Report: NVIDIA Plans to Reduce Rubin Ultra Memory Configuration to Address High-End HBM Shortage

这意味着客户未来可能需要部署更多 GPU 才能完成同等算力任务，微软、Meta、谷歌等科技巨头的数据中心建设成本或将进一步攀升。

AI 基础设施热潮正在逼近供应链极限。

据 The Information 报道，英伟达正评估一项颇为激进的调整方案——为下一代 AI GPU Rubin Ultra 推出低于原计划 HBM 的版本，以缓解高端高带宽内存（HBM）供应不足带来的量产压力。

这意味着，即便是掌握 GPU 市场主导权的英伟达，也不得不在产品规格与供应能力之间寻求平衡。

这一变化不仅反映出 HBM 供应已成为 AI 产业链最关键的瓶颈之一，也意味着 AI 服务器成本或进一步攀升，数据中心建设压力仍将持续向下游传导。

周四英伟达股价收跌 0.1%，SK 海力士股价收跌 4.97%。

HBM 供应紧张，英伟达测试多个"降显存"版本

知情人士透露，过去数周，英伟达已经测试至少三个不同版本的 Rubin Ultra GPU，其中部分版本采用了低于最初规划的显存容量。

英伟达考虑推出低显存版本，一个重要原因在于未来可能无法获得足够数量的高端 HBM 芯片，以支撑原始设计的大规模量产。

Rubin Ultra 是英伟达下一代 AI 计算平台的重要组成部分，定位高于即将量产的 Rubin 系列，被视为未来训练超大规模 AI 模型的重要硬件平台。按照原有规划，其将搭载容量更高、带宽更大的 HBM，以进一步提升模型训练和推理性能。

不过，在 HBM 供应持续偏紧的背景下，英伟达正在重新评估产品配置，希望通过调整显存规格保证产品按计划上市，而不是继续等待供应链扩产。

对于 AI 训练而言，HBM 不仅决定 GPU 的数据吞吐能力，更直接影响能够容纳的大模型规模。

如果 Rubin Ultra 最终采用较低显存配置，在运行大语言模型等大型 AI 工作负载时，客户可能需要部署更多 GPU，才能完成原本由较少芯片即可完成的计算任务。

虽然英伟达仍可通过提高 GPU 计算能力、优化互连带宽等方式部分弥补性能损失，但总体来看，系统部署成本和集群复杂度仍可能有所提高。

对于微软、Meta、亚马逊、谷歌等持续扩大 AI 资本开支的大型云厂商而言，这意味着未来数据中心建设成本可能进一步上升。

HBM 已经成为当前 AI 产业链最紧缺的核心零部件之一。

近年来，大模型训练需求快速增长，使 GPU 出货量持续攀升，而 GPU 所需的 HBM 主要由三星电子、SK 海力士和美光等少数厂商供应。由于 HBM 制造工艺复杂、良率要求高、扩产周期长，供应增长速度始终难以追赶 AI 需求。

业内普遍预计，未来数年 HBM 仍将维持供不应求状态，这也是 AI 服务器价格居高不下的重要原因之一。

此次英伟达主动考虑降低 Rubin Ultra 显存配置，也反映出即便拥有产业链最强议价能力，其产品规划依然受到 HBM 供应约束。

HBM 价格上涨带来的影响已经不仅局限于 AI 服务器。

随着 GPU、HBM 等关键元器件持续紧缺，整个科技行业的硬件成本均受到推升。企业采购 AI 基础设施的预算不断增加，越来越多公司不得不提高资本支出，以满足生成式 AI 部署需求。

与此同时，上游芯片成本上涨也开始向消费电子领域传导。包括苹果在内的部分硬件厂商，已经通过提高终端产品售价等方式消化供应链成本压力。

市场人士认为，只要 AI 算力需求继续高速增长，而 HBM 新增产能释放速度有限，围绕高端存储资源的竞争仍将持续，HBM 供应能力也将继续成为决定 AI 产业扩张速度的关键因素。