《電子行業：AI推動HBM需求強勁增長-230926（15頁）.pdf》由會員分享，可在線閱讀，更多相關《電子行業：AI推動HBM需求強勁增長-230926（15頁）.pdf（15頁珍藏版）》請在三個皮匠報告上搜索。

1、 AI 推動推動 HBM 需求強勁增長需求強勁增長 相關研究：相關研究：1.蘋果舉辦新品發布會，iPhone 15系列實現重要升級 2023.09.14 2.上半年銷量增長72%，折疊屏手機保持高景氣2023.08.25 3.世界機器人大會舉辦，人形機器人產業快速發展 2023.08.24 行業評級：增持行業評級：增持 近十二個月行業表現近十二個月行業表現%1 個月 3 個月 12 個月 相對收益 4.03-4.04-14.12 絕對收益 3.21-8.47-18.35 注：相對收益與滬深 300 相比 分析師分析師：李杰 證書編號：證書編號：S0500521070001 Tel：(8621)

2、50293525 Email： 地址：地址：上海市浦東新區銀城路88號中國人壽金融中心10樓 核心要點：核心要點：HBMHBM 有效解決了有效解決了內存瓶頸內存瓶頸問題問題，為當前滿足為當前滿足 AIAI 需求的最佳方案需求的最佳方案 在馮諾依曼計算機體系結構中，存在著“內存墻”和“功耗墻”問題，由于傳統顯存 GDDR5 面臨著帶寬低、功耗高等瓶頸，2013 年，SK 海力士與 AMD 聯合開發了全球首款 HBM 產品。憑借 TSV 和 2.5D封裝技術，HBM 實現了普通存儲 8.5 倍的帶寬，有效解決了內存墻問題。HBM3 的核心電壓只有 1.1V，大幅低于 GDDR6 的 1.3V，HB

3、M 通過優化電路結構和供電電壓，實現了更低的功耗，有效解決了“功耗墻”問題。HBM 為當前滿足 AI 需求的最佳方案，被所有主流 AI 芯片采用，包括 A100、H100、AMD MI300、TPU 等 AI 芯片。龍頭廠商不斷推新龍頭廠商不斷推新，HBMHBM 不斷迭代優化不斷迭代優化 近年來，SK 海力士、三星、美光競相推出 HBM 新品，以滿足 AI的蓬勃需求。SK 海力士于 2022 年率先量產 HBM3，三星將于今年下半年大規模量產 HBM3，SK 海力士今年下半年已經送樣新一代 HBM 產品HBM3e，預計明年三星、美光均將推出 HBM3e。在供應商的推動下，HBM 誕生至今已迭代

4、至第五代，產品性能不斷提升，HBM3e 的帶寬已達到 HBM2 的四倍。生成式生成式 AIAI 蓬勃發展蓬勃發展，推動推動 HBMHBM 需求強勁增長需求強勁增長 去年 11 月，Chatgpt 發布，隨后生成式人工智能實現了爆發式發展，國內外大廠爭相競逐 AI 大模型，大模型訓練的過程數據吞吐量很大，HBM 是目前唯一滿足 AI 高性能計算要求的量產存儲方案。生成式 AI 的蓬勃發展推動 HBM 需求強勁增長，三星公司表示，今年收到的 HBM 訂單同比增長一倍以上。Omdia 預測 2023 年和 2024 年的 HBM 需求量將同比增長 100%以上。2025 年以后，在 AI 訓練需求和

5、 AI 推理需求的推動下，HBM 的需求將繼續快速增長，SK 海力士公司預測，在 2027 年之前，HBM 市場將以 82%的復合增長率保持增長。投資建議投資建議 在 Chatgpt 發布后，生成式 AI 實現了爆發式發展，HBM 是目前唯一滿足 AI 高性能計算要求的量產存儲方案，其需求將強勁增長，Omdia預測 2023 年和 2024 年的 HBM 需求量將同比增長 100%以上。2025 年以后，在 AI 訓練需求和 AI 推理需求的推動下，HBM 的需求將繼續快速增長，SK 海力士公司預測，在 2027 年之前，HBM 市場將以 82%的復合增長率保持增長。國內公司在 HBM 上游材

6、料領域擁有多項產品，我們建議關注 HBM 上游材料環節相關公司，給予 HBM 行業“增持”評級。風險提示風險提示 生成式 AI 應用不及預期；生成式 AI 技術進展不及預期；HBM 競爭格局惡化；HBM 擴產超預期。-30.00%-20.00%-10.00%0.00%10.00%20.00%22-0922-1022-1122-1223-0123-0223-0323-0423-0523-0623-0723-08半導體材料(申萬)滬深300證券研究報告證券研究報告 2023 年年 9 月月 26 日日 湘財證券研究所湘財證券研究所 行業研究行業研究 電子行業深度電子行業深度 敬請閱讀末頁之重要聲明

7、 2 行業研究 敬請閱讀末頁之重要聲明 正文目錄 1 HBM 為當前滿足 AI 需求的最佳方案.4 1.1 HBM 有效解決了“內存墻”和“功耗墻”問題.4 1.2 TSV 和 2.5D 封裝賦予 HBM 卓越性能.6 1.3 HBM 已迭代至第五代.8 2 AI 推動 HBM 需求強勁增長.10 2.1 AI 發展推動 HBM 放量.10 2.2 HBM3 市占率有望大幅增加.11 3 HBM 顆粒寡頭壟斷，國內廠商發力上游.12 3.1 龍頭廠商競相開發新品.12 3.2 國內廠商主要從事上游材料領域.13 4 投資建議.14 5 風險提示.14 TVjWrUuWbWmUtVoM9PaO7

8、NoMoOnPtQiNmMzQkPoMrO7NrQrQwMtOnMNZsRvM 3 行業研究 敬請閱讀末頁之重要聲明 圖目錄 圖 1 博通 StrataDNX Jericho2 交換機解決方案.4 圖 2 NEC SX-Aurora TSUBASA 結構圖.4 圖 3 20 年間不同處理器與存儲性能變化統計圖.5 圖 4 數據中心運營成本結構.6 圖 5 數據中心能耗成本結構.6 圖 6 HBM 的結構.6 圖 7 TSV 工藝.7 圖 8 2.5D 封裝與 3D 封裝示意圖.8 圖 9 JEDEC DRAM 分類.9 圖 10 不同版本 HBM I/O 速度.10 圖 11 搭載 HBM 的

9、二三代 TPU.11 圖 12 各大廠商 HBM 開發進度.12 圖 13 不同 HBM 市占率變化預測.13 圖 14 主要供應商市占率變化預測.13 圖 15 HBM 產業鏈.13 表目錄 表 1 HBM 與其它存儲參數對照表.7 4 行業研究 敬請閱讀末頁之重要聲明 1 HBM 為當前滿足為當前滿足 AI 需求需求的最佳方案的最佳方案 1.1 HBM 有效有效解決解決了“了“內存墻內存墻”和“功耗墻”和“功耗墻”問題問題 HBM（High Bandwidth Memory）中文名叫高帶寬存儲器，是 AMD 和 SK Hynix 聯合推出的基于 3D 堆疊技術的同步動態隨機存取存儲器（SD

10、RAM），適用于高帶寬需求的應用場合，應用于高性能 GPU、網絡交換及轉發設備（如路由器、交換器）、高性能數據中心 AI ASIC 和 FPGA，以及一些超級計算機處理器中（如 NEC SX-Aurora TSUBASA 和富士通 A64FX）。第一款 HBM 芯片由 SK Hynix 在 2013 年生產，2015 年 AMD 首次研發了使用 HBM 的 GPU芯片。圖圖 1 博通博通 StrataDNX Jericho2 交換機解決方案交換機解決方案 圖圖 2 NEC SX-Aurora TSUBASA 結構圖結構圖 資料來源：博通，湘財證券研究所 資料來源：github，湘財證券研究所

11、HBM 的誕生主要是為了解決“內存墻”問題。大部分計算機、服務器都遵循馮諾依曼結構，馮諾依曼結構由五個部分組成：輸入設備、存儲器、輸出設備、運算器、控制器，其工作原理可以分為五個步驟：取指令、解碼指令、執行指令、訪問存儲器和寫回結果。中央處理器（CPU）通過指令從內存中讀取數據，并完成計算，再將數據返回內存保存，因此，CPU 訪問存儲器的速度就成了影響系統運行的重要因素。由于半導體產業的發展和需求的差異，處理器和存儲器二者之間走向了不同的工藝路線，由于處理器與存儲器的工藝、封裝、需求的不同，從 1980 年開始至今二者之間的性能差距越來越大。近 20 年間，運算芯片的算力提高了 90000 倍

12、，提升非?？?。雖然存儲器從DDR 發展到 GDDR6x，能夠用于顯卡、游戲終端和高性能運算，接口標準也從 PCIe1.0a 升級到 NVLink3.0，但是通訊帶寬的增長只有 30 倍，和算力相比提高幅度非常緩慢。存儲器帶寬的不足嚴重限制了運算設備性能的提升，在一 5 行業研究 敬請閱讀末頁之重要聲明 些特殊使用場景中（尤其是 AI 計算領域），處理器經常需要等待內存的數據回傳，超高的延時嚴重拖慢了運算設備整體的運行效率，內存帶寬逐漸成為限制計算機發展的關鍵。圖圖 3 20 年間不同處理器與存儲性能變化統計圖年間不同處理器與存儲性能變化統計圖 資料來源：AI and Memory Wall，湘

13、財證券研究所 與此同時，過高的信息交換量也帶來了嚴重的功耗問題。在馮 諾依曼計算機體系結構中，CPU 和內存之間通過總線分離連接，且存儲器本身不具備數據處理能力，大規模的數據傳輸需要 CPU 與存儲器通過數據總線進行頻繁的數據交換，傳輸過程消耗的功耗要比計算本身的功耗更大，稱為“功耗墻”?！肮膲Α睅砹顺杀締栴}，數據中心運營成本中電力成本占到 56.70%，而電力成本中 67.29%來自于 IT 負荷，HBM 的低功耗優勢有利于降低數據中心能源成本。由于傳統顯存 GDDR5 面臨著帶寬低、功耗高等瓶頸，2013 年，SK 海力士與 AMD 聯合開發了全球首款 HBM 產品。HBM 通過立體堆

14、疊技術制造完成，這些堆疊的芯片通過稱為“中介層(Interposer)”的超快速互聯方式，連接至 GPU，實現了普通存儲 8.5 倍的帶寬，有效解決了內存墻問題。HBM3 的核心電壓只有 1.1V，大幅低于 GDDR6 的 1.3V，HBM 存儲芯片通過優化電路結構和供電電壓，實現了更低的功耗。R9 290X 在 DRAM 上花費了其 250W額定功耗的 15-20%，即大約 38-50W 的功耗，算下來 GDDR5 每瓦功耗的帶寬為 10.66GB/秒，而 HBM 每瓦帶寬超過 35GB/秒，每瓦能效提高了 3 倍以上。6 行業研究 敬請閱讀末頁之重要聲明 圖圖 4 數據中心運營成本結構數據

15、中心運營成本結構 圖圖 5 數據中心能耗成本結構數據中心能耗成本結構 資料來源：立鼎產業研究網，Bloomberg，湘財證券研究所 資料來源：數據中心能耗分析及節能策略研究，湘財證券研究所 1.2 TSV 和和 2.5D 封裝賦予封裝賦予 HBM 卓越性能卓越性能 立體堆疊讓 HBM 成為當前主流存儲技術中數據位寬最寬、數據吞吐帶寬最大、面積最小的技術。HBM 通過 TSV 技術打造立體堆棧式的顯存顆粒，讓“平房”進化為“樓房”，同時通過硅中介層，讓顯存連接至 GPU 核心，并封裝在一起，完成顯存位寬和傳輸速度的提升。TSV（Through-Silicon Via）中文名為硅通孔技術，TSV

16、提供了硅片內部垂直方向的電互連，作為唯一的垂直 圖圖 6 HBM 的結構的結構 資料來源：AMD，湘財證券研究所 電力成本,56.70%折舊,25.60%房租,7.70%人工費,3.70%設備租賃,3.40%其他,3.10%IT負荷67.26%制冷系統17.04%輔助3.00%消防0.50%損耗12.20%7 行業研究 敬請閱讀末頁之重要聲明 電互連技術，TSV 是半導體先進封裝最核心的技術之一。硅作為一種半導體材料，既沒有很好的導電性也沒有很好的絕緣性。要在硅片上實現垂直的電互連，一般需要在上面制作微孔，通過在微孔中填充導電材料來實現電互聯。硅通孔技術（TSV）就是指在晶圓片上打孔，在孔中填

17、充導電材料實現芯片之間、芯片與外部之間互聯的技術。核心關鍵步驟從通孔的形成開始，然后沉積絕緣層或阻擋層，接著生成銅晶種沉積，最后進行電鍍。圖圖 7 TSV 工藝工藝 資料來源：艾邦半導體網，湘財證券研究所 HBM將多個DRAM die堆疊在一起，每個die之間通過TVS和microbump方式連接。除了堆疊的 DRAM die 以外，下層會有個 HBM 控制器邏輯 die，最下層通過 base die(比如說硅中介 silicon interposer)，來與 CPU/GPU 等互聯。其互聯寬度遠大于 DDR/GDDR，下方互聯的觸點數量遠遠多于 DDR 內存連接到 CPU 的線路數量。從傳輸

18、位寬的角度來看，每層 DRAM die 有 2 個 128bit通道，4 層 DRAM die 高度的 HBM 內存總共就是 1024bit 位寬。作為對比，一個 GDDR6 顆粒有兩個通道，每通道位寬 16bit，總位寬就是 32bit。最新的HBM3 的帶寬最高可以達到 819 GB/s，而最新的 GDDR6 的帶寬最高只有96GB/s。表 1 HBM 與其它存儲參數對照表與其它存儲參數對照表 參數 LPDDR4x LPDDR5 DDR4 DDR5 GDDR6 HBM2E HBM3 帶寬(Gbps)低-中(136)中(204)中(200)高(409)高(512)最高(3686)最高(655

19、3)速率(Gbps)4.266 6.4 3.2 6.4 16 3.6 6.4 顆粒/組合位寬(bits)32 32 64/+8 ECC 64/+16 ECC 32 1024 1024 8 行業研究 敬請閱讀末頁之重要聲明 板級面積/系統設計難度 大/適中 中/適中 大/簡單 大/適中 中/適中 小/復雜 小/復雜 能耗比(mW/Gbps)高(4)高(3)適中(10)適中(5)適中(10)高(2)最高(1)使用總成本 適中 適中 低 適中 適中 高 高 可靠性/良率 高 高 高 高 高 中 中 資料來源：Rambus，芯耀輝，芯世相，湘財證券研究所 HBM 的應用了節省了器件面積。HBM 將多個

20、 DRAM die 堆疊在一起，節省了占用面積，根據 AMD 的數據，1GB HBM 相比于 GDDR 5 可以節省94%的占用面積。HBM 通過 2.5D 封裝工藝，和 GPU 封裝在一起，而 GDDR則位于 GPU 外的 PCB 上，這也節省了面積占用，進而允許在系統中安裝更多 GPU。在 2.5D 封裝中，裸片堆疊或并排放置在具有硅通孔（TSV）的中介層頂部，其底座，即硅中介層(Silicon Interposer)，可提供芯片之間的互聯。2.5D封裝和 3D IC 封裝的互連方式有所不同。2.5D 封裝是通過 TSV 轉換板連接芯片，而 3D IC 封裝是將多個芯片垂直堆疊在一起，并通

21、過直接鍵合技術實現芯片間的互連。在 2.5D 結構中，兩個或多個有源半導體芯片并排放置在硅中介層上，以實現極高的芯片到芯片互連密度。在 3D 結構中，有源芯片通過芯片堆疊集成，以實現最短的互連和最小的封裝尺寸。圖圖 8 2.5D 封裝與封裝與 3D 封裝示意圖封裝示意圖 資料來源：Semiconductor Engineering，湘財證券研究所 1.3 HBM 已迭代至第五代已迭代至第五代 JEDEC（國際半導體器件標準機構）定義了三類 DRAM 標準，按照不同的應用場景劃分，把 DRAM 分成標準 DDR、LPDDR、GDDR 三類，其中 DDR主要應用于服務器和 PC 端，LPDDR 主

22、要應用于手機端和消費電子，GDDR 9 行業研究 敬請閱讀末頁之重要聲明 的主要應用領域為圖像處理領域。目前從它們發展情況，三者雖然存在一定的競爭，但是更多是互為借鑒成長。圖圖 9 JEDEC DRAM 分類分類 資料來源：Semiconductor Engineering，湘財證券研究所 2013 年，隨著高帶寬內存(HBM)的推出，其中堆疊的 DRAM 芯片通過硅通孔(TSV)相互連接，改進了邏輯芯片和內存之間的數據傳輸效率，使得DRAM 的帶寬大幅增加。HBM誕生至今已經迭代了五代產品，HBM1的帶寬高于DDR4和GDDR5產品，同時以較小的外形尺寸消耗較低的功率，更能滿足 GPU、TP

23、U 等帶寬需求較高的處理器。三星跳過 HBM1，于 2016 年率先推出 HBM 2，SK 海力士的產品 HBM 2 于 2018 年發布，其中一項關鍵的改進是偽通道模式(Pseudo Channel mode)，該模式將一個通道(channel)分為兩個單獨的 64 位(bit)I/O 子通道，偽通道模式可優化內存訪問并降低延遲，從而提高有效帶寬。HBM2E于 2020 年發布，是 HBM2 的擴展版本，距離 HBM2 的發布大約兩年的時間。與 HBM2 相比，HBM2E 具有技術更先進、應用范圍更廣泛、速度更快、容量更大等特點。SK 海力士是首家開始批量生產 HBM2E 的存儲器供應商。S

24、K 海力士在 2021 年 10 月開發出全球首款 HBM3，持續鞏固其市場領先地位。HBM3 的容量是 HBM2E 的 1.5 倍，由 12 個 DRAM 芯片堆疊成，適用于 AI、HPC 等容量密集型應用。8 月 21 日，SK 海力士宣布，公司開發出面向 AI 的超高性能 DRAM 新產品 HBM3E，并開始向客戶提供樣品進行性能驗證。據介紹，SK 海力士將從明年上半年開始投入 HBM3E 量產。此次產品在速度方面，最高每秒可以處理 1.15TB（太字節）的數據，其相當于在 1 秒內可處理230 部全高清級電影。10 行業研究 敬請閱讀末頁之重要聲明 圖圖 10 不同版本不同版本 HBM

25、 I/O 速度速度 資料來源：Rambus/SK Hynix，Semiconductor Engineering，湘財證券研究所 2 AI 推動推動 HBM 需求需求強勁增長強勁增長 2.1 AI 發展推動發展推動 HBM 放量放量 2016 年，AlphaGo 擊敗冠軍棋手李世石，深度學習受到追捧，深度學習的核心在于通過海量數據訓練模型，確定函數中的參數，在決策中帶入實際數據得到最終的解，理論上來說，數據量越大得到的函數參數越可靠，這就讓 AI訓練對數據吞吐量及數據傳輸的延遲性有了很高的要求，而這恰恰是 HBM 內存解決的問題，HBM 因此獲得重視。2017 年，AlphaGo 再戰柯潔，芯

26、片換成了 Google 自家研發的 TPU。在芯片設計上，從第二代開始的每一代 TPU，都采用了 HBM。英偉達針對數據中心和深度學習的新款 GPU Tesla P100，也搭載了第二代 HBM 內存（HBM2）。隨著高性能計算市場的 GPU 芯片幾乎都配備了 HBM 內存，存儲巨頭們圍繞 HBM 的競爭也迅速展開。去年 11 月，Chatgpt 發布，隨后生成式人工智能實現了爆發式發展，國內外大廠爭相競逐 AI 大模型，大模型訓練的過程數據吞吐量很大，HBM 通過增加帶寬和減少功耗有效解決了“內存墻”和“功耗墻”問題，是目前唯一滿足 AI 高性能計算要求的量產存儲方案，因而 HBM 成為了

27、AI 訓練芯片的標配。目前主流的大模型訓練芯片 A100、H100 均應用了 HBM，與 H100 直接競爭的谷歌 TPU v5 和 AMD MI300 即將量產，后兩者同樣將采用 HBM，AWS的 Trainium 和 Inferentia 也應用了 HBM，并且，Google 與 AWS 正著手研發新一代 AI 加速芯片，將采用 HBM3 或 HBM3e。11 行業研究 敬請閱讀末頁之重要聲明 圖圖 11 搭載搭載 HBM 的二三代的二三代 TPU 資料來源：The Next Platform，湘財證券研究所 目前，多家廠商競相訓練大模型，催生了大量需求，三星公司表示，今年收到的 HBM

28、訂單同比增長一倍以上。根據金融時報的報道，2023 年英偉達將出貨 55 萬片 H100，2024 年將出貨 150-200 萬片 H100，Omdia 預測 2023年和 2024 年的 HBM 需求量將同比增長 100%以上。2025 年以后，在 AI 訓練需求和 AI 推理需求的推動下，HBM 的需求將繼續快速增長，SK 海力士公司預測，在 2027 年之前，HBM 市場將以 82%的復合增長率保持增長。2.2 HBM3 市占率有望大幅增加市占率有望大幅增加 2023 年 AI 需求的強勁增長導致客戶超額下單，即便廠家擴大產能仍無法完全滿足客戶需求。展望 2024 年，集邦咨詢認為，基于

29、各廠家積極擴產的策略，HBM 供需比有望獲改善，預計將從 2023 年的-2.4%，轉為 0.6%。長期來看，每一代 HBM 產品的平均銷售單價都會逐年下降，因為 HBM為高毛利產品，其平均單價遠高于其他類型的 DRAM 產品，廠家期望用小幅讓價的策略，去拉抬客戶的需求量，因此 2023 年 HBM2e 和 HBM2 的價格均出現下跌。受到 AI 的強勁需求的推動，今年 HBM3 的價格上漲了 60%以上，2024 年 HBM3 價格預計將與 2023 年持平。集邦咨詢表示，2023 年主流需求自 HBM2e 轉往 HBM3，需求比重預計分別為 50%及 39%。2024 年市場需求將大幅轉往

30、 HBM3，HBM3 比重預計達 60%。由于 HBM3 平均銷售單價遠高于 HBM2e 與 HBM2，因此將助力原廠 HBM 領域營收增長，有望進一步帶動 2024 年整體 HBM 營收至 89 億美元，同比增長 127%。12 行業研究 敬請閱讀末頁之重要聲明 3 HBMHBM 顆粒顆粒寡頭壟斷，國內廠商發力上游寡頭壟斷，國內廠商發力上游 3.1 龍頭廠商競相開發新品龍頭廠商競相開發新品 目前，全球主要有三家存儲廠商生產 HBM 產品，其中，SK 海力士處于領先位置，SK 海力士早在 2022 年 6 月就已量產 HBM3，但是三星卻要到今年下半年才能大規模量產 HBM3，SK 海力士是英

31、偉達 GPU 的主要供應商，三星則主要滿足其他云計算廠商。由于客戶不斷加單，今年，三星與 SK 海力士的市占率差距會大幅縮小，20232024 年兩家公司的市占率將會基本相當，合計達到約95%的市占率。美光早期選擇了HMC路線，2018年才轉向HBM，因此較為落后，美光在 2020 年才推出 HBM2，目前選擇跳過 HBM3，直接開發 HBM3e，相較兩家韓廠大幅擴產的規劃，預期 20232024 年美光的市占率會受到擠壓而大幅下滑。圖圖 12 各大廠商各大廠商 HBM 開發進度開發進度 資料來源：集邦咨詢，湘財證券研究所 根據集邦咨詢的數據，2023-2024 年，三星與 SK 海力士均在

32、46%-49%之間。美光的市占率將不斷下滑，至 2024 年，將下降至 3%-5%。13 行業研究 敬請閱讀末頁之重要聲明 圖圖 13 不同不同 HBM 市占率變化預測市占率變化預測 圖圖 14 主要供應商市占率變化預測主要供應商市占率變化預測 資料來源：集邦咨詢，湘財證券研究所 資料來源：集邦咨詢，湘財證券研究所 3.2 國內廠商主要從事上游材料領域國內廠商主要從事上游材料領域 HBM 產業鏈主要由 IP、上游材料、晶粒設計制造、晶片制造、封裝與測試等五大環節組成。DRAM 晶粒供應鏈主要廠商為三星、海力士與美光，芯片制造與封裝廠商主要為擁有 CoWoS 技術的臺積電、I-Cube 技術的三

33、星、EMIB 技術的英特爾等擁有 2.5D/3D 封裝技術的 Foundry/IDM 廠商，測試領域則由傳統封裝測試廠商如日月光、Amkor 等占據。在 IP 環節，除 AMD 與賽靈思等 IC 設計廠商外，包括新思科技、益華計算機、Rambus 與臺灣創意等 IP 廠商都提供 HBM IP 解決方案，全球最大 IP 廠商 Arm 尚未提供相關解決方案。國內廠商則主要處于上游材料領域，雅克科技為 SK 海力士 HBM 產品供應前驅體材料，華海誠科的自主研發的 GMC 材料進入送樣階段，聯瑞新材擁有生產 GMC 材料需要的 low-球硅/球鋁產品。圖圖 15 HBM 產業鏈產業鏈 資料來源：Di

34、gitimes，湘財證券研究所 8%39%60%70%50%25%22%11%15%0%20%40%60%80%100%20222023E2024EHBM3HBM2eOthers 14 行業研究 敬請閱讀末頁之重要聲明 雅克科技雅克科技：雅克科技成立于 1997 年，前身為宜興雅克化工有限公司，公司原為中國有機磷系阻燃劑龍頭，通過外延并購，進軍半導體材料行業。當下公司已形成以電子材料為主，液化天然氣(LNG)保溫絕熱材料為輔的業務結構。雅克科技于 2016 年收購韓國 UP Chemical 公司，切入前驅體業務，目前，UP Chemical 為 SK 海力士 HBM 前驅體核心供應商。華海誠

35、科華海誠科：華海誠科自主研發的 GMC（顆粒狀環氧塑封料）已經通過廣東佛智芯公司產品驗證，目前進入送樣階段，成為突破 GMC 的 A 股唯一上市公司。GMC 是 HBM 的上游封裝材料，因為 HBM 的疊層厚度很高，普通的封裝材料難以滿足，所以必須要用 GMC 進行封裝。聯瑞新材聯瑞新材：公司前身為 1984 年設立的江蘇省東海硅微粉廠，是隸屬于東?？h浦南鎮人民政府的鄉鎮集體企業，至 2002 年變更登記為李長之為投資人的個人獨資企業，公司深耕硅微粉行業已 40 年。目前，公司的主要產品包括結晶硅微粉、熔融硅微粉、球形硅微粉、氧化鋁粉/針狀粉，其中 low-球硅和low-球鋁是 GMC 的添加

36、料。4 投資建議投資建議 在 Chatgpt 發布后，生成式 AI 實現了爆發式發展，HBM 是目前唯一滿足 AI 高性能計算要求的量產存儲方案，其需求將強勁增長，Omdia 預測 2023年和 2024 年的 HBM 需求量將同比增長 100%以上。2025 年以后，在 AI 訓練需求和 AI 推理需求的推動下，HBM 的需求將繼續快速增長，SK 海力士公司預測，在 2027 年之前，HBM 市場將以 82%的復合增長率保持增長。國內公司在 HBM 上游材料領域擁有多項產品，我們建議關注 HBM 上游材料環節相關公司，給予 HBM 行業“增持”評級。5 風險提示風險提示 生成式 AI 應用不

37、及預期；生成式 AI 技術進展不及預期；HBM 競爭格局惡化；HBM 擴產超預期。敬請閱讀末頁之重要聲明 湘財證券投資評級體系（市場比較基準為滬深湘財證券投資評級體系（市場比較基準為滬深 300 指數）指數）買入：買入：未來 6-12 個月的投資收益率領先市場基準指數 15%以上；增持：增持：未來 6-12 個月的投資收益率領先市場基準指數 5%至 15%；中性：中性：未來 6-12 個月的投資收益率與市場基準指數的變動幅度相差-5%至 5%；減持：減持：未來 6-12 個月的投資收益率落后市場基準指數 5%以上；賣出：賣出：未來 6-12 個月的投資收益率落后市場基準指數 15%以上。重要聲

38、明重要聲明 湘財證券股份有限公司經中國證券監督管理委員會核準，取得證券投資咨詢業務許可。本研究報告僅供湘財證券股份有限公司的客戶使用。本公司不會因接收人收到本報告而視其為客戶。本報告由湘財證券股份有限公司研究所編寫，以合法地獲得盡可能可靠、準確、完整的信息為基礎，但對上述信息的來源、準確性及完整性不作任何保證。湘財證券研究所將隨時補充、修訂或更新有關信息，但未必發布。在任何情況下，報告中的信息或所表達的意見僅供參考，并不構成所述證券買賣的出價或征價，投資者應自主作出投資決策并自行承擔投資風險，任何形式的分享證券投資收益或者分擔證券投資損失書面或口頭承諾均為無效。本公司及其關聯機構、雇員對使用本

39、報告及其內容所引發的任何直接或間接損失概不負責。投資者應明白并理解投資證券及投資產品的目的和當中的風險。在決定投資前，如有需要，投資者務必向專業人士咨詢并謹慎抉擇。在法律允許的情況下，我公司的關聯機構可能會持有報告中涉及的公司所發行的證券并進行交易，并可能為這些公司正在提供或爭取提供多種金融服務。本報告版權僅為湘財證券股份有限公司所有。未經本公司事先書面許可，任何機構和個人不得以任何形式翻版、復制、發布、轉發或引用本報告的任何部分。如征得本公司同意進行引用、刊發的，需在允許的范圍內使用，并注明出處為“湘財證券研究所”，且不得對本報告進行任何有悖原意的引用、刪節和修改。如未經本公司授權，私自轉載或者轉發本報告，所引起的一切后果及法律責任由私自轉載或轉發者承擔。本公司并保留追究其法律責任的權利。分析師聲明分析師聲明 本人具有中國證券業協會授予的證券投資咨詢執業資格并注冊為證券分析師，以獨立誠信、謹慎客觀、勤勉盡職、公正公平準則出具本報告。本報告準確清晰地反映了本人的研究觀點。本人不曾因，不因，也將不會因本報告中的具體推薦意見或觀點而直接或間接收到任何形式的補償。