巴克莱上调三星、SK海力士目标价，HBM需求强劲

分析师表示，巴克莱上调了韩国内存芯片领军企业三星电子和SK海力士的股票目标价，原因是人工智能系统对高带宽内存（HBM）的需求异常强劲。该公司于2026年6月29日宣布了修订后的目标价，反映出半导体市场向AI优化硬件的结构性转变。此次升级正值整体市场表现不一，SPDR S&P 半导体ETF截至今天14:51 UTC交易接近其日低137.22美元。

背景 — 为什么现在重要

这一分析师行动凸显了内存行业多年的转型。历史上，内存芯片制造商被视为周期性商品生产者，利润与标准DRAM和NAND闪存的波动价格相关。自2022年底以来，生成式AI模型开发的激增根本改变了这一动态。AI训练需要专业的高性能内存堆，其数据传输速率远高于传统芯片。

高带宽内存（HBM）已成为先进AI加速器的关键瓶颈和使能技术。每一代HBM都提供显著更高的带宽和密度，直接影响AI服务器集群的性能。芯片设计公司Nvidia和AMD现在围绕特定的HBM规格设计其旗舰GPU，并与有限数量的合格制造商锁定长期供应协议。

当前的宏观环境特征是利率高企但趋于稳定，10年期国债收益率保持在4.3%左右。这一环境对成长股施加压力，但有利于那些由于技术变革而展现出可证明的短期盈利能力的公司。巴克莱的升级表明，HBM超级周期有足够的空间来超越该行业领导者面临的更广泛经济担忧。

数据 — 数字显示了什么

巴克莱的修订目标暗示韩国两大芯片巨头都有显著的上行空间，尽管该公司在初始报告中并未披露具体的新价格水平。此次升级基于具体的供需指标。全球HBM市场预计在2025年约为140亿美元，预计到2030年将以超过35%的年复合增长率增长。

三星和SK海力士共同控制超过90%的HBM市场，其中SK海力士由于与Nvidia的早期合作，估计占有50%的市场份额。这一双头垄断的定价能力非常强；HBM芯片的售价是同等容量商品DRAM的数倍。财务影响在前瞻性盈利预期中显而易见。分析师对SK海力士2027年每股收益的共识预测在上个季度上涨了超过22%。

指标	SK海力士（估计）	三星（估计）
2027年HBM收入增长	~45% 年同比	~40% 年同比
HBM占总DRAM销售的百分比	>50%	~35%

相比之下，费城半导体指数（SOX）年初至今上涨了12%，而更广泛的标准普尔500指数上涨了8%。对三星和SK海力士的目标升级表明它们的增长轨迹将继续超过该行业。

分析 — 对市场/行业/股票的影响

直接的二次影响是科技行业的资本轮换。资金可能会从估值过高的纯AI软件公司流出，流入基础硬件层。主要受益者包括半导体设备制造商，如ASML和Lam Research，它们提供HBM生产所需的先进光刻和刻蚀工具。台湾的ASE集团等处于先进封装供应链中的公司也将因对复杂的HBM芯片堆叠过程的需求增加而受益。

相反，在HBM竞赛中落后的公司面临明显风险。总部位于美国的美光科技虽然重金投资，但在市场份额和技术节奏上仍然遥遥领先于其他公司。任何执行失误都可能扩大差距。依赖旧内存架构的传统数据中心参与者可能面临新服务器建设的成本上涨和供应限制。

一个被认可的关键风险是客户集中。两家韩国公司都高度依赖Nvidia的订单，AMD的订单相对较少。重大设计胜利的转移或微软Azure或亚马逊AWS等主要云服务提供商对AI基础设施支出的放缓，可能会迅速改变需求格局。来自期货市场的当前持仓数据显示，机构投资者在半导体ETF中保持净多头头寸，最近的期权流动表明通过对更广泛指数的看跌期权进行对冲活动增加，表明市场认为芯片的强势可能是孤立的。

展望 — 接下来要关注什么

支持这一论点的下一个主要催化剂是三星和SK海力士2026年第二季度的财报，预计将在7月底发布。投资者将关注HBM收入数据、产量改善以及对2027年供应协议的评论。三星下一代HBM4技术的路线图，预计将在10月的年度内存技术日上详细介绍，将对评估其与SK海力士的竞争地位至关重要。

需要关注的市场水平包括SPDR S&P 半导体ETF（XSD）的135美元支撑区间，该区间与其200日移动平均线相符。若持续突破其最近的139.56美元高点，将确认分析师行动所暗示的看涨动能。对于SK海力士而言，关键阈值是其今年早些时候设定的历史最高股价；突破可能引发进一步的算法买入。

投资者的关注点还应集中在美国商务部的下一轮出口管制更新上，预计将在2026年9月发布。对中国AI芯片销售的更严格限制可能会间接影响HBM需求预测，尽管大多数分析师认为对受限制芯片中使用的领先HBM的影响将是微乎其微的。

常见问题解答

什么是高带宽内存（HBM），它对AI为什么重要？

高带宽内存（HBM）是一种DRAM类型，其中内存芯片垂直堆叠并通过硅通孔连接，创建比传统并排布局更宽的数据通道。这种架构对AI至关重要，因为训练大型语言模型需要在处理器和内存之间以极高的速度移动大量数据集。标准内存作为瓶颈；HBM的高带宽使得像GPU这样的AI加速器能够充分发挥其性能，大幅减少复杂模型的训练时间。

HBM市场与传统内存市场有什么不同？

HBM市场与传统内存市场的不同之处在于，HBM的高带宽和高密度使其在处理AI任务时表现出色，而传统内存则无法满足这种需求。HBM的定价通常也高于传统内存，因为其技术复杂性和性能优势。