长江证券：HBM为何成AI算力核心瓶颈

HBM作为AI服务器存储架构中的高速缓存层，为GPU/CPU提供关键的数据存储与传输支撑。其重要性体现在AI服务器存储架构从慢到快的分层中，依次为机械硬盘、固态硬盘、低功耗DDR，最终由HBM实现最高效的数据交互。大模型训练与推理对算力需求激增，推动数据中心存储需求年增速达30%-40%，远超常规增速，其中数据中心存储占比已超50%，较2023年提升显著。HBM技术持续迭代，从HBM到HBM4传输速率持续提升，4代产品通道数翻倍，单位面积存储容量持续增长，实现10倍规模扩张。HBM的增长逻辑主要基于算力卡数量高速增长及单卡HBM容量与代际升级，如英伟达H100到Rubien系列单卡HBM容量大幅提升，印证了其作为AI算力核心瓶颈的地位。

AI算力赛道正经历爆发式增长，核心驱动力是大模型训练与推理对算力的需求激增。数据中心存储需求年增速达30%-40%，远高于近年常规增速，且数据中心存储占比已超50%，较2023年提升显著。HBM作为AI算力核心瓶颈，其市场规模将正式突破千亿美金，目前处于高增长高毛利阶段。技术迭代方面，HBM从HBM到HBM4传输速率持续提升，4代产品通道数翻倍，单位面积存储容量持续增长，实现10倍规模扩张。算力卡数量高速增长及单卡HBM容量与代际升级是HBM受益的两大增长逻辑，英伟达H100到Rubien系列单卡HBM容量大幅提升是典型案例。整体来看，AI算力赛道将持续受益于技术迭代与需求扩张的双重驱动。

本报告重点分析了HBM在AI算力中的核心作用及其发展趋势。首先，阐述了HBM在AI服务器存储架构中的高速缓存层定位，及其对GPU/CPU数据存储与传输的关键支撑作用。其次，分析了AI算力需求爆发对数据中心存储的推动，指出全行业存储需求年增速达30%-40%，数据中心存储占比已超50%，较2023年提升显著。再次，探讨了HBM技术的迭代升级，从HBM到HBM4传输速率持续提升，4代产品通道数翻倍，单位面积存储容量持续增长，实现10倍规模扩张。最后，分析了HBM的增长逻辑，包括算力卡数量高速增长及单卡HBM容量与代际升级，以英伟达H100到Rubien系列单卡HBM容量大幅提升为例证。报告还关注了HBM产能紧张及价格波动风险，指出生产需硅穿孔工艺，晶圆消耗为同容量DDR的3倍，在DDR新增产能少的背景下，HBM供给压力将加剧。若HBM后续不涨价，存储原厂缺乏切换产能生产HBM的动力，或进一步制约供给。

当前HBM市场呈现高增长态势，是AI算力发展的核心瓶颈之一。AI服务器存储架构从慢到快分层，HBM处于最顶端，为GPU/CPU提供最高效的数据存储与传输支撑。大模型训练与推理推动数据中心存储需求爆发，全行业存储需求年增速达30%-40%，数据中心存储占比已超50%，较2023年提升显著。HBM技术持续迭代，从HBM到HBM4传输速率持续提升，4代产品通道数翻倍，单位面积存储容量持续增长，实现10倍规模扩张。HBM受益于算力卡数量高速增长及单卡HBM容量与代际升级，英伟达H100到Rubien系列单卡HBM容量大幅提升是典型案例。市场规模方面，HBM预计将正式突破千亿美金，目前处于高增长高毛利阶段。然而，市场也面临产能紧张问题，生产需硅穿孔工艺，晶圆消耗为同容量DDR的3倍，在DDR新增产能少的背景下，HBM供给压力将加剧。若HBM后续不涨价，存储原厂缺乏切换产能生产HBM的动力，或进一步制约供给。

本报告提示了HBM市场的主要风险，首先是产能紧张问题。HBM生产需硅穿孔工艺，晶圆消耗为同容量DDR的3倍，在DDR新增产能少的背景下，HBM供给压力将加剧。其次，若HBM后续不涨价，存储原厂缺乏切换产能生产HBM的动力，或进一步制约供给。此外，HBM作为AI算力核心瓶颈，其市场需求的爆发式增长也伴随着技术迭代的风险，如HBM4后续性能提升不及预期，可能影响其作为核心瓶颈的地位。但报告强调，分析基于现有数据，不涉及投资建议，风险提示仅供参考。