💢💢💢

$SK海力士(SKHY.US)（SK 海力士）与 $英伟达(NVDA.US)（英伟达）正在成为 AI 时代 “算力瓶颈转移” 的核心受益者。

过去两年，市场主要关注 GPU 数量：H100、H200、Blackwell 系统能够提供多少 AI 算力。但随着 AI 模型规模不断扩大，新的限制正在出现——内存带宽和高性能内存供应成为 AI 基础设施的关键瓶颈。

$SK海力士(SKHY.US)：AI 内存需求正在发生结构性变化

SK 海力士 DRAM 收入在过去三年增长超过 5 倍，核心驱动力来自 AI 服务器需求，尤其是 HBM（High Bandwidth Memory，高带宽内存）。

传统服务器主要依赖普通 DRAM，而 AI 加速器需要大量高速内存来喂饱 GPU。

以 $英伟达(NVDA.US) Blackwell 系统为例：

Blackwell 架构进一步提高计算能力，但同时需要更高带宽、更大容量的 HBM 支撑。如果 GPU 算力提升，而内存无法同步提升，就会出现 “算力等待内存” 的问题。

这意味着：

GPU 越强，对 HBM 的依赖越高。

HBM 的特殊之处在于：

HBM 每 GB 所消耗的硅片数量约为普通 DRAM 的 2–3 倍。

原因是 HBM 通过多层 DRAM 堆叠实现更高带宽，需要更多 DRAM die 和先进封装技术。

因此，当晶圆产能从普通 DRAM 转向 HBM 时，实际影响远超过简单的容量转换：

一片用于 HBM 的晶圆，其产能消耗可能相当于减少 2–3 倍普通 DRAM 的供应。

这也是为什么 AI 时代可能出现新的内存供需格局：

过去：
DRAM 市场遵循周期性扩产 → 供过于求 → 价格下降。

现在：
AI 服务器需求推动 HBM 快速增长，同时挤压传统 DRAM 供应。

供给增长速度可能长期落后于 AI 数据中心需求。

$英伟达(NVDA.US) Blackwell 的影响

Blackwell 不只是 GPU 升级，而是一整套 AI 数据中心系统。

包括：

GPU
HBM
NVLink 高速互联
网络交换
液冷系统
数据中心基础设施

其中 HBM 已成为 AI 芯片供应链中最关键的限制环节之一。

因此，AI 半导体竞争正在从：

“谁制造最快的 GPU”

转向：

“谁能够提供完整 AI 计算系统，包括 GPU、HBM、先进封装和高速网络。”

受益链：

第一层：
$英伟达(NVDA.US)
AI 加速器龙头，掌握 GPU 生态。

第二层：
$SK海力士(SKHY.US)
HBM 龙头之一，直接受益于 AI 内存需求爆发。

$美光科技(MU.US)
美国 HBM 与先进 DRAM 供应商。

$台积电(TSM.US)
先进封装和 AI 芯片制造核心。

第三层：
$博通(AVGO.US)
AI 网络芯片与高速互联。

$Arista Networks(ANET.US)
AI 数据中心网络设备。

$迈威尔科技(MRVL.US)
高速连接与数据中心芯片。

未来 AI 基础设施竞争的核心公式正在改变：

过去：

GPU 数量 × 算力 = AI 能力

未来：

GPU 算力 × HBM 带宽 × 网络互联 × 电力供应 = AI 系统能力

因此，HBM 不只是内存升级，而是 AI 计算架构中的战略资源。

随着 Blackwell、Rubin 等下一代 AI 平台持续扩大，HBM 可能成为继 GPU 之后，AI 半导体供应链中最重要的增长瓶颈之一。