此文章原先於12月15日刊登在美國中國科技與政策論壇及Podcast網站《China Talk》，經Ray Wang 和 Jeffery Su編譯，並新增兩位作者的分析與近期觀察。
美國時間12月2日，美國商務部產業與安全局（Bureau of Industry and Security，BIS）宣布新的出口管制清單，除了阻止中國取得外國高頻寬記憶體(High-Bandiwth Memory，HBM)，並試圖限制中國國內產業發展高頻寬記憶體的能力。此外，新的出口管制禁令，還針對超過24種半導體製造設備進行限制、新增超過140多間中國半導體產業相關的公司加入實體清單（Entity List）。
此項最新的禁令，更是建立在拜登政府於2022年10月、2023年10月以及今年4月針對中國半導體和人工智慧產業的限制。此舉試圖透過減緩中國AI和半導體產業的發展，確保美國國際的科技領先地位和國家安全
講到HBM今日的地位，可說是AI晶片的靈魂。HBM在當今除了可以訓練複雜的AI大型語言模型，也大幅支援龐大資料中心的運行。
HBM的關鍵角色
自Open AI於2022年11月公布ChatGPT 3.0後，全球大型語言模型（LLMs）和相關應用的蓬勃發展，帶動各國產業對於高效能運算（High Performance Computing, HPC）和AI數據中心的龐大需求。高頻寬記憶體（HBM）是一種動態隨機存取記憶體（DRAM），如前面所提：已成為AI晶片不可或缺的一部分，包含：高階圖形處理器（GPUs）和特殊應用積體電路（ASICs）上。這些晶片用於訓練大型AI模型、應付龐大資料中心穩定運行上，扮演至關重要的角色。
將HBM與GPU或ASIC封裝在一起，能有效解決記憶體產業界知名「記憶體瓶頸」(Memory Wall)。過去，記憶體的頻寬上限與存取速度跟不上CPU的高效處理，運算效能如跛腳般大打折扣。現今HBM帶動整體效能，除了高速存取、傳輸大量數據以支援AI複雜的資料運算外，更能降低耗能，可謂一石二鳥。也難怪近期GPU及其他ASIC的科技大廠皆仰賴HBM支援自家產品，以優化AI訓練的品質和和整體運算能力。
HBM的重要性，若從AI晶片的製作成本來看也相當重要。舉例來說，製作一張AI晶片，HBM的成本就幾乎佔整張晶片一半以上的花費。 Nvidia 知名的 H100 GPU，HBM就囊括約一半的成本，其餘四成的成本在邏輯晶片的先進製造和最後的先進封裝，以及一成如電路板(PCB)等其餘材料花費。在整體封裝與製程上，目前Nvidia的GPU產出皆由台積電一手包辦。
過去兩年內不論是AI大型語言模型的興建或數據中心如雨後春筍般地冒出，帶動GPU和ASIC的需求激增，HBM的需求一夕間爆單。美投資銀行「摩根史丹利」（Morgan Stanley）12月份的分析就指出：「全球在HBM的需求量，在2025年是2024年的兩倍之多。」此外，先前市場預期HBM的獲利將在2027年前高達330億美元，更是對比2023年的40億美元激增八倍。這樣的市場預期也反映在HBM供應大廠的實際銷售表現，海力士（SK Hynix）、美光(Micron)等大廠的HBM訂單需求，直到2025年末都已經淨售一空。
