《電子行業存儲專題三：AI時代核心存力HBM-240528（19頁）.pdf》由會員分享，可在線閱讀，更多相關《電子行業存儲專題三：AI時代核心存力HBM-240528（19頁）.pdf（19頁珍藏版）》請在三個皮匠報告上搜索。

1、敬請參閱最后一頁特別聲明 1 行業觀點 HBMHBM 是是 AIAI時代的時代的必需品必需品。HBM 解決了傳統 GDDR 遇到的“內存墻”問題，采用了存算一體的近存計算架構，通過中間介質層緊湊快速地連接信號處理器芯片，極大節省了數據傳輸的時間與耗能，HBM 采用堆棧技術較傳統 GDDR 節省較大空間占用。在應對未來云端 AI 的多用戶，高吞吐，低延遲，高密度部署需求，計算單位劇增使 I/O 瓶頸愈加嚴重，使用 GDDR 解決代價成本越來越高，HBM使得帶寬不再受制于芯片引腳的互連數量，在一定程度上解決了 I/O瓶頸。綜合來看，高帶寬、低功耗、高效傳輸等性能使其成為高算力芯片的首選。HBMHB

2、M 核心技術在于硅通孔技術（核心技術在于硅通孔技術（TSVTSV）和堆疊鍵合技術）和堆疊鍵合技術，對封裝技術對封裝技術和散熱材料和散熱材料提高提高需求需求。HBM 通過 SIP 和 TSV 技術將數個DRAM裸片垂直堆疊，在 DRAM晶片上打數千個細微的孔，通過垂直貫通的電極連接上下芯片的技術，可顯著提升數據傳輸速度。同時，SK 海力士采用 MR-MUF鍵合工藝，在芯片之間用液態環氧模塑料作為填充材料，實現了更低的鍵合應力和更優的散熱性能，TSV+堆疊鍵合工藝成為當前 HBM 的理想方案，但隨著堆疊層數增加，散熱要求進一步增加，混合鍵合有望成為下一代 HBM4 選擇的方案。但無論何種方案，HB

3、M 對 EMC 提出分散性和散熱性要求，EMC 和填料價值量將大幅提升。2323 年年全球全球 HBMHBM 產值產值約約 43.643.6 億美元，億美元，20242024 年有望翻年有望翻 4 4 倍達到倍達到 169169 億美元億美元。由于 HBM售價高昂、獲利高，進而導致較高資金投入，同時，HBM較 DDR5 同制程與同容量尺寸大 35-45%、良率則比起 DDR5低約 20-30%；生產周期也較 DDR5 多 1.5-2個月，受益于 AI需求強勁，GPU廠商提前鎖單 HBM產能，推動三大原廠持續積極擴產。根據集邦咨詢數據，截至 2023 年底，行業內整體 DRAM 產業規劃生產 H

4、BM TSV 的產能約為 250K/m，占總 DRAM 產能（約 1,800K/m）約 14%，供給位元年成長約 260%。2023 年 HBM 產值占 DRAM 整體約 8.4%，約 43.56 億美元，預估至 2024 年底將達 169.14 億美元，占 DRAM 產值約 20.1%。投資邏輯 方向一：方向一：核心關注國內與核心關注國內與 HBMHBM 上下游相關上下游相關產業鏈廠商產業鏈廠商。我們認為 23 年是 AI 訓練的元年，24 年將是 AI 推理的元年，主要歸因于海外有望持續推出包括 Sora 在內的 AI 應用產品，疊加國內國央企發力 AI 應用，這將有力帶動 AI 推理的需

5、求。芯片領域，我們認為算力和存儲是兩個率先受益的領域，特別是在當前國產化大趨勢下，算力和存儲將決定未來十年 AI 勝負的關鍵，國產 HBM 未來有較大的需求空間，國內與 HBM 相關產業鏈的公司有望加速發展。方向二：方向二：HBMHBM 對對 DRAMDRAM 先進制程造成排擠效應，有望推動主流先進制程造成排擠效應，有望推動主流 DRAMDRAM 持續漲價，重點關注存儲模組持續漲價，重點關注存儲模組。歸因于三個方面：1）三大原廠繼存儲器合約價翻揚后，開始加大先進制程的投片，產能提升將集中在 24 年下半年；2）受益于 AIPC、AI 手機和服務器持續升級，預期今年 DDR5、LPDDR5(X)

6、滲透率增加至 50%，將消耗更多 DRAM 先進制程產能；3）由于 HBM3e 出貨將集中在今年下半年，期間同屬存儲器需求旺季，DDR5與 LPDDR5(X)市場預期需求也將看增，但受到 2023 年虧損壓力影響，原廠產能擴張計劃也較謹慎。在各家優先排產 HBM情況下，有望導致 DRAM產能緊張，重點建議關注受益于主流存儲漲價邏輯的存儲模組公司以及相關的存儲封測和材料公司。方向三：方向三：存儲大廠存儲大廠產能轉向產能轉向 DDR5/HBMDDR5/HBM，有望加速退出利基存儲市場，將為國內利基型存儲芯片廠商帶來發展機會，有望加速退出利基存儲市場，將為國內利基型存儲芯片廠商帶來發展機會。由于三大

7、廠商加大投入 HBM與主流 DDR5 規格內存，有望減少供應 DDR3等利基型 DRAM 的供應，而隨著終端需求復蘇，利基市場有望迎來短期的產能緊缺，價格有望迎來上揚，核心建議關注國內利基存儲廠商。投資建議 持續看好 HBM 相關產業鏈公司，和受益于存儲器漲價的模組及利基存儲芯片公司，重點關注香農芯創、聯瑞新材、通富微電、兆易創新、江波龍等。風險提示 產能擴產不及預期、AI 發展不及預期、技術提升不及預期等。行業深度研究 敬請參閱最后一頁特別聲明 2 內容目錄內容目錄 一、HBM 是什么？.4 1.1 HBM 是 AI 時代的必需品.4 1.2 NVIDIA 和 AMD 依靠 HBM 持續提升

8、 GPU 性能.6 二、HBM 對半導體產業鏈的影響.8 2.1 HBM 的核心工藝在于硅通孔技術（TSV）和堆疊鍵合技術.8 2.2 HBM 對散熱材料 EMC 提出分散性和散熱性要求.10 三、HBM 的供需及空間市場情況.11 3.1 SK 海力士持續領先，三星和美光加緊追趕.11 3.2 預計 2024 年 HBM 產值將翻 4 倍，達到 169 億美元.14 3.3 投資建議.15 風險提示.17 圖表目錄圖表目錄 圖表 1：HBM 通過硅中介層和 TSV 來運行.4 圖表 2：傳統打線與 TSV 穿孔區別.4 圖表 3：GDDR 與 HBM 結構分布.5 圖表 4：GDDR 與 H

9、BM 占用空間對比.5 圖表 5：HBM 架構詳解.5 圖表 6：HBM3 在 NVIDIA Hopper 架構的應用.5 圖表 7：GDDR 與 HBM 性能對比.6 圖表 8：不同內存類型之間 DRAM 容量和帶寬的差異.6 圖表 9：HBM 在 GPU 中搭配.6 圖表 10：HBM 與 GPU 集成在一起.6 圖表 11：NVIDIA 不同 GPU 型號搭載 HBM 情況.7 圖表 12：AMD 不同 GPU 型號搭載 HBM 情況.7 圖表 13：隨著搭載 HBM 容量提升 GPU 效能倍數提升.8 圖表 14：H200 較 H100 在大模型領域性能提升情況.8 圖表 15：NVI

10、DIA 和 AMD AI 芯片發展歷程及 HBM 規格比較.8 圖表 16：HBM 通過 TSV 技術內部連接情況.9 圖表 17：英偉達 A100 SEM 掃描圖.9 圖表 18：SK 海力士 MR-MUF 技術.9 圖表 19：MR-MUF 比 NCF 導熱率高出 2 倍左右.9 圖表 20：三星 HBM4 預計采用混合鍵合技術.10 bUeZcWdX9WeZaYdX7NaO9PtRmMoMqMkPoOtOiNnPuN8OrRzQvPpNqONZoMmO行業深度研究 敬請參閱最后一頁特別聲明 3 圖表 21：HBM 對 EMC 性能提出新要求，所用填料也需要改變.11 圖表 22：HBM

11、封裝需要用到 GMC 和 LMC 兩類偏高端的 EMC.11 圖表 23：HBM 版本迭代情況.11 圖表 24：2022-2024E 三大存儲廠商在 HBM 領域的份額情況.12 圖表 25：當前 SK 海力士在 HBM 領域布局情況.12 圖表 26：當前三星電子在 HBM 領域布局情況.12 圖表 27：當前美光在 HBM 領域布局情況.13 圖表 28：三大廠商關于 HBM 的代際規劃.14 圖表 29：美光在 HBM 領域技術路線.14 圖表 30：2024 年 HBM 產值及占 DRAM 產值比重.15 圖表 31：三大存儲原廠在 HBM TSV 的產能布局.15 行業深度研究 敬

12、請參閱最后一頁特別聲明 4 一、HBM 是什么？1.1 HBM1.1 HBM 是是 AIAI 時代時代的的必需品必需品 作為行業主流存儲產品的動態隨機存取存儲器 DRAM 針對不同的應用領域定義了不同的產品，幾個主要大類包括 LPDDR、DDR、GDDR 和 HBM 等，他們雖然均使用相同的 DRAM 存儲單元（DRAM Die），但其組成架構功能不同，導致對應的性能不同。手機、汽車、消費類等對低功耗要求高主要使用 LPDDR，服務器和 PC 端等有高傳輸、高密度要求則使用 DDR，圖形處理及高算力領域對高吞吐量、高帶寬、低功耗等綜合性要求極高則使用 GDDR 和 HBM。HBM（High B

13、andwidth Memory），意為高帶寬存儲器，是一種面向需要極高吞吐量的數據密集型應用程序的 DRAM，常被用于高性能計算、網絡交換及轉發設備等需要高存儲器帶寬的領域。那么 HBM 到底優勢在哪呢？1，通過 TSV 技術，堆疊方案解決內存墻的問題?；隈T諾依曼理論的傳統計算機系統架構一直存在“內存墻”的問題，主要歸因于：第一存儲與計算單元分離，存儲與處理器之間通過總線傳輸數據，這容易導致存儲的帶寬計算單元的帶寬，從而導致 AI 算力升級較慢；第二，是高功耗，在處理器和存儲之間頻繁傳輸數據，會產生較多的能耗，也會使傳輸速率下降。相較于傳統 GDDR，HBM 具有更高速，更低耗，更輕薄等諸多

14、優點。HBM 憑借獨特的 TSV 信號縱向連接技術，其內部將數個 DRAM 芯片在緩沖芯片上進行立體堆疊，其內部堆疊的 DDR 層數可達 4 層、8 層以至 12 層，從而形成大容量、高位寬的 DDR組合陣列。TSV 是在 DRAM 芯片上搭上數千個細微孔并通過垂直貫通的電極連接上下芯片的技術。該技術在緩沖芯片上將數個 DRAM 芯片堆疊起來，并通過貫通所有芯片層的柱狀通道傳輸信號、指令、電流。相較傳統封裝方式，該技術能夠縮減 30%體積，并降低 50%能耗。憑借 TSV 方式，HBM 大幅提高了容量和位寬（I/O 數量）。與傳統內存技術相比，HBM具有更高帶寬、更多 I/O 數量、更低功耗、

15、更小尺寸等特征。具體來看（1）存儲帶寬問題：由于存儲的制成與封裝工藝與 CPU 的制成封裝工藝不同，CPU 使用的是 SRAM 寄存器，速度快，雙穩態電路，而存儲器使用的是 DRAM 寄存器，速度慢，單穩態電路。這樣的工藝不同拉大了兩者間的差距，在過去 20 年內，CPU 的峰值計算能力增加了 90000 倍，內存/硬件互存寬帶卻只是提高了 30 倍。存儲的帶寬通過總線一直限制著計算單位的帶寬，最新型的 GDDR6 單顆帶寬上限在 96GB/s，而最新型的單棧HBM3E 帶寬上限近 1.2TB/s，在 AI 應用中，每個 SoC 的帶寬需求都會超過幾 TB/s，上百倍的數據傳輸差距使得傳統 D

16、RAM 遠不能滿足 AI 訓練所需的算力缺口。（2）傳輸效能問題：由于分離距離問題，數據存算間（I/O）會有很大的延誤，一步數據計算過后的大部分時間都在讀取內存，查詢所用的大量時間與吞吐量影響用戶體驗，數據傳輸能量消耗占總數據存算的 60-90%，嚴重浪費效能。（3）占用空間問題：傳統 GDDR 由于是 2D 平面分布，占用空間大，無法滿足目前消費電子輕量化與便攜化的需求。圖表圖表1 1：HBMHBM 通過通過硅中介層和硅中介層和 TSV TSV 來運行來運行 圖表圖表2 2：傳統傳統打打線與線與TSV穿孔區別穿孔區別 來源：Semiconductor Engineering，國金證券研究所

17、來源：SK 海力士，國金證券研究所 行業深度研究 敬請參閱最后一頁特別聲明 5 圖表圖表3 3：GDDRGDDR 與與 HBMHBM 結構分布結構分布 圖表圖表4 4：GDDRGDDR 與與 HBMHBM 占用空間對比占用空間對比 來源：AMD 官網，國金證券研究所 來源：AMD 官網，國金證券研究所 HBM 包括多層 DRAM 芯片和一層基本邏輯芯片，不同 DRAM 以及邏輯芯片之間用 TSV 與微凸塊技術實現通道連接，每個 HBM 芯片可與多達 8 條通道與外部連接，每個通道可單獨訪問1 組 DRAM 陣列，通道間訪存相互獨立。邏輯芯片可以控制 DRAM 芯片，并提供與處理器芯片連接的接口

18、，主要包括測試邏輯模塊與物理層（PHY）接口模塊，其中 PHY 接口通過中間介質層與處理器直接連通，直接存?。―A）端口提供 HBM 中多層 DRAM 芯片的測試通道。中間介質層通過微凸塊連接到封裝基板，從而形成 SiP 系統。圖表圖表5 5：HBMHBM 架構詳解架構詳解 圖表圖表6 6：HBM3HBM3 在在 NVIDIA HopperNVIDIA Hopper 架構的應用架構的應用 來源：高寬帶的技術演進和測試挑戰，國金證券研究所 來源：NVIDIA 官網，國金證券研究所 2，AI 時代存力的首選。自 ChatGPT 爆火之后，國內外大廠爭相競逐 AI 大模型。而 AI 大模型的基礎，就

19、是靠海量數據和強大算力來支撐訓練和推理過程。其中一些模型有 1000 億字節的數據，參數量越大，AI 模型越智能，以 GPT-4 模型為例有近 1.76 萬億參數量。對于每次重新訓練的迭代，都必須從數據中心背板的磁盤上取出 1000 億字節的數據并進入計算盒，在為期兩個月的訓練中，必須來回調取數百萬次如此龐大的數據。如果能縮短數據存取，就會大大簡化訓練過程。但在過去 20 年中，存儲和計算并沒有同步發展，硬件的峰值計算能力增加了 90000倍，而內存/硬件互連帶寬卻只是提高了 30 倍。當存儲的性能跟不上處理器，對指令和數據的搬運（寫入和讀出）的時間將是處理器運算所消耗時間的幾十倍乃至幾百倍，

20、這就要打破“內存墻”。此時，高帶寬內存 HBM 應運而生，被認為是 AI 計算的首選內存。行業深度研究 敬請參閱最后一頁特別聲明 6 圖表圖表7 7：GDDRGDDR 與與 HBMHBM 性能對比性能對比 圖表圖表8 8：不同內存類型之間不同內存類型之間 DRAM DRAM 容量和帶寬的差異容量和帶寬的差異 來源：AMD，國金證券研究所 來源：Synopsys，國金證券研究所 HBM 解決了傳統 GDDR 遇到的“內存墻”問題，采用了存算一體的近存計算架構，不通過外部連線的方式與 GPU/CPU/Soc 連接，而是通過中間介質層緊湊快速地連接信號處理器芯片，極大的節省了數據傳輸所使用的時間與耗

21、能。而在空間占用上，HBM 采用的堆棧技術會使得在空間占用要比同比傳統GDDR 節省 94%。在應對目前云端 AI 的多用戶，高吞吐，低延遲，高密度部署需求所帶來的計算單位需求，I/O 數量也需要不斷突破滿足計算單位的需求。使用 GDDR 所適配的 PCB 技術并不能突破 I/O 數量瓶頸，而 HBM 的TSV 技術帶來的存儲器集成度極大提升，使得帶寬不再受制于芯片引腳的互聯數量，在一定程度上解決了 I/O 瓶頸，成為高算力芯片的首選。圖表圖表9 9：HBMHBM 在在 GPUGPU 中搭配中搭配 圖表圖表1010：HBMHBM 與與 GPUGPU 集成在一起集成在一起 來源：美光官網，國金證

22、券研究所 來源：美光官網，國金證券研究所 1.2 1.2 NVIDIANVIDIA 和和 AMDAMD 依靠依靠 HBMHBM 持續提升持續提升 GPUGPU 性能性能 HBM 新型存儲器較傳統 GDDR 具有更高的帶寬，更低的延遲和更好的等效比。隨著 AI 對算力的高要求，高帶寬內存顯然是高性能 GPU 的最佳搭配，AMD 和 NVIDIA 兩家尖端的 GPU都陸續配備了 HBM。行業深度研究 敬請參閱最后一頁特別聲明 7 圖表圖表1111：NVIDIANVIDIA 不同不同 GPUGPU 型號搭載型號搭載 HBMHBM 情況情況 來源：NVIDIA 官網，國金證券研究所 圖表圖表1212：

23、AMDAMD 不同不同 GPUGPU 型號搭載型號搭載 HBMHBM 情況情況 來源：AMD 官網，國金證券研究所 NVIDIA 已在搭載 HBM 的 GPU 型號上迭代 5 次，性能也在不斷跟進以適配 AI 模型與訓練的需求。在 7 年時間內，從 V100 架構時代搭載的 HBM2 已經演化到了 GB200 的 HBM3E，而內存寬帶與容量則是在這幾年內翻了數倍。以同一 Hopper 架構下的 H100 SXM 和 H200 SXM為例，在其他硬件條件與接口協議相同的情況下，搭載了 HBM3E 的 H200 SXM 要比搭載了HBM3 的 H100 SXM 在帶寬速率上提升了 43%，在容量

24、上也是擴增了 76%。而對比落后了一整代，搭載了 HBM 2E 的 A100 SXM，帶寬速率更是提高了 141%，所有的這一切提升都是HBM 性能迭代帶來的優勢。行業深度研究 敬請參閱最后一頁特別聲明 8 圖表圖表1313：隨著搭載隨著搭載 HBMHBM 容量提升容量提升 GPUGPU 效能倍數提升效能倍數提升 圖表圖表1414：H200H200 較較 H100H100 在大模型領域性能提升在大模型領域性能提升情況情況 來源：NVIDIA 官網，國金證券研究所 來源：NVIDIA 官網，國金證券研究所 歸因于 AI 大模型的逐步迭代，GPU 迭代速度加快。核心供應商 NVIDIA 和 AMD

25、 新品性能競爭，預計 2025 年加速 HBM 規格需求大幅轉向 HBM3e，且將會有更多 12hi 的產品出現，帶動單芯片搭載 HBM 的容量提升。根據 TrendForce 集邦咨詢預估，2024 年的 HBM 需求位元年成長率近 200%，2025 年可望將再翻倍。圖表圖表1515：NVIDIANVIDIA 和和 AMD AIAMD AI 芯片發展歷程及芯片發展歷程及 HBMHBM 規格比較規格比較 來源：集邦咨詢，國金證券研究所 二、HBM 對半導體產業鏈的影響 2.1 2.1 HBMHBM 的的核心核心工藝在于工藝在于硅通孔技術（硅通孔技術（TSVTSV）和）和堆疊鍵合技術堆疊鍵合技

26、術 HBM 核心技術在于硅通孔技術（TSV）和堆疊鍵合技術。硅通孔：TSV(Through-Silicon Via)是一種能讓 3D 封裝遵循摩爾定律演進的互連技術，芯片與芯片之間（Chip to Chip）、芯片與晶圓之間（Chip to Wafer）、晶圓與晶圓之間（Wafer to Wafer）實現完全穿孔的垂直電氣連接，可像三明治一樣堆疊晶片。這些垂直連接可用于互連多個芯片、存儲器、傳感器和其他模塊，硅通孔互連賦予了各種 2.5D/3D封裝應用和架構芯片縱向維度的集成能力，以最低的能耗/性能指標提供極高的性能和功能，以打造更小更快更節能的設備。通過更薄的硅芯片縮短互連長度和短垂直連接，

27、有助于減少芯片的整體面積和功耗、將信號傳播延遲減少幾個數量級。同時可以實現異構集成，將來自不同技術和制造商的多個芯片組合到一個封裝中，從而使它們能夠提供更好的功能和性能。這使其非常適合用于不同的高速應用，如數據中心、服務器、圖形處理單元(GPU)、基于人工智能(AI)的處理器和多種無線通信設備。HBM 通過 SIP 和 TSV 技術將數個 DRAM 裸片像樓層一樣垂直堆疊，在 DRAM 芯片打上數千個細微的孔，并通過垂直貫通的電極連接上下芯片的技術，可顯著提升數據傳輸速度，適用行業深度研究 敬請參閱最后一頁特別聲明 9 于高存儲器帶寬需求，成為當前 AI GPU 存儲單元的理想方案和關鍵部件。

28、圖表圖表1616：HBMHBM 通過通過 TSVTSV 技術內部連接情況技術內部連接情況 圖表圖表1717：英偉達英偉達 A100 SEMA100 SEM 掃描圖掃描圖 來源：SK 海力士，國金證券研究所 來源：與非網，Semianalysis，國金證券研究所 堆疊鍵合技術：在 HBM 產品開發之初，HBM 主要采用“TSV+Bumping”+TCB 鍵合方式堆疊（TSV 一般由晶圓廠完成，封測廠可在堆疊環節進行配套）。其中，熱壓鍵合主要用于創建原子級金屬鍵合，它利用力和熱量來促進原子在晶格之間遷移，從而形成清潔、高導電性和堅固的鍵合。通常，TCB 被用于垂直集成器件的 CMOS 工藝、金引線

29、和表面之間固態鍵合的順應鍵合（compliant bonding）、用于將芯片凸塊鍵合到基板的倒裝芯片應用以及用于連接微型組件的熱壓鍵合。隨著層數變高，晶片會出現翹曲和發熱等因素，但又要滿足 HBM 芯片的標準厚度720 微米（m），這就對封裝工藝提出較高要求。三星采用 TC-NCF 焊接法，在 DRAM 之間夾上一層不導電的粘合劑薄膜(NCF)，然后進行熱壓，但隨著堆疊層數的增加散熱效率很差，TCB 不再滿足需求，但 TCB 技術仍有著一定的優勢，如其解決了標準倒裝芯片的基板翹曲問題。同時，這種鍵合方式確保均勻粘合，沒有間隙變化或傾斜；而且這種粘合幾乎沒有空隙，也沒有污染。海力士從 HBM2

30、e 開始放棄了 TC-NCF 工藝，改用批量回流模制底部填充（MR-MUF）工藝，即芯片之間用液態環氧模塑料作為填充材料，導熱率比TC-NCF中的導熱率高出2倍左右，實現了更低的鍵合應力和更優的散熱性能，這無論對于工藝速度，還是良率等都有很大影響。預計海力士 HBM3e 將采用改進的 MR-MUF 工藝，進一步降低鍵合應力，提升散熱性能，增加堆疊層數。圖表圖表1818：SKSK 海力士海力士 MRMR-MUFMUF 技術技術 圖表圖表1919：MRMR-MUFMUF 比比 NCFNCF 導熱率高出導熱率高出 2 2 倍左右倍左右 來源：Semianalysis，國金證券研究所 來源：Semia

31、nalysis，國金證券研究所 然而，無論是 TCB 技術還是 MR-MUF 工藝均存在著一定的局限性，難以實現更小的間距，行業內在嘗試用混合鍵合技術?；旌湘I合互連方案，是指在一個鍵合步驟中同時鍵合電介質（dielectric）和金屬鍵合焊盤（metal bond pads），可以顯著降低整體封裝厚度，在多芯片堆疊封裝中甚至可能高達數百微米。但混合鍵合對環境要求非常高，要達到 class 1 clean room（非常的清潔），這對廠商帶來較大的挑戰。隨著 HBM 歷次迭代，HBM 中的 DRAM 數量也同步提升，堆疊于 HBM2 中的 DRAM 數量為 4-8 個，HBM33E 則增加到 8

32、-12 個，HBM4 中堆疊的 DRAM 數量將增加到 16 個。如 2024 年 4 月 7 日，三星電子先進封裝團隊高管 Dae Woo Kim 在 2024 年度韓國微電子與封裝學會年會上表示，三星電子成功制造了基于混合鍵合技術的 16 層堆疊 HBM3 內存，該內存樣品工作正常，未來 16 層堆疊混合鍵合技術將用于 HBM4 內存量產。行業深度研究 敬請參閱最后一頁特別聲明 10 圖表圖表2020：三星三星 H HBM4BM4 預計采用混合鍵合技術預計采用混合鍵合技術 來源：IT 之家，國金證券研究所 2.2 HBM2.2 HBM 對散熱材料對散熱材料 EMCEMC 提出分散性和散熱性

33、要求提出分散性和散熱性要求 HBM 對 EMC 提出分散性和散熱性要求，EMC 和填料價值量大幅提升。環氧塑封料（EMC，Epoxy Molding Compound），是一種常見的半導體封裝外殼材料，也是半導體封裝中主要的包封材料，EMC 中主要組分來自填料，其中調料主要用于降低膨脹系數和內應力、提高散熱性能。HBM 獨特的疊構形態使得外圍用于塑封的 EMC 及內部填料也需要相應的升級，具體邏輯在于：1）HBM 采用芯片垂直疊構的框架，使得塑封的高度顯著高于傳統單芯片的塑封高度，較高的高度要求外圍塑封料要有充分的分散性，則 EMC 就要從傳統注塑餅狀變為撒粉顆粒狀的顆粒狀環氧塑封料（GMC，

34、Granular Molding Compound）和液態塑封料（LMC，Liquid Molding Compound），對于 EMC 廠商，這樣的升級需要在配方中同時兼顧分散性和絕緣性，配方難度較大。2）由于 1 顆 HBM 中將搭載 4-8 層甚至更多層的存儲芯片，單顆 HBM 中所涉及到的數據存儲和數據運輸量較大，將帶來發熱量大的問題，散熱方案的優劣將決定整顆 HBM 性能，因此HBM的EMC中將開始大量使用low 球鋁和球硅來保證快速散熱和控制熱膨脹問題。當前運用 TSV 技術的場景主要在 2.5D 硅中階層和 3D 垂直疊構，其中 3D TSV 的特點在于通過垂直疊構的方式縮短了芯

35、片間通信距離，相較于傳統水平排布的方式，外圍用于塑封的 EMC 及內部填料料也需要相應的升級，一方面垂直疊構導致塑封的高度顯著高于傳統單芯片的塑封高度，較高的高度要求外圍塑封料要有充分的分散性，則 EMC 就要從傳統注塑餅狀變為撒粉顆粒狀的顆粒狀環氧塑封料（GMC，Granular Molding Compound）和液態塑封料（LMC，Liquid Molding Compound），對于 EMC 廠商，這樣的升級需要在配方中同時兼顧分散性和絕緣性，配方難度較大；另一方面采用 TSV 方式連接的芯片需要一起塑封，則單個塑封體中的運算量急劇上升，從而帶來較大的發熱問題，需要大量使用 low 球

36、鋁和球硅來保證快速散熱和控制熱膨脹問題。以 HBM 為例，1 顆 HBM 中將搭載 4-8 顆甚至更多芯片，封裝高度高且存儲帶寬大，需要用添加 low 球硅/球鋁的 GMC/LMC 來做塑封外殼。行業深度研究 敬請參閱最后一頁特別聲明 11 圖表圖表2121：H HBMBM 對對 E EMCMC 性能提出新要求，所用填料也需要改變性能提出新要求，所用填料也需要改變 來源：速石科技，國金證券研究所 圖表圖表2222：H HBMBM 封裝需要用到封裝需要用到 G GMCMC 和和 L LMCMC 兩類偏高端的兩類偏高端的 E EMCMC 材料類型材料類型 基本情況基本情況 顆粒狀環氧塑封料（GMC

37、）顆粒狀環氧塑封料在塑封過程采用均勻撒粉的方式，在預熱后變為液態，將帶有芯片的承載板浸入到樹脂中而成型，憑借操作簡單、工時較短、成本較低等優勢，GMC 有望發展成為主要的晶圓級封裝塑封材料之一，市場發展前景良好 液態塑封料（LMC）LMC 是通過將液態樹脂擠壓到產品中央，在塑封機溫度和壓力的作用下增強液態樹脂的流動性，從而填充滿整個晶圓。LMC 具備可中低溫固化、低翹曲、模塑過程無粉塵、低吸水率以及高可靠性等優點，是目前應用于晶圓級封裝的相對成熟的塑封材料 來源：華海誠科招股說明書，國金證券研究所 三、HBM 的供需及空間市場情況 3.1 3.1 SKSK 海力士持續領先，三星和美光加緊追趕海

38、力士持續領先，三星和美光加緊追趕 自 2014 年首款硅穿孔 HBM 產品發布至今，HBM 技術已經發展至第五代，分別是：HBM（第一代）、HBM2（第二代）、HBM2E（第三代）、HBM3（第四代）、HBM3E（第五代），BM 代際升級主要體現在數據速率和容量密度上，HBM 芯片容量從 1GB 升級至 24GB，帶寬從 128GB/s提升至 1.2TB/s，數據傳輸速率從 1Gbps 提高至 9.2Gbps。圖表圖表2323：HBMHBM 版本迭代情況版本迭代情況 類別 HBM HBM2 HBM2E HBM3 HBM3E 帶寬（GB/s）128 307 460 819 1000 堆疊高度（層

39、）4 4/8 4/8 8/12 8/12 容量（GB）1 4/8 8/16 16/24 24/36 I/O 速率（Gbps）1 2.4 3.6 6.4 9.6 工藝節點 29nm 21nm 10nm 5nm 10nm 來源：SK 海力士，中國半導體行業協會，國金證券研究所 HBM DRAM DieHBM DRAM DieHBM DRAM DieHBM DRAM DieLogic DiePHYPHYGPU/CPU/Soc DieInterposerPackage SubstrateTSVMicrobump封裝高度明顯高于傳統封裝，對EMC分散性提出要求計算量較大，需要填充low 球鋁和球硅提升散

40、熱性能和控制膨脹行業深度研究 敬請參閱最后一頁特別聲明 12 從競爭格局來看，HBM 領域的主要供應商仍是存儲器三大巨頭 SK 海力士、三星以及美光，為應對全球 GPU 需求持續高增長的趨勢。根據 Trendforce 數據，預計 2024 年 SK 海力士在 HBM 市場中的市占率預計為 47-49%，三星電子的市占率為 47-49%、美光的市占率為 3-5%。圖表圖表2424：20222022-2024E2024E 三大存儲廠商在三大存儲廠商在 HBMHBM 領域的份額情況領域的份額情況 2022 2023E 2024E 海力士 50%4649%4749%三星 40%4649%4749%美

41、光 10%46%35%來源：集邦咨詢，國金證券研究所 1）HBM3 及以前產品，海力士穩居行業龍頭，三星和美光跨越式追趕 2013 年，SK 海力士聯合 AMD 宣布成功研發 HBM1，并應用在 2015 年 AMD 的 R9 Nano，Fury X，FiJi XT 顯卡，但當時在以消費端芯片為導向的市場上，因存儲運算一體化帶來的維修不便以及可忽略不計的性能優勢使得 AMD 重新啟用 GDDR 系列產品。這使得海力士暫時作出擱置 HBM 的戰略部署。但 SK 海力士定義的這一新型顯存在 2016 年 AI 元年大放異彩。這一波需求熱潮使得 SK 海力士在隨后的 2018 年推出了 HBM2，并

42、在 2020 量產了擴展版HBM2E，趕上了三星的研發進度，自 2018 年后 NVIDIA 數據中心基本都采用海力士 HBM，這使得 SK 海力士逐漸在 HBM 市場成為最大供應商。SK 海力士在 2022 年率先三星推出了 HBM3，并與 NVIDIA 實行了強綁定，在 2022-2023 年NVIDIA 的主攻 H100 的存儲器解決方案為 SK 海力士的 HBM3，導致 SK 海力士目前于 HBM3的占比愈 9 成。在 23 年下半年，SK 海力士向 NVIDIA 送去了 8Hi 24GB HBM3E 以供驗證。圖表圖表2525：當前當前 SKSK 海力士在海力士在 HBMHBM 領域

43、布局情況領域布局情況 來源：SK 海力士官網，國金證券研究所整理 2016 年，三星推出了首代 HBM 產品：HBM2。并在 2019 年量產 HBM2E，但在 HBM3 的賽道上，因在 2019 年錯判低估 HBM 市場成長率，解散了 HBM 小組，導致在研發力度上三星落后于海力士，在 2023 年下半年才進行了 HBM3 的量產計劃，直到 2024 年才陸續通過 AMD MI300系列驗證，因此有望 2024Q1 后才能逐漸放量 HBM3 產品。而在 HBM3E 上，三星仍不敵海力士，在 2023 年下半年送去的 12Hi 36GB HBM3E，仍未等到 NVIDIA 的技術驗證通過，推測

44、可能是 TC-NCF 技術 HBM 良率同比 SK 海力士較低所致。這一技術代差在 HBM3 就得以體現，SK 海力士的良率在 60-70%左右，而三星只在 10-20%左右。圖表圖表2626：當前當前三星電子在三星電子在 HBMHBM 領域布局情況領域布局情況 來源：三星官網，國金證券研究所整理 此前，在高速傳輸技術的起步階段，業內存在兩種技術方案，一種是 SK 海力士與 AMD 合作的 HBM 技術，另一種是美光研發的混合內存立方體技術（HMC）。HMC 類似于 HDM 將 DRAM堆疊，使用 TSV 硅穿孔技術互連，但不同與 HDM 技術通過中介層與 GPU 互連，HMC 是通過高速 S

45、ERDS 數據鏈路進行連接，所以在 DRAM 與 GPU 的距離上相比會比 HDM 長，延遲更大。行業深度研究 敬請參閱最后一頁特別聲明 13 且 HMC 未通過 JEDEC（電子元器件工業聯合會）標準，未被 JEDEC 內的數百會員公司承認為行業標準，因此 HMC 技術已經在研發上被逐步廢棄。由于美光在前期因為技術誤判在 HMC 技術上投入過多資金，直到 2018 年才從 HMC 轉向 HBM方向。因此，不想錯過末班車的美光跳過了 HBM2，直接于 2020 年進行了 HBM2E 的量產，以后起之秀的身份進入了市場，隨即加速邁過 HBM3 直接在 2023 年進行了 HBM3E 的研發，并在

46、 2024 年 2 月份宣布開始量產 HBM3E，并應用在 SK 海力士的長期合作廠商 NVIDIA 的H200 芯片上，將在今年第二季度為 NVIDIA 供應 HBM3E 8Hi 24GB 的芯片，而 HBM3E 12Hi 36GB則已經在樣本階段了，這兩種型號的帶寬將超過 1.2TB/s。圖表圖表2727：當前當前美光在美光在 HBMHBM 領域布局情況領域布局情況 來源：美光官網，國金證券研究所整理 2）三家爭相送樣 HBM3E。為了更妥善且健全的供應鏈管理，NVIDIA 也規劃加入更多的 HBM供應商，其中三星（Samsung）的 HBM3（24GB）已于 23 年 12 月在 NVI

47、DIA 完成驗證。而HBM3e 進度依據時間軸排列如下表所示，美光（Micron）已于 23 年 7 月底提供 8hi（24GB）NVIDIA 樣品、SK 海力士（SK hynix）已于 23 年 8 月中提供 8hi（24GB）樣品、三星則于23 年 10 月初提供 8hi（24GB）樣品。2024 年 Q1，三星 HBM3 產品也陸續通過 AMD MI300系列驗證，其中包含其 8h 與 12h 產品，故自 2024 年第一季以后，三星 HBM3 產品將會逐漸放量。據 TrendForce 集邦咨詢報告，24Q1SK 海力士率先通過 NVIDIA 驗證，美光緊跟其后，并于第一季底開始遞交

48、HBM3e 量產產品，以搭配計劃在第二季末鋪貨的 NVIDIA H200。三星由于遞交樣品的時程較其他兩家供應商略晚，預計其 HBM3e 將于第一季末前通過驗證，并于第二季開始正式出貨。由于三星 HBM3 的驗證已經有了突破，且 HBM3e 的驗證若無意外也即將完成，這也意味著該公司的出貨市占于今年末將與 SK 海力士拉近差距。3）此外，在角逐 HBM3E 的同時，三大存儲原廠已經開始排布下一代存儲產品 HBM4。目前，SK 海力士已宣布研發 HBM4，并與臺積電就 HBM4 研發和下一代封裝技術合作簽署諒解備忘錄，計劃從 2026 年開始批量生產 HBM 第六代產品HBM4。SK 海力士有望

49、采用臺積電的先進邏輯工藝來提高 HBM4 的性能，針對搭載于 HBM 封裝內最底層的基礎裸片進行優化。臺積電此前也表示，將采用 N5 和 N12FFC+工藝制造基礎裸片，為 HBM4 提供更強的性能和能源效率。在 HBM4 研發上，三星和美光也加緊追趕。盡管 SK 海力士目前穩居 HBM 市場龍頭，但三星正加速追趕 SK 海力士。24 年年初以來，三星已成立兩個全新 HBM 團隊，并將 HBM 工作小組轉為芯片部門下的一個常設辦公室，以彌補其在 2019 年解散 HBM 業務和團隊的市場誤判。三星 HBM 團隊計劃于今年下半年量產 HBM3E，并于 2025 年生產 HBM4，2026 年實現

50、量產。作為 HBM 市場后起之秀的美光也在積極布局 HBM4。23 年 11 月，美光在投資者會議發布包括 GDDR7 和 HBM4E 內存技術在內的顯存路線圖，美光計劃在 2026 年至 2027 年間，推出容量在 36GB 到 48GB、12/16 層垂直堆疊的 HBM4 產品，并于 2028 年推出帶寬增加至 2 TB/s以上的 HBM4E。行業深度研究 敬請參閱最后一頁特別聲明 14 圖表圖表2828：三大廠商關于三大廠商關于 H HBMBM 的代際規劃的代際規劃 來源：TrendForce，Aug,國金證券研究所 圖表圖表2929：美光在美光在 HBMHBM 領域技術路線領域技術路線

51、 來源：美光官網，國金證券研究所 3.2 3.2 預計預計 20242024 年年 HBMHBM 產值將翻產值將翻 4 4 倍，達到倍，達到 169169 億美元億美元 由于 HBM 售價高昂、獲利高，進而導致較大資本開支，市場一般從產值和產能兩個角度關注 HBM 的成長空間。根據集邦咨詢數據，截至 2023 年底，行業內整體 DRAM 產業規劃生產HBM TSV 的產能約為 250K/m，占總 DRAM 產能（約 1,800K/m）約 14%，供給位元年成長約260%。這主要歸因于：1）HBM 較常規 DRAM 面積較大、產線良率低。以 HBM 及 DDR5 生產差異來看，其 Die Siz

52、e較 DDR5 同制程與同容量（例如 24Gb 對比 24Gb）尺寸大 35-45%；良率（包含 TSV 封裝良率）則比起 DDR5 低約 20-30%。2）HBM 生產周期更長，鎖單較早，三大原廠加大產能規劃。HBM 生產周期較 DDR5 更長，從投片到產出與封裝完成需要兩個季度以上，生產周期（包含 TSV）較 DDR5 多 1.5-2 個月不等上。因此，急欲取得充足供貨的買家需要更早鎖定訂單量，目前三大廠商大部分針行業深度研究 敬請參閱最后一頁特別聲明 15 對 2024 年度的訂單都已經遞交給供應商，除非有驗證無法通過的情況，否則目前來看這些訂單量均無法取消。另外，以 HBM 產能來看，

53、三星、SK 海力士至今年底的 HBM 產能規劃最積極，三星 HBM 總產能至年底將達約 130K（含 TSV）；SK 海力士約 120K，但產能會依據驗證進度與客戶訂單持續而有變化。另以現階段主流產品 HBM3 產品市占率來看，目前 SK 海力士于 HBM3 市占率超 90%，而三星將隨著后續數個季度 AMD MI300 逐季放量持續緊追。集邦咨詢數據顯示，2023 年 HBM 產值占 DRAM 整體產業約 8.4%，市場規模約 43.56 億美元；預估至 2024 年底將達 169.14 億美元，占 DRAM 整體產值約 20.1%。圖表圖表3030：20242024 年年 HBMHBM 產

54、值產值及占及占 DRAMDRAM 產值比重產值比重 圖表圖表3131：三大三大存儲存儲原廠在原廠在 HBM TSVHBM TSV 的產能的產能布局布局 三星三星 SK 海力士海力士 美光美光 2023 年年 45k/m 45k/m 3k/m 2024 年年 130k/m 120-125k/m 20k/m 來源：集邦咨詢，國金證券研究所 來源：集邦咨詢，國金證券研究所 3.3 3.3 投資建議投資建議 投資建議一，投資建議一，核心關注核心關注國內國內與與 HBMHBM 上下游相關標的上下游相關標的。我們認為 23 年是 AI 訓練的元年，24 年將是 AI 推理的元年，主要歸因于海外有望持續推出

55、包括 Sora 在內的 AI 應用產品，疊加國內國央企發力 AI 應用，這將有力帶動 AI 推理的需求，看好 AI 推理芯片及數據中心的建設需求。芯片領域，我們認為算力和存儲是兩個率先受益的領域，特別是在當前國產化大趨勢下，算力和存儲將決定未來十年 AI 勝負的關鍵，這將帶動 HBM 強勁需求，國內 HBM 相關產業鏈有望加速發展，相關標的如香農芯創（海力士企業級存儲代理商）、聯瑞新材（HBM 散熱材料供應商）、通富微電、華海誠科、深科技等。投資建議二投資建議二，HBMHBM 對對 DRAMDRAM 先進制程造成排擠效應，有望推動主流先進制程造成排擠效應，有望推動主流 DRAMDRAM 持續漲

56、價持續漲價，重點關，重點關注存儲模組注存儲模組。歸因于三個方面：1）自 2023 年下半年存儲器漲價以來，三大存儲廠商回收資金加大對存儲先進制程產線的投入，這些產能預估在 24 年下半年釋放，集邦咨詢預計 1alpha nm（含）以上投片至年底將占 DRAM 總投片比重約 40%，但 HBM 晶圓面積較同等 DRAM 大 60%，且良率較低（約50-60%），因此將有望吃掉較多的 DRAM 產能，根據集邦咨詢預估至今年底 HBM 將占先進制程比重 35%，其余則用以生產 LPDDR5(X)與 DDR5 產品。2）除了 HBM 需求占比持續增加，AI 手機、AIPC 及通用服務器升級均刺激存儲容

57、量需求，特別是隨著 Intel、AMD 新平臺 Sapphire Rapids、Genoa 量產后，其存儲器規格僅能采用DDR5，集邦咨詢預告今年 DDR5 滲透率將提升至 50%。故對于先進制程的消耗量也逐季提升。3）由于 HBM3e 出貨將集中在今年下半年，期間同屬存儲器需求旺季，其他終端對 DDR5與 LPDDR5(X)均有較好需求，但目前看三大廠商對擴產積極性不高，在 HBM 投片繼續加大情況下，先進制程產能有望吃緊。我們重點建議關注受益于主流存儲漲價邏輯的存儲模組公司江波龍、德明利、香農芯創、佰維存儲、朗科科技等，以及相關的存儲封測和材料公司如深科技、長電科技、通富微電、雅克科技、安

58、集科技等。20.843.6169.10%5%10%15%20%25%0306090120150180202220232024EHBM市場規模（億美元）占DRAM比重行業深度研究 敬請參閱最后一頁特別聲明 16 投資建議三：存儲大廠投資建議三：存儲大廠產能產能轉向轉向 DDR5/HBMDDR5/HBM，有望，有望加速退出利基存儲市場，將加速退出利基存儲市場，將為國內利基為國內利基型存儲型存儲芯片芯片廠商帶來發展機會廠商帶來發展機會。5 月 13 日，根據臺媒經濟日報報道，全球前二大 DRAM 供應商韓國三星、SK 海力士全力沖刺 HBM 與主流 DDR5 規格內存，下半年起將停止供應 DDR3

59、利基型 DRAM，同時中國臺灣最大 DRAM 芯片制造商南亞科目前產能主力也開始大幅轉向 DDR4 及 DDR5，DDR3 僅開始接受客戶代工訂單，引起市場搶貨潮，導致近期 DDR3 價格飆漲，最高漲幅達二成，且下半年報價還會再上揚。從供需兩個角度看，我們認為這有望為國內利基存儲芯片廠商帶來機會，歸因于：1）供給端，我們認為，隨著主流存儲持續漲價，三大廠商庫存持續消化，資金回籠后重點投向 DDR5 及 HBM 等未來需求強勁的領域，將加快退出利基存儲市場。利基存儲市場主要包括利基 DRAM（DDR2、DDR3、小容量 DDR4）、Nor Flash 和 SLC NAND 等。從市場格局上看，主

60、要為三大原廠，其他為臺灣的南亞科、華邦電、旺宏以及大陸的長鑫、兆易創新、北京君正、普冉股份、東芯股份、恒爍股份等。2）需求端，利基存儲器主要應用于 TV、家電、安防、IOT 等消費類需求以及基站、工業、汽車等，今年一季度以來非手機類消費電子特別是家電、耳機、IOT、電子煙等終端需求較快復蘇，有望對利基存儲器帶來需求。我們認為隨著大廠產能加速轉向 DDR5、HBM 等大容量高帶寬存儲器，而隨著終端需求復蘇，利基市場將迎來短期的產能緊缺，價格迎來上揚。核心看好：1）利基存儲龍頭（DRAM+NorFlash+SLCNAND）：兆易創新；2）NorFlash 廠商：普冉股份、恒爍股份；3）SLC NA

61、ND 廠商：東芯股份；4）汽車及工業類 DRAM 龍頭：北京君正 行業深度研究 敬請參閱最后一頁特別聲明 17 風險提示 產能擴產不及預期產能擴產不及預期。由于 HBM 需求強勁，但產線良率不高，雖然三大原廠在積極擴產，但如果產能擴產不及預期及良率不能進一步改善，可能會影響 HBM 產值。AIAI 發展不及預期發展不及預期。HBM 強勁需求的底層邏輯是 AI 持續向前發展，大模型持續改進及 AI終端應用等均進一步拉動對算力芯片的需求進而增加對 HBM 的需求，但如果 AI 發展不及預期，則對 HBM 也將造成影響。技術提升不及預期技術提升不及預期。由于 HBM 處于存儲技術的最前沿，各家均是摸

62、著石頭過河，當前各家對部分技術方案也存在分歧，如果技術提升遇阻，也將影響 HBM 新品的放量進度。行業深度研究 敬請參閱最后一頁特別聲明 18 行業行業投資評級的說明：投資評級的說明：買入：預期未來 36 個月內該行業上漲幅度超過大盤在 15%以上；增持：預期未來 36 個月內該行業上漲幅度超過大盤在 5%15%；中性：預期未來 36 個月內該行業變動幅度相對大盤在-5%5%；減持：預期未來 36 個月內該行業下跌幅度超過大盤在 5%以上。行業深度研究 敬請參閱最后一頁特別聲明 19 特別聲明：特別聲明：國金證券股份有限公司經中國證券監督管理委員會批準，已具備證券投資咨詢業務資格。本報告版權歸

63、“國金證券股份有限公司”（以下簡稱“國金證券”）所有，未經事先書面授權，任何機構和個人均不得以任何方式對本報告的任何部分制作任何形式的復制、轉發、轉載、引用、修改、仿制、刊發，或以任何侵犯本公司版權的其他方式使用。經過書面授權的引用、刊發，需注明出處為“國金證券股份有限公司”，且不得對本報告進行任何有悖原意的刪節和修改。本報告的產生基于國金證券及其研究人員認為可信的公開資料或實地調研資料，但國金證券及其研究人員對這些信息的準確性和完整性不作任何保證。本報告反映撰寫研究人員的不同設想、見解及分析方法，故本報告所載觀點可能與其他類似研究報告的觀點及市場實際情況不一致，國金證券不對使用本報告所包含的

64、材料產生的任何直接或間接損失或與此有關的其他任何損失承擔任何責任。且本報告中的資料、意見、預測均反映報告初次公開發布時的判斷，在不作事先通知的情況下，可能會隨時調整，亦可因使用不同假設和標準、采用不同觀點和分析方法而與國金證券其它業務部門、單位或附屬機構在制作類似的其他材料時所給出的意見不同或者相反。本報告僅為參考之用，在任何地區均不應被視為買賣任何證券、金融工具的要約或要約邀請。本報告提及的任何證券或金融工具均可能含有重大的風險，可能不易變賣以及不適合所有投資者。本報告所提及的證券或金融工具的價格、價值及收益可能會受匯率影響而波動。過往的業績并不能代表未來的表現?？蛻魬斂紤]到國金證券存在可

65、能影響本報告客觀性的利益沖突，而不應視本報告為作出投資決策的唯一因素。證券研究報告是用于服務具備專業知識的投資者和投資顧問的專業產品，使用時必須經專業人士進行解讀。國金證券建議獲取報告人員應考慮本報告的任何意見或建議是否符合其特定狀況，以及（若有必要）咨詢獨立投資顧問。報告本身、報告中的信息或所表達意見也不構成投資、法律、會計或稅務的最終操作建議，國金證券不就報告中的內容對最終操作建議做出任何擔保，在任何時候均不構成對任何人的個人推薦。在法律允許的情況下，國金證券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。本報告并非意圖發送、發布

66、給在當地法律或監管規則下不允許向其發送、發布該研究報告的人員。國金證券并不因收件人收到本報告而視其為國金證券的客戶。本報告對于收件人而言屬高度機密，只有符合條件的收件人才能使用。根據證券期貨投資者適當性管理辦法，本報告僅供國金證券股份有限公司客戶中風險評級高于 C3 級(含 C3 級）的投資者使用；本報告所包含的觀點及建議并未考慮個別客戶的特殊狀況、目標或需要，不應被視為對特定客戶關于特定證券或金融工具的建議或策略。對于本報告中提及的任何證券或金融工具，本報告的收件人須保持自身的獨立判斷。使用國金證券研究報告進行投資，遭受任何損失，國金證券不承擔相關法律責任。若國金證券以外的任何機構或個人發送

67、本報告，則由該機構或個人為此發送行為承擔全部責任。本報告不構成國金證券向發送本報告機構或個人的收件人提供投資建議，國金證券不為此承擔任何責任。此報告僅限于中國境內使用。國金證券版權所有，保留一切權利。上海上海 北京北京 深圳深圳 電話：021-80234211 郵箱： 郵編：201204 地址：上海浦東新區芳甸路 1088 號 紫竹國際大廈 5 樓 電話：010-85950438 郵箱： 郵編：100005 地址：北京市東城區建內大街 26 號 新聞大廈 8 層南側 電話：0755-86695353 郵箱： 郵編：518000 地址：深圳市福田區金田路 2028 號皇崗商務中心 18 樓 1806