2026年8月4日，在加利福尼亚州圣克拉拉举行的“内存与存储的未来”（FMS 2026）大会上，三星电子正式发布了业界首款zHBM概念模型，以及一款名为zNAND‑O的NAND闪存垂直堆叠解决方案。 zHBM专为下一代超大规模AI计算而设计，是一种突破性的内存架构，它通过垂直集成 高带宽内存（HBM） 直接集成在AI加速器芯片之上。这与传统的2.5D封装方式有着显著不同，并被广泛视为克服阻碍AI性能扩展的“内存墙”瓶颈的关键技术路径。.
建筑革命：从并排布局到真正的3D垂直堆叠
zHBM 中的“z”代表三维空间中的垂直 Z 轴。其核心创新在于从根本上重构了 HBM 与计算逻辑的集成架构：摒弃了沿用已久的 2.5D 并排布局，转而采用真正的 3D 垂直融合架构。.
在传统的 HBM 实现方案中，HBM 堆栈和 AI 加速器芯片并排放置在同一封装基板上，并通过硅中介层相互连接。 数据需通过中介层上相对较长的水平走线传输，这给延迟、功耗和封装占地面积带来了物理限制。这种布局难以跟上AI计算量的指数级增长及其日益增长的内存带宽需求。.
zHBM 通过将整个 HBM 内存直接堆叠在 AI 加速器芯片正上方，彻底消除了水平传输路径。这种数据传输距离的缩短已接近物理极限，从根本上降低了延迟和互连功耗，同时大幅节省了基板空间。 因此，单位面积内的计算密度和内存密度均得到显著提升，实现了计算与内存的深度三维集成。.
关键绩效指标
以三星尚未量产的下一代 HBM5 作为基准，该公司披露了 zHBM 概念的预期性能数据。下表列出了主要差异：
| 绩效维度 | HBM5 | zHBM 概念 |
|---|---|---|
| 整体表现 | 基线 | 是HBM5的4倍至8倍 |
| 存储密度 | 基线 | >是HBM5的10倍 |
| 电源效率 | 基线 | 提升3倍 |
| 总热阻 | 基线 | >50% 还原 |
这些优势不仅源于更短的传输路径，还得益于全新的内存接口系统。此外，zHBM 支持客户定制，允许在内存堆栈与 AI 加速器之间的层间嵌入专用 IP 模块，从而实现灵活的内存容量扩展，或设计定制化的加速器逻辑，以满足不同 AI 芯片供应商的独特需求。.
三项核心使能技术
zHBM架构的实现依赖于多种先进半导体工艺创新的结合。三项关键技术构成了该解决方案的基础：
晶圆级混合铜键合。. 这是实现高密度垂直堆叠的基本工艺。 它取代了传统的微凸点连接方式，采用铜对铜直接键合技术实现芯片间互连，不仅将互连密度提高了整整一个数量级，还显著降低了接触电阻和信号损耗。这使得内存堆叠结构能够设计得更高，数据传输速率也能进一步提升，从而从制造角度确保了3D集成技术的可行性。.
多晶圆堆叠集成。. zHBM 技术利用 V-NAND 垂直堆叠和硅通孔（TSV）技术的专业知识，将多个 DRAM 晶圆与计算晶圆集成到单一的单片 3D 结构中。该技术不仅使存储密度提高了十倍，还确保了整个堆叠结构的电气稳定性。.
针对性的热管理优化。. 为解决垂直堆叠固有的散热集中问题，三星通过精心选择材料和优化结构设计，降低了整体热阻。 此外，晶圆键合形成的高导热路径可作为辅助散热通道，缓解高功耗计算芯片上方热量的积聚，从而确保大容量堆叠的长期可靠性。.
路线图与技术定位
目前，zHBM仍处于概念验证阶段。. 三星尚未公布具体的量产时间表。业界普遍认为，该技术将在2028至2029年左右实现商业化。. 根据三星当前的内存路线图，近期生产工作将聚焦于HBM4，该产品已于2026年2月进入量产阶段。2026年5月，该公司开始交付HBM4E样品，2026年下半年将致力于扩大 HBM4 容量。HBM5 和 zHBM 均被定位为长期发展方向，将随着人工智能计算需求的增长和制造工艺的成熟而逐步投入使用。.
不像 HBF（高带宽闪存）, ，这是一种基于NAND的闪存堆叠解决方案，旨在实现大容量和低成本，主要用于存储AI模型权重；而zHBM则是一种基于DRAM的高带宽内存，侧重于超低延迟和极高带宽，专为实时AI推理和训练而设计。 此外，zHBM 与传统 HBM 的内部堆叠方式有所不同。常规 HBM 仅在内存模块内堆叠 DRAM 芯片，且仍与计算芯片并排放置；而 zHBM 实现了整个内存子系统与计算芯片之间的跨类别垂直集成，从而提供了更高层次的集成度。.
商业化面临的挑战
作为一项前瞻性技术，zHBM在实现大规模部署之前面临多重工程障碍。.
- 良率是一个主要问题：晶圆级键合要求亚微米级对准精度，而多层堆叠往往会导致良率呈指数级下降。这对接头工艺的洁净度和设备精度提出了严格要求，导致短期内制造成本居高不下。.
- 该散热性能尚需在实际系统中进行全面验证：尽管宣称热阻有所改善，但内存直接位于发热的计算芯片正上方，导致局部热量显著积聚。该散热方案在高负载工作条件下实际的散热效果，仍需经过广泛的工程验证。.
- 这种架构迫使人工智能芯片设计人员重新思考芯片布局、封装和内存控制器——这需要整个供应链共同参与，且开发周期漫长、成本高昂。.
zHBM是后摩尔时代的一项重要技术探索，旨在实现内存与计算的更深度融合。它突破了传统2.5D封装的带宽瓶颈，为下一代超大规模AI训练和大型语言模型推理提供了更强大的内存基础。 更广泛地说，这标志着高端 HBM 演进方向的转变——从内存内部堆叠转向真正的计算与内存垂直集成——并有望推动先进封装和内存技术取得进一步进展，为人工智能性能的持续扩展奠定基础。.
