据业内知情人士透露，英伟达正在对Rubin Ultra GPU进行多版本测试，部分备选方案的HBM（高带宽内存）容量已低于最初规划。这一调整主要是为了应对供应链瓶颈，同时也折射出AI需求的爆发式增长导致高端内存紧缺，这一压力正持续向下游传导。
过去几周内，英伟达至少测试了三款HBM规格下调的Rubin Ultra GPU原型机。回顾此前，英伟达CEO黄仁勋在2025年开发者大会上宣布，Rubin Ultra将配备1TB HBM4e内存，分布在16个内存堆栈上。半导体研究机构TrendForce指出，除了原计划的12层HBM4e配置外，英伟达近期还新增了8层HBM4e、12层HBM4以及8层HBM4三套备选方案，产品最终规格尚未敲定。
TrendForce分析认为，导致此次规格调整的原因主要有二：一是预计2027年全行业DRAM产能紧缺，将挤压可用于生产HBM的晶圆资源；二是12层HBM4e的测试验收进度及量产良率尚存不确定性。此外，鉴于LPDDR5X内存供应短缺将持续至2027年，英伟达已决定将Vera Rubin超级芯片模组的SOCAMM内存容量减半。
业内人士指出，这一局面的特殊性在于：英伟达旺盛的AI芯片需求推高了内存消耗并加剧了供应紧张，但英伟达自身却受困于供应短缺，不得不调整内存方案。这一趋势在其他AI硬件厂商中同样存在，多家云服务提供商正考虑下调其下一代自研AI芯片的HBM容量。
TrendForce预测，2027年HBM总出货量虽将同比增长50%至60%，但这一增幅仍无法完全匹配市场需求。因此，HBM供应商将在2027年全年保持定价权，而AI芯片厂商将同时面临供货不足与成本上升的双重挑战。
内存容量的降低不可避免地会影响性能，若云厂商采用这些降配版本，可能需要部署比原计划更多的GPU集群。半导体分析机构SemiAnalysis指出，英伟达将节省的HBM硬件开支转而投入交换机与光互联组件的开发。英伟达正利用分层存储和光互联技术来缓解HBM价格高企和供货紧张的压力，这正如黄仁勋此前所言：供应链瓶颈固然会让上游供应商掌握优势，但也会倒逼企业寻求新的技术解决方案。
不过，业内分析认为，尽管通过提升算力和优化互联带宽可以在一定程度上抵消内存缩减带来的性能损失，但整体上系统的部署成本和集群搭建的复杂度将显著上升。对于微软、Meta、亚马逊和谷歌等持续加大AI投入的大型云厂商而言，这预示着未来数据中心的建设成本将面临进一步的上行压力。