報導：Nvidia擬下調Rubin Ultra顯存配置，應對高端HBM短缺

AI基礎設施熱潮正在逼近供應鏈極限。

據The Information報導，Nvidia正評估一項頗為激進的調整方案——為下一代AI GPU Rubin Ultra推出低於原計畫顯存配置的版本，以緩解高端高頻寬記憶體（HBM）供應不足帶來的量產壓力。

這意味著，即便是掌握GPU市場主導權的Nvidia，也不得不在產品規格與供應能力之間尋求平衡。

這一變化不僅反映出HBM供應已成為AI產業鏈最關鍵的瓶頸之一，也意味著AI伺服器成本或進一步攀升，數據中心建設壓力仍將持續向下游傳導。

週四Nvidia股價收跌0.1%，SK海力士股價收跌4.97%。

HBM供應緊張，Nvidia測試多個「降顯存」版本

知情人士透露，過去數週，Nvidia已經測試至少三個不同版本的Rubin Ultra GPU，其中部分版本採用了低於最初規劃的顯存容量。

Nvidia考慮推出低顯存版本，一個重要原因在於未來可能無法獲得足夠數量的高端HBM晶片，以支撐原始設計的大規模量產。

Rubin Ultra是Nvidia下一代AI運算平台的重要組成部分，定位高於即將量產的Rubin系列，被視為未來訓練超大規模AI模型的重要硬體平台。按照原有規劃，其將搭載容量更高、頻寬更大的HBM，以進一步提升模型訓練和推理效能。

不過，在HBM供應持續偏緊的背景下，Nvidia正在重新評估產品配置，希望通過調整顯存規格保證產品按計畫上市，而不是繼續等待供應鏈擴產。

顯存減少意味著需要部署更多GPU

對於AI訓練而言，HBM不僅決定GPU的資料吞吐能力，更直接影響能夠容納的大模型規模。

如果Rubin Ultra最終採用較低顯存配置，在運行大語言模型等大型AI工作負載時，客戶可能需要部署更多GPU，才能完成原本由較少晶片即可完成的運算任務。

雖然Nvidia仍可通過提高GPU運算能力、優化互連頻寬等方式部分彌補性能損失，但整體來看，系統部署成本和集群複雜度仍可能有所提高。

對於微軟、Meta、亞馬遜、Google等持續擴大AI資本開支的大型雲廠商而言，這意味著未來數據中心建設成本可能進一步上升。

AI熱潮暴露產業鏈最大瓶頸

HBM已經成為當前AI產業鏈最緊缺的核心零組件之一。

近年來，大模型訓練需求快速增長，使GPU出貨量持續攀升，而GPU所需的HBM主要由三星電子、SK海力士和美光等少數廠商供應。由於HBM製造工藝複雜、良率要求高、擴產周期長，供應增長速度始終難以追趕AI需求。

業內普遍預計，未來數年HBM仍將維持供不應求狀態，這也是AI伺服器價格居高不下的重要原因之一。

此次Nvidia主動考慮降低Rubin Ultra顯存配置，也反映出即便擁有產業鏈最強議價能力，其產品規劃依然受到HBM供應約束。

成本壓力向整個科技行業蔓延

HBM價格上漲帶來的影響已經不僅侷限於AI伺服器。

隨著GPU、HBM等關鍵元器件持續緊缺，整個科技行業的硬體成本均受到推升。企業採購AI基礎設施的預算不斷增加，越來越多公司不得不提高資本支出，以滿足生成式AI部署需求。

與此同時，上游晶片成本上漲也開始向消費電子領域傳導。包括蘋果在內的部分硬體廠商，已經通過提高終端產品售價等方式消化供應鏈成本壓力。

市場人士認為，只要AI算力需求繼續高速增長，而HBM新增產能釋放速度有限，圍繞高端存儲資源的競爭仍將持續，HBM供應能力也將繼續成為決定AI產業擴張速度的關鍵因素。