金正浩教授：“HBM演变成系统半导体”；AI 竞争逻辑彻底转变

AI 时代的核心竞争不再局限于算法模型，稳定的内存供给、电力保障与散热体系，才是决定企业综合竞争力的关键。韩国科学技术院电气电子工程系金正浩教授，在泰成科技峰会 2026 上分享了下一代内存架构的发展构想，直指行业全新发展方向。

过往生成式 AI 的竞争焦点集中在模型性能层面，如今行业赛道全面切换，基础设施能力成为 AI 落地运行的根基。随着多智能体协同的 AI 形态不断普及，即便用户仅发起一项简单指令，系统也会调动多个 AI 代理并行完成数据检索、内容创作、审核评估等工作，直接造成内存需求大幅陡增。按照行业测算，当设备同时启用超过 100 个 AI 代理时，内存需求量将达到当前水平的约 100 倍。不仅如此，AI 服务实行全天候运转模式，需要持续留存对话上下文与缓存数据，进一步加重了内存负载。AI 响应速度由图形处理器算力和 HBM 带宽共同决定，这也让存储芯片在 AI 产业链中的地位愈发重要。

金正浩教授明确提出，HBM 早已脱离单纯存储芯片的定位，正一步步演变为系统半导体。他还梳理出清晰的 HBM 迭代路线，从 HBM4 到 HBM7，技术架构持续升级，同时搭配 HBF 高带宽闪存构建完整内存生态。不过这类超高集成架构也带来诸多技术难题，信号完整性、供电稳定性、散热等问题相互交织，属于复杂的多物理领域挑战，必须在设计初期完成综合仿真验证，否则产品量产之后很难排查故障。另外，图形处理器受散热限制难以实现多层堆叠，而 HBM 功耗更低，可实现 16 层以上堆叠，在芯片背面打造冷却通道，也会成为未来主流散热技术方案。

在技术变革之下，行业从业者的工作角色也随之改变。AI 能够替代设计、仿真、测试等基础工作，未来研发工程师更要转变为 “统筹指挥者”，把控整体研发方向、合理调度 AI 工具并评估最终成果。十几年前 HBM 技术还未受到市场重视，如今已然成为 AI 基础设施的核心，这也印证了当下持续加大存储技术研发投入的长远价值。