AI大模型爆发拉动HBM需求：高端产品供不应求时间或长于预期

随着人工智能技术的飞速发展，特别是大模型的不断涌现，对高性能计算资源的需求急剧增加。高带宽存储器（HBM）作为一种先进的存储技术，因其在数据传输速率和存储容量上的显著优势，成为支撑AI大模型训练和推理的关键组件。本文将深入探讨AI大模型爆发对HBM需求的拉动作用，以及HBM市场当前的供需状况和未来发展趋势。

1. AI大模型对HBM需求的显著拉动

AI大模型的训练和推理需要处理海量的数据，这对存储器的带宽和容量提出了极高的要求。HBM作为一种3D堆叠存储技术，通过硅通孔（TSV）和微凸点技术实现了高密度的存储单元集成，提供了远超传统存储器的带宽和容量。根据华兴证券的预测，2024-2025年，AI直接拉动的HBM需求量或将达到14.0亿/23.6亿吉字节（GB）。这一需求的增长主要得益于AI服务器存储容量的不断提升，以及英伟达、AMD等主流GPU厂商对HBM的广泛应用。

以英伟达的H100 GPU为例，其采用了HBM2E和HBM3存储器，单颗GPU中的HBM存储总容量从H100的120GB提升到H200的240GB，存储容量的提升直接拉动了对HBM的需求。此外，随着AI模型规模的不断扩大，如Liama2 13B、GPT-3 175B等，对存储器的带宽和容量要求也在不断提高，进一步推动了HBM市场的发展。

2. HBM市场的供需现状与未来趋势

尽管市场需求强劲，但HBM的供给却面临着一定的挑战。2024-2025年，SK海力士、美光和三星电子三家合计的HBM供应量仅为10.1亿/20.1亿GB，远低于市场需求。展望2026-2027年，尽管三家公司预计HBM供给将增加到34.1亿/49.1亿GB，但需求量也有望增长到39.7亿/51.6亿GB，市场仍处于供不应求的状态。

在供给端，SK海力士、美光和三星电子是HBM市场的三大主要供应商。SK海力士在HBM3E时代享有工艺和产能优势，其采用的先进MR-MUF工艺有助于产品出货和产能爬坡。然而，进入16层HBM4及HBM5时代，美光和三星电子有望加快争夺高端HBM市场份额。美光凭借其“跳程”战略，跳过HBM3直接发力HBM3E，并在2024年第一季度通过英伟达测试，显示出其在高端HBM市场的竞争力。三星电子则坚持采用混合键合方案开发HBM4产品，尽管前期成本较高，但在工艺良率和客户验证方面存在一定优势。

在需求端，AI芯片的出货量持续增长，特别是英伟达、AMD及云服务大厂的AI芯片出货，对HBM的需求拉动作用显著。根据TrendForce的预测，2024-2027年，台积电CoWoS产能将不断扩张，英伟达和AMD等厂商的GPU出货量也将相应增加，这将进一步推动HBM需求的增长。

3. HBM技术的演进与挑战

HBM技术的不断演进是满足AI大模型需求的关键。从HBM2到HBM3，再到未来的HBM4和HBM5，HBM的带宽和容量不断提升。HBM4作为HBM3的进化版本，将内存堆栈接口从1024位扩展至2048位，DRAM裸片的堆栈层数有望达16层，这将进一步提高数据处理速率和带宽，降低功耗和堆栈容量。

然而，HBM技术的演进也面临着诸多挑战。首先，TSV制备、凸点制备及堆栈键合等关键环节的工艺难度较高，直接影响HBM的良率和供应能力。例如，三星电子的HBM3E产品因发热和功耗问题尚未通过英伟达测试，美光在HBM3E供货方面也出现了良率问题。其次，混合键合技术虽然在散热和信号传输方面具有优势，但其设备投资成本较高，且需要兼容Cu-Cu与SiO2-SiO2两类材料之间的键合，技术实现难度较大。

为了应对这些挑战，各大厂商正在积极投入研发资源。SK海力士继续采用MR-MUF技术研发HBM4产品，并与台积电合作优化HBM产品和CoWoS技术的融合。美光则储备了下一代HBM内存HBMnext技术，预计提供36GB和64GB容量，带宽超过1.5TB/s。三星电子也在混合键合技术上积极投入，计划在2025年制造HBM4样品，并于2026年进行量产。

总结

AI大模型的爆发对HBM需求产生了显著拉动作用，市场对高端HBM产品的需求持续增长。尽管SK海力士、美光和三星电子等主要供应商在不断扩产和技术升级，但未来几年HBM市场仍将处于供不应求的状态。HBM技术的不断演进是满足AI大模型需求的关键，但同时也面临着工艺难度和设备投资等挑战。各大厂商正在积极应对这些挑战，通过技术创新和产能扩张，努力提升HBM的供应能力和市场竞争力。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）