隨著chatGPT的爆火和AGI的繁榮，英偉達正在以前所未見的速度發(fā)展，這不但造就了GPU的繁榮，同時還讓扮演關鍵角色HBM熱度高居不下。

繼美光和SK Hynix在日前表示，今年的HBM產能自己售罄以后。美光和三星在近日也帶來了HBM新品，以期在這個蓬勃發(fā)展的市場占有一席之地。其中，前者帶來了將用在英偉達GH200的之余，還表示將在2024 年 3 月帶來36 GB 12-Hi HBM3E 產品，后者則表示，公司發(fā)布的HBM3E 12H將性能和容量提高了 50% 以上。

由此可見，HBM的競爭愈演愈烈，HBM也成為了決定AI芯片命運的關鍵。這也就是為何Timothy Prickett Morgan認為，誰掌控了HBM，就掌握了AI訓練。

以下為Timothy Prickett Morgan的分享正文：

2024 年推動 Nvidia 數據中心 GPU 加速器發(fā)展的最重要因素是什么？

是即將推出的“Blackwell”B100 架構嗎？我們確信該架構將比當前的“Hopper”H100 及其胖內存弟弟 H200 提供性能飛躍？不。

是該公司有能力從代工合作伙伴臺積電那里拿回數百萬顆 H100 和 B100 GPU 芯片嗎？不，它不是。

是Nvidia AI Enterprise 軟件堆棧及其 CUDA 編程模型和數百個庫嗎？事實上，至少其中一些軟件（如果不是全部）是 AI 訓練和推理的事實上的標準。不過，又沒有。

雖然所有這些無疑都是巨大的優(yōu)勢，并且是許多競爭對手都集中精力的優(yōu)勢，但 Nvidia 在 2024 年推動其業(yè)務的最重要因素與金錢有關。具體來說：英偉達在 1 月份結束了 2024 財年，現(xiàn)金和銀行投資略低于 260 億美元，如果本財年按預期進行，收入將突破 1000 億美元，其中約占 50% 以上如果以凈利潤的形式體現(xiàn)出來，那么即使在支付了稅款、龐大的研發(fā)業(yè)務以及公司的正常運營費用之后，它將為其金庫增加約 500 億美元。

你可以用 750 億美元或更多的資金做很多事情，其中之一就是不必太擔心為數據中心級 GPU 購買 HBM 堆棧 DRAM 內存所需的巨額資金。這種內存正在以相當好的速度變得更快、更密集（就每芯片千兆位而言）和更胖（FAT，就兆字節(jié)帶寬和千兆字節(jié)容量而言），但其改進速度并沒有達到人工智能加速器所需的速度。

隨著美光科技 (Micron Technology) 加入 SK 海力士 (SK Hynix) 和三星 (Samsung) 的供應商行列，HBM 的供應量有所改善，并且進給量和速度也隨之改善。我們強烈懷疑供應將無法滿足需求，HBM 內存的價格將隨著 HBM 在一定程度上推動的 GPU 加速器價格而繼續(xù)攀升。

AMD 擁有 57.8 億美元的現(xiàn)金和投資，沒有那么多閑置資金，盡管英特爾的銀行存款略高于 250 億美元，但它必須建立代工廠，這確實非常昂貴（按順序如今每次流行 150 億至 200 億美元）。因此，它也確實不能在 HBM 內存上揮霍。

對 Nvidia GPU 加速器業(yè)務有利的另一個因素是，在 GenAI 繁榮時期，客戶愿意為數百、數千甚至數萬個數據中心 GPU 支付幾乎任何費用。我們認為，2022 年 3 月宣布的原始“Hopper”H100 GPU的價格，特別是在 SXM 配置中，對于具有 80 GB HBM3 內存、速度為 3.35 TB/秒的單個 H100，其價格超過 30,000 美元，我們不知道具有 96 GB 內存，速度為 3.9 TB/秒的H100的費用，但我們能推測 Nvidia 對具有 141 GB HBM3E 內存、運行速度為 4.8 TB/秒的 H200 設備的收費。H200 基于與 H100 完全相同的“Hopper”GPU，將內存容量提高了 76.3%，內存帶寬提高了 43.3%，H100 芯片的性能提高了 1.6 倍到 1.9 倍?？紤]到額外的容量意味著需要更少的 GPU 并消耗更少的電量來針對靜態(tài)數據集訓練給定模型，我們認為與原始 H100 相比，Nvidia 可以輕松地為 H200 收取 1.6 倍到 1.9 倍的費用。

黃金法則：擁有黃金的人制定規(guī)則

我們并不是說 H200 在第二季度開始發(fā)貨時就會發(fā)生這種情況。（我們認為英偉達除了財務數據外還談論日歷季度。）我們只是說這樣的舉動是有邏輯的。很大程度上取決于 AMD 對“Antares” Instinct MI300X GPU 加速器的收費，該加速器具有 192 GB 的 HBM3，運行速度為 5.2 TB/秒。MI300X 具有更多的原始浮點和整數能力，HBM 容量比 Nvidia 的 H200 高 36.2%，帶寬比 H200 高 10.4%。

你可以用 Elon Musk 的最后一塊錢打賭，AMD 沒有心情做任何事，除了對 MI300X 收取盡可能多的費用，甚至有建議稱該公司正在努力升級到更胖、更快的 HBM3E內存領域，以保持對Nvidia的競爭。MI300 使用具有八高 DRAM 堆棧的 HBM3，MI300 中的內存控制器具有信號和帶寬容量，可以替換為時鐘速度更快的十二高堆棧HBM3E 。這意味著容量增加了 50%，帶寬也可能增加了 25%。也就是說，每個 MI300X 具有 288 GB 的 HBM3E 容量和 6.5 TB/秒的帶寬。

據推測，這樣一個經過精心設計的 MI350X 芯片（我們可能會這樣稱呼它）在其峰值失敗次數中執(zhí)行了相當大的實際工作量，甚至更多，就像 Nvidia 從 H100 跳躍到 H200 時所發(fā)生的那樣。

正是在這樣的背景下，我們想談談 HBM 領域發(fā)生的事情。我們將從 SK Hynix 開始，該公司展示了 16 個芯片高的 HBM3E 堆棧，每個堆棧提供 48 GB 的容量和 1.25 TB/秒的帶寬。MI300X 配備 8 個內存控制器，可實現(xiàn) 384 GB 內存和 9.6 TB/秒帶寬。

有了這些數字，您就不必將 CPU 作為擴展內存控制器來處理大量工作負載。。。。

我們還沒有看到關于SK海力士十六高HBM3E內存的介紹，也不知道它什么時候上市。去年 8 月，SK 海力士展示了第五代 HBM 內存和第一代 HBM3E 內存，據稱每個堆?？商峁?1.15 TB/秒的帶寬。正如下面由 Trendforce 創(chuàng)建的 HBM 路線圖所示，我們的預期是提供 24 GB 和 36 GB 容量，這意味著 8 高堆棧和 12 高堆棧。

去年 8 月，Nvidia 顯然將成為這些芯片的大客戶，并且有傳言稱 SK Hynix 的這款 24 GB HBM3E 內存將用于即將推出的“Blackwell”B100 GPU 加速器。如果是這樣，那么 Blackwell GPU 小芯片上的六個內存控制器將產生 144 GB 的容量，如果 B100 封裝按預期具有兩個 GPU 小芯片，則意味著最大容量為 288 GB，帶寬為 13.8 TB/秒。很難說收益率如何，可能只有 5/6 可用。也有可能 - 但我們希望不是 - B100 看起來不像一個 GPU，而是系統(tǒng)軟件的兩個 GPU（就像兩個芯片組 AMD“Arcturus”MI250X 所做的那樣，而不像 MI300X 那樣，后者有 8 個較小的 GPU 芯片組這加起來會帶來更多的魅力，看起來就像一個 GPU 到系統(tǒng)軟件）。我們將看看那里會發(fā)生什么。

美光科技 (Micron Technology) 進入 HBM 領域較晚，但鑒于供應短缺和需求旺盛，該公司無疑在該領域最受歡迎，該公司今天表示，它正在開始生產其首款 HBM3E 內存，這是一種八高堆棧容量為 24 GB，并補充說該內存是 H200 GPU 的一部分。我們去年 7 月介紹過的Micron HBM3E 變體的引腳運行速度為 9.2 Gb/秒，每個堆棧提供 1.2 TB/秒的內存。美光還聲稱，其 HBM3E 內存的消耗量比“競爭產品”少 30%，想必它正在談論嚴格的 HBM3E 比較。

美光還表示，它已開始對其 12 高 36 GB HBM3E 變體進行送樣，其運行速度將超過 1.2 TB/秒。美光沒有透露比 1.2 TB/秒快多少。

今天晚些時候，三星推出了十二高堆棧 HBM3E，這也是其第五代產品，該公司代號為“Shinebolt”。

Shinebolt 取代了去年推出的“Icebolt”HBM3 內存。Icebolt 堆棧式 DRAM 內存為容量為 24 GB 的十二層堆棧提供 819 GB/秒的帶寬。Shinebolt HBM3E 在 36 GB 堆棧中提供 1.25 TB/秒的帶寬，就像 SK Hynix HBM3E 十二高堆棧一樣。

三星在公告中補充道：“用于AI應用時，預計與采用HBM3 8H相比，AI訓練的平均速度可提高34%，同時推理服務的并發(fā)用戶數可提升34%?！睌U大11.5倍以上?！?三星指出，這是基于內部模擬，而不是實際的人工智能基準。

三星的 Shinebolt HBM3E 12H 現(xiàn)已提供樣品，預計在 6 月底前全面投產。

這些 12 高和 16 高的 HBM3E 堆棧幾乎是我們在 2026 年 HBM4 發(fā)布之前所擁有的。人們可能希望 HBM4 會在 2025 年出現(xiàn)，毫無疑問，我們面臨著推動路線圖升級的壓力，但這似乎不太可能。據猜測，HBM4 的內存接口將增加一倍，達到 2,048 位。HBM1 到 HBM3E 使用了 1,024 位內存接口，信號傳輸速度從 AMD 與 SK Hynix 設計并于 2013 年交付的初始 HBM 內存相比，已經從 1 Gb/秒增加到 9.2 Gb/秒。接口加倍將允許兩倍的速度。需要大量內存來掛起接口，并以一半的時鐘速度提供給定量的帶寬，并且隨著時鐘速度再次提升，帶寬會逐漸增加。或者。它們從一開始就以每引腳 9.2 Gb/秒的速度推出，我們只需支付以瓦為單位的價格。

美光路線圖表示，HBM4 將提供 36 GB 和 64 GB 的容量，驅動速度為 1.5 TB/秒到 2 TB/秒，因此看起來會是寬速和慢速、寬速和更快的混合，但在發(fā)布時不會完全滿足需求。談到帶寬?？雌饋?，寬度加倍幾乎可以使容量和帶寬加倍。預計 HBM4 將具有十六層 DRAM 堆疊，僅此而已。

在 2026 年另一個宇宙的夢想世界中，HBM4 將擁有 2,048 位接口，類似于引腳上的 11.6 Gb/秒信號傳輸，具有 24 個高 DRAM 堆疊，具有 33.3% 密度的 DRAM 內存（4 GB 而不是 3 GB），因此，每個堆棧的速度約為 3.15 TB/秒，每個堆棧的速度約為 96 GB。哦，那我們就瘋狂吧。假設一個 GPU 復合體有十幾個小芯片，每個小芯片都有自己的 HBM4 內存控制器。這將為每個 GPU 設備提供 37.8 TB/秒的聚合內存帶寬，以及每個設備 1,152 GB 的容量。

從這個角度來看，根據 Nvidia 的說法，一個 1750 億個參數的 GPT-3 模型需要 175 GB 的容量來進行推理，因此我們正在討論的理論 GPU 上的內存大小大概能夠處理 1.15 萬億個參數推理。對于 GPT-3 訓練，需要 2.5 TB 內存來加載數據語料庫。如果您的 Hoppers 具有 80 GB HBM3 內存，則需要 32 個 Hopper 才能完成這項工作。但我們的 32 臺設備的容量將增加 14.4 倍，因此能夠加載相應更大的數據量。我們假設的設備上的帶寬也高出 11.3 倍。

請注意，我們沒有提及這十幾個 GPU 小芯片的失敗情況？在大多數情況下，以超過 80% 的利用率運行任何東西都非常棘手，特別是當它可能以不同的精度執(zhí)行不同的操作時。我們想要的是讓觸發(fā)器與比特/秒的比率恢復正常。我們想要制造一臺 12 缸發(fā)動機，它有足夠的噴油器來實際喂養(yǎng)野獸。

我們的猜測是，80 GB 的 H100 的 HBM3 內存約為理想值的三分之一，帶寬也約為理想值的三分之一。這是一種最大化 GPU 芯片銷售和收入的方法，正如 Nvidia 已經清楚地證明的那樣，但這并不是構建平衡的計算引擎的方法 - 就像英特爾在其 X86 芯片上放置一半的 DRAM 內存控制器并將其全部賣給我們一樣——兩個帶有中間倉部件的插座一直是數據中心通用計算的正確答案。我們還需要更多的內存容量和帶寬。

因此，如果使用這個概念性 Beast GPU 加速器將帶寬增加 11.3 倍，那么與原始 H100 相比，計算量可能只會增加 4 倍。在張量核心上，H100 在 FP64 精度下的額定速度為 67 teraflops，在 FP8 精度（未使用稀疏性）下的額定速度為 1.98 petaflops。因此，這個 TP100 GPU 復合體在 FP64 下的額定速度為 268 teraflops，在 FP8 下的額定速度為 7.92 petaflops，每個 GPU 小芯片的性能將是 H100 芯片性能的三分之一，并且可能是其大小的四分之一到五分之一，具體取決于使用的工藝技術。假設它是 TSMC 2N 或 Intel 14A 與真正的 H100 上使用的 TSMC 4N。畢竟，這是我們談論的 2026 年。

這就是我們想要寫的那種野獸，如果我們銀行里有 260 億美元，并且未來還有 500 億美元以上的前景，這就是我們會做的。但是大量的 HBM 內存和計算引擎都塞滿了它。

很難說這會花費多少錢。你不可能打電話給 Fry's Electronics 詢問 2026 年 HBM4 內存的市場價格是多少。一方面，F(xiàn)ry's 已經死了。另一方面，我們現(xiàn)在甚至無法很好地了解 GPU 和其他矩陣引擎制造商為 HBM2e、HBM3 和 HBM3e 內存支付的費用。每個人都知道（或者認為他們知道），HBM 內存和用于將內存鏈接到設備的任何中介層是現(xiàn)代人工智能訓練和推理引擎的兩個主要成本。（當然，混合使用片上 SRAM 和普通 DRAM 的人除外。）

在市場上，用于服務器的最大、最厚、最快的 256 GB DDR5 內存模塊在 4.8 GHz 下運行的價格約為 18,000 美元，每 GB 約為 70 美元。但僅可擴展至 32 GB 的更薄模塊每 GB 成本僅為 35 美元。因此，HBM2e 的價格約為每 GB 110 美元，“超過 3 倍”，如上面的 Nvidia 圖表所示。96 GB 的價格約為 10,600 美元。很難說 HBM3 和 HBM3E 的提升在該設備的“市場價格”上可能值多少錢，但如果達到 HBM3 僅提升 25%，那么 H100 的市場價格約為 30,000 美元80 GB 容量，HBM3 的價格為 8,800 美元。轉向 96 GB HBM3E 可能會將內存成本提高到“市場價格”至 16,500 美元，因為技術成本又增加了 25%，而且額外的 16 GB 內存和 H100 96 GB 的市場價格應約為 37,700 美元。

聽到有關具有 141 GB 容量（由于某種原因不是 144 GB）的 H200 的價格的傳言將會很有趣。但如果這種內存價格分層成立——我們意識到這些都是瘋狂的估計——那么 141 GB 的 HBM3E 本身價值約為 25,000 美元。但按照這樣的價格，H200 的“市場價格”約為 41,000 美元。（注意：這不是我們認為 Nvidia 為 HBM3 和 HBM3E 內存支付的費用——這不是物料清單成本——而是分配給最終用戶的價格。）

我們認為漲幅不會超過 25% 左右，因為內存升級到 HBM3，然后再升級到 HBM3E 將推高內存價格，使其高于市場上傳聞的 Nvidia GPU 價格。

請記住，這只是一個思想實驗，旨在展示 HBM 內存定價如何控制 Nvidia 和 AMD 可以投入該領域的 GPU 數量，而不是相反。內存尾巴正在搖晃 GPU 的狗。內存容量和帶寬與 H200 的配合越來越緊密，如果 Nvidia 僅對額外的內存及其額外的速度收取象征性的費用，那么不僅設備的實際效率會提高，而且性價比也會提高。但如果 Nvidia 只是對這些更強大的 H100 和 H200 進行定價，以便性能增益和內存增益達到平衡，那么花的錢就會少得多，而要花的錢就會多得多。

老實說，我們不知道 Nvidia 會做什么，也不知道 AMD 在 MI300 獲得 HBM3E 升級后會做什么?，F(xiàn)在美光進入該領域的 HBM 供應商增加了 50%，而且 SK Hynix 和三星將產量提高了 2 倍，這是一個很大的數字，但相對于 GPU 和 GPU 的需求，市場上的 HBM 內存仍然只增加了 3 倍。他們的內存更大，可以說大于 3 倍。這不是一個可以降價的環(huán)境。在這種環(huán)境下，人們會提高更先進的計算引擎及其內存的價格，并繼續(xù)盡可能薄地擴展 HBM 內存。

這就是為什么只要 Nvidia 平臺繼續(xù)成為首選，能夠支付高價購買 HBM 內存的人（即 Nvidia 聯(lián)合創(chuàng)始人兼首席執(zhí)行官黃仁勛）就可以設定人工智能訓練的步伐和價格。

換而言之，對于GPU和HBM來說，他們面對的都是生死局。