利潤暴漲755%，AI賺瘋了，韓國芯片工人卻不干了

作者｜冬梅

引發全球熱議的三星罷工

還沒開始就結束了

沒人想到，全球 AI 算力狂潮最先引爆的，不是芯片短缺，是一場規模空前的大罷工。

近期，韓國媒體密集報道了三星員工擬集體罷工的消息。導火索是三星電子管理層與工會的最新一輪薪資談判宣告破裂。

若雙方在最后調解期限內仍無法達成一致，自 5 月 21 日起，超過 4 萬名員工將啟動為期 18 天的大規模罷工，三星核心的半導體制造部門預計將受到直接沖擊。

結果極具戲劇性的一幕發生了。

這場轟動全球半導體圈的超長時間罷工，在開始前的一小時被按下了暫停鍵。

據韓聯社報道，當地時間 5 月 21 日，在距離三星電子工會原定總罷工啟動僅剩最后 1 個小時之際，勞資雙方突然就達成了初步協議。

協議內容包括，在維持既有年終獎制度的基礎上，三星電子負責半導體的設備解決方案（DS）部門將獲得一筆新增的特別績效獎。該獎金僅在營業利潤超過一定條件時生效，公司將拿出“業績”的 10.5%作為資金來源。特別績效獎以股票形式發放，不設上限，為期 10 年。

具體分配方式為：資金的 40%按 DS 全部門統一分配，60%按各子事業部績效分配。據韓聯社援引業界預測，按照這一方案，DS 部門存儲芯片部的員工今年有望獲得人均 6 億韓元（約合人民幣 272 萬元）的績效獎金。

此外，在薪資方面，三星同意今年平均加薪 6.2%，并改善員工育兒補貼及住房貸款福利。

但這只是暫時性的初步協議，具體能否落地還要看最終投票結果。

三星管理層剛用一份臨時薪酬協議平息了存儲芯片部門的大規模罷工危機，但新的內部矛盾很快又浮出水面。

今天一早，據多家韓媒報道，三星其他業務部門的員工對上述協議表達了強烈不滿，他們爭議的，是這筆營業利潤 10.5%的獎金該如何分配。

根據協議，其中 40%的資金將優先分配給存儲器部門；剩余 60%則覆蓋三星其他所有業務，包括晶圓代工、智能手機、電視和家電等部門。而獎金本身，又與未來 HBM（高帶寬內存）業務盈利能力直接掛鉤。

負責手機、電視和家電業務的 DX（設備體驗）部門員工認為，獎金資金池本質上來自 AI 存儲業務，而并非手機、家電等部門創造的利潤。他們質疑，如今的分配機制正在把集團內部資源進一步向半導體業務傾斜。

韓國媒體披露，部分存儲業務員工未來可能獲得價值數億韓元的股票獎勵，而 DX 部門員工目前獲得的公司股份價值約為 600 萬韓元，二者差距接近 100 倍。

罷工事件回溯

過去一個月，大約 5 萬名三星員工計劃進行連續 18 天的停工罷工，導火索并非企業虧損，恰恰相反，正是因為三星“太有錢”卻“不愿分錢”。面對創下歷史新高的利潤，員工認為公司的激勵機制未能匹配其付出的辛勤勞動，這種“富而不分”的現狀徹底點燃了工會的怒火。

在 AI 推動 HBM 需求暴漲、三星半導體利潤創下歷史新高，本月初，他們成為了繼臺積電之后第二家獲得如此高額利潤的亞洲公司，市值超過 1 萬億美元。

而今天一早，海光和 SK 海力士市值也相繼超過了萬億美元。

三星員工們認為，在存儲市場火爆異常的當下，自己并未分享到這場繁榮。

所以他們提出了幾項要求：

? 提高整體工資漲幅；

? 取消績效獎金的封頂機制；

? 將獎金與公司營業利潤直接掛鉤；

? 提高獎金計算透明度；

? 建立長期、制度化的利潤分紅機制，而不是一次性補貼。

其中爭議最大的，是三星長期使用的 OPI/EVA 績效體系。

三星過去的獎金制度非常復雜，本質上是通過 EVA（經濟增加值）等指標來計算獎金。員工普遍認為，這套體系“不透明、可操作空間太大”，即便公司利潤暴漲，最終發到員工手里的獎金也未必同步增長。

公司賺翻了，但分攤到個人手上的錢沒多多少，三星員工自然不愿意。此外，競爭對手 SK 海力士的一些員工激勵舉措，也為這場計劃中的罷工拱了不少火。同樣是芯片存儲巨頭，SK 海力士給員工發起獎金來絲毫不手軟。

最近，關于“SK 海力士員工人均獎金高達數百萬人民幣”的消息在韓國社交媒體上瘋狂傳播，甚至一度出現“連門衛和司機都能拿到 600 萬人民幣獎金”的夸張說法。

這些報道或許有夸張的成分，但海力士給員工的回報是實實在在的真金白銀。

SK 海力士去年與工會達成的一項新協議：公司將拿出營業利潤的 10%作為員工績效獎金池。也就是說，企業賺得越狠，員工分得越多，某種程度上形成了一種“綁定式分紅”。

之所以會出現后來那種“人均數百萬人民幣”的計算，是因為一些韓國券商開始按照未來業績進行推演。

比如，多家機構預測，隨著 AI 服務器需求繼續爆發，SK 海力士未來兩年的營業利潤可能進一步創下歷史新高。如果繼續按照“利潤 10%分紅”的規則計算，在較為樂觀情況下，部分員工未來幾年累計獎金確實可能達到驚人的規模。

但要注意的是，這是建立在 AI 行情持續狂飆、HBM 長期供不應求的前提下，屬于資本市場的前瞻性測算，并不是已經到賬的現金。

但即便如此，SK 海力士今年已經實際發放出去的獎金，依然足夠讓三星員工眼紅。

據韓國媒體報道，SK 海力士在今年初向員工發放了大規模績效獎金，總額高達 4.72 萬億韓元（約合人民幣 212 億元），覆蓋約 3.5 萬名正式員工。折算下來，人均獎金已經達到 1.4 億韓元（約合人民幣 65 萬元）。而且獎金并非象征性發放，而是真正與部門利潤、個人績效和職級深度掛鉤，研發、HBM 生產等核心崗位拿得更多。

這一切，恰恰發生在三星員工對內部薪酬體系越來越不滿的時候。

所以這次罷工前，三星工會提出的一個關鍵要求，就是希望將公司年度營業利潤的 15%劃入員工獎金池，并且取消原本 50%的獎金上限。

這其實已經算是比較激進了。因為按照三星半導體業務的體量，如果 AI 行情繼續火爆，這意味著未來員工獎金可能會達到極其夸張的規模。

但最終，三星并沒有完全接受工會方案，而是做了一個折中。在韓國政府介入調停后，三星和工會在罷工開始前最后時刻達成了前文中提到的臨時協議，避免了原本計劃持續 18 天的大罷工。

長期關注半導體領域的投資人 Mike 向 InfoQ 表示，三星這場短暫的鬧劇結束后，透露出一個更危險的現實：整個 AI 產業，正在被極少數幾家 HBM 廠商“卡住脖子”，一旦這幾家中任何一家產能出現問題，全球存儲鏈條都將跟著繃緊，甚至陷入斷供危機。

HBM 為什么很重要？

目前全球 HBM 市場被 SK 海力士、三星和美光三家寡頭高度壟斷，截至 2025 年第二季度，SK 海力士占據了 62%的市場份額，這得益于其與英偉達達成的早期獨家供應協議，為其 H100 和 H200 系列芯片供應 HBM3E。

三星電子則擁有 17%的市場份額，并于 2025 年完成了 HBM3E 的驗證，開始量產。美光科技擁有 21%的市場份額，并已開始出貨 8 層和 12 層兩種配置的 12 層 HBM3E 芯片。

數據來源：科技創新情報 SaaS 服務商 PatSnap

Mike 表示：“這種極端的供應集中化，意味著任何微小的波動——無論是勞資糾紛、地緣政治制裁，還是技術良率爬坡受阻——都會像多米諾骨牌一樣傳導至下游。”

此外，市場對于 HBM 的需求急速增長。數據清晰地勾勒出了一場由 AI 大模型引發的“內存饑渴”。

根據 PatSnap 數據顯示，到 2026 年，AI/ML 的訓練與推理將獨吞全球超過 55%的 HBM 產能，成為絕對的主導力量。

這種瘋狂的吞噬源于算力架構的根本性變革：無論是英偉達 H200 還是 AMD MI350，這些支撐起現代 AI 大廈的引擎，其單顆芯片的數據吞吐口寬已達 4.8 至 8 TB/s，唯有 HBM 技術能在大批量生產中填補這道巨大的帶寬鴻溝。

除了 AI 這一核心驅動力外，高性能計算（HPC）占據了四分之一的市場份額，圖形與游戲貢獻約 12%，而自動駕駛、邊緣智能及未來的 6G 基建正作為新生力量，瓜分著剩下的 8%。

這種爆發式的依賴直接反映在資本估值上。2024 年，HBM 市場尚處于 293 億美元的起步階段，但預計將以 21.35%的年復合增長率狂飆突進，到 2033 年市場規模將逼近 1700 億美元大關。

Mike 表示，“這預示著，誰掌握了 HBM 的供應，誰就扼住了下一代數字經濟的咽喉，AI 競賽的前半程或許是英偉達們吃到了甜頭，但后半程，就是存儲廠商的天下了。”

那說到底，HBM 在 AI 時代為什么如此重要？

國內智能芯片廠芯片設計工程師林峰向 InfoQ 表示：“無論是英偉達的 GPU，還是 AMD、谷歌或亞馬遜的自研加速器，拼性能時已經不能靠簡單地堆算禮核了，是要看數據能否被數據‘喂’進去以及‘喂’進去多少。”

GPU 像一個超級發動機，但如果內存帶寬跟不上，GPU 就會大量空轉。尤其在萬億參數模型訓練中，GPU 需要以極高速度不斷讀取參數、激活值、中間緩存。傳統 DDR 內存距離太遠、帶寬太低、功耗太高，已經無法滿足需求。

HBM 的核心價值，就在于它通過 3D 堆疊，把多層 DRAM 芯片像“高樓”一樣垂直堆起來，再通過 TSV（硅通孔）技術實現超寬總線連接，所以它本身也是半導體行業里難度最高的工藝之一。

要搞清楚“如何把幾十億個晶體管、十幾層 DRAM，在極高良率下穩定堆疊，”實在不是一件容易事。

它同時考驗 DRAM 工藝能力、TSV 硅通孔技術、晶圓減薄、微凸點（Micro-bump）互聯、熱管理、信號完整性、先進封裝以及良率控制等能力上。

尤其越往 HBM3E、HBM4 走，堆疊層數越來越高，功耗和發熱問題會指數級上升。

目前，HBM 技術已經發展到了 HBM4 階段。據林峰介紹，按照 JEDEC 最新標準，HBM4 的接口寬度已經從上一代進一步提升到 2048 位，目標帶寬達到 1.5TB/s 到 2TB/s，相比 HBM3E 還要再次翻倍。而現在已經量產的 HBM3E，其實已經非常夸張了。

目前主流 HBM3E 單個堆棧的帶寬大約在 896GB/s 到 1.28TB/s 之間，16 層堆疊配置下容量最高可以做到 48GB，這已經成為 2026 年 AI 加速器的主流配置。

下一代 HBM4 則會繼續提高容量和帶寬，單堆棧容量目標是 64GB。但問題在于，當帶寬不斷翻倍后，系統內部的數據傳輸、熱量控制、信號穩定性都會進入一個全新的難度區間。

所以 HBM 演進背后，其實依賴的是一整套底層工程技術的持續突破。

林峰認為，目前 HBM 技術的演進，基本建立在四個核心技術支柱之上。

第一個是 TSV，也就是硅通孔技術（Through-Silicon Via）。它本質上是在芯片內部打出大量直徑只有 10 到 20 微米的微型通孔，通過這些垂直通道，把多層 DRAM 真正“立體連接”起來。這是 HBM 能夠實現高密度 3D 堆疊的基礎。

第二個非常關鍵的是混合鍵合（Hybrid Bonding）。過去傳統封裝主要依賴微凸塊（Micro-bump）連接，但隨著堆疊層數繼續增加，這種方式的熱阻和空間占用已經越來越難接受。

現在行業開始轉向銅-銅直接鍵合。根據一些已經公開的材料科學研究數據，混合鍵合可以把熱阻降低大約 22%到 47%，同時還能減少 15%以上的堆疊高度。

這對于 HBM 來說非常重要，因為 AI 芯片現在最大的挑戰之一就是散熱。

第三個難點，其實是信號完整性。HBM 的數據傳輸速度極高，一旦堆疊層數增加，信號衰減、串擾都會變得非常嚴重。所以行業里出現了很多新的信號優化方案，比如六相 RDQS 技術，還有偽通道（Pseudo Channel）架構。后者可以把有效通道數量從 8 個提升到 16 個，從而在更高帶寬下依然維持數據穩定性。

最后一個核心技術，就是先進封裝。現在 HBM 其實已經不是單純“內存芯片”的概念，而是整個 AI 芯片封裝體系的一部分。

行業目前大量采用的是 2.5D 硅中介層（Silicon Interposer）方案，通過亞 2 微米級別的超細布線，把 GPU 和 HBM 高速連接起來，從而在封裝層面實現 TB/s 級別的數據帶寬。也正因為這樣，HBM 真正考驗的，其實是一系列復雜的技術組合，包括存儲工藝、封裝、材料、熱管理、信號工程、EDA 協同優化等整條產業鏈的系統能力。

國產存儲巨頭搶灘 IPO

尤其是先進封裝環節，現在已經成為一個巨大瓶頸。比如臺積電的的 CoWoS 產能，這兩年幾乎被英偉達包圓。很多 AI 芯片即便設計完成，也因為等不到 HBM 和先進封裝而無法交付。

這也是為什么 HBM 市場很難突然冒出新玩家。這本來就不是一個“砸錢建廠”就能追上的產業。

臺積電等擁有先進封裝技術的企業經過幾十年 DRAM 工藝積累 + 超大資本投入 + 客戶驗證體系 + 良率經驗 + 封裝生態協同，才最終啃下了這塊市場，尤其英偉達對 HBM 驗證極其嚴苛，一個供應商從送樣到真正進入 GPU 供應鏈，往往需要多年時間。

這也導致全球 AI 產業正在形成一種危險局面：AI 看起來是軟件革命，但真正決定行業擴張速度的，反而是最底層、最傳統、最重資產的半導體制造能力。

把視野拉回到國內，如果全球 HBM 供應繼續被少數公司掌控，中國有沒有機會建立自己的 HBM 體系？林峰給出的答案是，這條路非常難。

因為 HBM 涉及到的尖端技術和材料，比如高端 DRAM 工藝、先進封裝生態、高端 EDA 工具，以及部分關鍵設備和材料，仍然高度依賴海外供應鏈。

但這并不意味著國產存儲廠商毫無機會，情況恰恰相反。AI 大模型的爆發，給國產產業鏈撕開了一道“時間窗口”。原因很簡單：全球 HBM 已經嚴重供不應求。

過去幾年，AI 服務器需求暴漲，而 HBM 擴產速度遠遠跟不上。大量 AI 芯片即便設計完成，也可能因為等不到 HBM 而無法交付。國際大廠優先滿足頭部客戶，這導致許多非核心客戶拿不到貨。

在這種背景下，只要供給持續緊張，下游客戶就一定會尋找第二、第三供應源。對于國產供應鏈而言，這是一個通過“國產替代”切入市場的絕佳契機——只要能在技術上邁出關鍵一步，龐大的國內市場足以支撐起一套自主的 HBM 體系生長。

林峰介紹稱，“國產 HBM 未來未必需要一開始就全面對標英偉達最頂級 GPU。更舒服的路徑可能是要先從一些相對可控的場景切入。比如適配國產 AI 芯片，應用到中低端 AI 訓練、推理場景以及特定行業服務器中。

這些市場雖然對性能有要求，但未必都需要全球最頂級 HBM 方案。某種程度上，這也是國產產業鏈最重要的一次機會。

資本自然也嗅到了這里面蘊含的巨大機遇。最近，兩家國產存儲巨頭長鑫科技和長江存儲相繼傳出 IPO 新進展。

過去很多年，國產半導體更受關注的是“設計公司”——誰做出更強的 AI 芯片、誰推出新的大模型、誰能挑戰英偉達。但現在，越來越多資本開始意識到：真正決定 AI 產業上限的，可能是更底層的存儲能力。因為 AI 時代對存儲的需求，已經進入爆炸式增長階段。

無論是大模型訓練、AI 服務器，還是自動駕駛、AI PC，本質上都需要海量高速存儲支撐。尤其 HBM、高端 DRAM 和企業級 NAND，如今幾乎成為 AI 基礎設施的核心資源。

過去幾年，很多 AI 芯片甚至不是算力不夠，而是“等不到內存”。HBM、DRAM、NAND 價格持續上漲，產業鏈開始重新評估存儲資源的重要性。這也是為什么，長鑫科技和長江存儲如今會被資本市場重新追捧。

所以我們可以暫且樂觀地認為，AI 時代下，全球存儲產業格局將迎來重新洗牌。

注：文中林峰、Mike 均為化名

https://www.reuters.com/business/world-at-work/samsung-elec-labour-union-fail-reach-pay-deal-strike-looms-2026-05-12/

https://www.koreatimes.co.kr/amp/business/companies/20260513/samsung-electronics-labor-talks-break-down-general-strike-looms

https://www.youtube.com/watch?v=sKDgrzsu1Js

https://www.patsnap.com/resources/blog/articles/hbm-technology-landscape-2026-market-and-ai-demand/

聲明：本文為 InfoQ 整理，不代表平臺觀點，未經許可禁止轉載。

會議推薦

企業級 Agent 落地，繞不開 4 個真實的工程問題。如何在 Agent 安全性和可用性之間找到平衡點？Agent 需要什么樣的記憶系統才能真正理解上下文？如何通過算法壓榨實現智力增量與成本控制的極致平衡？多 Agent 協作，如何做到可觀測、可治理、可控制？6 月 26-27 日，AICon 全球人工智能開發與應用大會·上海站國內頭部公司的 Agent 實踐，一次說透。

今日薦文

你也「在看」嗎？