Source: DYLAN PATEL，MYRON XIE, GERALD WONG, AI Capacity Constraints - CoWoS and HBM Supply Chain, July 6, 2023

生成式人工智能已經到來，它將改變世界。自從ChatGPT風靡全球，讓我們對人工智能的可能性充滿想象力以來，我們看到各種各樣的公司都在爭相訓練AI模型，并將生成式人工智能應用于內部工作流程或面向客戶的應用程序中。不僅是大型科技公司和初創(chuàng)公司，很多非科技行業(yè)的財富5000強公司也在努力尋找如何部署基于LLM的解決方案。

當然，這將需要大量的GPU計算資源。GPU銷售量像火箭一樣飆升，供應鏈難以滿足對GPU的需求。公司們正在爭相購買GPU或云實例。

即使是OpenAI也無法獲得足夠的GPU，這嚴重制約了其近期的路線圖。由于GPU短缺，OpenAI無法部署其多模態(tài)模型。由于GPU短缺，OpenAI無法部署更長的序列長度模型（8k vs 32k）。

與此同時，中國公司不僅在投資部署自己的LLM，還在美國出口管制進一步加強之前進行庫存儲備。例如，抖音背后的中國公司字節(jié)跳動據說正在向Nvidia訂購價值超過10億美元的A800/H800。

雖然有許多合理的用例需要數十萬個GPU用于人工智能，但也有很多情況是人們急于購買GPU，試圖構建他們不確定是否有合法市場的項目。在某些情況下，大型科技公司正在努力迎頭趕上OpenAI和Google，以免被拋在后頭。大量風投資金涌入那些沒有明確商業(yè)用例的初創(chuàng)公司。我們了解到有十幾個企業(yè)正在嘗試在自己的數據上訓練自己的LLM。最后，這也適用于包括沙特阿拉伯和阿聯酋在內的國家，他們今年也試圖購買價值數億美元的GPU。

即使Nvidia試圖大幅增加產量，最高端的Nvidia GPU H100也將在明年第一季度之前售罄。Nvidia將逐漸提高每季度H100 GPU的發(fā)貨量，達到40萬枚。

今天我們將詳細介紹Nvidia及其競爭對手在生產方面的瓶頸以及下游容量的擴展情況。我們還將分享我們對Nvidia、Broadcom、Google、AMD、AMD Embedded（Xilinx）、Amazon、Marvell、Microsoft、Alchip、Alibaba T-Head、ZTE Sanechips、三星、Micron和SK Hynix等公司每個季度供應增長的估計。

Nvidia的H100采用CoWoS-S封裝，共有7個芯片組件。中心是H100 GPU ASIC，其芯片尺寸為814平方毫米。周圍是6個HBM存儲堆疊。HBM的配置因不同的SKU而異，但H100 SXM版本使用HBM3，每個堆疊為16GB，總內存容量為80GB。H100 NVL將有兩個封裝，每個封裝上有6個活動的HBM堆疊。

在只有5個活動HBM的情況下，非HBM芯片可以是虛擬硅，用于為芯片提供結構支撐。這些芯片位于硅中間層之上，該硅中間層在圖片中不清晰可見。這個硅中間層位于ABF封裝基板上。

01.GPU芯片和TSMC制造

Nvidia GPU的主要計算組件是處理器芯片本身，采用定制的TSMC工藝節(jié)點“4N”制造。它在臺灣臺南的TSMC Fab 18工廠中制造，與TSMC N5和N4工藝節(jié)點共享設施。這不是生產的限制因素。

由于個人電腦、智能手機和非人工智能相關的數據中心芯片市場的嚴重疲軟，TSMC的N5工藝節(jié)點利用率降至70%以下。Nvidia在獲取額外晶圓供應方面沒有遇到問題。

事實上，Nvidia已經訂購了大量用于H100 GPU和NVSwitch的晶圓，并在這些芯片需要出貨之前立即開始生產。這些晶圓將在TSMC的晶圓庫中存放，直到下游供應鏈有足夠的能力將這些晶圓封裝成成品芯片。

基本上，Nvidia正在利用TSMC低利用率的情況，并在后續(xù)購買成品的路上獲得一些價格優(yōu)勢。

芯片庫，也被稱為晶圓庫，是半導體行業(yè)的一種做法，即將部分加工或已完成的晶圓存放，直到客戶需要時再提供。與其它一些晶圓代工廠不同，TSMC會幫助客戶將這些晶圓保留在自己的賬面上，幾乎進行完整的加工。這種做法可以使TSMC及其客戶保持財務靈活性。由于這些晶圓只是部分加工，所以存放在晶圓庫中的晶圓并不被視為成品，而是被歸類為在制品（WIP）。只有當這些晶圓完全完成時，TSMC才能確認收入并將這些晶圓的所有權轉移給客戶。

幫助客戶調整資產負債表，使其看起來庫存水平得到了控制。對于TSMC而言，好處在于可以提高利用率，從而支持利潤率。然后，當客戶需要更多庫存時，這些晶圓可以通過幾個最后的加工步驟完全完成，然后以正常銷售價格甚至略有折扣交付給客戶。

02.數據中心中HBM的出現

AMD的創(chuàng)新如何幫助了Nvidia

圍繞GPU的高帶寬內存（HBM，High Bandwidth Memory）是下一個重要組件。HBM供應也有限，但正在增加。HBM是通過硅穿透孔（TSV，Through Silicon Vias）連接的垂直堆疊DRAM芯片，并使用TCB（thermocompression bonding，在未來需要更高堆疊層數時將需要使用混合鍵合技術）進行鍵合。在DRAM芯片的下方是一個作為控制器的基礎邏輯芯片。通常，現代HBM有8層存儲芯片和1個基礎邏輯芯片，但我們很快將看到具有12+1層HBM的產品，例如AMD的MI300X和Nvidia即將推出的H100升級版。

有趣的是，盡管Nvidia和Google是HBM的最大用戶，但是AMD是HBM的先驅。在2008年，AMD預測，為了匹配游戲GPU性能的持續(xù)提升，需要更多的功率，這將需要從GPU邏輯中分流，從而降低GPU性能。AMD與SK Hynix和其它供應鏈中的公司（如Amkor）合作，尋找一種能夠在更低功耗下提供高帶寬的存儲解決方案。這導致了2013年由SK Hynix開發(fā)的HBM技術的誕生。

SK Hynix于2015年首次為AMD的Fiji系列游戲GPU提供了HBM技術，這些芯片由Amkor進行了2.5D封裝。隨后，在2017年推出了Vega系列，該系列采用了HBM2技術。然而，HBM對游戲GPU性能并沒有帶來太大改變。由于性能上沒有明顯的優(yōu)勢，再加上成本較高，AMD在Vega之后又轉而使用了GDDR技術來供應其游戲顯卡。如今，Nvidia和AMD的頂級游戲GPU仍在使用價格更低的GDDR6技術。

然而，AMD的初始預測在某種程度上是正確的：內存帶寬的擴展對于GPU來說確實是一個問題，尤其是對于數據中心的GPU而言。對于消費級游戲GPU，Nvidia和AMD已經轉向使用大容量緩存來存儲幀緩沖區(qū)，使它們能夠使用帶寬較低的GDDR內存。

正如我們之前詳細介紹的那樣，推理和訓練工作負載對內存的需求很高。隨著AI模型中參數數量的指數增長，僅僅是權重的模型大小就已經達到了TB級別。因此，AI加速器的性能受到存儲和檢索訓練和推理數據的能力的限制，這通常被稱為內存壁。

為了解決這個問題，領先的數據中心GPU采用了與高帶寬內存（HBM）進行共封裝的方式。Nvidia在2016年推出了他們的首款HBM GPU，即P100。HBM通過在傳統(tǒng)DDR內存和芯片上緩存之間找到了一個折衷方案，通過犧牲容量來提高帶寬。通過大幅增加引腳數，每個HBM堆?？梢詫崿F1024位寬的內存總線，這是DDR5每個DIMM的64位寬度的18倍。與此同時，通過大幅縮短距離，HBM的功耗得到了控制，每位傳輸的能量消耗顯著降低（以皮焦每比特為單位）。相比于GDDR和DDR的厘米級長度，HBM的傳輸路徑只有毫米級長短。

今天，許多面向高性能計算的芯片公司正在享受AMD努力的成果。諷刺的是，AMD的競爭對手Nvidia可能是最大的受益者，成為HBM的最大用戶。

03.HBM市場：SK Hynix的主導地位

三星和美光投資迎頭趕上

作為HBM的先驅，SK Hynix是技術路線圖最為先進的領導者。SK Hynix于2022年6月開始批量生產HBM3，目前是唯一的HBM3供應商，市場份額超過95％，大多數H100 SKU產品都在使用。目前HBM的最大配置是8層16GB HBM3模塊。SK Hynix正在生產12層24GB HBM3，數據速率為5.6 GT/s，用于AMD MI300X和Nvidia H100的升級版本。

HBM的主要挑戰(zhàn)在于封裝和堆疊內存，而這正是SK Hynix擅長的領域，他們積累了最強的工藝流程知識。在未來的文章中，我們還將詳細介紹SK Hynix的兩項關鍵封裝創(chuàng)新，它們正在逐步推進，并將取代當前HBM工藝中的一個關鍵設備供應商。

三星緊隨其后，預計將于2023年下半年開始出貨HBM3。我們相信它們設計用于Nvidia和AMD的GPU。目前，它們在產量上與SK Hynix相比存在巨大的差距，但它們正在大舉投資以追趕市場份額。三星正在努力迎頭趕上，并力爭成為HBM市場份額的第一。我們聽說他們正在與一些加速器公司達成有利的交易，試圖獲得更多份額。

他們展示了他們的12層HBM以及未來的混合鍵合HBM。三星HBM-4技術路線圖中一個有趣的方面是，他們希望將邏輯/外圍電路放在內部FinFET節(jié)點上。這顯示了他們在擁有邏輯和DRAM代工廠方面的潛在優(yōu)勢。

美光公司目前進展最慢。美光公司在混合存儲立方（Hybrid Memory Cube，HMC）技術方面進行了更大的投資。HMC是與HBM競爭的一種技術，概念非常相似，并在同一時期發(fā)展起來。然而，HMC周圍的生態(tài)系統(tǒng)是封閉的，這使得很難在HMC周圍開發(fā)知識產權。此外，HMC存在一些技術缺陷。由于HBM的采用率更高，因此HBM成為了3D堆疊DRAM的行業(yè)標準。

直到2018年，美光才開始轉向HBM并進行投資。這就是為什么美光進展最慢的原因。他們仍然停留在HBM2E階段（而SK Hynix在2020年中期開始大規(guī)模生產HBM2E），甚至無法成功制造頂級的HBM2E芯片。

在最近的財務電話會議中，美光對他們的HBM技術路線圖發(fā)表了一些大膽的言論：他們相信他們將在2024年憑借HBM3E從落后者變?yōu)轭I先者。預計HBM3E將于2024年第三季度/第四季度開始供貨，用于Nvidia的下一代GPU。

我們的HBM3規(guī)?；a實際上是下一代HBM3，具有比當前行業(yè)中HBM3產品性能、帶寬更高、功耗更低的水平。該產品將從2024年第一季度開始規(guī)模化生產，并在2024財年帶來可觀的收入，2025年將大幅增長，甚至超過2024年的水平。我們的目標是在HBM領域占據非常強勢的份額，超過當前行業(yè)DRAM的自然供應份額。

-----美光公司首席業(yè)務官Sumit Sadana

他們聲稱在HBM領域的市場份額高于他們在DRAM市場的份額，這是非常大膽的說法?？紤]到他們仍然在高產量上無法成功制造頂級HBM2E芯片，我們很難相信美光聲稱他們將在2024年初發(fā)貨領先的HBM3芯片，甚至成為首個發(fā)布HBM3E芯片。在我們看來，美光似乎試圖改變關于他們在人工智能領域的失敗者形象，盡管與英特爾/AMD CPU服務器相比，Nvidia GPU服務器的內存容量大大降低。

根據我們的渠道檢查，SK Hynix在新一代技術方面仍然保持領先地位，而三星則在大幅增加供應、提出大膽路線圖并達成交易方面努力迎頭趕上。

04.真正的瓶頸是CoWoS技術

CoWoS（Chip on Wafer on Substrate，芯片在晶圓上的襯底上）是TSMC的“2.5D”封裝技術，多個活性硅芯片（通常是邏輯芯片和HBM堆疊芯片）集成在一個被動硅中間層上。中間層作為頂部活性芯片的通信層。然后，中間層和活性硅芯片與包裝基板連接在一起，包裝基板上含有與系統(tǒng)PCB連接的I/O接口。

HBM和CoWoS是相輔相成的。HBM的高引腳數和短跡長要求需要2.5D先進封裝技術，如CoWoS，才能實現密集、短距離的連接，這在PCB甚至包裝基板上無法實現。CoWoS是主流封裝技術，提供最高的互連密度和最大的封裝尺寸，而成本合理。由于幾乎所有HBM系統(tǒng)目前都采用CoWoS封裝，所有先進的人工智能加速器都使用HBM，因此可以推斷，幾乎所有領先的數據中心GPU都由TSMC采用CoWoS封裝。百度在其產品中使用了三星的高級加速器。

盡管TSMC的SoIC等3D封裝技術可以直接將芯片堆疊在邏輯芯片上，但對于HBM來說，這種做法在熱管理和成本方面并不合理。SoIC在互連密度方面處于不同的數量級，并更適合通過芯片堆疊擴展片上緩存，正如AMD的3D V-Cache解決方案所示。AMD的Xilinx也是多年前最早使用CoWoS技術將多個FPGA芯片集成在一起的用戶。

盡管還有其它一些應用程序使用了CoWoS技術，如網絡（其中一些被應用于網絡GPU集群，如博通的Jericho3-AI）、超級計算和FPGA，但絕大多數CoWoS的需求來自于人工智能領域。與半導體供應鏈的其它主要終端市場不同，這些市場的疲軟意味著有足夠的閑置產能來滿足對GPU的巨大需求，CoWoS和HBM已經是主要面向人工智能的技術，因此2022年第一季度已經消耗了所有的閑置產能。隨著GPU需求的激增，這些供應鏈的部分已經無法跟上，成為了GPU供應的瓶頸。

就在最近的兩天，我接到了一個客戶的電話，要求大幅增加后端產能，特別是CoWoS方面的產能。我們正在評估這個需求。

-----TSMC首席執(zhí)行官魏哲家

TSMC一直在為更多的封裝需求做準備，但可能沒有預料到這股生成式人工智能需求會來得如此迅速。今年6月，TSMC宣布他們在竹南開設了先進封測 6工廠。這個工廠占地面積達14.3公頃，足夠容納每年高達100萬片的3D封測產能。這不僅包括CoWoS，還包括SoIC和InFO技術。有趣的是，這個工廠的面積比TSMC其它封裝工廠的總和還要大。盡管這只是凈化室的面積，并遠未完全配備充分的設備來提供如此多的產能，但很明顯TSMC正在做好準備，預期會有更多對其先進封裝解決方案的需求。

微觀封裝（Wafer Level Fan-Out）的產能有些閑置，這在主要用于智能手機SoC的領域比較常見，其中的一些部分可以重新用于CoWoS的某些工藝步驟。特別是在沉積、電鍍、背面研磨、成型、放置和RDL（重密度線路）形成等方面存在一些重疊的工藝。我們將在后續(xù)文章中詳細介紹CoWoS的工藝流程以及所有由此帶來積極需求的公司。在設備供應鏈中會有一些有意義的變化。

英特爾、三星和外包測試組織（如ASE的FOEB）還有其它的2.5D封裝技術，但CoWoS是唯一一種被大量采用的，因為TSMC是最為主導的人工智能加速器代工廠。甚至英特爾的Habana加速器也是由TSMC制造和封裝。然而，一些客戶正在尋求與TSMC的替代方案，下面我們將討論這方面的內容。更多信息請參閱我們的先進封裝系列。

05.CoWoS的變種

CoWoS有幾個變種，但原始的CoWoS-S仍然是高產量生產的唯一配置。這是上面描述的經典配置：邏輯芯片和HBM芯片通過基于硅的中間層和TSV進行連接。中間層然后放置在有機封裝基板上。

硅中間層的一項關鍵技術是“版圖拼接”（reticle stitching）。由于光刻工具的缺陷掃描限制，芯片通常具有最大尺寸為26mm x 33mm。隨著GPU芯片尺寸接近這一限制并需要適應周圍的HBM芯片，中間層需要更大的尺寸，將超過這個版圖限制。TSMC利用版圖拼接技術來解決這個問題，允許他們對中間層進行多次版圖拼接（目前最多可以達到3.5倍，與AMD的MI300相適應）。

CoWoS-R采用有機基板和重新分布層（RDL），而不是硅中間層。這是一種成本較低的變種，由于使用有機RDL而不是基于硅的中間層，犧牲了I/O密度。正如我們所詳細介紹的那樣，AMD的MI300最初是設計在CoWoS-R上的，但我們認為由于翹曲和熱穩(wěn)定性的問題，AMD不得不改用CoWoS-S。

CoWoS-L預計將于今年晚些時候推出，并使用RDL中間層，但包含用于芯片間互連的主動和/或被動硅橋，嵌入在中間層內部。這是TSMC的等效產品，類似于英特爾的EMIB封裝技術。這將允許更大的封裝尺寸，因為硅中間層的規(guī)模越來越難以擴展。MI300 CoWoS-S可能已接近單個硅中間層的限制。

對于更大的設計來說，采用CoWoS-L將更具經濟性。TSMC正在研發(fā)一個6倍版圖尺寸的CoWoS-L超級載體中間層。對于CoWoS-S，他們并未提及超過4倍版圖的內容。這是因為硅中間層的脆弱性。這種硅中間層只有100微米厚，當中間層在工藝流程中擴展到更大尺寸時，有可能出現剝離或開裂的風險。