101-Eintrag
Memory Wall & HBM-Ökonomie: Der nächste KI-Engpass
Die Memory Wall beschreibt die wachsende Lücke zwischen KI-Rechenleistung und Speicherbandbreite. Jede Generation von KI-Beschleunigern benötigt mehr Speicherbandbreite — NVIDIAs Blackwell benötigt HBM3E, Rubin wird HBM4 benötigen. Nur zwei Unternehmen können HBM in großem Maßstab produzieren: SK Hynix und Micron (Samsung holt auf, liegt aber zurück). Dieses faktische Duopol schafft strukturelle Preissetzungsmacht, die anhält, solange das KI-Compute-Scaling fortbesteht. HBM-Preis- und Allokationsdaten — verfolgt über Micron als Closelook Sentinel Ticker — sind der zuverlässigste Echtzeitindikator für die Nachfrage nach KI-Infrastruktur.
Automatisch aus dem englischen Original übersetzt. Zum englischen Original →
Warum Speicher zum Engpass wird
KI-Modellgrößen wachsen schneller, als sich die Speicherbandbreite verbessert. Modelle der GPT-4-Klasse benötigen für die Inferenz Hunderte von Gigabyte an High-Bandwidth-Memory. Trainingsläufe erfordern noch mehr. Jede neue GPU-Generation erhöht den Speicherbedarf pro Beschleuniger — Blackwell nutzt 192GB HBM3E pro GPU, gegenüber 80GB bei Hopper.
Die Produktion von HBM (High Bandwidth Memory) ist technisch anspruchsvoll: Sie umfasst das vertikale Stapeln mehrerer DRAM-Dies mittels Through-Silicon-Vias (TSVs) und anschließendes Bonden des Stapels an die GPU durch fortschrittliches Packaging. Die Ausbeuteraten liegen unter denen von Standard-DRAM, und die Kapazitätserweiterung dauert 12-18 Monate. Dies führt zu einem anhaltenden Angebotsdefizit, da die KI-Nachfrage schneller wächst, als neue HBM-Kapazität ans Netz geht.
Das SK-Hynix-/Micron-Duopol
SK Hynix war als Erster mit HBM3E auf dem Markt und hält den größten Marktanteil. Die Partnerschaft mit NVIDIA verschafft dem Unternehmen eine privilegierte Position bei der Allokation.
Micron (Closelook Sentinel Ticker) ist später in den HBM-Markt eingestiegen, baut die Produktion aber aggressiv aus. Microns vierteljährliche Earnings Calls liefern die besten öffentlichen Daten zu HBM-Preisen, Nachfrage und Allokation — was das Unternehmen zum nützlichsten Echtzeitsignal für die KI-Speichernachfrage macht.
Samsung hatte Probleme mit den HBM-Ausbeuteraten und ist zurückgefallen. Der Verlauf der Aufholjagd ist eine Schlüsselvariable — wenn Samsung aufschließt, schwächt sich die Preissetzungsmacht des Duopols ab. Bleibt das Unternehmen weiter zurück, behalten Micron und SK Hynix außergewöhnliche Margen.
Was das für Portfolios bedeutet
Speicher wird über Layer 2 des 6-Layer Model verfolgt. Wenn die HBM-Preise von Quartal zu Quartal stabil bleiben oder steigen, bestätigt das die Stärke der KI-Nachfrage. Wenn sich die Preise abschwächen oder Lagerbestände aufbauen, ist das ein Frühwarnsignal dafür, dass sich der KI-CapEx-Zyklus abkühlen könnte — was in die CapEx Cliff-Analyse einfließt.