今天分享的是AI算力系列深度研究报告：《AI算力专题：AI服务器催化HBM需求爆发，核心工艺变化带来供给端增量》。

（报告出品方：太平洋证券）

报告共计：26页

HBM即高带宽存储器，应用场景集中在服务器GPU显存

• HBM（HighBandwidthMemory）即高带宽存储器，用于GPU与CPU之间的高速数据传输，主要应用场景集中在数 据中心高性能服务器的GPU显存，小部分应用于CPU内存芯片。HBM同样为3D结构，由多层DRAMdie垂直堆叠，每 层die通过TSV（Through Silicon Via）穿透硅通孔+μbumps技术实现与逻辑die连接，再通过中阶层与 GPU/CPU/SoC连接，使得4层、8层、12层等数量die封装于小体积空间中。

HBM经多次处理速度迭代，现至HBM3的扩展版本HBM3E

• HBM经多次处理速度迭代，现至HBM3的扩展版本HBM3E，助力服务器推理性能提升。 HBM1最早于2014年由AMD与SK海力士共同推出，作为GDDR竞品，为4层die堆叠，提供 128GB/s带宽，4GB内存，显著优于同期GDDR5。HBM2于2016年发布，2018年正式推出 ，为4层DRAMdie，现在多为8层die，提供256GB/s带宽，2.4Gbps传输速度，和8GB内 存；HBM2E于2018年发布，于2020年正式提出，在传输速度和内存等方面均有较大提 升，提供3.6Gbps传输速度，和16GB内存。HBM3于2020年发布，2022年正式推出，堆 叠层数及管理通道数均有增加，提供6.4Gbps传输速度，传输速度最高可达819GB/s， 和16GB内存HBM3E由SK海力士发布HBM3的增强版，提供高达8Gbps的传输速度，24GB容 量，计划于2024年大规模量产。

HBM助力AI服务器向更高带宽、容量升级

• 目前主流显卡使用的显存为GDDR5，但在应用中仍存在痛点：

1）消耗大量PCB面积：GPU核心周围分布12/16颗 GDDR5芯片，而GDDR芯片尺寸无法继续缩小，占据更大空间，同时也需要更大的电压调节模块，

2）GDDR5的功 耗提升达到了对GPU性能提升产生负面影响的拐点：由于平台和设备需要在逻辑芯片与DRAM之间的实现功耗平 衡，而当前GDDR进入功能/性能曲线的低效区，不断增长的内存功耗在未来会阻碍GPU性能提升。

需求端：HBM广泛应用于AI服务器，市场主流服务器匀已采用HBM方案

• HBM因其高带宽、低功耗、小体积等特性，广泛应用于AI服务器场景中。HBM的应用主要集中在高性能服务器 ，最早落地于2016年的NVP100GPU（HBM2）中，后于2017年应用在V100（HBM2）、于2020年应用在A100（HBM2 ）、于2022年应用在H100（HBM2e/HBM3），最新一代HBM3e搭载于英伟达2023年发布的H200，为服务器提供更 快速度及更高容量。

需求端： AI服务器出货量增长催化HBM需求爆发，市场规模高速增长

• AI服务器出货量增长催化HBM需求爆发，经测算，HBM 2025年市场规模将超过150亿美元，增速超50%。全球服务器增虽长较为稳健，但随着大数据模型训练需求AI服务器出货量呈爆发式增长，2022年AI服务器出货量86万 台，渗透率不断提升，AI服务器在整体服务器占比10%左右，预计2026年AI服务器出货量将超过200万台，预计年复合增速29%。同时，主流AI服务器HBM容量需求从40GB向80GB、141GB升级，带动平均HBM容量提升。我们测 算，2025年HBM全球市场规模将达到150亿美元，同比增速68%。

供给端：三大存储原厂占据主要市场份额

• HBM供给厂商主要聚集在SK海力士、三星、美光三大厂，SK海力士领跑。三大存储原厂主要承担DRAMDie的生 产及堆叠，展开技术升级竞赛，其中SK海力士与AMD合作发布全球首款HBM，23年率先供应新一代HBM3E，先发 奠定市场地位，主要供应英伟达，三星供应其他云端厂商，根据TrendForce数据，2022年SK海力士市占率50% 、三星市占率40%、美光市占率10%左右，2023年SK海力士市占率预计为53%，三星市占率38%、美光市占率9%。

报告共计：26页