💢💢💢

$SK海力士(SKHY.US)（SK 海力士）與 $英偉達(NVDA.US)（英偉達）正在成為 AI 時代 “算力瓶頸轉移” 的核心受益者。

過去兩年，市場主要關注 GPU 數量：H100、H200、Blackwell 系統能夠提供多少 AI 算力。但隨着 AI 模型規模不斷擴大，新的限制正在出現——內存帶寬和高性能內存供應成為 AI 基礎設施的關鍵瓶頸。

$SK海力士(SKHY.US)：AI 內存需求正在發生結構性變化

SK 海力士 DRAM 收入在過去三年增長超過 5 倍，核心驅動力來自 AI 服務器需求，尤其是 HBM（High Bandwidth Memory，高帶寬內存）。

傳統服務器主要依賴普通 DRAM，而 AI 加速器需要大量高速內存來餵飽 GPU。

以 $英偉達(NVDA.US) Blackwell 系統為例：

Blackwell 架構進一步提高計算能力，但同時需要更高帶寬、更大容量的 HBM 支撐。如果 GPU 算力提升，而內存無法同步提升，就會出現 “算力等待內存” 的問題。

這意味着：

GPU 越強，對 HBM 的依賴越高。

HBM 的特殊之處在於：

HBM 每 GB 所消耗的硅片數量約為普通 DRAM 的 2–3 倍。

原因是 HBM 通過多層 DRAM 堆疊實現更高帶寬，需要更多 DRAM die 和先進封裝技術。

因此，當晶圓產能從普通 DRAM 轉向 HBM 時，實際影響遠超過簡單的容量轉換：

一片用於 HBM 的晶圓，其產能消耗可能相當於減少 2–3 倍普通 DRAM 的供應。

這也是為什麼 AI 時代可能出現新的內存供需格局：

過去：
DRAM 市場遵循週期性擴產 → 供過於求 → 價格下降。

現在：
AI 服務器需求推動 HBM 快速增長，同時擠壓傳統 DRAM 供應。

供給增長速度可能長期落後於 AI 數據中心需求。

$英偉達(NVDA.US) Blackwell 的影響

Blackwell 不只是 GPU 升級，而是一整套 AI 數據中心繫統。

包括：

GPU
HBM
NVLink 高速互聯
網絡交換
液冷系統
數據中心基礎設施

其中 HBM 已成為 AI 芯片供應鏈中最關鍵的限制環節之一。

因此，AI 半導體競爭正在從：

“誰製造最快的 GPU”

轉向：

“誰能夠提供完整 AI 計算系統，包括 GPU、HBM、先進封裝和高速網絡。”

受益鏈：

第一層：
$英偉達(NVDA.US)
AI 加速器龍頭，掌握 GPU 生態。

第二層：
$SK海力士(SKHY.US)
HBM 龍頭之一，直接受益於 AI 內存需求爆發。

$美光科技(MU.US)
美國 HBM 與先進 DRAM 供應商。

$台積電(TSM.US)
先進封裝和 AI 芯片製造核心。

第三層：
$博通(AVGO.US)
AI 網絡芯片與高速互聯。

$Arista Networks(ANET.US)
AI 數據中心網絡設備。

$邁威爾科技(MRVL.US)
高速連接與數據中心芯片。

未來 AI 基礎設施競爭的核心公式正在改變：

過去：

GPU 數量 × 算力 = AI 能力

未來：

GPU 算力 × HBM 帶寬 × 網絡互聯 × 電力供應 = AI 系統能力

因此，HBM 不只是內存升級，而是 AI 計算架構中的戰略資源。

隨着 Blackwell、Rubin 等下一代 AI 平台持續擴大，HBM 可能成為繼 GPU 之後，AI 半導體供應鏈中最重要的增長瓶頸之一。