三星利潤跌至14年來最低水平，而SK海力士卻踩中了這一風口

三星電子預計，盡管減產，但由于供應過剩，存儲芯片價格繼續下跌，其第二季度營業利潤預計暴跌96%，至14年來的最低水平。

據金融時報7月7日報道，隨著三星與競爭對手一起削減芯片供應，價格下降速度已經放緩。分析師預計芯片價格將在本季度觸底，并在明年復蘇。

高盛分析師GiuniLee在一份報告中表示：“我們認為半導體業務最嚴重的季度虧損是在2023年第一季度。”他預測三星芯片部門將在第四季度實現小幅盈利。

由于行業復蘇的預期，三星股價今年迄今已上漲近30%，但周五上午下跌2%。該公司將于本月公布詳細的第二季度業績。

在美國競爭對手美光科技(Micron Technology)對截至6月1日的三個月做出樂觀預測，公布了初步收益，這再次表明供應過剩正在緩解。美光上周表示，最糟糕的時期已經過去，而SK海力士高管也預計今年將在人工智能需求的推動下復蘇。

三星加大AI用DRAM產量

三星是全球最大的微芯片、智能手機和電視制造商之一，預計4月至6月季度的營業利潤將從一年前的14.1萬億韓元降至約6000億韓元（合4.6億美元）。這略好于Refinitiv Smart Estimate預測的5550億韓元。銷售額下降22%，至60萬億韓元左右。

大幅下跌的主要原因是其芯片部門。市場研究公司TrendForce表示，隨著客戶處理過剩庫存，智能手機、個人電腦和服務器中使用的DRAM芯片的價格預計在第二季度下跌18%后，本季度將下跌5%。

KBSecurities分析師KimDong-won表示：“三星的DRAM出貨量超出了之前的預期，而且芯片庫存正在快速下降，因此我們預計其成本結構將迅速改善。”

面對長期的行業低迷，三星正試圖利用蓬勃發展的人工智能市場。據高盛稱，支持人工智能的服務器需要至少四到六倍的DRAM容量，三星正在努力提高這些芯片的產量。

三星負責半導體業務的高管KyungKye-hyun本周告訴員工，該公司在人工智能中使用的高帶寬存儲芯片的份額超過了快速增長市場的50%。

但IBK Investment&Securities分析師KimUn-ho警告說，庫存過剩可能會減緩該行業的復蘇。人工智能芯片的需求將繼續增加，但我們繼續看到個人電腦和智能手機的需求下降。Kim補充說，今年芯片價格反彈需要大幅減產。

三星正在擴大其合同制造能力——為其他公司生產芯片——以趕上更大的競爭對手臺積電。三星計劃到2025年推出尖端的2納米移動芯片生產技術。


存儲芯片還得跌

根據《日經中文網》的消息，在半導體行業，雖然有很多觀點認為庫存水平將在今年的7月份到9月份出現改善。但是目前，個人電腦和智能手機市場缺乏強勁勢頭，有聲音認為“需求本身將持續處于低迷狀態”。

根據統計，目前半導體存儲芯片市場恢復速度比較緩慢。由于智能手機更換需求低迷等原因，主要存儲芯片的價格較1年前下降了超過40%。在2022年4月，8GB的DDR4內存價格在3美元以上，如今已不足1.5美元、256GB的TLC顆粒NAND閃存價格也超過了3美元，如今卻一度逼近1.5美元。

而且，因此前的疫情而擴大的個人電腦和平板電腦的需求告一段落，智能手機的更換需求也增長乏力。美國IT大企業抑制數據中心投資也產生影響，供應鏈各各環節的庫存增加。所以，雖然半導體廠商已經加緊壓縮產能，但預計消除過剩庫存還需要一段時間。

HBM成最緊缺類別

全球科技巨頭紛紛向SK海力士預定第五代高帶寬內存HBM3E的樣品。與此同時，得益于AI服務器對HBM高寬帶顯存的強勁需求，半導體存儲巨頭美光也計劃將于2024年初開始加速量產，并為后續稀缺的HBM資源計劃將HBM產能翻倍！

隨著今年來全球AI大模型不斷推出，上游算力需求持續井噴。在算力供給緊張下，各種算力緊張的解決方案不斷推出，其中HBM高帶寬存儲器，就成為了最有望解決算力緊張的存儲方案。

HBM最大優勢就是通過增加帶寬，擴展內存容量，讓更大的模型、更多的參數留在離核心計算更近的地方，從而減少內存和存儲解決方案帶來的延遲。

中證報指出，HBM3E是DRAM HBM3的下一代產品。AI GPU需要用到大量HBM（高帶寬DRAM），通常是4層、6層、8層DRAM疊在一起，用TSV封裝工藝。

在AI GPU趨勢下，HBM增速進一步放大，近期海力士HBM價格漲了5倍，成為最緊缺的存儲器。目前HBM市場規模約15億美金，預計到2027年市場規模將達到70億美金，5年復合增速超40%。

國泰君安指出，高性能計算的高帶寬內存(HBM) 今年需求非常強勁，HBM資源供應來源極其有限，年初以來價位雖然較高，但預計23三季度還將繼續小幅報漲。

國信證券也表示，AI大模型的數據計算量激增，需要應用并行處理數據的GPU作為核心處理器，而“內存墻”的存在限制了GPU數據處理能力，HBM突破了內存容量與帶寬瓶頸，可以為GPU提供更快的并行數據處理速度，打破“內存墻”對算力提升的桎梏，被視為GPU存儲單元理想解決方案，將在AI發展中持續收益。