DRAM从2D到3D，存算一体趋势确立
2D DRAM制程瓶颈凸显，3D是大趋势
- DRAM的三大关键参数：容量、带宽和功耗。制程微缩带来成本下降和容量密度提升，但摩尔定律失效，制程微缩放缓。
- DRAM制程微缩难度大，逼近10nm，需使用EUV光刻机。电容器和感应放大器微缩面临挑战，如漏电风险、干扰问题、制作难度等。
- NAND存储单元结构简单，已率先实现晶圆级3D结构，通过层数堆叠提升容量。DRAM制程微缩难度高于NAND，晶圆级3D结构创新难度大。
- DRAM 3D化趋势已现，封装级先行，晶圆级在研发阶段。封装级3D DRAM属于近存计算，突破内存墙瓶颈，已商业化量产；晶圆级3D DRAM突破2D DRAM制程微缩瓶颈，目前仍处于研发阶段。
封装级3D DRAM：近存计算，高带宽、低功耗契合AI场景需求
HBM：AI大算力+高带宽存储解决方案
- HBM属于标准化DRAM产品，是GDDR的一类，主要应用在AI训练和部分AI推理。
- HBM定位在片上缓存LLC和传统DDR中间，兼顾带宽和容量，成本低于片上存储、高于传统DDR。
- HBM使用TSV、Microbump实现3D堆叠结构，并采用2.5D封装技术（CoWos）实现与GPU直接封装在一起，实现容量拓展、高带宽和降低功耗。
- HBM制造流程包括晶圆制造（包括TSV）、凸点制造（Microbump）、堆叠键合（Stack&Bond）和切割KGSD晶圆获得KGSD颗粒。
- HBM三大关键工艺：TSV（约30%成本）、Microbump和堆叠键合（NCF、MUF、混合键合）。
- HBM不断迭代，迭代方向为增加容量和带宽，目前量产的最高层数为12层HBM3E。
- HBM竞争格局：海力士、三星和美光垄断，AI驱动，HBM市场快速增长。
WOW 3D堆叠DRAM：AI低算力+超高宽带存储解决方案
- WOW 3D堆叠DRAM与逻辑芯片是3D结构，属于近存计算，使用TSV硅通孔技术、Wafer on Wafer的混合键合工艺实现多层芯片之间的电气连接。
- WOW 3D堆叠DRAM的关键是混合键合工艺，性能优势显著，是未来Bump技术的迭代方向。
- WOW 3D堆叠DRAM制造流程包括制造Wafer、制造TSV通孔、多片晶圆的键合和传统的封测工艺。
- WOW 3D堆叠DRAM对比HBM：定制化产品，带宽更高，功耗更低，但容量拓展性不如HBM。
- 中国台湾和大陆企业均有布局WOW 3D堆叠DRAM，矿机市场率先落地使用。
- 端侧部署本地大模型是趋势，WOW 3D堆叠DRAM可定制，高带宽、低功耗性能显著，潜在场景手机、PC、汽车和机器人等。
CUBE：AI低算力+高带宽存储解决方案
- 华邦2023年宣布CUBE方案，定位边缘计算，1层SOC和多层DRAM是上下堆叠结构，省去了SoC的TSV工艺。
- CUBE主要使用TSV和Microbump（微凸块）工艺，供应链涉及联电、华邦、智原和日月光等。
- CUBE性能：功耗低于HBM，带宽小于目前的HBM3E，面积小，散热好。
三种方案对比总结
- 封装级3D DRAM均属于近存计算，主要有HBM、WOW 3D堆叠DRAM和华邦CUBE三类。
- HBM是标准化产品，兼顾高带宽和高容量，容量拓展性最好；WOW 3D堆叠DRAM是高度定制化产品，带宽指标领先，容量拓展性不如HBM；华邦CUBE功耗低于HBM，带宽小于目前的HBM3E。
晶圆级3D DRAM：突破制程瓶颈，目前多种方案探索中
三星&海力士：探索电容水平放置方案
- 晶圆级3D DRAM通过堆叠层数来升级，目前各家处于实验室状态，探索多种技术路径，目前仅三星公布规划图。
- 三星2024年公布3D DRAM规划图，预计2030年采用晶圆级3D DRAM，规划了两类新DRAM结构：4F2 VCT DRAM 和VS-CAT DRAM。
- 4F2 VCT DRAM将晶体管垂直堆叠利用Z轴空间，是真正3D DRAM的过渡方案。
- VS-CAT DRAM将垂直的电容器变成水平方向，容量通过堆叠升级，预计2030年开始采用。
NEO公司：探索无电容方案
- NEO公司探索无电容方案，采用基于无电容器浮栅极 (FBC) 技术的类 3D NAND DRAM 单元阵列结构。
- 3D X-DRAM技术可以实现 230层128 Gb 密度，满足ChatGPT等AI应用对高性能和大容量存储器半导体的增长需求。
其他公司：积极探索
- 美光积极探索3D DRAM方案，已获得30多项3D DRAM专利。
- 长鑫存储：电容水平放置，积极探索3D DRAM。
投资建议
- 关注产业链公司：存储（兆易创新、北京君正等）、SOC（瑞芯微、小米等）、先进封装相关（长电科技、通富微电、甬矽电子、晶方科技、精智达、拓荆科技、芯源微、华海诚科、赛腾股份等）。
风险提示
- 行业需求不及预期的风险；大陆厂商技术进步不及预期；研报使用的信息更新不及时的风险等。
