全球首款HBM4芯片,開始量產!

全球首款HBM4芯片,開始量產!

文章圖片


本文由半導體產業縱橫(ID:ICVIEWS)綜合
HBM4!SK海力士又贏了 。

今日 , SK海力士宣布已成功完成面向AI的超高性能存儲器新產品HBM4的開發 , 實現了全球最高水平的數據處理速度和能效 , 并在全球首次構建了量產體系 。
消息發布后 , SK海力士股價當日盤中一度上漲超5% 。
HBM(High Bandwidth Memory , 高帶寬內存)是一種能夠實現高速、寬帶寬數據傳輸的下一代DRAM技術和規范 。其核心結構在于將多個DRAM芯片(通常4層、8層甚至12層)通過先進的封裝技術垂直堆疊在一起 。正是由于HBM能以遠超傳統內存(如GDDR)的帶寬(即數據傳輸速率)運行 , 因此它已成為高性能計算領域 , 特別是生成式AI所需GPU(圖形處理器)的理想內存解決方案 。需要特別澄清的是 , HBM與其說是一種新型DRAM芯片本身 , 不如說是一種定義了如何實現DRAM高速、寬帶寬互連的物理和電氣“接口規范” 。
HBM4在帶寬、通道數、功耗、容量等多方面都進行了改進 。 首先是帶寬上的增加 , 通過2048bit接口提供高達8Gb/s的傳輸速度 , 總帶寬提高至2TB/s 。 另一個重要升級是每個堆疊的獨立通道數加倍 , 從16個通道(HBM3)增加到32個通道 , 每個通道包含2個偽通道 。 這為設計人員提供了更大的靈活性 。 其次是容量上的提升 。 HBM4支持4層、8層、12層和16層DRAM堆棧 。 這些芯片密度可達24Gb或32Gb , 可提供64GB(32Gb 16高)的更高立方體密度 。
HBM對于AI功能(特別是大規模訓練和推理)、高性能計算以及高端顯卡至關重要 , 它能夠極大緩解數據吞吐的瓶頸 , 讓GPU等處理器高效運轉 。
SK海力士此次預測 , 將該產品引入客戶系統后 , AI服務性能最高可提升69% 。 這能讓AI訓練和推理更快、更高效 。
SK海力士在HBM4的開發過程中采用了自研的MR-MUF封裝技術和第五代10納米級(1b)DRAM工藝 , MR-MUF工藝指在堆疊半導體芯片后 , 通過向芯片間隙注入液態保護材料并固化的方式保護層間電路 , 相較逐層堆疊芯片時鋪設薄膜材料的傳統方式 , 該工藝效率更高且散熱效果優異 。
SK海力士副總裁、HBM開發負責人趙柱煥(Kwon Eon-oh)表示 , “HBM4的開發將成為業界新的里程碑” 。 趙柱煥是DRAM領域的專家 , 于2022年將全球首創的下一代工藝High-K Metal Gate (HKMG)引入到移動DRAM、LPDDR中 , 提高了速度并降低了功耗消耗 。 2023年 , 他晉升為SK海力士高管 , 承擔起完成該公司HBM技術路線圖的重任 。
目前高端HBM市場主要由三星、美光、海力士三大巨頭主導 , 頭部廠商在HBM上的競爭異常激烈 。 SK海力士的HBM產品市場占有率位列第一 , 新品迭代上 , 此次SK海力士領先一步 , 但三星和美光也在積極跟進 , 兩者均已經開發了HBM4產品 , 前者正在籌備樣品生產 , 計劃在2025年第四季度開始初期生產 , 目標是搭載于英偉達2026年推出的Rubin AI GPU , 正計劃恢復建設平澤第五工廠 , 為下一代HBM準備產能 , 后者已推出12層堆疊36GB HBM4樣品 , 進入客戶驗證階段 , 計劃2026年正式量產 。
在HBM存儲器的發展過程中 , 散熱是個大問題 。 若無法充分控制半導體芯片產生的熱量 , 可能會對產品性能、生命周期和功能產生負面影響 。 因此 , 除容量和帶寬外 , 包括散熱在內均已成為先進存儲器產品開發過程中的關鍵考慮因素 。 而控制散熱的一大手段就是封裝技術 。
據悉 , 三星已經將混合鍵合技術引入到第六代HBM產品 , 也就是HBM4 , 早于競爭對手SK海力士 。 這不僅顯著改善了發熱問題 , 而且還明顯提升了I/O數量 。 隨著堆疊層數的增加 , 需要縮小芯片之間的間隙 , 引入混合鍵合技術可以縮小間隙 , 滿足需要更多垂直堆疊層數的HBM產品的生產 。
當前 , HBM4的市場需求強勁 , 被廣泛應用于AI、深度學習和高性能計算等領域 。 此前 , 英偉達CEO黃仁勛曾要求SK海力士提前六個月供應HBM4芯片 。 此外 , 特斯拉最近也向SK海力士和三星電子表達采購HBM4的意向 , 用于正在開發的AI數據中心及其自動駕駛汽車 。 而微軟、Meta向三星電子采購定制HBM4芯片 。
*聲明:本文系原作者創作 。 文章內容系其個人觀點 , 我方轉載僅為分享與討論 , 不代表我方贊成或認同 , 如有異議 , 請聯系后臺 。
【全球首款HBM4芯片,開始量產!】想要獲取半導體產業的前沿洞見、技術速遞、趨勢解析 , 關注我們!

    推薦閱讀