GDDR

1 3 秒看懂

GDDR（Graphics Double Data Rate，圖形雙倍資料速率記憶體）是一種專為平行計算場景（如GPU視訊記憶體、AI加速卡視訊記憶體、自動駕駛計算晶片）設計的高效能動態隨機存取記憶體（DRAM）。其核心設計目標是在有限的介面引腳數量約束下，實現儘可能高的資料吞吐量（頻寬），而非像標準DDR記憶體那樣追求大容量和低延遲。

可以將其理解為一條架設在計算核心與資料倉儲之間的“超高速傳送帶”——它不在乎一次搬運多少件貨物，而在乎每秒能搬運多少次。

2 3 分鐘產業解釋

當一塊GPU或AI晶片擁有數千個平行計算核心時，其算力的發揮高度依賴資料供給速度。GDDR的設計哲學就是將這條“傳送帶”的速度推到物理極限。

核心邏輯： 通過三項技術手段提升頻寬——更高的工作頻率、更激進的預取位寬（從8n演進至16n）以及更先進的訊號調變技術（如從NRZ/PAM2轉向PAM4），使每個時鐘週期內能傳輸更多資料。

產業定位： GDDR是支撐中高階遊戲顯示卡、主流AI訓練/推論加速卡、自動駕駛域控制器、高階遊戲主機的主力視訊記憶體方案。它在效能、功耗、成本和板級可實現性之間取得了目前行業公認的“最佳平衡點”，覆蓋了從300美元遊戲顯示卡到數萬美元推論伺服器的廣闊市場。

與HBM的關係： 並非替代，而是互補。GDDR是“高速國道”，以較低的單位頻寬成本服務大多數高效能運算場景；HBM（高頻寬記憶體）則是“立體物流樞紐”，通過3D堆疊和矽中介層與計算晶片緊耦合，提供極致頻寬和最佳能效，但其代價是極高的成本和更復雜的封裝工藝。兩者之間的選擇，本質上是產品定義層面關於“效能-成本-功耗”的權衡結果。

3 技術原理

3.1 核心機制：高速序列介面與深層預取

GDDR的本質是一個面向吞吐量極致最佳化的同步DRAM介面。其超高頻寬建立在兩大工程支柱之上：

• 極高的I/O資料率： GDDR6X的I/O引腳速率已突破21 Gbps，GDDR7預計將衝擊36 Gbps以上（行業預測）。這一速率遠超同期標準DDR記憶體，約為DDR5的4-6倍。
• 寬預取架構： 標準DDR4採用8n預取（一次從核心陣列取出8個數據位），而GDDR6/6X/7採用16n預取——核心陣列在單個較低頻率的時鐘週期內一次讀出16個數據位，隨後通過高速序列介面在數個I/O時鐘週期內將其“泵出”。這種方式有效緩解了核心陣列速度與I/O速度之間的“剪刀差”。

3.2 關鍵演進：從NRZ/PAM2到PAM4訊號調變

這是GDDR6X及後續技術最根本的轉變點。

• 傳統NRZ（PAM2）： 每個符號週期內，訊號僅在高/低兩種電平間切換，每個符號攜帶1位元資訊。單引腳速率提高意味著位元率與符號率（波特率）同步提升，通道損耗隨頻率急劇增加。
• PAM4（四電平脈衝幅度調變）： GDDR6X和GDDR7引入PAM4，每個符號週期使用4個電平（對應00/01/10/11），每個符號攜帶2位元資訊。核心優勢在於：在相同的符號率（波特率）下，位元率直接翻倍，繞過了部分高頻通道損耗的物理限制。

代價： 訊號電壓裕量從NRZ的3個眼圖開口縮小為PAM4的3個更小的開口，噪聲容限顯著惡化。這對發射端線性度、接收端均衡能力（如CTLE+DFE）和片內糾錯電路（如增強型ECC）提出了極高要求，I/O功耗結構也從頻率主導轉向電路複雜度主導。

3.3 頻寬估算公式

單顆GDDR顆粒的頻寬可大致估算為：

頻寬 = I/O資料率 × 單顆粒位寬 ÷ 8

• 以GDDR6為例（32-bit位寬，16 Gbps資料率）：16 Gbps × 32 bit ÷ 8 = 64 GB/s/顆
• 若一塊顯示卡使用8顆GDDR6（總位寬256-bit），則總頻寬約為512 GB/s。
• 注：此為簡化計算，實際有效頻寬受協議開銷、重新整理佔用等因素影響，通常低於理論峰值。

3.4 功耗模型

GDDR的總功耗由三部分構成：

1. 核心陣列功耗： 與重新整理週期、啟用頻率等相關，佔總功耗比例相對穩定。
2. I/O介面功耗： 動態功耗正比於資料率、電壓擺幅的平方和負載電容，是GDDR功耗的核心挑戰。PAM4雖降低了符號率，但發射端需保證線性度（可能消耗更多靜態電流），接收端複雜的均衡和糾錯電路也會增加額外靜態功耗。
3. 片內輔助電路功耗： 包括溫度感測器、訓練電路、DLL/PLL等。

產業意義： 在AI推論卡和自動駕駛晶片場景中，GDDR的功耗預算極其有限（通常被限定在數十瓦），因此能效比（pJ/bit）已成為比峰值頻寬更關鍵的設計約束。

4 關鍵引數

引數	定義	產業重要性
單引腳速率	每個資料引腳每秒可傳輸的位元數（Gbps）	決定頻寬上限，直接受訊號完整性和工藝能力制約
總頻寬	顯示卡/加速卡全部視訊記憶體提供的理論資料吞吐量（GB/s）	核心效能指標，由速率、位寬和顆粒數量共同決定
能效比	每傳輸1位元資料所消耗的能量（pJ/bit）	對資料中心、邊緣計算和車載場景至關重要，直接影響功耗預算和散熱設計
單顆容量	一顆GDDR晶片的儲存容量（Gb或GB）	影響終端產品的總視訊記憶體大小（如8GB/16GB/24GB規格）
訊號完整性	以接收端眼圖高度/寬度、誤位元速率（BER）表徵	決定速率提升的物理障礙，BER過高會導致糾錯失敗、系統崩潰
板級設計複雜度	對PCB材料等級、走線長度匹配、電源完整性設計的要求	隱性成本，門檻越高意味著系統廠商的研發投入和時間成本越大

5 技術路線

5.1 演進史

GDDR的演進並非平滑曲線，而是由兩代遊戲主機換代、AI需求爆發等產業事件驅動的階梯式跳躍。

代際	關鍵引入	典型單引腳速率	產業推力
GDDR3	8n預取	~3.2 Gbps	早期可程式設計渲染管線GPU崛起
GDDR5	差分時鐘、8n預取	~8 Gbps	PS4/Xbox One世代遊戲主機，PC遊戲1080p普及
GDDR5X	QDR介面、8n預取	~12 Gbps	Pascal架構（NVIDIA GTX 10系列）早期試水
GDDR6	雙通道、16n預取	~16-18 Gbps	4K遊戲、AI訓練萌芽期（NVIDIA RTX 20系列）
GDDR6X	PAM4訊號	~21-24 Gbps	Ampere架構（RTX 30系列），極致遊戲與AI需求
GDDR7	PAM4最佳化、增強型ECC	~36 Gbps+（行業預測）	AI推論向邊緣滲透、L4-L5自動駕駛

5.2 路線對比：GDDR vs HBM

維度	GDDR6X/6A	GDDR7（行業預測）	HBM3/3E
單引腳最高速率	~24 Gbps	~36 Gbps（預計）	~8-9.2 Gbps
單堆疊典型位寬	32-bit/顆粒（點對點）	32-bit/顆粒（點對點）	1024-bit/堆疊（矽中介層互聯）
封裝方式	傳統BGA，PCB外圍環繞版面配置	傳統BGA，PCB外圍環繞版面配置	2.5D/3D，計算晶片與記憶體堆疊通過矽中介層緊耦合
能效比	較高I/O功耗	改進，但仍遜於HBM（行業預期）	最優（短物理鏈路）
相對成本	中等	中等偏高	極高（中介層+TSV+堆疊工藝）
典型應用	遊戲GPU，主流AI卡，自動駕駛	下一代遊戲/AI/車載晶片	頂級AI/HPC訓練卡（H100/H200/B200等級別）

6 上游

GDDR產業鏈上游主要包括：

• 半導體裝置： 深紫外/極紫外光刻機（用於先進DRAM製程節點，如1z/1α/1β/1γ nm級工藝）、等離子體刻蝕裝置、薄膜沉積裝置、離子注入裝置。主要供應商：ASML、應用材料、東京電子、科林研發半導體（Lam Research）。
• 原材料： 高純度矽片（12英寸為主流）、特種光刻膠、高純度化學氣體（如鎢、鈦前驅物）、CMP拋光液。
• 封裝材料： 高階IC載板（ABF基板）、鍵合線/凸塊材料、EMC塑封料。對於GDDR顆粒的FBGA封裝，載板層數和線寬線距要求隨速率提升而持續提高。
• EDA工具： 用於晶片設計、訊號完整性模擬、電源完整性模擬的電子設計自動化軟體，主要供應商：新思科技、益華電腦、西門子EDA。

公開資料未見以GDDR為單獨口徑統計的上游市場空間資料，其通常歸類於DRAM產業鏈整體。

7 下游

GDDR的下游應用圖譜從消費電子延伸到資料中心和汽車：

1. 晶片設計（直接客戶）：

   • 獨立GPU廠商： NVIDIA、AMD、Intel（Arc系列獨顯）
   • AI加速晶片/ASIC廠商： Google（TPU早期部分型號）、亞馬遜（Trainium/Inferentia部分線路）、國內各AI晶片企業（寒武紀、壁仞、燧原等，具體型號配置各異）
   • 自動駕駛晶片廠商： Mobileye（EyeQ系列）、高通（Snapdragon Ride平台）、輝達（Orin/Thor）、地平線、黑芝麻智慧等
   • 遊戲主機定製晶片： 索尼（PlayStation）、微軟（Xbox）的APU設計

2. 模組與板卡製造：

   • 顯示卡/加速卡OEM/ODM廠商（栢能、同德、富士康等）
   • 汽車Tier-1供應商（域控制器整合）

3. 終端產品與應用場景：

   • 消費級/工作站級獨立顯示卡
   • 雲端資料中心AI推論伺服器
   • 自動駕駛域控制器（L3級及以上）
   • 高階遊戲主機（PS5、Xbox Series X）
   • 專業視覺化（工作站顯示卡）

8 受益公司

本節僅分析產業鏈中與GDDR業務存在直接關聯的上市公司及其業務邏輯，不構成任何投資建議。

第一梯隊：儲存原廠（GDDR顆粒設計製造）

• 三星電子： GDDR技術路線的重要定義者之一。在GDDR6時代與NVIDIA建立緊密合作關係，為RTX 30/40系列大量供應GDDR6X顆粒。同時自研先進封裝技術，具備從顆粒到系統的垂直整合能力。
• SK海力士： 在HBM領域佔據絕對領先份額（據TrendForce 2023/2024年報告），但同時持續投入GDDR研發，是GDDR7標準制定的積極參與者。其GDDR產品同樣供貨給消費級與伺服器GPU客戶。
• 美光科技： GDDR6X的重要供應商，與NVIDIA深度合作開發了該代產品。在GDDR6/6X的技術遷移中展現出較強執行力。

第二梯隊：晶片設計公司（GDDR需求定義方與採購方）

• NVIDIA： 全球最大的GDDR採購方之一。其GPU產品路線圖（從遊戲卡GeForce RTX系列到AI加速卡L40S等）直接決定了高階GDDR的需求規模和代際切換節奏。NVIDIA對PAM4的推動是GDDR6X誕生的關鍵產業因素。
• AMD： GDDR6/6A的重要使用者，同時在部分旗艦產品線（如Radeon VII）嘗試引入HBM。其APU和遊戲主機定製晶片也是GDDR的重要採購方。
• Intel： 通過Arc獨立顯示卡產品線進入GDDR採購市場。

第三梯隊：封測與模組

• 儲存原廠（三星、海力士、美光）通常自行完成絕大部分GDDR顆粒的後道封裝測試。
• 部分第三方封測廠商（如日月光、安靠）可能參與特定客戶的模組級封裝或低端產品外包。

9 市場規模

公開資料未見將GDDR作為獨立品類進行拆分統計的市場規模資料。行業研究機構（如TrendForce、Yole Intelligence、IC Insights/Omdia/ TechInsights）通常將GDDR歸類於**“圖形DRAM”或“特殊應用DRAM”**細分項，該品類涵蓋GDDR、HBM及其他專用記憶體，與主流DDR（用於PC、伺服器）並列。

相關可參考口徑與分析邏輯如下：

• 相對體量： 在整體DRAM市場中，圖形/特殊應用DRAM的營收佔比通常在10%-20%之間波動（綜合TrendForce 2022-2024年季度DRAM營收報告估算），其中HBM因單價極高，近年營收佔比快速攀升，GDDR則貢獻了該品類中約半數的出貨量份額。
• 增長驅動結構：
  • 遊戲顯示卡是出貨量的“壓艙石”，但波動受消費電子週期和礦潮/礦難影響較大。
  • AI推論加速卡和自動駕駛域控制器是增量空間最大的增長極。據IDC、Gartner關於2023-2027年AI推論伺服器市場的預測，推論負載增長將帶動對“高性價比高頻寬記憶體”的持續需求，而這正是GDDR的核心戰場。
• 產能與價格關聯： GDDR產能與主流DDR產線存在部分共用，其ASP（平均銷售價格）通常高於同製程的DDR產品。供需緊張時，原廠有較強動力將產能從DDR轉向GDDR以獲取更高獲利，反之亦然。

10 玩家對比

10.1 三家原廠的GDDR競爭定位

維度	三星電子	SK海力士	美光科技
GDDR代際	在GDDR6/X世代保持高市佔，率先量產GDDR6X	穩步推進GDDR6/7，與主要GPU客戶保持供應關係	GDDR6X核心開發者之一，技術節奏激進
HBM競爭地位	市場份額落後於海力士，正大力投資追趕	絕對領先，HBM3/3E市場份額約50%+（據TrendForce 2024年估算）	發力HBM3E，追趕速度較快
戰略重心	在HBM和GDDR上雙線重注，追求覆蓋所有高效能記憶體市場	將HBM作為核心獲利增長點，GDDR維持戰略性存在	平衡發展，強調產品組合的靈活調配能力
客戶端捆綁能力	強，可提供從顆粒到先進封裝的完整方案	強於HBM系統級方案，GDDR繫結相對較弱	中，主要聚焦顆粒級競爭

10.2 開發方與需求方的博弈

GDDR技術路線的走向並非由JEDEC單方面決定，而是儲存原廠與核心客戶（尤其是NVIDIA）聯合定義的結果。GDDR6X的PAM4方案就是美光和NVIDIA繞開JEDEC標準週期、通過專屬合作推進的經典案例。這種“錨定核心客戶、共同承擔技術風險”的模式，使得GDDR的競爭不僅僅是顆粒效能引數的對決，更是原廠與下游晶片巨頭之間合作深度和信任度的競爭。

11 風險

11.1 技術替代風險

HBM向中端市場滲透是GDDR面臨的最大潛在風險。隨著HBM成本緩慢下降（因製造良率提升和規模效應），以及部分AI推論晶片開始嘗試使用較低堆疊層數的HBM，GDDR目前固守的“成本優勢區間”在某些高階推論場景可能被侵蝕。

11.2 訊號完整性物理瓶頸

向PAM4遷移雖暫時繞開了頻率瓶頸，但電平裕量收窄的問題並沒有消失。當GDDR7的速率逼近36-40 Gbps區間時，傳統的PCB走線方案可能達到極限，系統級設計成本（板材、聯結器、模擬驗證）可能急劇攀升，削弱其相對HBM的成本優勢。

11.3 競爭格局與產能調配風險

GDDR的寡頭格局（三強壟斷）意味著供給節奏高度同步於這三家公司的產能分配決策。當HBM獲利更高時，原廠有動機將最先進的製程和產能優先分配給HBM，導致GDDR的產能相對緊張或價格高企。供需錯配可能在特定季度影響下游顯示卡/AI加速卡的出貨量。

11.4 宏觀經濟與週期性風險

GDDR需求高度繫結期於消費電子（遊戲顯示卡）的購買力、資料中心資本支出以及汽車行業的電子化節奏。全球宏觀經濟衰退、企業IT預算收縮或自動駕駛滲透率不及預期，都可能引發需求端的階段性疲軟。

12 誤讀糾偏

誤讀一：“HBM將完全取代GDDR”

糾偏： 這是市場中最常見的技術決定論謬誤。HBM與GDDR是面向不同約束條件的最優解，將長期共存。HBM的優勢建立在“不計封裝代價獲取極致頻寬+最低能效比”的前提下，其2.5D中介層、矽通孔和堆疊工藝的額外成本是其無法下沉到400美元顯示卡或800美元推論卡的根本原因。GDDR憑藉BOM成本可控、PCB方案成熟、供應鏈彈性強三大優勢，在需要“80%頻寬、50%成本”的廣闊中間地帶擁有不可替代性。二者是互補關係，非替代關係。

誤讀二：“GDDR越快越好，只看頻寬就夠了”

糾偏： 頻寬是GDDR的核心賣點，但系統級挑戰才是真實世界的約束。一個32 Gbps的GDDR顆粒需要極短的板級走線、嚴格的阻抗控制和多層低損耗PCB板材，這導致一塊高階顯示卡的PCB成本可能比入門級高出數倍。此外，過高的I/O功耗可能在推論卡的75W功耗牆內擠佔計算核心的功耗預算。因此，晶片架構師的真正難題不是“選擇最快的GDDR”，而是“在給定的板級成本、功耗和物理空間內，選擇最合適的頻寬方案”。

誤讀三：“GDDR是過時的遊戲技術，和AI無關”

糾偏： 遊戲需求推動了GDDR六代演進，但AI推論是GDDR當前最重要的增量敘事。NVIDIA L40S推論加速卡、各種L4級自動駕駛域控制器（Thor、EyeQ Ultra級）、邊緣AI伺服器——這些產品對視訊記憶體的選擇明確指向GDDR而非HBM，原因就是推論場景對成本極度敏感，且頻寬需求通常不像訓練那樣需要HBM級別的極致吞吐量。

13 最新事件

以下為截至2024-2025年初公開報道中與GDDR產業相關的關鍵事件（不構成對事件影響的判斷）：

1. JEDEC釋出GDDR7標準（2024年3月）： JEDEC固態技術協會正式釋出JESD239 GDDR7 SGRAM標準。根據官方說明，GDDR7的頻寬相比GDDR6翻倍至192 GB/s/裝置，支援PAM4介面，並將記憶體能效提升20%。這標誌著GDDR7正式進入商業化倒計時階段。

2. 三星和SK海力士展示GDDR7樣品（2024年至2025年初）：

   • 三星在2024年GTC和ISSCC等場合展示了37 Gbps的GDDR7樣品，並提及面向AI推論和遊戲應用的後續規劃。
   • SK海力士在2024年8月宣佈其GDDR7已開始送樣，計劃於2025年Q1進入量產，速率規格衝擊40 Gbps量級。

3. 主要GPU廠商產品路線圖更新：

   • NVIDIA Blackwell架構（B100/B200/H200級）確認採用HBM3E，但其面向非訓練的邊緣/推論產品線預計將繼續大規模使用GDDR7。
   • AMD持續執行其“chiplet + GDDR/HBM混合策略”，在2024-2025年的RDNA架構和CDNA架構產品中保持GDDR的可配置性。

4. 車載晶片採用GDDR加速滲透：

   • 輝達釋出Thor車載計算平台（計劃2025年量產，釋出時間早於2024），其高達2000 TFLOPS的算力規格背後必定匹配了高頻寬GDDR視訊記憶體，表明L4級自動駕駛對GDDR的依賴程度進入新高度。

14 追蹤指標

投資者、產業觀察者和技術決策者可追蹤以下先行/同步指標，以判斷GDDR產業的景氣度和技術走向：

1. 三大原廠季度財報與資本支出展望：

   • 重點關注“圖形/特殊應用DRAM”營收增速和出貨量季增率變化。
   • 觀察三星、海力士、美光對GDDR7/HBM的資本支出分配表述，這決定了未來12-18個月的產能釋放節奏。

2. 主要晶片客戶的GPU/AI卡釋出規格（核心訊號）：

   • 遊戲卡：NVIDIA/AMD/Intel每一代主流至旗艦級顯示卡的視訊記憶體位寬、型別與速率。
   • AI推論/資料中心卡：NVIDIA L系推論卡、AMD Instinct MI系推論卡的GDDR選型。
   • 車載晶片：NVIDIA Thor、高通Snapdragon Ride Elite、Mobileye EyeQ Ultra量產版本的視訊記憶體規格確認單。

3. GDDR7量產爬坡與ASP趨勢：

   • 追蹤2025年下半年至2026年GDDR7產品的首次在終端產品中規模應用的時間節點（如RTX 50系列顯示卡）。
   • 通過渠道商調研或行業報告觀察GDDR7與DDR5的價差變化。

4. PCB和封裝材料的技術標準升級：

   • 當主流顯示卡和加速卡普遍要求使用M6/M7等級以上的高速板材時，說明GDDR速率提升已向系統設計端傳導顯著成本壓力，可能加速部分應用轉向HBM或對速率提升形成負反饋。

5. AI推論市場規模與資本支出（結構性指標）：

   • 雲端廠商（微軟、亞馬遜、Google、Meta等）財報中關於AI推論業務營收的揭露。
   • IDC/Gartner/Mercury Research釋出的全球GPU和AI加速器出貨報告中，推論類產品與非推論類產品的佔比變化。

15 信源

• 標準組織與官方文件：

  • JEDEC固態技術協會（JESD239 GDDR7 SGRAM標準）
  • 三星、SK海力士、美光官方技術白皮書與產品規格表

• 行業報告機構：

  • TrendForce集邦諮詢（DRAM產業季度報告、儲存器市場分析）
  • Yole Intelligence（儲存器技術與市場年度報告）
  • IDC / Gartner（全球AI伺服器與推論市場追蹤報告）
  • Mercury Research（全球GPU市場份額與出貨追蹤）

• 晶片設計公司技術釋出與拆解：

  • NVIDIA、AMD、Intel官方網站技術文件與GTC/Hot Chips演講資料
  • TechInsights晶片拆解分析報告（對市售顯示卡/加速卡的視訊記憶體選型與封裝分析）

• 學術前沿：

  • IEEE International Solid-State Circuits Conference (ISSCC) 歷年關於高速DRAM介面與訊號完整性研究的論文

資料口徑說明： 本文中引用的速率、頻寬數字均基於儲存原廠已公佈的技術規格及行業普遍認知。代際演進預測為基於技術軌道的合理外推。市場份額、規模佔比等分析來自所引用第三方機構的公開資料摘要，具體數字可能因機構統計口徑（是否含終端應用拆分量、是否計入原廠封測出貨等）不同而存在差異。所述內容均旨在呈現產業知識圖譜，不構成任何形式的市場預測或投資建議。