資策會產業情報研究所（MIC）資深產業分析師楊可歆表示，AI 應用擴張不只帶動半導體市場規模快速成長，也使需求更集中於先進邏輯、高階記憶體、先進封裝與相關製造資源。隨著AI伺服器、企業導入、推論部署與主權 AI 建置同步擴大，半導體需求將由過去較為分散的終端應用，轉向以高階運算平台為核心的結構性成長。
AI 需求擴張將加速供應鏈資源重新排序，先進製程、HBM、先進封裝、關鍵材料與高階基板等環節將優先承接AI相關需求，使供應鏈資源更明顯向高毛利、高技術門檻與高附加價值領域集中。楊可歆認為，此一趨勢雖有助於支撐 AI 平台規模化生產，卻可能對其他記憶體品項、成熟製程與部分周邊元件形成排擠，進一步影響產能配置、交期與價格變化。未來半導體產業競爭重點，將不只在單一晶片效能，而在於業者能否掌握關鍵產能、整合系統平台，並在供應緊張的情況下維持穩定供給。
記憶體方面，楊可歆表示，AI 平台升級與推論應用將帶動 HBM、DRAM 與 NAND Flash 需求同步成長，三者在 AI 系統中的角色各有不同。HBM 主要支撐GPU高頻寬運算，後續觀察重點在於HBM4驗證、量產時程與供貨穩定性；DRAM 受到長上下文、多輪對話、KV Cache 與多用戶並發需求帶動，成為推論服務擴大後的重點元件；NAND Flash 因模型快速載入、內容檢索、RAG 資料調用，以及企業級 SSD 需求提升而有受惠。AI 帶動的記憶體需求並非集中於單一品項，而是依功能分工同步擴張。
針對記憶體供應情勢，楊可歆表示，高階 DRAM 與 HBM 新增供給短期仍受到無塵室、設備、材料、矽穿孔（TSV）、堆疊、測試與先進封裝等條件限制，即使主要業者已啟動擴產規劃，新增產能仍需經歷建廠、裝機、試產、良率爬坡與客戶驗證，短期難以立即轉化為穩定供給，預期至2027年下半年，記憶體產業尚在產能擴張過渡期，供應緊張與高昂價格在短期內不易反轉。
HBF 與 HBM 將在 AI 推論中協作提升整體運算效率
資策會 MIC 產業顧問鄭凱安分析，因應 AI 應用落地熱潮，HBM、客製化運算記憶體與高頻寬快閃記憶體（HBF）將成為關鍵。針對HBM，最新世代 HBM4 將於2026年導入量產，成為NVIDIA、AMD等最新GPU的標準配置，其16層的DRAM堆疊以及超出HBM3E一倍的傳輸通道數，將確保更高容量、更高頻寬的效能，而愈趨複雜的邏輯控制晶片將由晶圓代工廠製作，重新塑造HBM的供應鏈合作模式。
鄭凱安認為，運算用 DRAM 與晶片整合可基於應用需求採用不同解決方案，如 GDDR7 DRAM 透過載板配置，提供大容量、中高頻寬的運算支持；而臺廠近年積極推動的客製化記憶體平台，提供搭配客戶AI晶片的客製化記憶體產品，滿足中容量、高頻寬的運算記憶體需求；HBF 則聚焦 AI 推論中的模型儲存調用，與 HBM 共同透過先進封裝整合配置於GPU周邊，提供強力的AI推論運算支持，並在特定應用需求中，可如同儲存級記憶體（SCM）般，作為 HBM 的備援或緩衝記憶體。
針對新興記憶體的發展，鄭凱安指出，IDM 大廠與晶圓代工廠均積極投入新興記憶體的量產技術開發，並整合在自有技術平台中。不過其在尺寸微縮上面臨不同限制與挑戰，短期會以嵌入式記憶體型態配置於運算晶片中，實際導入應用仍面臨製程微縮、可靠性與耐久性等挑戰。然而，新興記憶體具有類似 DRAM 的快速存取能力，以及可長期儲存的非揮發儲存特性，皆使其有機會成為新一代記憶體。
（首圖來源：Freepik）
科技新報粉絲團
加入好友
訂閱免費電子報
