在2024年即将到来之际，多家机构给出预测，认定生成式将成为2024年的增长重点之一。回顾2023年，年初的ChatGPT引爆了今年的生成式热潮，不仅仅是下游市场的应用，这股大火一直烧到了上游芯片领域，根据权威机构预测，2023年和2024年，AI服务器将有38%左右的增长空间。随着等AI芯片走向高峰的同时，也极大带动了市场对新一代内存芯片（高带宽内存）的需求。

是何方神圣？

首先，我们先来了解一下什么是。HBM全称为High Bandwich Memory，直接翻译即是高带宽内存，是一款新型的CPU/内存芯片。其实就是将很多个芯片堆叠在一起后和封装在一起，实现大容量、高位宽的组合阵列。这么说可能有一些不明所以，简单来讲，如果说传统的内存芯片是一层的平房结构，那么采用了HBM结构的内存就是现代化的摩天大楼，占地面积不变的基础上，向3维高度发展，从而可实现了更高的性能和带宽。

我们以上图中AMD专为AI训练打造的旗舰GPU MI300X为例，彩色部分是GPU单元，而两侧就是AMD为其配备的8个HBM 3堆栈，每个堆栈为 12-Hi，同时集成了 16 Gb IC，每个 IC 为 2 GB 容量或每个堆栈 24 GB。

我们不难发现，随着AI应用的越来越广泛，HBM的相关应用也是越来越多，需求水涨船高，这篇文章就带各位读者介绍一下HBM相关知识，让各位大致了解一下，为什么我们的AI需要HBM。

在文章开头笔者就说明了简单来讲，HBM技术就是把传统的DDR内存从“平房”改成了“楼房”。从土木工程的角度来看，建一个楼房可要比建一个平房要困难很多，从底层地基到布线都需要重新设计。而同样地，作为微观结构上的“楼房”，想要实现将DDR盖成楼房的HBM技术也是困难重重。

使得HBM技术得以实现的是基于TVS技术的3D封装技术的成熟，对于封装技术的阐述，各位读者感兴趣可以移步笔者之前写过的另一篇文章：

本篇就不再过多赘述，在这篇文章中，笔者来简单说明一下HBM中的TVS技术的应用。

首先，在这个由DRAM组成的微观“大楼”中，DRAM被堆叠在一起，并且每个DRAM芯片之间使用TVS（Transient Voltage Suppressor）连接方式进行连接。在DRAM下方是DRAM逻辑控制单元，该单元负责对DRAM进行控制。GPU与DRAM之间通过uBump和Interposer（一种具有互联功能的硅片）进行连接。Interposer再通过Bump与Substrate（封装基板）连接，最终连接到BGA（球栅阵列）BALL上。最后，BGA BALL连接到PCB（印刷电路板）上。就如下图所示：

得益于这种堆栈结构，HBM通过中介层实现紧凑而快速的连接，节省了94%的表面积，其具备的特性几乎与芯片集成的RAM相同，可实现更多的IO数量。此外，HBM重新调整了内存的功耗效率，使每瓦带宽比GDDR5高出3倍以上，这意味着功耗降低了3倍以上。

为什么AI需要HBM？

为了回答这个问题，我们需要先认识到另一个现实：为什么GPU相比CPU更加适合AI训练？

我们可以举一个有趣的例子：

CPU是一个多才多艺的博士，但通常都是独自工作或最多与几个博士伙伴一起（多核心多线程）。有一天，操作系统带来一个新任务，列出了一系列的简单的百以内加减乘除运算。CPU看到这个任务感到虽然简单，但是自己一个人一道一道算，有些吃力。这时，显卡找上门来，告诉CPU说：“CPU，我这里有几百个只会做加减乘除的小学生（GPU核心），他们做得又快又准。你可以指挥他们来做，这样会轻松很多。” CPU觉得这个主意不错，于是显卡就把那本册子拿走了，并让那几百个孩子开始工作，任务很快就完成了。没过多久，操作系统又来了，手里拿着一本新册子。CPU一看，封面写着“AI训练”。他心里有些不安，不知道这次又是什么新挑战。他打开册子一看，还是那些加减乘除的运算。

从上述的这个小故事中，我们可以简单总结一下GPU更适合训练AI的主要原因，主要有这两点：首先，GPU具备强大的并行计算能力，使其能够同时处理多个任务，从而加速AI模型的训练过程；其次，GPU的显存相较于CPU的系统内存在处理大规模数据时更为高效，这使得GPU能够更有效地处理AI训练所需的大量数据。

回答本节之中所提出的问题，为什么AI需要HBM技术呢？HBM可以为显卡带来更大的显存容量和显存传输带宽，而一旦GPU拥有更高的内存带宽和更大的显存容量，这就会使得它能够更快地读取和写入数据，提高数据吞吐量。对于处理大规模数据的AI任务来说，这是非常重要的。因此HBM技术所带来的显存性能的显著提升，对于显卡完成AI任务来说十分重要。

不仅如此，在深度学习中，需要频繁地访问内存进行数据传输。GPU通过HBM技术获得得更高的内存带宽和更快的内存访问速度，就能够更快地进行数据传输，提高计算效率。此外，HBM带来的更大容量显存也可以使得GPU在AI任务中能够处理更大规模的数据集和模型，在如今生成式AI向着越来越大数据规模的方向发展之中，起到了重要的支持作用。

HBM技术的演进

在HBM技术的开发过程中，有两个厂商功不可没，它们就是AMD和。一些信息表明，AMD在2009年就意识到DDR的局限性并产生开发堆叠内存的想法，后来其与SK联手研发HBM。并于2013年，推出了首款HBM1技术的显卡，即Radeon R9 290X。这款GPU采用了4颗HBM芯片，总容量为4GB，可以提供更高的显存带宽和更高的内存容量，从而提高了GPU的性能和效率。不仅如此，这项全新技术，还被定为JESD235行业标准：HBM1的工作频率约为1600 Mbps，漏极电源电压为1.2V，芯片密度为2Gb（4-hi），具有4096bit的带宽，远超过了GDDR5的512bit。

可以说在当时，认定了这才是未来的显存，但是AMD却在2016年发布完产品后完全转向，近乎放弃了HBM。唯一仍然保留HBM技术的是用于AI计算的加速卡。因此，在第二代HBM技术问世的2016年，这个赛道中变成了海力士和新加入的三星之间的对决。

2016年1月，三星宣布开始量产4GB HBM2 DRAM，并在同一年内生产8GB HBM2 DRAM；2017年下半年，被三星赶超的SK海力士开始量产HBM2；2018年1月，三星宣布开始量产第二代8GB HBM2"Aquabolt"；2019年8月，SK海力士宣布成功研发出新一代"HBM2E"；2020年2月，三星也正式宣布推出其16GB HBM2E产品"Flashbolt"，于2020年上半年开始量产；到了2022年，JEDEC组织正式发布了新一代高带宽内存HBM3的标准规范，这一新标准在存储密度、带宽、通道、可靠性、能效等各个层面都进行了扩充和升级。JEDEC表示，HBM3是一种创新的方法，是更高带宽、更低功耗和单位面积容量的解决方案。对于那些需要处理大量数据和高数据速率的应用场景来说，HBM3十分重要，比如图形处理和高性能计算的服务器。

从HBM1到HBM3，SK海力士和三星一直是HBM行业的领军企业。而对于AMD来说，可谓是起了个大早，赶了个晚集。AMD既没有凭借HBM在游戏显卡市场中反杀英伟达，反而被英伟达利用HBM巩固了AI计算领域的地位，煞是可惜。

HBM领域市场分析

    在本文开头笔者就已经提到，生成式AI的火热同时也带动了HBM领域的热度，那就有必要在年末之时粗略向各位读者分析一下目前以及未来HBM市场的竞争格局。

调研机构TrendForce集邦咨询也指出，预估2023年全球HBM需求量将年增近六成，来到2.9亿GB，2024年将再增长三成。2023年HBM将处于供不应求态势，到2024年供需比有望改善。据其他权威机构预测，预计 2024 年随着各原厂 积极扩产的效果显现，HBM 供需比有望获改善，预估将从 2023 年的-2.4%，转为 0.6%。而从各产品的占比来看，2023 年主流 HBM 需求从 HBM2E 升级为 HBM3 甚至 HBM3E，HBM3 需求比重预估约为 39%，较 2022 年提升超 30%，并在 2024 年达到 60%，届时份额比重也将超过 HBM2E。

目前，HBM的平均售价至少是DRAM的三倍，而由于ChatGPT的拉动和产能不足的限制，HBM的价格一路上涨，与性能最高的DRAM相比，HBM3的价格上涨了五倍。而在即将到来的2024年，可以预见的是高端AI服务器GPU搭载HBM芯片将成为主流，这进一步推动了HBM市场的增长。根据TrendForce的数据，2022年全球HBM容量约为1.8亿GB，2023年增长约60%达到2.9亿GB，2024年将再增长30%。如果以HBM每GB售价20美元进行测算，2022年全球HBM市场规模约为36.3亿美元。预计到2026年，市场规模将达到127.4亿美元，对应年复合增长率（CAGR）约为37%。

而其市场格局也将形成三足鼎力的形势。海力士作为将HBM技术最早商业化的厂商将继续领先，而三星将紧随其后，2023年海力士和三 星的 HBM 份额占比约为 46-49%，而的份额将下降至 4%-6%，并在 2024 年进 一步压缩至 3%-5%。

在这三家争霸的局势之中，科技由于起步较晚，在2022年仅仅占据了HBM市场份额的10%，而未来还有继续下降的趋势。最近的科技财报电话会议数据显示，美光的DRAM业绩明显不如SK海力士和三星。美光2024财年的资本支出预计将比2023财年略有增长，不过WFE支出将再次同比下降。

在美光2023年第四季度的DRAM收入显示，美光的DRAM收入增长率仅为3%，明显低于竞争对手。而考虑到采用了HBM技术的DRAM价格约为普通DRAM的7倍，而美光的DRAM业务仅仅微涨了3%。在业内，美光是首家拿出HBM3e样品的公司，其性能和能效在业内均处于行业领先地位。其技术能力于其他在HBM领域的竞争对手相比并不落下风。因此笔者认为，美光的HBM产品在客户接受度上，还有很高的提升空间。

未来进入2024年，有权威机构分析表示：美光科技在HBM方面将继续面临逆风。SK海力士是全球唯一一家大规模生产HBM3的公司，并为英伟达独家供应H100 Tensor Core GPU。美光公司也表示自己将要推出的HBM3 Gen2产品将有更好的性能，其预计引脚速度将超过9.2GB/s。但是随着海力士与英伟达强强联合之下，这对于美光来说，2024年的HBM领域也是面临严峻挑战的一年。

但是面对逆境挑战，美光CEO Mehrotra乐观表示：“这就是创建人工智能软件的计算机所需要的超快访问芯片类型。AI给我们所带来的高营收、高利润机会才刚刚开始。”

而HBM技术在国内发展，整体上并不乐观，目前HBM相关产业链布局相对较小，只有一些企业涉及封测领域。在国内涉及HBM产业链的公司主要包括雅克科技、中微公司、和拓荆科技等公司。其中，雅克的子公司UP Chemical是SK海力士的核心供应商，为其提供HBM前驱体。

在更远的未来，预计AI的浪潮还将继续愈演愈烈，而HBM今后的存在感或许会越来越强。据semiconductor-digest预测，到2031年，全球高带宽存储器市场预计将从2022年的2.93亿美元增长到34.34亿美元，在2023-2031年的预测期内复合年增长率为31.3%。笔者相信，HBM技术将在很长一段时间中都会是AI硬件领域的重要技术，随着越来越多的厂商入局HBM，HBM一定会受到持续的关注和更快的发展。