🔥36氪•近期收集於 14m
野村證券：市場對「算力過剩」的擔憂可能過度
💡關於 AI 算力供應緊缺為何可能持續的關鍵市場洞察。
⚡ 30-Second TL;DR
有什麼變化
AI 對 HBM 的需求正導致標準記憶體供應受限
為什麼重要
這顯示 AI 基礎設施熱潮（特別是記憶體領域）在可預見的未來，仍將受供需失衡的支撐。
下一步行動
調整供應鏈預測模型，將 AI 叢集記憶體採購的延長交貨期納入考量。
誰應關注：Developers & AI Engineers
關鍵要點
- •AI 對 HBM 的需求正導致標準記憶體供應受限
- •半導體廠建設週期長，難以迅速造成產能過剩
- •市場對算力過剩的擔憂目前被過度誇大
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •HBM3e 與 HBM4 的生產良率挑戰持續限制了整體記憶體產能的釋放，迫使製造商將更多晶圓產能轉向高利潤的 AI 記憶體。
- •記憶體大廠（如三星、SK海力士、美光）正採取資本支出審慎策略，優先擴充先進封裝（CoWoS）產能而非單純增加晶圓廠數量。
- •AI 伺服器對記憶體頻寬的需求呈現指數級增長，導致標準 DRAM 在伺服器市場的份額被持續壓縮，進而推升了通用型記憶體的價格。
- •野村證券指出，AI 基礎設施的投資回報率（ROI）評估已從單純的算力擴張轉向能源效率與記憶體頻寬優化，這減緩了盲目擴產的風險。
- •供應鏈瓶頸已從單純的晶片製造轉移至後段封裝測試，特別是 TSV（矽穿孔）技術的產能限制，成為短期內無法透過擴建晶圓廠解決的關鍵。
🛠️ 技術深入
- HBM（高頻寬記憶體）架構：採用 3D 堆疊技術，透過 TSV（矽穿孔）實現垂直互連，大幅提升數據傳輸頻寬。
- 產能排擠效應：由於 HBM 晶粒尺寸（Die Size）較大且製程複雜，生產同樣容量的 HBM 所需的晶圓面積遠高於標準 DDR5，導致產能利用率計算方式改變。
- 資本支出結構：半導體廠將資金轉向 EUV 微影設備與先進封裝產線，而非傳統的成熟製程擴產，導致標準記憶體供給彈性降低。
🔮 前景展望AI analysis grounded in cited sources
記憶體產業將進入長期的結構性供需失衡。
由於 HBM 生產佔用大量晶圓產能且技術門檻高，標準型 DRAM 的供給彈性將長期維持在低檔。
AI 算力基礎設施將出現分層化發展。
企業將更傾向於投資具備高記憶體頻寬的專用 AI 晶片，而非單純追求通用算力的過度擴張。
⏳ 時間線
2023-05
生成式 AI 爆發，市場對 HBM 需求開始呈現爆發性增長。
2024-02
記憶體大廠宣布調整資本支出，將重心全面轉向 HBM3e 量產。
2025-06
野村證券發布報告，首次提出市場對算力過剩的擔憂可能被誇大的觀點。
2026-03
全球半導體設備支出數據顯示，先進封裝設備投資首次超越傳統晶圓製造設備。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 36氪 ↗