2026年8月10日，华福国际发布了一篇硬件行业的研究报告，报告指出，供给与电力约束下的主动调整。
据SemiAnalysis产业链信息(尚未经英伟达（NVDA）官方确认)，英伟达（NVDA）正在向关键客户预览调整后的RubinUltra主线方案：单GPUHBM配置或由原规划的288GB、12-Hi下调至192GB、8-Hi，主流系统功耗维持约1,800W，峰值FLOPS基本保持不变。同时，公司可能同步规划更高功耗Max-P版本以及更低功耗推理SKU，以覆盖不同应用场景需求。目前英伟达（NVDA）尚未正式确认RubinUltra最终量产规格，相关参数仍需等待公司后续披露。目前公司公开信息显示，RubinGPU采用288GBHBM4配置，HBM带宽达到22TB/s，VeraRubinNVL72由72颗RubinGPU组成。英伟达（NVDA）此前已明确提出，将数据中心整体而非单颗GPU作为计算单元，并围绕计算、网络、供电、散热以及软件进行系统级协同设计。
点评
高端HBM供给约束及高成本成为AI硬件扩张的新瓶颈，英伟达（NVDA）通过降低单卡容量提升整体交付能力。当前AI基础设施需求仍保持高速增长，但高端HBM供给能力难以同步扩张。一方面，HBM生产受到DRAM晶圆产能、先进封装（886009）能力、堆叠良率以及客户认证周期（883436）等多重因素限制，短期内难以满足最高规格GPU的大规模量产需求；另一方面，高端HBM成本持续提升，进一步推高AI服务器BOM成本，并影响客户采购经济性。在此背景下，英伟达（NVDA）降低单GPU HBM容量，本质是在单卡性能与整体交付规模之间进行权衡。若RubinUltra由288GBHBM调整至192GBHBM，单卡显存容量下降约33%，但相同HBM供应量可以支持更多GPU生产，从而提高AI加速卡整体交付能力。同时，降低HBM配置也有助于控制系统成本，提高客户部署效率。
电力约束正在成为AI基础设施发展的另一核心限制。除HBM供应外，数据中心电力能力正在成为限制AI算力部署的重要因素。随着AI集群规模持续扩大，产业链瓶颈正在由芯片供给进一步延伸至电力接入、供配电系统、液冷能力以及机房建设周期（883436）。理论上，更高功耗GPU可以带来更强计算性能，但如果客户侧电力基础设施无法同步升级，新增算力难以及时转化为有效利用率，甚至可能出现设备交付完成但无法快速上线的问题。因此，英伟达（NVDA）维持RubinUltra主线功耗约1,800W，体现其正在峰值性能、单位能耗效率以及客户部署周期（883436）之间寻找平衡。未来AI硬件竞争的核心不再只是单颗GPU性能，而是GPU、HBM、网络、电力和软件共同组成的数据中心系统效率。
此次调整对HBM产业链的影响更多体现在产品结构和盈利弹性的变化。虽然单卡HBM容量下降并不改变AI存储长期需求趋势，但若RubinUltra由12-Hi向8-Hi方案调整，可能导致高堆叠HBM产品导入节奏低于此前市场预期，进而影响产业链对于高阶HBM产品价值量和盈利弹性的判断。由于高堆叠HBM具备更高技术壁垒、更复杂制造流程以及更高单位价值量，其渗透速度放缓可能降低供应商此前基于高端产品快速放量形成的利润增量预期。因此，市场后续或将更加关注HBM产品结构升级节奏，而非单纯追踪需求增长空间，相关企业估值中对于高堆叠产品成长性的溢价预期可能趋于理性。
投资建议
我们认为目前HBM规格调整更多反映成本与供给约束下的架构优化，存储长期逻辑尚未逆转。目前现有产业信息尚不足以支持HBM进入供需反转的判断，英伟达（NVDA）对单GPU内存配置的优化更多是在HBM价格高企、供给持续紧张及功耗散热约束下，对系统成本与投资回报率进行重新平衡；考虑到板块近期经历大幅回调，我们建议关注HBM敞口较高、产品竞争力较强的美光科技（MU）(MU)，同时注意存储周期（883436）进入后半程后涨价斜率放缓的风险。
风险
产业链调研口径与英伟达（NVDA）最终量产规格可能存在差异，规格调整仍需以正式披露为准；HBM产能扩张、先进封装（886009）与堆叠良率若超预期，将改变供给紧张假设；高堆叠产品采用节奏与单卡价值量若进一步下修，将影响相关环节盈利预期；全球AI资本开支与算力需求增速存在不及预期风险；数据中心电力接入、供配电与液冷建设若慢于预期，将延后GPU部署与收入兑现；模型压缩与分级存储等软件优化若降低单位Token硬件消耗，将削弱硬件扩张逻辑。
