文章有点长，简单说，瑞银预测明年HBM4E小量出货，HBM4成为主流，HBM3E增加，HBM3萎缩。目前美国芯片用HBM4，中国芯片主要使用是HBM3E为主。先进封装成为卡脖子，一旦台积电 CoWoS 封装产能受限，会造成系统集成进度延后，内存厂商将出现成品 HBM 堆叠芯片库存过剩。瑞银预测，HBM4 架构将成为主流内存标准，预计 2027 年其占全球 HBM 总需求比重将达到 39%，高于 2026 年预估的 17%。

随着新一代 AI 加速器陆续落地，HBM3E 12‑Hi 的市场占比将从 2026 年预期的 65% 收缩至 2027 年的 30%。本轮技术迭代带动先进封装、定制化逻辑基片进入量产，推升晶圆厂的实际成交价格。瑞银测算，HBM3E 8‑Hi 的需求占比将从 2026 年的 8% 回升至 2027 年的 17%；新一代 HBM4E 将拿到 9% 份额，老款 HBM3 则萎缩至 5%。英伟达 VR300 加速器采用 8‑Hi 堆叠方案，体现行业选择性降低显存堆叠规格的现象。主要执行风险来自晶圆厂的基片制造与基板良率；一旦出现产能瓶颈，会阻滞 HBM4 的落地进程，同时造成旧款 HBM3E 产能过剩。瑞银预测，谷歌 TPU 的 HBM 消耗量 2027 年预估将达到 192.4 亿 Gb，较 2026 年预估的 58.5 亿 Gb 同比大增 229%。TPU 对应的 HBM 需求从 2025 年的 18.1 亿 Gb 快速攀升，2027 年预计将达到 240.48 万 GB。谷歌这种自研芯片规模扩张会占用专属内存晶圆产能，推动高带宽内存（HBM）采购向云厂商定制 ASIC 芯片倾斜。瑞银测算，2027 年 TPU v8i 双裸片 AX 将消耗 115.2 万 GB 的 HBM3E；TPU v8t 消耗 95.04 万 GB；TPU v7 消耗 28.8 万 GB。整体 AI 加速器 HBM 总需求同比大增 91%，达到 615.2 亿 Gb。核心风险来自先进封装的组装产能吞吐量；一旦台积电 CoWoS 封装产能受限，会造成系统集成进度延后，内存厂商将出现成品 HBM 堆叠芯片库存过剩。