《存储行业深度报告：AI服务器存储量价齐升算力需求推动HBM市场数倍增长-231122（81页）.pdf》由会员分享，可在线阅读，更多相关《存储行业深度报告：AI服务器存储量价齐升算力需求推动HBM市场数倍增长-231122（81页）.pdf（81页珍藏版）》请在三个皮匠报告上搜索。

1、 敬请阅读末页的重要说明 证券研究报告|行业深度报告 2023 年 11 月 22 日 推荐推荐（维持）（维持）存储行业深度存储行业深度报告报告 TMT 及中小盘/电子 AI 算力升级带动服务器的算力升级带动服务器的 CPU 迭代并提升迭代并提升 GPU 需求，带动需求，带动 AI 服务器存储容服务器存储容量和价值量较传统服务器数倍增长。量和价值量较传统服务器数倍增长。训练型训练型 AI 服务器中服务器中 GPU 承担大部分算力，承担大部分算力，算力算力要求推动了要求推动了 HBM 等新型存储器等新型存储器超百亿超百亿美元新兴市场，进而美元新兴市场，进而提升提升 Bumping、TSV、CoW

2、oS 等等先进封装工艺需求先进封装工艺需求，并带来并带来减薄、键合、减薄、键合、模塑、模塑、测试等设备以测试等设备以及及 EMC、电镀液、电镀液、PSPI 等材料的等材料的增量增量需求需求。叠加国内自主可控需求叠加国内自主可控需求持续增长持续增长，国内存储及国内存储及 HBM 等催生的先进封装产业链发展空间巨大等催生的先进封装产业链发展空间巨大。AI 服务器服务器 CPU 和和 GPU 随算力需求而升级，对存储器容量和价值量均有数倍随算力需求而升级，对存储器容量和价值量均有数倍拉动。拉动。传统服务器以 CPU 作为算力核心，随着 AI 训练模型的算力要求不断提升，CPU 的核心数、主频、线程数

3、量均不断提升，但仅靠 CPU 已经无法满足算力需求，需要搭配 GPU 进行多线程数据处理，主流训练型服务器一般搭配 8 个 GPU。AI 服务器用到的主要存储器包括 CPU 内存、GPU 显存和硬盘 NAND 等，存储器容量和价值量均较普通服务器有数倍提升，1）DRAM：英伟达训练型 AI 服务器中的 CPU DRAM 容量高达 2TB，另外单个 GPU 一般搭载 80GB 以上的 HBM 存储器，AI 服务器 HBM 总容量预计超 640G，总内存容量相较普通服务器有 4-8 倍的提升，仅 CPU 内存价值量预计有 5 倍的提升，GPU 的 HBM 则为纯增量市场；另外，服务器内存也在不断迭

4、代，目前普通的服务器均多配备 DDR4，但最先进的 AI 服务器已经搭配了 DDR5 或LPDDR5；2）NAND：AI 服务器的硬盘容量高达 30TB，相较传统服务器提升 2-4 倍，另外传统服务器同时使用机械硬盘和固态硬盘（SSD），但 AI 服务器基本全部使用 SSD，整体价值量较普通服务器预计提升 10 倍左右。HBM 能够突破能够突破训练型训练型 AI 服务器的服务器的 GPU 带宽极限，带宽极限，2024 年增量空间预计超年增量空间预计超百亿美元百亿美元。HBM（High Bandwidth Memory）即高带宽存储器，是基于 2.5/3D封装技术的一种新型 CPU/GPU 内存

5、芯片，将 DRAM Die 垂直堆叠，Die 之间通过 TSV 的方式连接。HBM 能够以低功耗产生高带宽，因此广泛搭配训练型 AI 服务器的 GPU 使用，训练型 AI 服务器对 HBM 需求的拉动主要体现在：1）AI 服务器搭载服务器搭载 GPU 数量的提升数量的提升：由普通服务器的 2 个提升至目前的8 个；2）单个）单个 GPU 搭载搭载 HBM Stack 数量的提升：数量的提升：在 HBM1 方案中，单个GPU 搭载 4 个 HBM1，而在目前 HBM2e 或 HBM3 方案中，一般单个 GPU搭配 6 个 HBM Stack；3）HBM 堆叠的堆叠的 DRAM 层数和容量增多：层

6、数和容量增多：从 HBM1到 HBM3，单个 DRAM Die 密度从 2Gb 提升至 16Gb，堆叠高度从 4Hi 提升至 12Hi，单个 HBM 叠层容量从 1GB 提升至 24GB。Trendforce 预计 2025年全球服务器出货量为 1700 万台，当前 AI 服务器渗透率大概不足 2%，假设2024 年 AI 服务器渗透率约 4%，按照每个 AI 服务器搭载 8 个 GPU、每个GPU 搭载 6 个共 80GB 至 100GB 及以上的 HBM Stack 的方案测算，那么2024 年 AI 服务器带来的 HBM 增量空间预计超百亿美元。AI 服务器的服务器的 GPU 采用采用