简介这份PDF是太平洋证券2024年1月发布的算力系列深度研报聚焦AI服务器放量背景下HBM需求爆发及核心工艺变化带来的供给端增量适合半导体、算力产业链投研人员及关注存储技术演进的学习者参考。压缩包共1个PDF文件约1.43MB内容完整呈现HBM由多层DRAM die垂直堆叠、TSV与μbumps连接的技术原理并梳理HBM3E迭代、AI服务器出货增长与市场规模测算。报告还从SK海力士、三星、美光三大原厂格局出发分析CoWoS、TSV等工艺变化列出封测、设备、材料环节的配套厂商及国产替代机会并附风险提示。已有167人学习便于快速建立HBM产业链分析框架、提取关键数据与公司线索。1. 需求先于供给AI服务器把HBM推成了硬通货先看一组容易被忽略的对比2022年全球AI服务器出货量约86万台到2026年预计超过200万台年复合增速接近29%而同一时期单台AI服务器搭载的HBM平均容量从40GB向80GB、甚至110GB以上爬升。两个变量相乘才是HBM需求爆发的真实曲线——不是服务器卖得多而是每台机器里塞的HBM越来越多。按行业测算口径2025年HBM全球市场规模将触及150亿美元量级同比增速超过50%部分乐观测算甚至给到200亿美元以上。这条增长链的另一端是三大存储原厂产能被锁死、核心封装工艺从CoWoS到TSV全面吃紧。对从业者来说这不是一条“存储器涨价”的旧闻而是一次由算力架构变化引发的供应链位移谁卡在工艺节点上谁就拿到了定价权。2. 为什么是HBM带宽、功耗与面积的三重挤压2.1 GDDR撞上的不是性能墙是功耗墙上一代主流显卡显存走的是GDDR路线GPU核心周围平铺12颗到16颗显存芯片。这套方案在消费级市场跑了十几年但到了数据中心加速卡的功耗区间问题开始集中暴露。第一是面积GDDR芯片的物理尺寸已经很难继续缩小十几颗围着核心排布占掉大量PCB面积还要配套更大规模的电压调节模块板级设计的余量被一点点吃干净。第二是功耗平台需要在逻辑芯片和DRAM之间维持功耗平衡当GDDR进入功耗/性能曲线的低效区内存功耗的持续增长会直接压制GPU的性能释放——花在显存上的每一瓦都是从算力预算里扣的。HBM的解法是把平铺改成垂直堆叠。多层DRAM die通过TSV穿透硅通孔和微凸块逐层连接最底层die再通过中介层与GPU或CPU通信。同样的容量占用的平面面积大幅缩小互连距离缩短带来的直接结果是单位比特功耗下降、带宽抬升。这也是为什么从P100到V100、A100、H100再到新一代旗舰加速卡HBM几乎成了高性能GPU显存的默认选项——不是厂商偏爱新技术是GDDR那条路在数据中心场景里已经走不通了。从行业角度看这个切换点的意义在于存储不再是算力的附属配件而是决定了加速卡能不能把标称算力真正跑出来。带宽不够GPU利用率就打不满这个逻辑在推理场景里尤其明显。2.2 代际演进从128GB/s到8Gbps的十年把HBM的版本迭代摊开看能更清楚地理解为什么2024年是一个关键节点。版本推出节奏堆叠层数传输速度单堆栈容量典型带宽HBM12014年首秀4层—4GB128GB/sHBM22016年发布2018年铺开4层转8层2.4Gbps8GB256GB/sHBM2E2018年发布2020年落地8层3.6Gbps16GB显著提升HBM32020年发布2022年量产8层/12层6.4Gbps16GB最高819GB/sHBM3E2023年发布2024年量产8层/12层8Gbps16GB/24GB口径并存进一步抬升这张表里有两个细节值得留意。一是HBM3的传输速度标称6.4Gbps但聚合带宽最高可到819GB/s说明通道数和堆叠层数在同步增加单看传输速度会低估实际能力。二是HBM3E的容量口径在不同资料中存在16GB和24GB两种说法——前者对应较早的规格定义后者是率先量产版本的容量。这种口径差异在快速迭代的存储行业很常见做测算时如果只抓一个数字结果可能差出三成。代际切换的节奏也在加快HBM1到HBM2隔了两年HBM2E到HBM3又隔了两年但HBM3到HBM3E只隔了一年多。这个加速本身就是信号——下游需求在倒逼上游缩短研发周期。2.3 需求测算乘数效应比单变量更凶猛把需求拆成两个乘数逻辑会更清楚。第一个乘数是AI服务器出货量2022年86万台渗透率约占整体服务器的10%此后逐年抬升2026年突破200万台。第二个乘数是单机HBM平均容量从40GB起步向80GB、110GB逐级抬升新一代旗舰加速卡单卡HBM容量已经到141GB这个量级。两个乘数叠加HBM需求增量的增速远高于服务器出货增速。按行业测算2023年AI服务器HBM需求增量约2.6万GB·万台到2025年升至37万GB·万台量级年增速呈现翻倍甚至数倍的增长。反映到市场规模上2023年约90亿美元2024年可能到150亿美元上下2025年进一步冲向200亿美元区间。提示不同机构对2025年HBM市场规模的测算差异较大核心分歧在单价假设——有测算按25美元/GB有测算按30美元/GB以上。看这类报告时先看单价假设再看结论否则容易被增速数字带偏。这里有个反直觉的点HBM单价的走势并不是单边上涨。随着产能释放和良率爬坡单价从2023年的高位逐步回落是合理预期但因为容量增长太快市场规模依然保持高增速。换句话说量增抵消了价跌这个结构对上游原厂是好事对下游整机厂则是成本压力。3. 四个容易踩的误判别把HBM当成普通存储涨价3.1 误判一把HBM当成DRAM产能的简单平移最常见的误读是认为HBM需求爆发等于DRAM厂多开几条产线就行。实际情况是HBM的产能消耗远高于同等比特数的普通DRAM。原因在于TSV工艺每层die都要打孔、填铜、做背面露头工序长、良率低同样的晶圆面积产出的有效比特数明显少于标准DRAM。有行业经验的人会告诉你HBM的晶圆消耗量大约是同等容量普通DRAM的数倍这也是为什么三大原厂在扩产的同时普通DRAM的供给反而被挤压。怎么看这件事判断HBM供给不能只看原厂公布了多少产能规划要看TSV产线的实际爬坡速度和良率。产能数字是纸面的良率才是真实的。3.2 误判二只盯原厂扩产忽略封装环节的阀门第二个误判是把注意力全放在存储原厂身上。HBM不是一颗独立的芯片它要和GPU集成中间必须经过先进封装。当前主流的2.5D封装方案把DRAM die和GPU一同放在硅中介层上再连接到底层基板。这套工艺的产能不在存储厂手里而在代工厂和封测厂手里。从以往规律看先进封装产能的扩张周期比存储产线更长设备交付、产线调试、良率爬坡每一步都要时间。所以会出现一种错位存储原厂说HBM产能翻倍了但下游加速卡出货还是受限于封装。这个瓶颈在2024年尤其值得盯。3.3 误判三把单价回落直接读成毛利恶化HBM单价从高位回落很多人第一反应是原厂要过苦日子了。但放到整个生命周期里看单价回落往往伴随两个同步变化一是良率提升单位成本下降二是容量规格上移单颗价值量并未等比例缩水。真正的风险不在价格而在技术代际切换时的库存。如果一家原厂的HBM3库存还没消化完HBM3E就大规模量产了那才是真麻烦。所以看财报时与其盯单价不如盯产品结构里HBM3和HBM3E的占比变化。3.4 误判四把国产替代理解成全链条替代HBM产业链的国产化容易被简单化成“存储原厂替代”。实际上这条链分三层存储原厂的DRAM die制造和堆叠、封测厂的先进封装、设备与材料厂的TSV相关工艺配套。三层的技术门槛和验证周期完全不同。从行业角度看短期内更现实的机会在设备和材料端——TSV刻蚀、铜电镀、临时键合、CMP这些环节国产厂商已经在切入。封测端的CoWoS类方案也有布局但产能规模和国际头部代工厂差距明显。存储原厂层面HBM的堆叠良率和代际跟进还需要时间。把这三层混为一谈很容易高估短期进展、低估长期难度。4. 供给端真相三大原厂锁死份额工艺变化才是增量来源4.1 三足鼎立53%、38%、9%的格局与2024年扩产节奏HBM的供给高度集中。2023年按市场份额看韩系原厂约占53%综合半导体集团约占38%美系存储厂约占9%。这个格局的形成有历史原因韩系原厂最早与国际芯片设计公司合作推出首款HBM先发优势一直延续到HBM3E成为新一代旗舰加速卡的主要供应商综合半导体集团主要供应其他云端厂商美系存储厂份额最小但也在2024年初启动了HBM3E量产。2024年的扩产动作值得逐条看原厂2024年产能规划资本支出方向量产节点韩系原厂HBM产能目标翻倍TSV相关投资同比增加一倍以上HBM3E上半年量产综合半导体集团新封装线大规模生产HBM追加投资约7亿美元跟进扩产美系存储厂聚焦HBM量产资本支出75-80亿美元同比略高HBM3E年初量产还有一条容易被忽略的线索HBM2的产能正在被释放出来转产HBM3。从产能结构看2022年HBM2还占相当比例2023年HBM3占比快速提升到2024年HBM2E及其他老版本基本退出主流。这种“老产线转新产线”的做法能在不大量新增晶圆产能的前提下提升HBM供给但也意味着老版本的供应会快速收紧。4.2 TSV工艺拆解价值量到底分布在哪TSV是HBM实现容量和带宽扩展的核心。简单说就是在整个硅晶圆厚度上打孔在芯片正面和背面之间形成数千个垂直互连。多层DRAM die堆叠时只有最底部的die向外连接存储控制器其余die通过内部TSV互连。这套工艺的价值量分布可以按工序拆开看工序环节工艺内容价值占比特征硬掩膜CVD沉积掩膜层为刻蚀做准备中低衬底刻蚀形成深孔结构高铜阻挡层PVD沉积阻挡层与种子层中铜电镀深孔填充高铜CMP表面平坦化中背面通孔露出减薄并露出通孔高背面RDL重布线中临时键合/解键合支撑薄晶圆加工中高从这张表能看出刻蚀、电镀、背面露头三道工序的价值量最高对应的设备分别是刻蚀机、电镀设备和减薄/键合设备。这也解释了为什么设备端的受益逻辑比材料端更直接——工艺变化首先体现在设备采购上。# HBM市场规模敏感性测算单位亿美元 # 核心变量AI服务器出货量、单机HBM容量、单价 def hbm_market_size(server_shipment_wan, avg_capacity_gb, price_per_gb): server_shipment_wan: AI服务器出货量单位万台 avg_capacity_gb: 单机平均HBM容量单位GB price_per_gb: HBM平均单价单位美元/GB 返回市场规模单位亿美元 total_gb server_shipment_wan * 10000 * avg_capacity_gb # 总需求GB market_usd total_gb * price_per_gb # 总金额美元 return market_usd / 1e8 # 转亿美元 # 基准情形2025年出货190万台单机110GB单价25美元/GB base hbm_market_size(190, 110, 25) print(f基准情形市场规模{base:.1f} 亿美元) # 悲观情形出货不及预期单价下滑更快 bear hbm_market_size(160, 90, 22) print(f悲观情形市场规模{bear:.1f} 亿美元) # 乐观情形容量上移超预期 bull hbm_market_size(200, 130, 28) print(f乐观情形市场规模{bull:.1f} 亿美元)这段测算的逻辑很直白市场规模等于出货量乘以单机容量再乘以单价。三个变量里单机容量的弹性最大——从90GB到130GB变化幅度超过40%直接决定了乐观和悲观情形之间的差距。实际做判断时与其纠结出货量的小幅波动不如盯紧新一代加速卡的HBM容量规格那个数字才是真正的领先指标。4.3 CoWoS封装被低估的产能阀门HBM与GPU集成的主流方案是2.5D封装把DRAM die和GPU一同放在硅中介层上通过芯片-on-晶圆的制程连接至硅晶圆再把芯片与基板连接。这套方案的优点是缩短互连长度、实现更高速的数据传输缺点是产能高度集中在少数代工厂手里。这里的产能瓶颈有两层。第一层是中介层本身的产能硅中介层的尺寸越大单片晶圆能切出的数量越少第二层是封装良率HBM堆叠加上GPU集成任何一层出问题都会导致整颗芯片报废良率爬坡需要时间。从以往规律看每当加速卡换代、HBM容量大幅提升封装环节就会先紧一轮。2024年正处在这个节点上HBM3E量产、新一代加速卡放量、封装产能扩张滞后三个因素叠加供给端的紧张程度可能超出市场预期。这也是为什么封测环节的配套厂商在这轮周期里的受益确定性未必低于存储原厂本身。4.4 配套供应链的分层受益逻辑把HBM产业链按环节拆开受益节奏其实分先后封测环节最先感受到订单压力因为封装产能是当前最紧的阀门。国内几家封测厂在先进封装上有布局但产能规模和良率还需要时间验证短期更多是预期驱动。设备环节的确定性相对更高。TSV工艺涉及的刻蚀、电镀、减薄、键合设备采购周期长、验证门槛高一旦进入供应链就不容易被替换。国产设备商在刻蚀和薄膜沉积领域已经有切入混合键合等新工艺也在跟进。材料环节的弹性最大但节奏最慢。TSV相关的电镀液、临时键合胶、封装基板材料验证周期普遍在一年以上短期业绩贡献有限但一旦放量毛利率通常高于普通材料。注意HBM4的封装方式可能发生变化从当前的2.5D方案向更激进的3D堆叠演进。如果这个切换提前发生现有CoWoS路线的产能投资回报周期会被压缩配套供应链的受益逻辑也要重新评估。5. 接下来盯什么三个观察指标与一条经验教训趋势判断落到具体动作上其实就三件事。第一盯HBM3E的实际量产爬坡速度而不是产能规划数字。原厂公布的“产能翻倍”是纸面目标真正的供给增量取决于TSV产线的良率。如果2024年下半年HBM3E的供货仍然紧张说明工艺爬坡不及预期封装和设备的景气周期会被拉长。第二盯先进封装产能的扩张节奏。这是当前整条链上最紧的环节也是判断加速卡实际出货量的前置指标。封装产能释放得慢HBM就算生产出来也集成不到卡上需求传导会被打断。第三盯HBM4的封装路线变化。从2.5D向3D堆叠演进意味着TSV的层数和密度都要再上一个台阶设备端的资本开支会提前反应。这个信号一旦明确配套供应链的受益名单会重新洗牌。观察指标领先性判断依据HBM3E量产良率高原厂季度出货指引与客户认证进度先进封装产能利用率高代工厂资本开支与设备交付周期HBM4封装路线中行业标准组织规格讨论与设备商订单结构单机HBM容量规格高新一代加速卡产品参数发布我自己在这类周期里踩过一次坑。早年看存储行情习惯性盯着价格曲线做判断结果一轮代际切换下来价格还没动封装产能先紧了等反应过来配套环节的窗口已经关了一半。从那以后我每次看这类报告都强制先翻到供给端那几页把工艺变化和产能瓶颈单独列一张表再回头看需求测算——顺序反过来结论往往更靠谱。这份关于HBM与AI服务器算力链的资料把需求测算、供给格局、工艺拆解和配套供应链分层都整理在了一起适合拿来做案头参考。如果你也在跟这条链值得存一份对照着看。希望帮到你。本文还有配套的精品资源点击获取
简介这份PDF是太平洋证券2024年1月发布的算力系列深度研报聚焦AI服务器放量背景下HBM需求爆发及核心工艺变化带来的供给端增量适合半导体、算力产业链投研人员及关注存储技术演进的学习者参考。压缩包共1个PDF文件约1.43MB内容完整呈现HBM由多层DRAM die垂直堆叠、TSV与μbumps连接的技术原理并梳理HBM3E迭代、AI服务器出货增长与市场规模测算。报告还从SK海力士、三星、美光三大原厂格局出发分析CoWoS、TSV等工艺变化列出封测、设备、材料环节的配套厂商及国产替代机会并附风险提示。已有167人学习便于快速建立HBM产业链分析框架、提取关键数据与公司线索。1. 需求先于供给AI服务器把HBM推成了硬通货先看一组容易被忽略的对比2022年全球AI服务器出货量约86万台到2026年预计超过200万台年复合增速接近29%而同一时期单台AI服务器搭载的HBM平均容量从40GB向80GB、甚至110GB以上爬升。两个变量相乘才是HBM需求爆发的真实曲线——不是服务器卖得多而是每台机器里塞的HBM越来越多。按行业测算口径2025年HBM全球市场规模将触及150亿美元量级同比增速超过50%部分乐观测算甚至给到200亿美元以上。这条增长链的另一端是三大存储原厂产能被锁死、核心封装工艺从CoWoS到TSV全面吃紧。对从业者来说这不是一条“存储器涨价”的旧闻而是一次由算力架构变化引发的供应链位移谁卡在工艺节点上谁就拿到了定价权。2. 为什么是HBM带宽、功耗与面积的三重挤压2.1 GDDR撞上的不是性能墙是功耗墙上一代主流显卡显存走的是GDDR路线GPU核心周围平铺12颗到16颗显存芯片。这套方案在消费级市场跑了十几年但到了数据中心加速卡的功耗区间问题开始集中暴露。第一是面积GDDR芯片的物理尺寸已经很难继续缩小十几颗围着核心排布占掉大量PCB面积还要配套更大规模的电压调节模块板级设计的余量被一点点吃干净。第二是功耗平台需要在逻辑芯片和DRAM之间维持功耗平衡当GDDR进入功耗/性能曲线的低效区内存功耗的持续增长会直接压制GPU的性能释放——花在显存上的每一瓦都是从算力预算里扣的。HBM的解法是把平铺改成垂直堆叠。多层DRAM die通过TSV穿透硅通孔和微凸块逐层连接最底层die再通过中介层与GPU或CPU通信。同样的容量占用的平面面积大幅缩小互连距离缩短带来的直接结果是单位比特功耗下降、带宽抬升。这也是为什么从P100到V100、A100、H100再到新一代旗舰加速卡HBM几乎成了高性能GPU显存的默认选项——不是厂商偏爱新技术是GDDR那条路在数据中心场景里已经走不通了。从行业角度看这个切换点的意义在于存储不再是算力的附属配件而是决定了加速卡能不能把标称算力真正跑出来。带宽不够GPU利用率就打不满这个逻辑在推理场景里尤其明显。2.2 代际演进从128GB/s到8Gbps的十年把HBM的版本迭代摊开看能更清楚地理解为什么2024年是一个关键节点。版本推出节奏堆叠层数传输速度单堆栈容量典型带宽HBM12014年首秀4层—4GB128GB/sHBM22016年发布2018年铺开4层转8层2.4Gbps8GB256GB/sHBM2E2018年发布2020年落地8层3.6Gbps16GB显著提升HBM32020年发布2022年量产8层/12层6.4Gbps16GB最高819GB/sHBM3E2023年发布2024年量产8层/12层8Gbps16GB/24GB口径并存进一步抬升这张表里有两个细节值得留意。一是HBM3的传输速度标称6.4Gbps但聚合带宽最高可到819GB/s说明通道数和堆叠层数在同步增加单看传输速度会低估实际能力。二是HBM3E的容量口径在不同资料中存在16GB和24GB两种说法——前者对应较早的规格定义后者是率先量产版本的容量。这种口径差异在快速迭代的存储行业很常见做测算时如果只抓一个数字结果可能差出三成。代际切换的节奏也在加快HBM1到HBM2隔了两年HBM2E到HBM3又隔了两年但HBM3到HBM3E只隔了一年多。这个加速本身就是信号——下游需求在倒逼上游缩短研发周期。2.3 需求测算乘数效应比单变量更凶猛把需求拆成两个乘数逻辑会更清楚。第一个乘数是AI服务器出货量2022年86万台渗透率约占整体服务器的10%此后逐年抬升2026年突破200万台。第二个乘数是单机HBM平均容量从40GB起步向80GB、110GB逐级抬升新一代旗舰加速卡单卡HBM容量已经到141GB这个量级。两个乘数叠加HBM需求增量的增速远高于服务器出货增速。按行业测算2023年AI服务器HBM需求增量约2.6万GB·万台到2025年升至37万GB·万台量级年增速呈现翻倍甚至数倍的增长。反映到市场规模上2023年约90亿美元2024年可能到150亿美元上下2025年进一步冲向200亿美元区间。提示不同机构对2025年HBM市场规模的测算差异较大核心分歧在单价假设——有测算按25美元/GB有测算按30美元/GB以上。看这类报告时先看单价假设再看结论否则容易被增速数字带偏。这里有个反直觉的点HBM单价的走势并不是单边上涨。随着产能释放和良率爬坡单价从2023年的高位逐步回落是合理预期但因为容量增长太快市场规模依然保持高增速。换句话说量增抵消了价跌这个结构对上游原厂是好事对下游整机厂则是成本压力。3. 四个容易踩的误判别把HBM当成普通存储涨价3.1 误判一把HBM当成DRAM产能的简单平移最常见的误读是认为HBM需求爆发等于DRAM厂多开几条产线就行。实际情况是HBM的产能消耗远高于同等比特数的普通DRAM。原因在于TSV工艺每层die都要打孔、填铜、做背面露头工序长、良率低同样的晶圆面积产出的有效比特数明显少于标准DRAM。有行业经验的人会告诉你HBM的晶圆消耗量大约是同等容量普通DRAM的数倍这也是为什么三大原厂在扩产的同时普通DRAM的供给反而被挤压。怎么看这件事判断HBM供给不能只看原厂公布了多少产能规划要看TSV产线的实际爬坡速度和良率。产能数字是纸面的良率才是真实的。3.2 误判二只盯原厂扩产忽略封装环节的阀门第二个误判是把注意力全放在存储原厂身上。HBM不是一颗独立的芯片它要和GPU集成中间必须经过先进封装。当前主流的2.5D封装方案把DRAM die和GPU一同放在硅中介层上再连接到底层基板。这套工艺的产能不在存储厂手里而在代工厂和封测厂手里。从以往规律看先进封装产能的扩张周期比存储产线更长设备交付、产线调试、良率爬坡每一步都要时间。所以会出现一种错位存储原厂说HBM产能翻倍了但下游加速卡出货还是受限于封装。这个瓶颈在2024年尤其值得盯。3.3 误判三把单价回落直接读成毛利恶化HBM单价从高位回落很多人第一反应是原厂要过苦日子了。但放到整个生命周期里看单价回落往往伴随两个同步变化一是良率提升单位成本下降二是容量规格上移单颗价值量并未等比例缩水。真正的风险不在价格而在技术代际切换时的库存。如果一家原厂的HBM3库存还没消化完HBM3E就大规模量产了那才是真麻烦。所以看财报时与其盯单价不如盯产品结构里HBM3和HBM3E的占比变化。3.4 误判四把国产替代理解成全链条替代HBM产业链的国产化容易被简单化成“存储原厂替代”。实际上这条链分三层存储原厂的DRAM die制造和堆叠、封测厂的先进封装、设备与材料厂的TSV相关工艺配套。三层的技术门槛和验证周期完全不同。从行业角度看短期内更现实的机会在设备和材料端——TSV刻蚀、铜电镀、临时键合、CMP这些环节国产厂商已经在切入。封测端的CoWoS类方案也有布局但产能规模和国际头部代工厂差距明显。存储原厂层面HBM的堆叠良率和代际跟进还需要时间。把这三层混为一谈很容易高估短期进展、低估长期难度。4. 供给端真相三大原厂锁死份额工艺变化才是增量来源4.1 三足鼎立53%、38%、9%的格局与2024年扩产节奏HBM的供给高度集中。2023年按市场份额看韩系原厂约占53%综合半导体集团约占38%美系存储厂约占9%。这个格局的形成有历史原因韩系原厂最早与国际芯片设计公司合作推出首款HBM先发优势一直延续到HBM3E成为新一代旗舰加速卡的主要供应商综合半导体集团主要供应其他云端厂商美系存储厂份额最小但也在2024年初启动了HBM3E量产。2024年的扩产动作值得逐条看原厂2024年产能规划资本支出方向量产节点韩系原厂HBM产能目标翻倍TSV相关投资同比增加一倍以上HBM3E上半年量产综合半导体集团新封装线大规模生产HBM追加投资约7亿美元跟进扩产美系存储厂聚焦HBM量产资本支出75-80亿美元同比略高HBM3E年初量产还有一条容易被忽略的线索HBM2的产能正在被释放出来转产HBM3。从产能结构看2022年HBM2还占相当比例2023年HBM3占比快速提升到2024年HBM2E及其他老版本基本退出主流。这种“老产线转新产线”的做法能在不大量新增晶圆产能的前提下提升HBM供给但也意味着老版本的供应会快速收紧。4.2 TSV工艺拆解价值量到底分布在哪TSV是HBM实现容量和带宽扩展的核心。简单说就是在整个硅晶圆厚度上打孔在芯片正面和背面之间形成数千个垂直互连。多层DRAM die堆叠时只有最底部的die向外连接存储控制器其余die通过内部TSV互连。这套工艺的价值量分布可以按工序拆开看工序环节工艺内容价值占比特征硬掩膜CVD沉积掩膜层为刻蚀做准备中低衬底刻蚀形成深孔结构高铜阻挡层PVD沉积阻挡层与种子层中铜电镀深孔填充高铜CMP表面平坦化中背面通孔露出减薄并露出通孔高背面RDL重布线中临时键合/解键合支撑薄晶圆加工中高从这张表能看出刻蚀、电镀、背面露头三道工序的价值量最高对应的设备分别是刻蚀机、电镀设备和减薄/键合设备。这也解释了为什么设备端的受益逻辑比材料端更直接——工艺变化首先体现在设备采购上。# HBM市场规模敏感性测算单位亿美元 # 核心变量AI服务器出货量、单机HBM容量、单价 def hbm_market_size(server_shipment_wan, avg_capacity_gb, price_per_gb): server_shipment_wan: AI服务器出货量单位万台 avg_capacity_gb: 单机平均HBM容量单位GB price_per_gb: HBM平均单价单位美元/GB 返回市场规模单位亿美元 total_gb server_shipment_wan * 10000 * avg_capacity_gb # 总需求GB market_usd total_gb * price_per_gb # 总金额美元 return market_usd / 1e8 # 转亿美元 # 基准情形2025年出货190万台单机110GB单价25美元/GB base hbm_market_size(190, 110, 25) print(f基准情形市场规模{base:.1f} 亿美元) # 悲观情形出货不及预期单价下滑更快 bear hbm_market_size(160, 90, 22) print(f悲观情形市场规模{bear:.1f} 亿美元) # 乐观情形容量上移超预期 bull hbm_market_size(200, 130, 28) print(f乐观情形市场规模{bull:.1f} 亿美元)这段测算的逻辑很直白市场规模等于出货量乘以单机容量再乘以单价。三个变量里单机容量的弹性最大——从90GB到130GB变化幅度超过40%直接决定了乐观和悲观情形之间的差距。实际做判断时与其纠结出货量的小幅波动不如盯紧新一代加速卡的HBM容量规格那个数字才是真正的领先指标。4.3 CoWoS封装被低估的产能阀门HBM与GPU集成的主流方案是2.5D封装把DRAM die和GPU一同放在硅中介层上通过芯片-on-晶圆的制程连接至硅晶圆再把芯片与基板连接。这套方案的优点是缩短互连长度、实现更高速的数据传输缺点是产能高度集中在少数代工厂手里。这里的产能瓶颈有两层。第一层是中介层本身的产能硅中介层的尺寸越大单片晶圆能切出的数量越少第二层是封装良率HBM堆叠加上GPU集成任何一层出问题都会导致整颗芯片报废良率爬坡需要时间。从以往规律看每当加速卡换代、HBM容量大幅提升封装环节就会先紧一轮。2024年正处在这个节点上HBM3E量产、新一代加速卡放量、封装产能扩张滞后三个因素叠加供给端的紧张程度可能超出市场预期。这也是为什么封测环节的配套厂商在这轮周期里的受益确定性未必低于存储原厂本身。4.4 配套供应链的分层受益逻辑把HBM产业链按环节拆开受益节奏其实分先后封测环节最先感受到订单压力因为封装产能是当前最紧的阀门。国内几家封测厂在先进封装上有布局但产能规模和良率还需要时间验证短期更多是预期驱动。设备环节的确定性相对更高。TSV工艺涉及的刻蚀、电镀、减薄、键合设备采购周期长、验证门槛高一旦进入供应链就不容易被替换。国产设备商在刻蚀和薄膜沉积领域已经有切入混合键合等新工艺也在跟进。材料环节的弹性最大但节奏最慢。TSV相关的电镀液、临时键合胶、封装基板材料验证周期普遍在一年以上短期业绩贡献有限但一旦放量毛利率通常高于普通材料。注意HBM4的封装方式可能发生变化从当前的2.5D方案向更激进的3D堆叠演进。如果这个切换提前发生现有CoWoS路线的产能投资回报周期会被压缩配套供应链的受益逻辑也要重新评估。5. 接下来盯什么三个观察指标与一条经验教训趋势判断落到具体动作上其实就三件事。第一盯HBM3E的实际量产爬坡速度而不是产能规划数字。原厂公布的“产能翻倍”是纸面目标真正的供给增量取决于TSV产线的良率。如果2024年下半年HBM3E的供货仍然紧张说明工艺爬坡不及预期封装和设备的景气周期会被拉长。第二盯先进封装产能的扩张节奏。这是当前整条链上最紧的环节也是判断加速卡实际出货量的前置指标。封装产能释放得慢HBM就算生产出来也集成不到卡上需求传导会被打断。第三盯HBM4的封装路线变化。从2.5D向3D堆叠演进意味着TSV的层数和密度都要再上一个台阶设备端的资本开支会提前反应。这个信号一旦明确配套供应链的受益名单会重新洗牌。观察指标领先性判断依据HBM3E量产良率高原厂季度出货指引与客户认证进度先进封装产能利用率高代工厂资本开支与设备交付周期HBM4封装路线中行业标准组织规格讨论与设备商订单结构单机HBM容量规格高新一代加速卡产品参数发布我自己在这类周期里踩过一次坑。早年看存储行情习惯性盯着价格曲线做判断结果一轮代际切换下来价格还没动封装产能先紧了等反应过来配套环节的窗口已经关了一半。从那以后我每次看这类报告都强制先翻到供给端那几页把工艺变化和产能瓶颈单独列一张表再回头看需求测算——顺序反过来结论往往更靠谱。这份关于HBM与AI服务器算力链的资料把需求测算、供给格局、工艺拆解和配套供应链分层都整理在了一起适合拿来做案头参考。如果你也在跟这条链值得存一份对照着看。希望帮到你。本文还有配套的精品资源点击获取
