SK 海力士登上那斯達克，HBM 之父卻說 AI 的本質不是 GPU

今日漫畫 出演・水無瀨 澪

記憶體變成 AI 的主角

SK 海力士 7 月 10 日以美國存託憑證的形式登上那斯達克，股票代號 SKHY，募資規模約 265 億美元，是美國史上規模最大的海外企業 IPO。SK 集團會長崔泰源與執行長郭魯正一行人親赴紐約時代廣場敲鐘，郭魯正在致詞時丟出一句口號：有 AI 存在的地方，就會有 SK 海力士。

上市當天最值得記的不是排場，是郭魯正對記憶體供需的判斷。他接受路透社訪問時警告，全球記憶體產業會在 2027 年面臨史上最嚴重的供應短缺，而且即使公司持續擴產，需求在 2030 年之後仍會大於供給。

擴產計畫已經攤開來。

• SK 海力士與三星、韓國政府共同投資 800 兆韓圜（約 5,180 億美元），在韓國西南部打造新的半導體製造樞紐
• 目標是五年內把韓國的記憶體產能翻倍
• 美國方面投資約 40 億美元在印第安納州蓋先進封裝廠，另計畫投入 100 億美元成立 AI 解決方案公司

美國市場對 SK 海力士有多重要，數字很直接：2025 年美國佔它總營收的 68.8%。它靠著在輝達晶片所需的高頻寬記憶體（HBM）取得領先，成了 AI 供應鏈裡拔不掉的一環。

就在同一天，被業界稱為 HBM 之父的韓國科學技術院教授金正浩，講了一段更刺耳的話。他說 AI 的本質不是 GPU，而是記憶體。

金正浩的論據是使用率。全球部署在資料中心的數百萬台 GPU，實際運算時間只有一成。每當系統輸出一個詞，就得從 HBM 讀資料、運算、再寫回記憶體，這個讀寫過程佔掉幾乎所有時間，GPU 在旁邊閒等。就算用演算法最佳化，使用率也很難突破三成。

他對 GPU 的成長空間同樣不客氣。要提升效能只能擴大晶片面積、堆更多運算單元，但 GPU 發熱量大、背面得加散熱，沒辦法像記憶體那樣垂直堆疊，被困在熱管理的死胡同裡。金正浩的預測是記憶體需求每年翻倍、十年內成長千倍，頻寬也會從現在的 2,048 線道往上疊。如果推論時代真的把記憶體推上主角位置，未來幾年拉貨最兇的環節，會是能垂直堆疊的那一個。

英特爾用 EMIB-T 挑封裝

英特爾在 IEEE 2026 電子零組件與技術會議上，端出下一代先進封裝技術 EMIB-T，直接對準台積電的 CoWoS。它的說法是這套架構比 CoWoS 更靈活、體積更小、製造風險更低。

EMIB 的基本任務是把多個小晶片橋接在一起，提供高速又划算的互連。舊的 EMIB-M 用金屬電容優化供電，但電源得繞過橋接器佈線。新的 EMIB-T 在橋接器裡整合矽穿孔（TSV），讓電源與訊號直接垂直穿過橋接器。

現場展示的規格把用途講得很清楚。

• 支援 12+ Gb/s 的 HBM4E 記憶體，滿足尖端 HBM 的頻寬與供電需求
• 用扇出型嵌入式橋接平台做出 3D SRAM 垂直整合，在讀寫各半的情況下達到 265 GB/s/mm² 頻寬
• 每位元能耗低於 0.24 pJ，在較低頻率下可降到 0.15 pJ
• 封裝尺寸可擴展到 240 x 240 mm，能同時整合 ASIC、HBM 與 I/O

值得對照的是，EMIB-T 支援的正是金正浩口中每年翻倍的 HBM4E。封裝技術這一戰打的不是誰算得快，是誰能餵飽記憶體。如果 HBM4E 的量產時程如各方預期落在後年，能同時吃下超大封裝與高速記憶體的方案，會先拿到訂單。

AI 開始改寫知識與工作

新創公司 MorphMind 推出一款叫 Academic Humanizer 的工具，標榜能消除論文與研究計畫裡明顯的 AI 寫作痕跡，讓文章讀起來像人類學者親筆。這款工具底層是基於 Anthropic 的 Claude 開發的技能，共同創辦人是明尼蘇達大學副教授丁杰。

丁杰的定位是寫作清晰度輔助工具，強調不是用來產生新內容或規避審查，使用者仍有義務揭露 AI 輔助的程度。學術界不太買單。批評者擔心它能精煉文筆卻無法查證數據，等於幫內容貧乏的草稿包裝出說服力。這個顧慮有前例：AI 偵測工具 GPTZero 6 月在頂級會議 NeurIPS 收到的 51 篇論文裡，揪出高達 100 條 AI 憑空捏造的假文獻。

AI 對職場的改寫比對論文更實際。最新分析指出，白領入門職缺變少的元兇不完全是機器取代人力，而是資深員工搭配 AI 工具，把原本屬於初階的工作吸收掉。企業為了控成本，寧可要有實戰經驗的老鳥配 AI，也不想養培訓型職位。

這種資深擠壓初階的變化，被拿來跟美國製造業衰退相比。當入門機會流失，年輕人失去的不只是薪水，還有累積基礎技能、爬上升遷階梯的那段過渡。發展階梯變陡，第一張進場門票變難拿。

同樣被 AI 逼到牆角的還有維基百科。走過 25 年的它，現在同時被政治陣營攻擊、被 AI 抓資料、被威權政府打壓。今年 1 月上任的維基媒體基金會執行長貝爾納黛特·米漢，把 AI 的資料掠奪視為更深層的生存威脅：各類聊天機器人大量抓取它約 6,500 萬篇文章拿去訓練，卻沒給平台合理回饋。

基金會的反制很直接，開始向大量使用其內容的科技巨頭收費，並限制部分資料的抓取。對一個以中立為核心原則的組織來說，公開反制並不尋常。如果免費知識庫被閉源模型無償抽乾，接下來要吵的就不只是版權，是這些內容還撐不撐得起來。

當 AI 走進心理與生死

越來越多人把 ChatGPT、Claude、Gemini 這類通用型 AI 當成情緒宣洩的第一站。專為心理健康設計的專用型 AI 想接手，卻遇到一個很現實的障礙：切換成本。使用者一旦把情緒對話分散到不同平台，脈絡就斷了，換到專用工具還得重講一次自己的背景。

分析報告給專用型 AI 的建議是先接受通用 AI 不會退場，然後想辦法共存。具體方向包括降低使用摩擦，例如做瀏覽器擴充或系統快捷入口、強化長期記憶，再導入 CBT、DBT、ACT 這些真實臨床框架，提供可操作的後續行動而不是泛泛安慰。報告也把話講死：不論通用還是專用，目前都不適合真正的醫療診斷或治療。

比心理諮詢更沉重的是用 AI 重現逝者。美國科羅拉多大學波德分校發表首份針對 AI 幽靈的使用者研究，博士候選人 Jack Manning 與副教授 Jed Brubaker 招募 16 名曾失去親近之人的受試者，即時用大型語言模型建立逝者的生成式幽靈。

研究結果有兩個細節很值得記。所有受試者都偏好第一人稱版本，也就是讓 AI 像逝者本人開口，而不是以第三人稱轉述。他們可以容忍小事實錯誤，卻無法接受錯誤稱呼，有位受試者的繼父 AI 叫他生前從沒用過的暱稱，繼子幾乎當場中止對話。幾乎所有人都願意再用一次，也幾乎所有人都擔心喪親者會上癮。這個矛盾會怎麼收，得看後續臨床研究怎麼評估。

本地社群把大模型塞進小機器

跟這些產業級的大新聞平行發生的，是本地 AI 社群一整天的動手實驗，語氣輕鬆但一樣有料。LocalLLM 版上有人把 744B 參數的 GLM 5.2 塞進 25GB 記憶體的消費級機器跑起來，也有人在討論 20 到 24GB 顯示記憶體到底該選哪個模型、怎麼用一百美元湊出 20GB 顯存加 448GB/s 頻寬的超省配置。

影像這邊，Krea2 是這幾天社群的熱詞。有人做出七種 int8 版本、有人整理 INT4 量化模型清單，也有人在問怎麼強迫寫實風格、Lora rank 該怎麼設。comfyui 版則被工作流洗版，深度與姿態擷取、角色一致性、第一與最後一幀生成、平面 VR 影片外延，各種節點接法輪番出現。

社群裡流傳一個觀察：開源影片模型過去大約花九個月就追上閉源前沿。如果這個節奏這次也成立，被前面那些巨頭新聞蓋過的開源這條線，可能才是明年最值得盯的地方。