545.【財經時事放大鏡】XBM, HBF, SRAM x 宇樹&機器人

重點摘要

• 北京大學與復旦大學研究人員在 FMS 大會剛落幕後，以「HBF Sucks」為題發表論文，指 HBF 架構速度比現有方案慢約 94%；加上 NAND 怕熱、焊死在板子上無法熱插拔等先天限制，業界對 HBF 前景整體仍持保留態度。
• Intel 推出分離製程的新型 3D DRAM——CrossBatch Memory（XBM），將 DRAM Cell 堆疊與 Controller 分開製造再以 UCIE 協定整合，設計思路近似長江存儲的 X-Stacking，但最快 2029 年才商用，主持人解讀這代表 Intel 看好 2030 年後記憶體市場仍有龐大需求。
• 全球最大半導體通路商大聯大在法說會上證實，上半年（2026年）客戶因預期 7 月漲價而提前拉貨；但管理層直接消毒：下半年表現仍將優於上半年，HBM 以外高容量記憶體依然供不應求，明年（2027年）擴產仍不夠填缺口，顯示基本面無虞。
• 宇樹機器人在香港掛牌首日最高暴漲 900%，招股書顯示扣除補貼後仍獲利，平均售價（ASP）從約 26 萬人民幣大幅壓低至十幾萬，帶動銷量快速拉升；IDC 預估 2030 年全球人形機器人需求 60 萬台，中國佔約 27 萬台。
• 宇樹等業者硬體（小腦、運動控制）已初步到位，但 AI 大腦仍是最大瓶頸：VLM（影像語言模型）與 Sim-to-Real（模擬到真實）兩條訓練路線都尚未成熟，中國算力也優先流向 LLM，機器人模型發展相對受限。

詳細內容

HBF 架構遭學術論文直批

FMS（Flash Memory Summit）大會剛結束，SanDisk 等廠商才在大會正式推出 HBF 架構規格，北京大學與復旦大學研究人員旋即發表論文，標題直接寫「HBF Sucks」，指 HBF 速度比現有方案慢約 94%，在學術圈與產業圈都引發廣泛討論。

主持人分析 HBF 的兩大先天限制：第一，NAND 相較 DRAM 更怕熱，而現今 AI 伺服器運行溫度極高，焊接在板子上的 NAND 一旦過熱損壞就必須停機，失去 SSD 熱插拔的靈活性；第二，HBF 焊死在電路板上，進一步壓縮了 AI 伺服器本已告急的板子面積。整體來看，業界對 HBF 架構的普遍共識仍偏向悲觀。

Intel XBM：分離製程的新型 3D DRAM

Intel 推出命名為 CrossBatch Memory（XBM）的堆疊式 DRAM 架構，核心做法是將 DRAM Cell 獨立堆疊、Controller 基底另行以不同製程製作，最後透過 UCIE 協定（Universal Chiplet Interconnect Express）與 Hybrid Bonding 互連組合，概念上與長江存儲 NAND 的 X-Stacking 架構相通。分離製程的優勢在於各層可在最適合的節點製造，理論上有望提升頻寬。

Intel 表示 XBM 最快 2029 年商用，主持人解讀：若 Intel 不看好 2030 年後的市場，就不會在現在宣布 2029 年的新產品；Intel 早期曾是 DRAM 大廠，後來因競爭失利轉型 CPU，此次重返記憶體領域有一定技術底蘊。Hybrid Bonding 良率目前仍是業界普遍的痛點，是 XBM 能否順利量產的主要變數。

大聯大法說：下半年（2026年）仍優於上半年

大聯大作為全球最大半導體通路商，其法說內容反映了中小型客戶端的真實需求。管理層首先證實了市場此前的推測：上半年（2026年）客戶因預期 7 月漲價而提前拉貨，造成需求集中。然而，管理層同步消毒，表示下半年整體表現仍將超過上半年，並明確指出 HBM 以外的高容量記憶體明年（2027年）即便擴產仍供不應求。

記憶體原廠目前毛利率已接近 80%，高獲利空間正是吸引 Intel、NAND 廠商等紛紛投入新架構研發的根本驅動力。主持人也提到，Morgan Stanley 的報告相對保守，認為記憶體價格上漲動能可能趨緩，但與大聯大管理層的說法存在解讀分歧，市場對於後半年走勢仍有爭議。

宇樹機器人掛牌：硬體亮眼，軟體待補

宇樹（Unitree）機器人在香港掛牌首日股價一度暴漲 900%，成為本週資本市場焦點。主持人細讀招股書後有幾個觀察：宇樹已實現獲利，扣除補貼後仍為正數，在硬體新創中屬於異數；其次，從四足機器狗轉向人形機器人的速度相當快，年出貨量從數百台快速拉升至數千台；更重要的是，平均售價從約 26 萬人民幣大幅壓低至十幾萬人民幣，透過降價帶動市佔快速擴張——這是中國製造業降本增量的典型路徑。

IDC 預估 2030 年全球人形機器人需求約 60 萬台、市值 150 億美元，中國市場佔約 27 萬台（接近一半）。然而主持人也指出，目前機器人在多數場景仍缺乏明確的規模化應用，廠商與客戶都還在摸索「到底要拿這東西幹嘛」。

人形機器人 AI 大腦的技術瓶頸

主持人認為，宇樹等業者的硬體端（小腦、運動控制）已初步到位，但 AI 大腦（任務理解與執行）仍是最大缺口，目前兩條主流訓練路線各有難題：

VLM（影像語言模型）路線：以真實攝影機影像為訓練資料，適合簡單行走動作，但複雜操作任務（如分揀包裹、摺衣服）難以泛化。

Sim-to-Real 路線：在虛擬環境大量訓練後移植到真實機器人，問題在於虛擬世界的摩擦力、重力等物理細節難以完美模擬；主持人以「七龍珠高重力訓練」類比——在模擬環境練出的力道移植到真實機器人，行為模式可能反而走樣。此外，訓練完的模型還需要另一套驗證機制確認是否真的有效，目前這塊幾乎還是空白。

宇樹目前主要採用 NVIDIA 的機器人解決方案，而 NVIDIA 現有框架在上述兩個方向都有不少技術空缺尚未填補。加上中國算力資源優先投入 LLM，分給機器人模型的資源相對有限。主持人結論：宇樹的硬體小腦做得不錯，但花錢做 AI 大腦才是接下來的關鍵，而這正是它最稀缺的資源。

長江存儲 IPO 近況與台灣非紅供應鏈機會

主持人提到，長江存儲的 IPO 輔導已進入最終審核階段，即將繼宇樹之後登場。長江存儲目前是全球第三大 3D NAND 廠商，其 X-Stacking 架構與本集討論的 Intel XBM 設計思路相近。

台灣廠商方面，由於機器人硬體具有明確的非紅供應鏈需求（同類問題已在無人機、電動車產業出現），台灣廠商原本未佈局機器人零組件領域，現正面臨切入空白市場的窗口期。中國在馬達、控制器等機械電子零組件上因電動車與無人機產業累積了深厚供應鏈，成本具優勢；但地緣政治讓下游客戶轉向，為台廠創造了機會。主持人預告自動化展（本週登場）後續將有更多台廠切入資訊可供分享。

精選語錄

「你毛利率真的出來已經 80 幾% 了，那你還不趕快弄？」

「論文標題就是 HBF Sucks——我真的不知道該說什麼，到底是誰拿給論文作者測的？」

「我覺得目前機器人看起來在很多場景都還沒有真實應用，為什麼？是大家根本就不知道那東西要怎麼搞。」

時間軸

本集為對話式 Podcast，逐字稿中無時間戳記資訊。以下為討論主題的段落順序：

• 【開場】招募公告（後端工程師、UX 設計師、社群編輯）
• 【段落一】HBF 架構遭「HBF Sucks」論文批評，速度慢 94%，先天物理限制分析
• 【段落二】Intel CrossBatch Memory（XBM）架構介紹，分離製程與 UCIE 協定，2029 年商用
• 【段落三】記憶體市場總評：毛利率近 80%、AI 需求持續、新架構百花齊放的背景
• 【段落四】Cathie Wood 訪談：不買美光、海力士，主持人評析 SRAM 與 HBM 定位差異
• 【段落五】大聯大法說：上半年提前拉貨、下半年仍優於上半年，基本面無虞
• 【段落六】宇樹機器人掛牌暴漲 900%，招股書解讀：獲利、降價策略、IDC 市場預估
• 【段落七】人形機器人技術瓶頸：VLM vs Sim-to-Real、世界模型缺位、中國算力資源競爭
• 【段落八】長江存儲 IPO 近況，非紅供應鏈台廠機會
• 【結尾】預告下週自動化展內容