小摩报告:SK海力士股价回调后,HBM定价疑虑或已过度反应
市场大跌与机构观点 上周,SK海力士股价录得约15%的显著回调,引发市场对高带宽内存(HBM)产业前景的广泛讨论。
市场大跌与机构观点
上周,SK海力士股价录得约15%的显著回调,引发市场对高带宽内存(HBM)产业前景的广泛讨论。摩根大通(小摩)最新研报认为,近期市场对HBM定价的担忧可能属于过度反应,同时指出公司股东回报计划有望提前落地。该报告发布后,围绕AI芯片供应链核心环节的博弈再次成为焦点。 值得关注的是,此次股价波动发生在全球AI算力投资持续高涨的背景下。作为英伟达AI GPU的重要供应商,SK海力士在HBM市场的地位一直备受瞩目。摩根大通此次“反向安抚”的立场,与近期部分渠道关于HBM合约价格下调的传闻形成明显反差。报告中明确将上周下跌定义为“反应过度”,而非由基本面恶化驱动的趋势性转折。 从产业背景看,HBM作为AI加速卡的关键配套存储方案,其产能分配与定价机制直接影响整个AI芯片的出货节奏。摩根大通分析隐含的逻辑是:短期价格噪音无法改变中长期供需格局,而股东回报的提前兑现也可视为公司对未来现金流信心的一种体现。不过,该研报并未披露具体目标价位或盈利预测调整细节。
HBM定价逻辑与AI算力博弈
HBM(高带宽内存)通过堆叠DRAM芯片实现超高带宽,是当前大模型训练与推理不可或缺的核心部件。据行业研究机构TrendForce集邦咨询2025年数据,全球HBM市场规模预计在2026年突破200亿美元,年复合增长率超过40%,而SK海力士长期占据全球HBM市场份额领先位置(约50%至60%区间,需以官方财报为准)。 摩根大通认为,当前市场对HBM“降价”的担忧,可能混淆了“长期合同价”与“现货市场短时波动”的差异。实际上,HBM产能的扩张受限于先进封装良率、晶圆产能分配以及客户验证周期,供给端弹性远小于传统DRAM。因此,即便部分非核心型号价格出现松动,主流客户(如AI芯片厂商)的既定采购计划也大概率不会被改写。 从SK海力士自身的产能规划来看,其HBM产能在2025年已售罄至2026年上半年(据公司2025年第四季度法说会公开信息),这一“超卖”状态为定价稳定性提供了较强支撑。与此同时,竞争对手三星电子与美光也均在大幅扩产HBM,但SK海力士凭借与英伟达更早的联合研发绑定,仍在高端产品(如HBM3E及下一代HBM4)上保有先发优势。 值得留意的是,AI服务器需求的集中爆发也可能带来阶段性库存调整。2025年全球AI服务器出货量增长迅猛,但任何单一客户的资本开支节奏变化都可能放大短期股价波动。小摩研报的发布恰逢市场情绪脆弱期,其对股东回报“提前落地”的提示,或意在引导投资者将注意力从季度价格噪音转向公司长期自由现金流创造能力。
股东回报与技术竞争双线并行
本次研报中点名“股东回报将提前落地”,暗示SK海力士可能在市场预期之外加快回购或提高分红比例。尽管研报未给出具体金额,但结合公司2025年前三季度强劲的经营现金流表现(季度经营现金流均超过5万亿韩元,据公司季报),市场对其提升股东回报的预期正在升温。 在技术竞争层面,HBM4作为下一代标准,预计将在2026年下半年进入量产导入期。SK海力士已明确表示将在下一代产品中引入先进制程与混合键合技术,以降低功耗并进一步提升带宽。但来自三星电子在3D堆叠与硅中介层上的持续投入,也使得技术领先窗口存在缩短风险。摩根大通此次淡化定价担忧,另一层含义可能是提醒市场:真正决定HBM格局的变量是技术迭代而非短期报价。 此外,AI监管与出口管制的潜在变化,也可能对HBM产能分配产生间接影响。例如,针对高性能AI芯片的出口限制若进一步收紧,可能导致部分区域市场需求延迟释放。不过,摩根大通报告未提及此类政策风险,本文仅作产业背景提示,最终影响有待进一步确认。 综合来看,SK海力士上周的股价回调更像是情绪扰动而非基本面的系统性反转。摩根大通以积极的股东回报预期为催化,试图引导市场重新锚定HBM产业的长期价值。对于投资者而言,在AI算力投资未见明显减速的当下,HBM作为“卖铲人”角色依然具有战略稀缺性,但需要警惕估值波动与竞争加剧的长期风险。
数据参考
- SK海力士上周股价跌幅约15%,为本次新闻已确认数据(来源:深潮TechFlow,2026年8月)。
- 全球HBM市场规模预计2026年突破200亿美元,年复合增长率超40%(来源:TrendForce集邦咨询,2025年预测数据)。
- SK海力士全球HBM市场份额约在50%至60%区间,具体比例以公司财报为准(来源:行业一致估算,需进一步核验)。
- SK海力士HBM产能2025年已基本售罄至2026年上半年(来源:公司2025年第四季度法说会公开信息)。
- SK海力士2025年前三季度季度经营现金流均超过5万亿韩元(来源:公司季度财务报告)。 #AI #半导体 #HBM #存储与HBM