Epoch AI 最新发布的研究数据显示，AI 芯片的硬件成本结构正在发生根本性转变。截至 2025 年第四季度，高带宽内存（HBM）在 AI 芯片组件总支出中的占比已从 2024 年第一季度的 52% 增长至 63%，接近三分之二。这一估算基于 Nvidia、AMD、Google 和 Amazon 四家厂商设计的全部 AI 芯片，按产量加权计算得出。
AI 芯片的组件总支出主要涵盖逻辑核心晶圆制造、先进封装如 CoWoS、高带宽内存及其他物料。Epoch AI 的统计覆盖了这些类别，并采用产量加权平均：出货量越大的芯片型号对整体数据的影响越大。与简单平均相比，产量加权更能反映实际流通产品所面临的成本结构，避免了少数非主流型号拉偏整体比例。
高带宽内存是一种通过硅中介层与逻辑芯片紧密封装的高性能 DRAM。与传统的 GDDR 内存相比，HBM 通过 3D 堆叠和硅通孔技术实现了更短的数据传输路径和更高的带宽密度，使其成为 AI 加速器处理大规模并行计算时的首选内存方案。
然而，HBM 因其复杂的制造工艺——包括多层裸片堆叠、TSV 打孔、微凸点形成以及先进的封装集成——使得单位容量的成本远高于普通 DRAM。为了应对 AI 模型日益增长的性能要求，芯片厂商在每一代加速器中不断增配 HBM 的堆叠层数和总容量，这直接导致 HBM 在整颗芯片的物料清单中所占比重急剧膨胀。
在 HBM 占比大幅上升的同时，其他组件——如先进逻辑晶圆制造、CoWoS 封装等——在总支出中所占的份额相应遭到压缩。虽然 Epoch AI 未给出各细分环节的具体变化比例，但 HBM 成本达到接近三分之二这个事实已经足够说明 AI 芯片的成本重心已发生根本偏移。
成本重心转移：从算力到存储
从2024年Q1的52%到2025年Q4的63%，HBM在AI芯片组件总支出中的占比仅用不到两年时间就上升了11个百分点，这一变化不是渐进式微调，而是结构性的跨越。产量加权计算方式内在决定了出货量最大的芯片型号对整体比例影响最深。在Nvidia占据AI加速器市场较大份额的背景下，其主流产品的成本结构对加权平均值贡献显著，但AMD、Google和Amazon的产品也同样遵循HBM成本占比扩大的趋势。
推动HBM支出占比持续走高的核心驱动力在于AI模型对内存容量和带宽的持续升级需求。芯片厂商在每一代产品中通过增加HBM堆叠层数或引入更新世代HBM来满足性能目标，但这也直接拉高了HBM的采购支出。Epoch AI的数据表明，HBM成本的增长速度快于其他组件，致使其在总支出中的占比不断创出新高。
由于HBM在AI芯片组件支出中占据约三分之二，HBM的合约价格以及供应稳定性将直接左右芯片的总制造成本。在服务器层面，单台系统通常需要多颗AI加速器，内存成本的影响还会进一步放大。这使得整个AI基础设施的成本构成中，内存的权重变得空前重要。
传统上，AI芯片的最大单项成本依序是逻辑核心晶圆制造和先进封装。当HBM占比达到63%时，留给逻辑晶圆与封装的空间已缩至三分之一稍多，这就要求芯片设计团队在规格定义阶段将HBM配置方案作为首要的成本控制要素。内存已经从辅助角色跃升为决定芯片经济性的主导因素。
四大厂商的共同成本瓶颈
Nvidia、AMD、Google和Amazon是当今最主要的AI芯片自研力量。它们的产品分别定位于通用GPU加速、矩阵运算加速或云端推理加速，但都离不开HBM提供的高带宽数据通道。内存成本的膨胀由此成为四家厂商共同面对的结构性课题。
对于Nvidia和AMD这类面向外部销售的芯片企业，HBM的采购价格直接决定产品毛利；而对Google和Amazon这类自用芯片设计方，HBM开销则体现为数据中心建设的资本支出。尽管商业模式不同，内存占比的持续走高都意味着一笔规模越来越大的采购支出，并可能推动企业在架构层面探索减少HBM依赖的方案，例如增大片上缓存或优化数据流以减少带宽消耗。
结构性变动对产业链的启示
AI芯片成本中内存支出占比接近三分之二，这一现实改变了整个半导体产业链的注意力分布。对于逻辑晶圆代工与先进封装企业而言，虽然来自AI加速器的绝对收入仍在增长，但其在芯片成本中的相对权重已经明显下降。这可能促使产业链各方在技术投资决策中重新权衡逻辑工艺升级与内存供应能力建设之间的优先级。
Epoch AI此次以产量加权数据揭示了内存对AI芯片成本的主导地位，为行业提供了一份清晰的量化参照。从52%到63%的跳跃跨度之短、速度之快，都意味着AI硬件成本的基本面正在发生深刻变迁。无论对芯片设计商、内存制造商还是系统集成方，这一结构性质变都已纳入脚下路况的事实部分。
本文参考来源：OSCHINA 社区最新新闻
