企业官网建设流程全解析

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。

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：

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：

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。

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