 或 “自定义内存”。由于其作为下一代存储器正处于兴起阶段，相关标准仍在制定中，因此业界对其有多种称谓。但无论名称如何，其核心目标一致：通过增加输入 / 输出通道数量、降低单个通道速度，实现功耗降低与性能提升。同时，该产品将应用垂直引线键合（VWB）封装技术，把电信号传输路径由曲线改为直线。

三星电子已提升 LPW DRAM 的性能目标。相较于最新的移动内存 LPDDR5X，LPW DRAM 的输入输出速度预计快 166%，将超过每秒 200 千兆字节（GB）；功耗则降低 54%，仅为每位 1.9 皮焦耳（pJ）。去年 9 月，三星电子在中国台湾 “Semicon Taiwan” 展会上曾宣布 LPW DRAM 性能较 LPDDR5X 高出 133%，而在不到半年的时间里，这一目标已得到提升。

需要注意的是，以 LPDDR 为代表的移动 HBM 芯片，因尺寸较小，并不适用于与 HBM 相同的 TSV（Through-Silicon Via，硅通孔）连接方案。同时，HBM 制造工艺的高成本及低良率特性，也无法满足高产能移动 DRAM 的需求。因此，三星电子和 SK 海力士采用了另一种先进的封装方式。

三星电子的 VCS（Vertical Copper Pillar Stacking，垂直铜柱堆叠）方法，是将从晶圆上切割下来的 DRAM 芯片以台阶形状堆叠起来，用环氧材料使其硬化，然后在其上钻孔并用铜填充。三星电子表示，VCS 先进封装技术相较于传统引线键合，I/O 密度和带宽分别提升 8 倍和 2.6 倍；相比 VWB 垂直引线键合，VCS 技术生产效率提升 9 倍。

而 SK 海力士选用铜线而非铜柱。其在连接元件和工艺顺序上与三星电子存在差异，具体是使用铜线连接堆叠的 DRAM，之后将环氧树脂注入空白处使其硬化，以此实现移动 DRAM 芯片的堆叠。这一技术被称为 “VFO（Vertical Fan-Out，垂直线扇出）”，与当前采用 MUF 材料填充 DRAM 堆栈之间的间隙以实现 HBM 的方法类似。

SK 海力士的 VFO 技术结合了 FOWLP（Fan-Out Wafer-Level Packaging，扇出型晶圆级封装）和 DRAM 堆叠两项技术。该技术通过垂直连接，大幅缩短了电信号在多层 DRAM 间的传输路径，将线路长度缩短至传统内存的 1/4 以下，能效提高 4.9%。这种方式虽然增加了 1.4% 的散热量，但封装厚度减少了 27%。

手机大厂们，竞速

HBM（高带宽内存）作为高性能计算领域的关键技术，正快速向智能手机市场渗透，不仅重塑了端侧 AI 能力的竞争门槛，也掀起了苹果与国内头部厂商的新一轮技术竞赛。

有爆料称，苹果计划在 2027 年（iPhone 问世 20 周年）的旗舰机型中首次搭载移动版 HBM。苹果对移动 HBM 的布局体现了其生态协同的一贯策略。据供应链信息显示，苹果正联合三星与 SK 海力士开发适用于移动设备的 HBM 解决方案。三星的 VCS 封装方案通过台阶式堆叠与铜柱互联技术，可使内存带宽达到 LPDDR5X 的 2.6 倍；SK 海力士的 VFO 技术则借助铜线垂直连接优化散热表现，两种方案均计划于 2026 年实现量产。这种 “双供应商合作 + 定制化开发” 模式，既保持了苹果对核心部件的技术主导性，也为 2027 年 iPhone 20 周年机型的性能升级奠定基础。有行业分析认为，搭载移动 HBM 的 iPhone 有望支持本地运行百亿参数大模型，图像生成速度或提升 3 倍以上，同时功耗降低 40%。

在移动 HBM 领域，国内手机厂商正展现出技术整合的鲜明特点。有信息显示，某头部厂商研发中的新机已将这一技术纳入配置规划，计划通过自研内存控制器与自研芯片架构的协同设计实现技术落地。这种 “硬件 - 软件 - 算法” 的整合能力，构成了其技术推进的重要支撑：自研的 3D 石墨烯散热膜可有效疏导 HBM 堆叠产生的局部热量，配合自有操作系统的内存动态调度机制，能在保障带宽性能的同时平衡功耗控制。

此外，该厂商在新一代通信技术与多设备互联领域的积累，可能为移动 HBM 拓展应用场景 —— 当手机作为智能中枢连接车机、智能家居等设备时，高带宽内存或有助于提升跨设备 AI 任务的响应效率，这一方向也成为其技术布局的特色之一。

业内人士分析认为，国内企业或将抢先成为推出搭载移动 HBM 的手机的厂商。主要原因是其具备几方面的必要能力：其自研的 SoC 芯片可定制 HBM 所需的内存控制器、自研的操作系统支持 HBM 所需的字节级内存调度，其散热专利可解决 HBM 功耗高问题，这 “三位一体” 的技术闭环有助于其在技术创新领域实现抢跑。而战略层面，国内厂商也有足够的意愿通过端侧 AI 体验来进一步突破高端手机市场。

两者的技术路径选择反映了不同的战略考量。苹果的布局更侧重用户体验的实际落地，在与三星、SK 海力士的合作中，除硬件参数优化外，同步推进 Core ML 框架与 HBM 的适配工作，以确保用户在拍照、AR 交互等日常场景中能感知到体验提升；国内企业则更注重技术体系的自主构建，依托本土供应链在 TSV（硅通孔）工艺上的进展，目标将移动 HBM 的良率从行业平均的 50% 提升至 70% 以上，从而优化量产成本结构。

从移动 HBM 到 “贾维斯” 还有多远？

从移动 HBM 到实现 “贾维斯” 般的智能体验，这中间还有很长的路要走。

在硬件层面，虽然移动 HBM 提升了内存带宽和性能，但要达到 “贾维斯” 实时处理海量复杂数据的水平，仅靠内存升级远远不够。还需要更强大的处理器、更高效的 AI 芯片协同工作。目前手机中的处理器和 AI 芯片，在算力和能效比上与理想中的 “贾维斯” 运行硬件平台仍有较大差距。以运行大型 AI 模型为例，现有的手机硬件在模型加载速度、运算速度上还无法满足快速响应、高效处理的需求。

在软件和算法方面，“贾维斯” 拥有高度智能的算法，能够理解人类复杂的语言、情感，做出精准且人性化的回应。当前手机上的 AI 语音助手，虽然在不断进步，但在语义理解的深度、对复杂场景的应对能力上，与 “贾维斯” 相去甚远。开发出能够在手机端运行的超智能算法，且能适配移动 HBM 等硬件，是实现目标的关键挑战之一。

在数据层面，“贾维斯” 能调用海量数据进行分析决策。手机设备受限于存储容量、数据获取权限等，难以获取如此广泛的数据。如何在保障用户隐私的前提下，安全、有效地获取和利用数据，以提升 AI 的智能程度，也是需要攻克的难题。

在成本和普及方面，移动 HBM 目前成本较高，如果要将其与其他高端硬件结合打造 “贾维斯” 式体验的设备，成本会进一步攀升，这将影响产品的普及。只有当技术成熟、成本降低，才能让更多消费者享受到接近 “贾维斯” 的智能体验。

虽然距离 “贾维斯” 般的智能体验尚有距离，但移动 HBM 技术的出现，无疑是朝着这个方向迈出的重要一步。移动设备的智能形态将逐步向更高效、更深度的方向演进，这一过程本身也将推动整个半导体与智能终端产业的协同升级。