带宽、功耗与面积的三重改善

按照英伟达公布的数据，相比标准 HBM4E，NVHBM 最高可实现 30% 的内存带宽提升，并降低 15% 的 HBM 功耗；同时最多释放 25% 的 XPU 运算晶粒面积，用于布置更多计算单元。其定制物理层（PHY）接口相比 JEDEC 标准的 HBM4E 减少了 67% 的 I/O 面积，简化了先进封装中硅中介层的布线难度，进一步释放约 80% 的可用硅面积。

英伟达称，NVHBM 采用与未来自家 GPU 相同的技术基础开发，并由多家主要内存供应商完成验证与供货，目标是建立统一的 NVHBM 实施标准。这意味着合作伙伴无需从零适配通用 HBM，可缩短定制加速器的落地周期。

亚马逊成首家合作方

亚马逊旗下的芯片设计公司 Annapurna Labs 成为 NVHBM 的首家合作客户。双方的下一代 Trainium4 芯片将支持 NVLink Fusion，使亚马逊自研 AI 芯片能与英伟达 GPU 在同一机架级架构下协同工作。与此同时，AWS 宣布计划在 2027 至 2028 年间额外部署 200 万颗英伟达 GPU（涵盖 Blackwell Ultra、Rubin 与 Rubin Ultra 架构），这是在 2026 年起部署 100 万颗承诺基础上的追加。

在 Blackwell 产品线上，AWS 的 EC2 G7 实例将配备 RTX PRO 4500 Blackwell 服务器版 GPU，其 AI 推理性能为前代 G6 实例的 4.6 倍，图形性能为 2.1 倍。需要注意的是，已经量产的 Vera Rubin 机柜级系统并未搭载 NVHBM，该技术面向的是未来的定制芯片设计。

从卖芯片到定标准

NVHBM 的发布，标志着英伟达的战略进一步延伸：通过 NVLink Fusion 平台，它不再只是销售 GPU，而是向整个定制 AI 芯片生态输出机架级架构标准。对于先进封装、高带宽内存与接口芯片等产业链环节，这类系统级架构的演进将带来持续的技术与产能拉动。在 AI 竞争从单芯片性能比拼转向系统级架构定义权的当下，内存正成为决定算力上限的关键变量之一。