HBM 2030供需深度研究：解剖26.7EB需求模型并与扩产计划交叉验证

背景关联 如果说HBM·HBF·HBC内存技术对比一文讨论的是技术本身的定位，那么本文要深入研究的是该技术的需求与供给将如何在2030年前相遇。建议与AI代币价值与内存附加值、7月末大型科技公司财报电话会与内存论点、2027年半导体一致预期由谁买单一起阅读。相关专题请见AI HBM专题与Exclusive Analysis专题。

要点

• 市面上流传的2030年HBM需求26.7EB、供给10.6EB、短缺2.5倍这一说法，我们用公开公式做了独立复现。算术本身可以复现，问题在于这个数字建立在怎样的假设之上。
• 26.7EB并非把存量和流量弄混的错误，而是把需求和供给都换算成已安装并处于运行状态的HBM存量(stock)后再比较所得出的数值。只不过它需要代币增长24倍、模型footprint增长5倍、上下文增长4倍、KV留存率70%等多项乐观假设同时成立才能得出。
• 我们用三个视角做了交叉验证：(1)需求模型结构，(2)需求假设的上行依据与技术效率反证，(3)Big 3扩产计划。三个视角没有相互矛盾，指向同一个结论。
• 结论把方向和规模分开来看。2027年前维持紧张的可信度较高，2028年起供给改善与官方扩产计划相符，而2030年仍精确短缺2.5倍则是偏乐观的情景。
• 本文不对具体个股给出买入或持有判断，而是解剖产业供需结构的分析。[分析范围]

1. 论点梳理：我们要验证什么

AI内存市场上流传着一个很有力的说法：2030年HBM需求将达到26.7EB(艾字节)，而供给仅有10.6EB，由此留下约2.5倍的结构性短缺。这个数字出自一个独立分析模型(Memory Analyst)，经由多个YouTube视频和研报扩散开来。

这篇深度研究将回答四个问题。[验证问题]

1. 26.7EB对10.6EB的算式在内部是否自洽？
2. 需求假设在公开依据和模型结构上是否站得住脚？
3. 即便反映三星电子、SK海力士、美光的扩产，2030年的短缺是否依然存在？
4. 市场实际上会如何消化这个数字？

首先，为了不让结论变得模糊，先明确一点：本文不会重新测算当前股价或合理估值倍数，只讨论供需方向与规模的可信度。

2. 第一个视角：解剖26.7EB需求模型

2.1 这是存量对存量的比较（澄清一个常见误解）

首先要澄清的误解是"26.7EB需求与10.6EB供给，是把年消费量和年产量弄混的错误比较"这一说法。经过验证，这并不是错误。原模型比较的是两个存量。[事实]

• Need（所需量）：为处理该年度AI推理工作负载，需要安装并保持通电运行的HBM存量
• Serving fleet（在役存量）：过去约5年间生产的HBM中，被投入推理使用、反映老化效率损耗后仍未退役的存量

也就是说，这两个数字都不是流量(flow)，而是存量(stock)。原模型fleet = 最近约5年output × inference share - 摩擦损耗的结构明确体现了这一换算过程。在存量-流量的维度上是自洽的。[推断] 不过，将流量转换为存量所用的推理分配比例、5年寿命、各世代效率，并非经独立验证的行业标准，而是模型假设。

2.2 原样复现26.7EB需求公式

我们将原模型公开的简化公式和2030年base-case输入值原样代入，做了独立复现。

traffic = 24  (2026 대비 24배, 월간 토큰 120 quadrillion)
replicaIndex = 24^0.90 / 11 = 1.5878

weights = 1.75 × 1.5878 × 5 / 1.75 = 7.939EB
contextBucket = 4 × 1.5 / 4 × 0.70 = 1.05
kv = 1.27 × 24^0.55 × 1.05 = 7.658EB
scratch = (7.939 + 7.658) × 0.15 = 2.340EB

need = (7.939 + 7.658 + 2.340) × 1.10 / 0.74 = 26.66EB ≈ 26.7EB

按构成拆解需求如下。

[事实] 26.7EB的算术可以用公开公式复现。常驻权重和KV缓存分别占44%和43%，合计占据需求的大部分，这一点很重要，因为后文提到的技术效率改进正是直接针对这两项。

[未验证] 不过计算器中还有一个单独的输入值frontier/HBM-served share 70%，但在公开的简化公式中，这个值如何反映到权重计算里并不清楚。在完成代码级别的审计之前，我们不会把26.7EB认定为一个完全独立验证过的模型。

2.3 正确解读增长率

此前常被引用的5年CAGR存在计算区间的错误。从2026年到2030年虽然有5个观测值，但复利计算的区间只有4个。

另外，原模型给出的年度HBM产量路径从2024年2.8EB到2030年7.6EB，其6期CAGR为18.1%。10.6EB的serving fleet并非年度产量，而是多个年度产量累积并折旧后的存量，因此这两者不能混用。[事实]

如果需求以每年53.6%的速度增长，而供给存量以每年29.7%的速度增长，那么缺口不断扩大的方向本身在算术上是显而易见的。问题在于这两个增长率背后的输入假设有多稳固。

3. 第二个视角：需求假设的上行依据与反证

3.1 已确认的需求上行依据

需求强劲确实有依据支撑。[事实]

• 高盛研究(Goldman Sachs Research)预测2026至2030年月度代币消费量将增长24倍，达到120 quadrillion。
• 同一份资料预计，日均LLM查询量到2030年将达到110亿次，年均增速约40%。
• 随着英伟达(NVIDIA)代际演进，每颗加速器搭载的HBM容量一直在增加。
• 美光截至2026年6月的指引显示，DRAM、NAND需求大幅超过供给，紧张状态预计将持续到2027年以后。
• 美光已签署16份战略客户协议(SCA)，其中14份协议按最低价格计算的累计收入约为1,000亿美元，相关现金存款、融资承诺为220亿美元。不过HBM只是这些协议的一部分，并非全部都是HBM合同。

3.2 同一来源中存在的反面依据

有意思的是，被用作乐观依据的高盛资料本身也包含了反面证据。[事实]

• 高盛在预期短期芯片短缺的同时，也明确指出一旦新增产能到位，行业大约可在两年内追赶上来。
• 高盛解释称，每单位推理代币的成本每年下降60-70%。价格下降会推高使用量，但同一工作负载所需的物理内存负担也会随之降低。
• 关键在于，高盛的24倍预测并非HBM比特需求预测，而是代币流量(token traffic)预测。从代币到并发会话、上下文、KV、权重、HBM留存的整个转换过程，全部都是另外的模型假设。

[推断] 因此，高盛的预测支持AI使用量增长，但并不直接支持2030年HBM短缺2.5倍这一结论。乐观论者在引用高盛数据时，往往会省略这一区别。

3.3 模型结构与效率反证

需求公式的核心，即权重和KV缓存，正是技术改进的直接目标。[事实]

• 原模型举例的约504KB/代币KV缓存数值，来自Llama 3.1 405B的案例，并非所有frontier模型的普遍值。
• DeepSeek-V3/R1系列通过多头潜在注意力机制(Multi-head Latent Attention, MLA)和混合专家模型(Mixture-of-Experts, MoE)，大幅提升了KV与运算效率。
• Google Research的TurboQuant在公开基准测试中给出了KV内存最少降低6倍的结果。

[推断] 不过TurboQuant是针对KV缓存的研究成果，并不代表权重、scratch、redundancy也能一并降低6倍，也不是在大规模生产环境下延迟、吞吐量、质量都得到验证的行业平均水平。

因此诚实的结论是要排除两个极端。504KB/代币 × 所有未来工作负载是高估，KV压缩6倍 × 全部HBM是低估。未来需求落在这两个极端之间，关键在于权重和KV的构成会如何变化。

4. 第三个视角：与Big 3扩产计划交叉验证

4.1 晶圆厂产能与有效HBM供给并不相同

分析供给时常见的错误，是把晶圆厂动工、竣工的新闻直接换算成可销售的HBM。两者之间存在五个层面的落差。[事实/推断]

1. Die intensity（芯片堆叠密度）上升：每个stack的die数量从12层增加到16层时，相同stack数量所需的die约增加33%。即便晶圆产量增加，可销售stack的增速也可能低于晶圆增速。
2. HBM trade ratio（HBM置换比率）：HBM比通用DRAM消耗更多晶圆和工艺资源。美光也曾明确表示，随着世代演进，这一比率会不断上升，进而挤压non-HBM供给。
3. 后道工序、良率、认证：必须通过good die筛选、TSV堆叠、base die、先进封装(advanced packaging)、热与功率规格(thermal、power spec)、客户认证等全部环节，才能转化为有效供给。
4. 爬坡时滞：cleanroom启用或first wafer(首片晶圆)，与可确认收入的qualified volume(合格产量)并不是一回事。
5. 品类间机会成本：扩大HBM产量可能会挤占通用DRAM的晶圆产能。即便HBM供给增加，也不能保证整体DRAM价格立刻企稳。

4.2 官方扩产计划

以下是根据公开一手资料确认的Big 3及整个产业的扩产时间表。

4.3 供给端判定

• [事实] Big 3均在推进大规模投资。
• [事实] 2027年是cleanroom和first wafer开始增加的一年，但并非所有产量都转化为qualified output(合格产量)的一年。
• [推断] 供给缓解很可能从2028年开始显现，并在2029-30年进一步增强。
• [未验证] 仅凭公开资料无法确定2030年serving fleet究竟是10.6EB还是15EB。准确的WPM、产品mix、良率、封装产能均未公开。

5. 综合三个视角的敏感性分析

我们把三个视角所指向的方向汇总成一张敏感性表格。供给端serving fleet固定为10.6EB，只用公开公式对需求假设做独立重新计算。

复合bear、复合bull并非原模型的官方情景，而是为观察各假设间协方差所做的独立压力测试(stress test)。

如何解读这张表，是这篇深度研究的核心所在。

第一，仅改变单一变量，短缺并不会轻易消失。即便把模型倍率从5倍降到2倍，或把代币增长砍半，短缺(1.5-1.75倍)依然存在。这正是乐观论者所说"无论撼动哪个假设，短缺依然存在"的依据。

第二，但这些变量并非彼此独立。代币增长放缓、小模型与MoE扩大应用、KV压缩、HBM offload(卸载)、throughput改善，只要技术效率提升，往往会多个同时发生变化。这正是复合bear情景下需求骤降至6.5EB、局面反转为供给宽松的原因。

第三，因此2.5倍虽然贴着base-case(基准情景)的标签，实际上应该被当作偏乐观的情景来看待。只把单一变量推到极限的one-way sensitivity(单向敏感性分析)，无法证明2.5倍这个数字的稳健性。真正的风险，在于多项假设同时崩塌的协方差效应。

6. 市场出清视角：应该如何解读2.5倍这个数字

不应该把需求26.7EB，供给10.6EB字面理解为16.1EB的订单永远无法满足。实际市场会按照以下顺序完成出清。

잠재 AI 워크로드 증가
→ qualified HBM 병목
→ 가격 상승·장기계약·선급금
→ 고객별 allocation과 낮은 ROI 워크로드 지연
→ SLM·MoE·양자화·KV 재사용·offload 확대
→ 추가 capex와 second-source 인증
→ 실현 출하량과 청산 수요가 수렴

[推断] 也就是说，与其把2.5倍解读为对实际物量短缺的精确预测，不如将其理解为表达定价权与配给压力强度的情景，这样更为准确。短缺规模大，并不意味着"16EB会永远得不到填补”，而是意味着"这一缺口会通过价格、合约、技术替代承受强烈的出清压力"。

从这个角度看，供需分析真正应该关注的观察要点并非EB数字本身，而是以下几点。[观察要点]

1. 多年期合约的价格floor(底价)能否维持
2. HBM4/4E的ASP溢价能否维持足够长时间
3. HBM mix占比上升，是否也会让通用DRAM供给趋紧
4. 良率与先进封装的改善所带来的增量收入边际，是否归属于供应商
5. 在2028年新增供给使价格正常化之前，利润与现金流能积累到多少

7. 分时间轴展望：Base / Bull / Bear

把三个视角与敏感性分析放到时间轴上，可以整理如下。

最终时间轴判定

• 2027年前维持紧张：高概率
• 2028年起供给改善：中高概率
• 2029-30年短缺缓解：中等概率
• 2030年仍维持2.5倍gap扩大：低概率 / 乐观情景

8. 需要关注什么：重新评估触发条件

提前设定好用于判断供需叙事是在强化还是在弱化的信号，就不会被新闻牵着走。

供需偏紧信号增强的迹象

1. 供应商正式确认2028年以后仍处于sold-out(售罄)状态，或维持长期合约与价格floor
2. HBM4/4E良率与封装产能改善的同时，ASP溢价与利润率仍能维持
3. 即便三星与美光扩产，产业紧张度指引仍延长至2028年以后
4. agentic工作负载的实际代币量、常驻上下文、并发数逐渐接近24倍路径

供需偏紧信号减弱的迹象

1. 生产环境中KV与权重内存的复合节省幅度普遍达到6倍以上
2. 增量推理中过半转向memory-light(轻内存)的SLM、ASIC、offload架构
3. 三星HBM4E与美光新增产能的大规模认证速度快于预期
4. 供应商撤回2027年以后tight(紧张)的指引，客户合约floor走弱
5. HBM的ASP溢价、合约价格、DRAM利润率随供给增加而结构性下滑

结语：方向要坚定，规模要谦逊

这篇深度研究的结论可以浓缩为一句话。2027年前HBM维持紧张、2028年起供给改善有数据和官方计划支撑，但2030年短缺2.5倍是需要多项需求假设同时成立的乐观情景。

26.7EB这个数字虽然能够被精确复现，但精确本身并不等于确定性。它需要代币24倍、模型5倍、上下文4倍、KV留存70%同时成立才能得出，一旦技术效率提升，这些假设就会一起松动。反过来，供给转化为qualified output(合格产量)的速度，也远比晶圆厂新闻显示的要慢得多。这两股力量相遇的节点，正是2028年这个转折点。

观察供需时更有效的框架，不是去相信某一个单一数字，而是把方向的可信度和规模的不确定性分开来看。方向是坚固的，规模应当保持谦逊。

本文综合公开一手资料(高盛、SK海力士、三星电子、美光、SEMI、Google Research、DeepSeek技术报告)与二手模型(Memory Analyst)，进行独立复现与交叉验证，是一份供需结构分析资料。文中提及的个股仅作为说明产业结构的示例，并非投资建议。26.7EB、10.6EB、2.5倍等数值大多为模型假设或情景推演，并非相关公司的官方预测。由于该领域变化迅速，建议以最新一手资料更新核实。

相关文章

• HBM·HBF·HBC：准确区分三种AI内存技术的方法
• AI代币价值的现在与未来，内存厂商附加值分析
• 7月末大型科技公司财报电话会与内存论点情景分析
• 2027年半导体一致预期由谁买单
• 三星电子·SK海力士2028E利润估值：看似便宜的数字与周期验证