HBM技术战略意义 - HBM核心技术对AI高端芯片、算力供应链及生态具有战略意义[1] - 突破下一代HBM技术将在AI芯片竞争中占据制高点[2] - 对AI大模型前沿突破及低成本大规模部署应用起关键作用[2] 中国HBM国产替代进展 - 中国与领先企业技术代差从8年缩短至4年[3][14] - 2024年提前量产HBM2并跳过HBM2E[4] - HBM3样品已于6月交付客户，年底完成量产验证[4][14] - 计划2027年量产HBM3E，实现一年一代技术迭代[4][14] - 长鑫存储HBM2已于2024年上半年量产[13] - 年底TSV产能将接近美光水平[13] - 每晶圆位密度差距从2023年1.87倍缩至2024年1.63倍[15] 全球HBM技术竞争格局 - SK海力士、三星和美光长期垄断HBM市场[3] - 欧美AI芯片已全面进入HBM3E时代[9] - SK海力士HBM4已发货，下半年量产[9] - 三巨头正迈向HBM4技术[5][20] - 英伟达自研HBM基础裸片，预计2027年量产[5][35] - HBM4将于2026年成为下一代数据中心和AI芯片首选标准[24] 技术性能需求增长 - 从H100到GB200，HBM容量增长2.4倍，带宽增长2.6倍[6] - 模型参数和上下文长度增长更快，存储压力持续增加[6] - HBM在AI芯片材料清单成本占比超过一半[33] - HBM容量从A100的80GB飙升至Rubin Ultra的1024GB[33] 国产化挑战与瓶颈 - 半导体设备国有化率仅约20%[21] - EUV光刻成为HBM3突破关键卡脖子环节[21] - 海外客户基本不会采用国产HBM，英伟达占全球HBM客户65%[23] - 定制化趋势带来更高技术门槛与商业壁垒[25] 技术替代方案发展 - KV缓存卸载技术可减轻HBM压力[28] - 英伟达Dynamo框架实现KV分级存储于HBM/DDR/NVMe[30] - 华为UCM技术实现推理速度提升3倍，延迟降低50%[32] - 英伟达3D堆叠架构使单位算力带宽增加50倍，每比特功耗降低10倍[43] 未来技术演进方向 - HBM4将引领架构融合化创新[5][24] - 定制化基底裸片取代通用裸片成为主流趋势[24][25] - HBM5瞄准2029年上市，重点突破3D近存技术[44] - 英伟达专利实现垂直集成架构和分区化组织[41]