電子行業(yè)2023年中期投資策略：AI與電子共舞 20230628 -民生證券

01*請務必閱讀最后一頁免責聲明證券01*請務必閱讀最后一頁免責聲明證券研究報告AI與電子共舞——電子行業(yè)2023年中期投資策略**請務必閱讀最后一頁免責聲明2023年6月28日證券研究報告?CBAI對硬件側，我們看好音頻產業(yè)率先發(fā)力。音頻作為輕交互的方式，更適用于碎片化場景。無論是智能音箱(智能家居)還是耳機(可穿戴設備)，都已有諸多AI應用涌oWoSD目前來看：1)封測廠商方面，為了滿足Chiplet的全新需求，主要發(fā)力中段的晶圓級封裝(Bumping)和后段的OS環(huán)節(jié)。2)設備廠商方面，Chiplet對晶圓級封裝是算力時代的主流方案，也是未來技術發(fā)展的核心方向。建議關注相關產業(yè)鏈的投資機遇：1)算力：芯原股份、滬電股份、聯想集團、工業(yè)富聯；2)邊緣AI：安**請務必閱讀最后一頁免責聲明證券研究報告2CCONTENTS回望GPT發(fā)展歷程，AI的“iPhone”AI芯片：算力核芯服務器產業(yè)鏈：算力基座邊緣域：催生邊緣芯片需求Chiplet：助力AI芯實現算力跨越重點公司盈利預測時刻到來時刻到來錄風險提示**請務必閱讀最后一頁免責聲明證券研究報告34401.01.“iPhone”時刻到來**請務必閱讀最后一頁免責聲明證券研究報告1.11.1ChatGPT：AI的“iPhone“時刻到來礎上預訓練出擁有1750億個參數的模型(GPT-2僅有15億參數)，預訓練數據量從5GB增加到45TB。資料來源資料來源：中國信通院《人工智能生成內容白皮書》，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告51.2AI+Gmail&DOC發(fā)布新Windows等1.2AI+Gmail&DOC發(fā)布新Windows等全球AI大模型進展迅速圖：全球圖：全球AI大模型進展發(fā)布基于Web3的GPT大模型3月16日3月16日3月29日4月8日4月10日4月11日4月13日4月14日4月17日4月18日言360AI模型盤古模型同花順AI產品型谷歌I/O大會，推出微軟開發(fā)者大會5月6日5月6日5月10日5月23日5月31日6月9日6月13日6月19日認知大模型V1.5發(fā)布金山辦公發(fā)布認知大模型V1.5發(fā)布金山辦公發(fā)布WPS365、WPSAI騰訊發(fā)布MaaS圖360智腦大模型應知大模型資資料來源：金十數據，快科技，新浪科技，澎湃，IT之家等，民生證券研究院整理*請務必閱讀最后一頁免責聲明證券研究報告61.3圖：1.3圖：Whispermodels的開發(fā)者API&Plugin圖：圖：ChatGPTplugins可接入的應用*請務必閱讀最后一頁免責聲明證券研究報告71.4Chiplet 份電科技技控益昌技份端數字芯片份股1.4Chiplet 份電科技技控益昌技份端數字芯片份股技維數字惠威科技佳禾智能技玄科技樂鑫科技裝測試力芯片料AI+電子全景圖服務器份服務器團紀海光信息份技其他芯片其他芯片特龍：民生證券研究院整理*請務必閱讀最后一頁免責聲明證券研究報告89902.AI芯片：算力核芯**請務必閱讀最后一頁免責聲明證券研究報告2.12.1?AI芯片一般泛指所有用來加速AI應用，尤其是用在基于神經網絡的深度學習中的硬件。?GPGPU——優(yōu)勢：1)生態(tài)完善；2)可進行通用計算，應用范圍廣；3)目前算力最強。缺點：1)無法針對特定場景優(yōu)化；2)成本高。?ASIC——優(yōu)勢：1)相同價格下算力強大；2)單算力功耗?。?)可以針對特定場景進行優(yōu)化。缺點：1)沒有完整生態(tài)，開發(fā)、使用成本高；2)通用性差，只能支持特定運算，如矩陣運算等。表：不同表：不同AI芯片架構對比圖形處理器(GPU)通用圖形處理器(GPGPU)現場可編程門陣列(FPGA)專用集成電路(ASIC)定制化程度用型用型定制化全定制化點有成熟的軟件生態(tài)相較傳統GPU計算能力更高；通用性強；具有軟件棧的易用性及豐富的軟件生態(tài)半定制，可對芯片硬件層進行編程和配置；相對于GPU，功耗更低性能特點點相對于FPGA和ASIC，價格和功耗較高能效比有待提升空間研發(fā)周期長、研發(fā)成本高*請務必閱讀最后一頁免責聲明圖：2022中國AI加速卡出貨量占比1%圖：2022中國AI加速卡出貨量占比1%1%2%85%英偉達華為百度寒武紀燧原科技其他2.2AI芯片競爭格局：英偉達保持領先地位率為2%，寒武紀和燧原科技均為1%。表表：全球主要云平臺AI芯片配置情況GPU產品型號英偉達A100、V100、A10IDC，民生證券研究院證券研究報告IDC，民生證券研究院證券研究報告2.22.2PU圖：圖：2020-2026全球人工智能芯片市場規(guī)模及預測(億美元)CAGR+29.3%CAGR+29.3%7768001752000212022E2023E2024E2025E2026E圖：圖：2022中國人工智能芯片出貨量占比12.3%0.3%85.6%GPUNPUASICFPGA資資料來源：Frost&Sullivan、觀研天下，民生證券研究院IDC民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告 2.3AI芯片的硬件性能指標GPU在硬件方面的核心能力包括：算力足夠的情況下，顯存越大，讀取次數越小，延時越低。?功耗：GPU的功耗和算力、制程、硬件架構等因素有關，相同算力情況下，功耗越大，意味著數據中心的運營成本越高，同時對服務器的電源、制冷都會有更高的要求。電纜，而服務器內部GPU之間(通常為8個)，則使用NVLink等片間互聯技術進行數據交互，如果片間互聯傳輸速率低于服務器外部傳輸速率，則可能會成為瓶頸。證券研究報告證券研究報告圖：英偉達圖：英偉達A100GPU規(guī)格示例算算力顯存功耗片間互聯*請務必閱讀最后一頁免責聲明高性能計算AI訓練AI推理高性能計算AI訓練AI推理 2.3硬件性能：算力是AI芯片的核心參數AI芯片采用16-32位精度算力進行訓練，采用8位精度算力進行推理，而64位精度算力通常用于高性能計算場景。H100芯片是目前市場上算力最高的產品，其他廠商均處于追趕狀態(tài)。國內來看，寒武紀、海光、昇騰、沐曦等廠商進展較表表：國內外廠商AI芯片相關參數對比AI力精度定義精度義FP64雙精度浮點運算，精度為64位，通常用于HPCFP32單精度浮點數，精度為32位，是神經網絡計算的標準類型FP16半精度浮點數，精度為16位，在對訓練速度有需求的情況下也可用于訓練BF16對FP32截斷數據，8bit表示指數，7bit表示小數，和FP32精度相同但吞吐量更高TF32用TensorCore運算，默認使用矩陣乘法，精度和FP32相同，但運算速度更快TF16用TensorCore運算，精度為16位INT用CUDACore中的INT單元計算，8位整數，通常用于推理資料來源：英偉達、微軟官網，甲子光年，CSDN，電子發(fā)燒友，民生證券研究院DIAHSXMAMDMI250X寒武紀MLU370-X82壁礪100P2910N制程(nm)467777INT8算力(TOPS)////內存容量(GB)8//內存帶寬(GB/s)//互聯帶寬(GB/s)/48//注：此處未展示廠商最新產品資資料來源：各公司官網，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告2.32.3??硬件性能：片間互聯是AI芯片之間的數據交互的渠道在AI服務器中，GPU之間通常通過NVLink/NVSwitch等技術進行GPU之間的通信，GPU再通過PCIe總線連接到PCIeSwitch，與CPU、外部服務器等進行數據交互。GPU吞吐量越大，則所需的片間互聯傳輸速率和PCIe總線傳輸速率也越大，以A100為例，其NVLink傳輸速率為600GB/s，PCIe4.0總線雙向傳輸速率最大為64GB/s。AI聯能力對比廠商型號互聯帶寬GB/sA100/A100SXMNVLINK600T4A800NVLink400H100/H100SXMNVLink600/900AMDMI250X紀MLU290-M5600MLU370-X8200海光深算一號MXN100-MXC500-天數BigIsland64壁仞B(yǎng)R100P448昇騰昇騰930-云燧T21300資料來源：各公司官網資料來源：各公司官網，海光信息招股書，民生證券研究院資料來源：搜狐新聞，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告框架名稱維護方支框架名稱維護方支持語言TensorFlowGoogleC++/Python/Java/R等KerasGooglePython/RCaffeBVLCC++/Python/MatlabPyTorchFacebookC/C++/PythonTheanoUdeMPythonCNTKMicrosoftC++/Python/C#/.NET/Java/RMXNetDMLCC++/Python/R等PaddlePaddle百度C++/PythonDeeplearning4jEclipseJava/Scala等ONNXMicrosoft/FacebookPython/R編程語言廠商OpenCL蘋果等CUDA英偉達ROCmAMD2.3軟件生態(tài)：衡量AI芯片公司能力更重要的因素GPU的軟件生態(tài)核心包括兩個部分：?深度學習框架：一套對深度學習算法進行模塊化封裝的開發(fā)工具。英偉達基于CUDA技術在2014年推出了深度學習庫cuDNN，同時英偉?計算架構：異構編程語言，是實現異構計算單元(CPU/GPU/DSP/ASIC/FPGA等)在同一個計算框架下的關鍵。目前主流的GPU編程語言包括英偉達開發(fā)的CUDA、AMD開發(fā)的ROCm以及開源的OpenCL。其中CUDA和OpenCL分別主要被英偉達和AMD采用。?由于目前CUDA是最主流的深度學習架構，因此市面上大部分GPU相關軟件都是用CUDA開發(fā)，兼容CUDA可以大幅降低國產GPU的開發(fā)難度，提升產品可用度，增加產品穩(wěn)定性，而部分廠商則選擇推廣自己的軟件生態(tài)，如寒武紀、百度等。圖圖：英偉達人工智能企業(yè)軟件層深度學習框架K8S集群運算符計算架構容器平臺GPU、網卡等硬件證券研究證券研究報告資料來源：英偉達官網，民生證券研究院資料來源：大數據DT，民生證券研究院*請務必閱讀最后一頁免責聲明2.4Token數模型參數單位時間訓練成本訓練成本芯片算力2.4Token數模型參數單位時間訓練成本訓練成本芯片算力訓練：單模型訓練成本近1200萬美金練過程中還包括參數的調整等，參考AlchemyAPI創(chuàng)始人ElliotTurner估計，訓練GPT-3的成本可能接近1200萬美金。每Token單參數所需浮點運算次數算力利用率稱參數 (億個)量 (GB)Token數 (億個) (PFLOPS-day)片 (PLOPs) (美元/h) (萬美元)OpenAIGPT317504500030009874A1000.1561.42091000017000113321316A1000.1561.4451????ChatGPT計算用3000億個token對應45TB數據，一個Token大概對應150個字節(jié)設實際AI模型訓練的算力利用率約為40%假設AI訓練通常使用TF32(單精度浮點數算力)，則使用A100對應的算力為156TFLOPSSunyansSubstack，量子位，CSDN，Azure官網，英偉達官網，民生證券研究院測算**請務必閱讀最后一頁免責聲明證券研究報告2.4模型參數回答Token數推理次數峰值流量倍數每Token單參數所需INT運算次數單位時間訓練成本推理成本2.4模型參數回答Token數推理次數峰值流量倍數每Token單參數所需INT運算次數單位時間訓練成本推理成本算力利用率芯片算力token數量為200個，流量是日均流量的5倍，算力利用率為20%；AIINT則使用A100對應的算力為624TOPS；芯片及服務器需求快速增長?近期：假如谷歌所有文字搜索場景全部接入chatgpt，按照gpt3的參數數量(1750億)計算，所需服務器數量仍然超過10萬臺量級。表：近期服務器需求量測表：近期服務器需求量測算目量日活(萬次)假設每次互動提問次數(次)假設每個回答Token數模型參數(億個)每Token推理所需運算次數2假設訪問峰值流量/日均流量5假設算力利用率芯片INT8算力(A100)(TOPS)每天運算時間(秒)所需芯片顆數(顆)所需服務器臺數(臺)**請務必閱讀最后一頁免責聲明證券研究報告目目光AMD品牌深算一號Ampere100生產工藝7nmFinFET7nmFinFET7nmFinFET核心數量4096(64CUs)TensorprocessorsUptoGHzFPUpto17Ghz(FP32)Upto1.5GHz(FP64)Upto17Ghz(FP32)顯存容量80GBHBM2e顯存位寬4096bit5120bit4096bit顯存頻率2.0GHz3.2GHz2.4GHz顯存帶寬1024GB/s2039GB/s1228GB/sWCPUtoGPU互聯eGenx聯xGMIx2,Upto184to276GB/s 潮、聯想、新華三、同方等都選用了海光的方案。下一代CPU產品海光四號、海光五號研發(fā)進展順利。?DCU：主要面向智能計算以及人工智能市場，采用GPGPU模式，且支持FP64位運算。海光DCU系列產品可兼容通用的“類CUDA”環(huán)境，可廣泛應用于大數據處理、人工智能、商業(yè)計算等應用領域。深算一號DCU部分參數已接近英偉達、AMD的高端GPU產品。?風險提示：行業(yè)競爭加劇的風險；行業(yè)景氣度波動的風險；行業(yè)技術路線變化的風險；產品進展不及預期。表：海光表：海光DCU：深算一號與NVIDIA、AMD高端GPU產品對比圖圖：海光CPU產品性能參數列列CPUPU核心規(guī)模核心-9個核心4個市場數據中心、云計算中心分布式存儲等入門級服務器、工作站、工業(yè)控制等市場資資料來源：海光信息官網、海光信息招股說明書，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告2.5品線2.5品線產品類型寒武紀主要產品產品線云端智能芯片及加速卡思元100(MLU100)思元270(MLU270)思元290(MLU290)思元370(MLU370)訓練整機邊緣產品線邊緣智能芯片及加速卡思元220(MLU220)芯片及邊緣智能加速卡終端智能處理器IPA器寒武紀1H處理器寒武紀1M處理器基礎系統軟件平臺寒武紀基礎軟件開發(fā)平臺(適用于公司所有芯片與處理器產寒武紀：國內ASIC領先企業(yè)?寒武紀成立于2016年，專注于人工智能芯片產品的研發(fā)與技術創(chuàng)新，是國際上少數幾家全面系統掌握智能芯片及其基礎系統軟件研發(fā)和產品化核技術的企業(yè)之一。?公司堅持自主研發(fā)，目前公司的主要產品線包括云端產品線、邊緣產品線、IP授權及軟件。?公司思元370系列智能加速卡共有三種型號以適配不同場景，其中MLU370-X4及MLU370-X8加速卡的INT8算力均高達256TOPS。表：寒武紀主要產表：寒武紀主要產品表表：思元370系列產品參數型號場機器視覺/推理任務聯網行業(yè)等推理任務或訓推一體場景訓練任務整機計算密度較高單卡算力需求適中單卡算力需求較高寬需求高力TSINTPSFPPSBFPSFPPSBFSFPPSFPPSBFSFP帶寬資料資料來源：寒武紀2022年半年報，民生證券研究院資料來源：寒武紀2022年年報，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告0作伙伴作伙伴 2.5景嘉微：國內圖形GPU領軍企業(yè)?JM系列產品持續(xù)迭代：2021年公司推出可滿足人工智能計算需求的JM92系列產品，22年5月已完成JM9系列第二款圖形處理芯片的流片、封裝工92系列GPU芯片研制成功第92系列GPU芯片研制成功第二代圖形處理器芯片JM7200研制成功國內首款高性能GPU芯片-JM5400研制成功JM72系列產品完成與國產CPU、國產操作系統、國產軟件、國產整機等適配工作，并實現規(guī)?；瘧?0142018202020212022.5型號JM5400JM7200JM92系列年份201520182021頻率GBDDR3R算力(FP32)--領域領域高性能顯示需求和人工智能計算需求?公司產品已與國內多家軟硬件品牌完成適配硬件合作伙伴資資料來源：景嘉微官網，景嘉微公司公告，愛集微，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告1圖：芯原股份核心IP產圖：芯原股份核心IP產品 2.5芯原股份：全球領先的IP提供商?芯原股份是基于自主IP的全球領先芯片定制服務公司，目前已形成了六大自主可控的IP組合，包括圖形處理器IP、神經網絡處理器IP、顯示處理器IP、視頻處理器IP、數字信號處理器IP和圖像信號處理器IP。?算力領域，公司內置內置芯原GPGPUIP的Chiplet芯片算力可達8TFLOPS，內置芯原NPUIP的Chiplet芯片算力可達240TOPS，并且公司已經助力藍洋智能部署基于Chiplet架構的芯片產品，使得藍洋智能成為全球第一家采用Chiplet架構技術開發(fā)大算力AI芯片的半導體公司。?風險提示：下游需求不及預期；上游產能供給受限；市場競爭加劇；產品進展不及預期。圖圖：芯原股份VIP9400資資料來源：芯原股份公司官網，芯原股份官方微信公眾平臺，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告2303.服務器產業(yè)鏈：算力基座**請務必閱讀最后一頁免責聲明證券研究報告3.1DGXA100服務器搭載8張A100，售價20萬美金，其他品牌方面，如超微搭載8張A100的服務器售價達13萬美金左右20萬美金6000美金機機332美金60美金AI服務器每顆3.1DGXA100服務器搭載8張A100，售價20萬美金，其他品牌方面，如超微搭載8張A100的服務器售價達13萬美金左右20萬美金6000美金機機332美金60美金AI服務器每顆GPU對應1顆多相控制器及16顆DrMos，8顆GPU帶來272美金增量片無，一般采用集顯芯片萬美金為AI服務器各硬件中成本占比最高的部分2900美金普通服務器256G內存+16THHD/960GSSD混合RAID，而AI服務器所需DRAM/N量亦有所提升PCB提高、層數由14/16層提高至20層以上，價值量可達普通服務器PCB的5倍以上260美金1300美金PCB傳統服務器和AI服務器BOM傳統服務器→AI服務器資資料來源：財聯社，證券日報，新浪財經，聯想官網，淘寶國際，京東，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告43.1圖：英偉達3.1圖：英偉達DGXA100AI服務器?相比傳統服務器，AI服務器最大的區(qū)別是采用異架構，包括CPU+GPU、CPU+ASIC、CPU+FPGA等多種形態(tài)，GPU更擅長數據密集、IXCPUGPU億美元，期間CAGR達22.7%?AI服務器市場集中度相對較高，根據IDC數據，浪潮、戴爾、惠普、聯想、華三前五大AI服務器制造商占據整體份額的47.2%，其中國產廠商浪潮、聯想、華三分別占據總市場的15.1%/5.6%/4.7%45.1%1.0%2.3%3.9%4.7%InspurDellHPELenovoH3CIBMCiscoOracleOthers資料來源：資料來源：IDC，Trendforce，英偉達官網，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告5基礎設施方案網絡硬件設備智基礎設施方案網絡硬件設備智能云服務數據中心方案SSG方案服務行業(yè)智能方案設備服務運維服務3.1務器業(yè)務快速增長，深度合作微軟、英偉達?英偉達全球戰(zhàn)略合作伙伴，是中國大陸唯一的英偉達數據中心/工作站/邊緣計算三重認證伙伴(其他認證伙伴包括Dell和supermicro)?ISG業(yè)務提速：22-23財年Q1\Q2\Q3\Q4的ISG基礎設施服務分別實現同比增速14%/33%/48%/56%，呈現同比逐季加速態(tài)勢；公智能設備個人電腦智能手機IoT設備端端-邊-云-網-智合虛擬化能計算大數據應用方案高性能網絡存儲業(yè)務連續(xù)性資資料來源：聯想集團公告，英偉達官網，IDC，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告63.1圖：英偉達發(fā)布會展示工業(yè)富聯HGX3.1圖：英偉達發(fā)布會展示工業(yè)富聯HGXH100自動化產線網三大業(yè)務板塊，2022年三大業(yè)務板塊營收占比分別為57.86%/41.51%/0.37%，PAIAI務器及HPC在2022年云服務商產品中占比增至約20%I資資料來源：金融界，證券日報，工業(yè)富聯公告，工業(yè)富聯官網，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告7PCB價值量提升CCL價PCB價值量提升CCL價值量提升CCL損耗等級可低至Ultra-LowLoss 3.2服務器PCB價值量提升 2023年滲透率層數層數增多12/14→16/18對對于PCB而言，應用于AI服務器有哪些變化？GPU與主芯片數據交換量大，主板布線更密集，層數增加，材料要求更高，成本增加。除主板升級外，新增除主板升級外，新增UBB及加速卡板層層數進一步提高可達28層，接近交換機層數CCLCCL要M6級，甚至用到M7、M8PCBPCB單臺價值量進一步提高，可達1萬元資資料來源：廣合科技招股說明書，生益電子公告，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告83.23.2?企通板：企業(yè)通訊市場板業(yè)務占公司PCB營收70%左右，主要由數據中心(主要包括服務器、交換機、路由器、高速網卡)相關業(yè)務構成。AI服務器POCPOInterposer表表：滬電生產線情況計產能名稱業(yè)務滬利微電汽車板滬利微電汽車板企業(yè)通訊市場板企業(yè)通訊市場板22層以下PCB產品(青淞廠轉入)中低階汽車PCB產品(滬利微電轉入)廠廠板為主的生產線廠板為主的生產線企業(yè)通訊市場板廠戶中心客戶戶資料來源：滬電股份公告，民生證券研究院資料來源：滬電股份公告，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告9 存儲 存儲 3.3AI算力拉動，存儲加速升級?高帶寬存儲器(HBM)可為GPU提供更高的帶寬，DDR5R最高速率是DDR4的兩倍；而HBM基于TSV和芯片堆疊技術可以替代GDDR。?3DNAND有望成為主流方向，可突破存儲容量限制瓶頸。AIAI服務器存儲顯存顯存NANAND提升至6.4GbpsHBM求且3DNAND有望成為主流參數DDR4DDR50MbpsGbGb,8Gb,16Gb8Gb,16Gb,24Gb,32Gb,64GbdieECC不支持持VDD/VDDQVPP2.5V8無有無有證券研究報告資料來源：SK海力士,民生證券研究院資料來源：電子創(chuàng)新網，民生證券研究院量 (每個die)結構循環(huán)壽命 (寫入/擦除次數)能耗閘極 (FloatingGate)低慢高高資料來源：SimmsInternational，民生證券研究院Gb2Gb (未來存在增長空間)電荷捕捉(ChargeTrap)或浮動閘極(FloatingGate) (3D的單元間干擾更少)快低低*請務必閱讀最后一頁免責聲明3.3Samsung參與競爭，開啟雙雄爭霸局面Micron加入，三足鼎立局面形成HBM1時代HBM2時代E3.3Samsung參與競爭，開啟雙雄爭霸局面Micron加入，三足鼎立局面形成HBM1時代HBM2時代EAI算力拉動，存儲加速升級各廠商爭搶HBM技術高地，形成三足鼎立之勢SKSKhynix獨霸HBM市場?與AMD合作發(fā)首款HBM?與AMD合作發(fā)首款HBM芯片?發(fā)布4GB?開發(fā)業(yè)界首款HBM3?量產首款?發(fā)布HBM2E?量產HBM2E?量產首款4?宣布生產8GB?宣布開發(fā)低成本HBM?發(fā)布?量產HBM3?宣布開發(fā)帶?推出其首款?發(fā)布HBM (HBM3)標準??量產HBM1?并首次被AMDFijiGPU納入使用20132015201620182019202020212022??量產當前市場上數據傳輸速度最快8GBHBM——AquaboltHBMHBM3時代顆粒密度堆積高度內存容量帶寬I/O速度2Gb4HiGB128GB/s1Gbps8Gb4/8Hi4/8GB307GB/s2.4Gbps316Gb4/8Hi8/16GB460GB/s3.6Gbps16Gb8/12Hi16/24GB819GB/s6.4Gbps*請務必閱讀最后一頁免責聲明證券研究報告覆蓋DDR4全系列規(guī)格，容量包含4GB-64覆蓋DDR4全系列規(guī)格，容量包含4GB-64GB嵌入式存儲涵蓋eMMC、UFS、ePOP、eMCP、SLCNAND和LPDDR等3.4江波龍：存儲模組龍頭?江波龍擁有嵌入式存儲、移動存儲、固態(tài)硬盤及內存條四大產品線，為國內存儲模組品牌龍頭，產品廣泛應用于消費電子、工業(yè)、通信、汽車、安防、監(jiān)控等行業(yè)應用市場和消費者市場。?主要從事Flash及DRAM存儲器研發(fā)、設計和銷售，聚焦于存儲應用產品的研發(fā)設計與品牌運營，形成固件算法開發(fā)、存儲芯片測試、集成封裝設計、存儲芯片設計等核心競爭力。公司旗下擁有行業(yè)類存儲品牌FORESEE和國際高端消費類存儲品牌Lexar(雷克沙)，持續(xù)發(fā)力車規(guī)級存儲、服務器內存條、企業(yè)級SSD、高端消費存儲等領域，豐富嵌入式存儲產品矩陣，鞏固行業(yè)龍頭地位。同時，公司與上游主要存儲晶圓原廠、主控芯片廠商建立了長期、穩(wěn)定和緊密的業(yè)務合作關系，鞏固自身在供應鏈上的優(yōu)勢。嵌入式存儲移動存儲固態(tài)硬盤內存條其他業(yè)務產品局域覆蓋SATA和PCIe主流接持續(xù)拓展企業(yè)級和高端消費SSD移動存儲涵蓋USB、SD/MicroSD卡、Cfe影響卡、NM卡、MicroUDP/UDO等手機通訊汽車電子市場數據中心市場手機通訊汽車電子市場數據中心市場個人PC市場業(yè)市場場0%17.72%24.48%3.37%6.69%5.00%25.94%18.06%21.55%40.06%24.47%33.34%22.71%25.56%52.41%49.04%45.08%42.00%40.72%20182019202020212022資料來源：江波龍招股說明書，民生證券研究院資料來源：江波龍招股說明書，民生證券研究院資料來源：江波龍招股說明書，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告3.43.4加催生電源管理芯片需求?市電最終輸入到CPU等元器件的過程中，大致需要經過三次電流改變，電源管理芯片為實現電流變換功能的必要器件。主板上的電源管理ICGPUPOL(負載點電源)，市場規(guī)模均約為6000萬美金。 圖：服務器電源芯片系統示意圖圖：服務器主板電源SAM規(guī)模*請務必閱讀最后一頁免責聲明證券研究報告?參考英特爾VRControllersCommonFootprintSolution?參考英特爾VRControllersCommonFootprintSolutionComponentList，多相控制器方面有MPS、英飛凌、瑞薩、德州儀器、安森美、意法半導體、ADI(美信)，DrMOS方面除前述廠商外，還有威世可提供產品。?國內廠商方面，杰華特、晶豐明源、矽力杰、芯朋微、長工微、寧波奧拉等公司也開始有產品推出，不過目前國產化幾乎為零。?隨著近年來飛騰、中科海光、龍芯、寒武紀等廠商在CPU/GPU領域的突破，以及下游長城、聯想等服務器、PC廠商旺盛的本土化配套，給國內多相電源廠商提供了有利的國產化替代機會，我們認為，中國市場作為全球重要的PC、服務器及汽車制造中心，有望孕育出具有國際競爭力的多相電源龍頭廠商。描述梯隊先，市場地位穩(wěn)固梯隊景存疑梯隊3.4服務器出貨量增加催生電源管理芯片需求司稱數產品數量支持的協議3AMDSVI3、IntelVR14、其他84AMDSVI3、IntelVR14、其他72其他62IntelVR12x、其他51其他43IntelVR12x、其他34Tegra25V至24V，其他飛凌1AMDSVI2、其他1IntelVR1486IntelVR14、IntelVR13、其他71其他52IntelVR14、IntelVR13，其他42VR13，其他21其他1NVIDIAOpenVreg，其他1NVIDIAOpenVreg，其他91AMDSVI271IntelVR13HC，其他64NVIDIAOpenVreg、IntelVR12.5、其他51AMDSVI241NVIDIAOpenVreg，其他21他司名稱產品數量產品最大電流40A以下40-60A675A、70A、60A英飛凌40A以下2A5A40-60A1490A、70A40A以下640A、25A、20A、12A40-60A0A、55A、50A690A、80A、70A*請務必閱讀最后一頁免責聲明證券研究報告3.4原產品2022年-并購凌鷗創(chuàng)芯，拓展電機控制新品領域凌鷗創(chuàng)芯為TOP并同后更有望于家電等快速放量，并實現汽3.4原產品2022年-并購凌鷗創(chuàng)芯，拓展電機控制新品領域凌鷗創(chuàng)芯為TOP并同后更有望于家電等快速放量，并實現汽銷售網絡，快充+ACDC21年下半年量系列，產TINexFETADrmos此外，公司已量產6、10APOL，并規(guī)劃Efuse熱插拔，降低成本；內置電源，小家電產品基本完成品類擴展研發(fā)，覆蓋大部分的生活電器、護理電器和部分廚電。大家電產品在重點客戶麥格米特的份額繼續(xù)擴rade新品布局2021年-0年-拓0年-拓展家電、快充AC/DC目標PC、服務器市場8年-專注于LED驅動IC賽道展8年-專注于LED驅動IC賽道展2022年營收0.22億元 (占2.06%)DC/DC芯片2022年營收0.05億元AC/DC芯片2022年營收1.20億元 (占11.14%)LED照明驅動芯片2022年營收9.06億元 (占83.93%)全面覆蓋調光、非調光、智能包括多相數字控制器、智能集成面板等照明驅動芯片功率器件、降壓轉換器POL、電子開關/熱插拔控制 (占0.47%)包括隔離電源、非隔離電源包括電機驅動、MCU*請務必閱讀最后一頁免責聲明證券研究報告 3.5組件高速互聯，服務器接口芯片需求廣泛?在DGXH100服務器內部，藍色方塊為IP網卡，既可充當網卡又可發(fā)揮PCIeSwitch擴展功能，成為CPU與GPU(H100)之間互聯的橋梁。?而GPU(H100)之間互聯主要通過NVSwitch芯片來實現。每個DGXH100內的一個GPU向外伸出18個NVLink，單鏈雙向帶寬為50GB/s，共計18*50GB/s=900GB/s雙向帶寬，拆分到4個板載的NVSwitch上去，因而每個NVSwitch對應4-5個OSFP光模塊(共計18個)。?全球各大芯片廠商均在關注高速接口的相關技術，除了NVDIA的NVLink之外，AMD的InfinityFabric和Intel的CXL(ComputeExpressLink)等也為服務器內部的高速串聯提供了解決方案。圖：圖：英偉達DGXH100服務器內部芯片互聯架構圖技術廠商推出時間基本闡述原理構成產品特性單鏈帶寬總帶寬速inksub差分線組成一個設備可由多個結構Hopper的GB/s的雙向帶寬PU路，提供900GB/s應用總線技術DataFabric(SDF)和ControlFabric(SCF)據傳輸與控制于inityBs速器之間可支持800GB/sCXLpressheCXLmem子協議PCIe兼容高帶寬；內存一致性-CXL過x16鏈路實現128GB/s的帶寬*請務必閱讀最后一頁免責聲明證券研究報告以太網物理層芯片以太網交換芯片45000400003500030000250002000015000100005000022年量產流片千兆PCIE網卡芯片片單口車載百兆以太網物理層芯片單口車載千兆以太網物理層芯片 (預計23年推出)費級/工業(yè)級單口百兆以太網物理層芯片單口千兆以太網物理層芯片單口2.5G以太網物理層芯片單口5G/10G以太網物理層芯片(預研階段)四端口千兆以太網物理層芯片八端口千兆以太網物理層芯片布局方向本客戶競爭對手2019年2020年以太網物理層芯片以太網交換芯片45000400003500030000250002000015000100005000022年量產流片千兆PCIE網卡芯片片單口車載百兆以太網物理層芯片單口車載千兆以太網物理層芯片 (預計23年推出)費級/工業(yè)級單口百兆以太網物理層芯片單口千兆以太網物理層芯片單口2.5G以太網物理層芯片單口5G/10G以太網物理層芯片(預研階段)四端口千兆以太網物理層芯片八端口千兆以太網物理層芯片布局方向本客戶競爭對手2019年2020年2021年2022年有線通信芯片稀缺標的速率方向發(fā)展帶動，催化交換芯片量價齊升。公司自2022年推出交換芯片，產品可應用于路由交換、視頻監(jiān)控、物聯網、車聯等領域，目前自主研發(fā)圖圖：裕太微營收結構(萬元)現有產品布局新產品布局工規(guī)級商規(guī)級晶圓車規(guī)級其他現有產品布局以太網網卡芯片芯片5口交換芯片已實現小批量出貨6口交換產品和8口交換產品也將于23年推出量產樣片低功耗24口交換芯片 (研發(fā)階段)布局方向視頻矩陣器證券研究報告證券研究報告料來源：Wind，民生證券研究院*請務必閱讀最后一頁免責聲明04.：催生邊緣芯片需04.求**請務必閱讀最后一頁免責聲明證券研究報告4.1從國際大廠動向看邊緣AI的未來o望AI組合，進一步在AI和智能網聯邊緣領域加強布局。 PaLM模版本 圖：高通AI軟件棧資料來源：高通官網，民生證券研究院**請務必閱讀最后一頁免責聲明證券研究報告4.14.1從國際大廠動向看邊緣AI的未來場上參與者眾多，不同陣營廠商正以不同的路線共同推動邊緣計算快速發(fā)展。?(2)亞馬遜、微軟等云服務廠商將云計算能力向設備和用戶側延伸，擴充云數據中心的外延，將云原生的統一編程模式通過邊緣網關的能?(3)移動、電信、聯通為代表的5G運營商將IT能力同基礎網絡承載與業(yè)務運營融合，提供基站的邊緣計算服務及5G網絡接入管理。表：國內外大廠加大邊緣AI布局要硬件方案軟件平臺方案SpringsCanyon及MountEvans系列IPUANAMD列DPUVitis軟件平臺等針對邊緣AI及5G應用對邊緣電信應用微軟-和服務器廠商合作布局各類邊緣5G整合AI的方案原股份VIP9400系列NPU；CC8000和CC8X00系列GPGPU邊緣AI提供一站式芯片定制解決方案-**請務必閱讀最后一頁免責聲明證券研究報告404.24.2邊緣AI：音頻入局，率先發(fā)力體驗，生成內容質量提升進一步滿足用戶在真實場景中服務客戶的需求，未來會逐步實現個性化和情感交互，目前，各大廠商爭相發(fā)力?1)2月9日，百度宣布將融合文心一言，打造針對智能設備場景的人工智能模型「小度靈機」，并將其應用到小度全系產品中；?2)4月11日，天貓精靈宣布將正式接入阿里巴巴“通義千問”大模型；?4)5月11日，谷歌推出PaLM2Gecko輕量級AI模型，可在手機及IOT設備本地或離線運行，加速AI賦能智能終端。圖：各大廠商爭相發(fā)力音頻領圖：各大廠商爭相發(fā)力音頻領域資資料來源：智東西，每日經濟新聞，網易號，民生證券研究院整理*請務必閱讀最后一頁免責聲明證券研究報告414.2圖：智能音箱語音交互架構CCPUDSP通用硬件運算單元：語音、圖等GPUAI獨立運算單元NPU語音識別 4.2圖：智能音箱語音交互架構CCPUDSP通用硬件運算單元：語音、圖等GPUAI獨立運算單元NPU語音識別 (ASR)行語音合成 (TTS)調用API邊緣AI：音頻入局，率先發(fā)力?AIGC落地的第一站——音頻：智能音箱(智能家居)&耳機(可穿戴設備)：透打開成長空間。?3、發(fā)展階段：(1)智能音箱：經過近10年發(fā)展，已具備一定用戶基礎和發(fā)展土壤。目前各大廠正向發(fā)力AI+智能音箱領域如百度融合文圖圖：iFLYBUDSNano＋集成AIGC技術AI模型(算法)NLP模型CV模型對話式大型語言模型多模態(tài)模型理解語言資料來源：開測，維科網，民生證券研究院整理資料來源：開測，維科網，民生證券研究院整理*請務必閱讀最后一頁免責聲明證券研究報告424.3圖：多模態(tài)數據交互架構AI模型(算法)NLP模型CV模型對話式大型語言模型多模態(tài)模型4.3圖：多模態(tài)數據交互架構AI模型(算法)NLP模型CV模型對話式大型語言模型多模態(tài)模型行多模態(tài)數據識別調用API邊緣AI：視頻決勝，全面感知領域。GC圖圖：智能物聯開放生態(tài)SOC芯片DSPCPUISPDSPCPUISPGPUAI獨立運算單元：視覺數據等NPU資料來資料來源：?？低?022年年報，民生證券研究院整理*請務必閱讀最后一頁免責聲明證券研究報告434.3邊緣AI：視頻決勝，全面感知，并能夠給不明確的提示自動生成有效掩碼，還支持文本輸入提示詞來選中對象。英偉達人工智能科學家JimFan在推特表將賦能智能家居、醫(yī)療健康、自動駕駛、安防、衛(wèi)星遙感等眾多領域。 圖：SAM可從AR/VR中獲取用戶的視線來選擇對象 ：SAM可在視頻中跟蹤對象輸出掩碼*請務必閱讀最后一頁免責聲明證券研究報告444.44.4的方向猜想：所有硬件或將迎來重估值?AI+智能終端應用場景包括智能駕駛、智能家居、智慧安防、消費電子智能終端等。AI將為智能硬件帶來產品邏輯的深度變革，加速硬件的智能化、伴侶化趨勢，給所有智能硬件或將帶來重估值潛力。nP圖圖：AppleVisionPro*請務必閱讀最后一頁免責聲明證券研究報告454.54.5智能交互音響VR/AR產品電視聲吧電腦音響藍牙音箱專業(yè)音響耳機量彈性較大。資料來源：國光電器2022年年報，國光電器微信視頻號，民生證券研究資料來源：國光電器2022年年報，國光電器微信視頻號，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告464.5耳機步者汽車音響4.5耳機步者汽車音響損系列快裝系列克風耳機音響汽車音響其他聲電產品龍頭業(yè)，不斷拓展市場空間，陸續(xù)推出“Xemal聲邁”品牌、“HECATE”品牌、“Volona”品牌、“花再”品牌以及定位于專業(yè)Hi-Fi音響的“AirPulse”LSE圖：公圖：公司2022年產品營收結構音響步者RPULSE資料來源：漫步者官網，資料來源：漫步者官網，Wind，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告474.54.5洲手機市場王者，多品牌多領域持續(xù)拓展和Infinix三大品牌手機，銷售區(qū)域主要集中在非洲、南亞、東南亞、中東和南美等全球新興市場國家。同時，公司持續(xù)推進擴品類業(yè)務發(fā)展，在多年深逐步完善。，公司手圖：公司2016-2022年全球季度手機銷量及圖：公司2016-2022年全球季度手機銷量及市占率Transsion市占率25.020.00.00.01Q164Q163Q172Q181Q194Q193Q202Q211Q224Q22資料來源：傳音資料來源：傳音控股招股說明書，IDC，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告484.54.5安克創(chuàng)新：出海品牌標桿，研發(fā)+運營+渠道助力長期成長?全球化的知名消費電子品牌企業(yè)，主要由Anker、soundcore、eufy、Nebula、Ankerwork、ankerMake等六大品牌構成品牌矩陣，具體囊括充電、克創(chuàng)新產品布局產品產品大類產品充電類產品智能創(chuàng)新類產品無線音頻類產品圖圖：安克創(chuàng)新2018-2022年各業(yè)務營收占比充電類產品創(chuàng)新類產品無線音頻產品其他業(yè)務48.25%44.30%90%80%70%60%50%40%30%20%%0%20182019202020212022資料來資料來源：安克創(chuàng)新官網，Wind，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告494.64.6邊緣AI芯片：連接+處理，打通推理加速的最后一公里?高通公司高級副總裁5月30日表示：高通正在從一家通信公司過渡到一家智能邊緣計算公司。高通對公司定位的轉變指明了當下AI的兩大趨勢：1)不止云端，邊緣AI是必然趨勢；2)邊緣AI，“連接+計算”缺一不可：邊緣AI本質是使萬物具備“連接+計算”兩大能力。因此我們關于邊緣AI的投資思路也主要圍繞“連接+計算”兩大方向展開。圖圖：邊緣AI產業(yè)鏈資料來源：民生證券研究院整資料來源：民生證券研究院整理*請務必閱讀最后一頁免責聲明證券研究報告4.6聯網傳輸協議能力對比4.6聯網傳輸協議能力對比連接芯片：不止處理，連接未來?傳統IOT在物理層的通信協議種類較多，目前常用的物聯網通信協議包括Wi-Fi、藍牙、Thread、Zigbee、NB-IOT、Cat.1等，各種通信協Matter作為一種應用層的通信協議，Matter可以實現物理層通信協議不同的設備之間的互聯，該以使用橋接設備將非Matter設備接入Matter系統。通信協議(物理層)傳輸距離傳輸速度成本時延安全性功耗遠距離非蜂窩通信WiFi300m0.6-9.6Gbps<百毫秒低大ZigBee350m250Kbps<百毫秒高小a20Km37.5Kbps低秒級高極小Thread200m250Kbps很低<百毫秒高小近距離無線通信20m424Kbps高<百毫秒很高小藍牙300m2Mbps低<百毫秒高小資料來源：資料來源：物聯網技術社區(qū)，CSDN，民生證券研究院資料來源：博流智能，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告算法等功能，智能終端SoC也朝著更高算力和性能發(fā)展，越來越多的SoC芯片用于邊緣計算，對多路終端進行智能分析與管理，從而減輕網絡和終端的壓力。?目前，實現智能終端算力的最常用方式是在SoC芯片中內置NPU模塊，即神經網絡處理單元。NPU是專為物聯網人工智能設計的處理器模塊，用于加速神經網絡的運算，解決傳統芯片在神經網絡運算時效率低下的問題，特別擅長處理視頻、圖像類的海量多媒體數據。?右圖瑞芯微的RK3588芯片是典型的可實現邊緣算力的SoC芯片架構。資料來源：電子發(fā)燒友，民生證券研究院52圖：智能終端SoC芯片架構(以RK3588為例)4.圖：智能終端SoC芯片架構(以RK3588為例)器外圍統存儲器U塊**請務必閱讀最后一頁免責聲明證券研究報告4.64.6國產邊緣AI芯片算力對比?國內芯片廠商均在加大自研NPU能力，以把握AI浪潮。以阿里平頭哥為代表的芯片公司推出面向數據中心AI應用的人工處理推理芯片，如其含光800自研NPU架構為AI推理專門定制和創(chuàng)新，可以實現了高算力、低延遲的性能體驗。?國產SoC廠商也在加大NPUIP自研力度，以豐富和提升SoC人工智能處理能力。如瑞芯微目前已迭代了4代NPU的IP，公司最新旗艦芯片RK3588支持6Tops的NPU算力；晶晨股份的A311D系列人工智能芯片最高可支持5Tops的NPU算力。表：國產表：國產SOC芯片公司主要算力芯片對比公司主要算力芯片(按最大算力排序)產品型號核主頻算力制程微4*Cortex-A76+4*Cortex-A552.4GHzA1D4*Cortex-A73+2*Cortex-A532.2GHz技V3CortexARISC-VE907正XBurst技ARMCortex-M55技ATSXPDSP0nm技Xtensa2位LX7雙核處理器0nm資料來源：各公司官網，民生證券研究院資料來源：各公司官網，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告4.64.6國產邊緣AI芯片全景圖：下游市場+核心客戶離2021年以來前高空間 (截至6月21日收盤價)頻監(jiān)控頂盒VOT汽車/工業(yè)擬全志科技√√√√√99%晶晨股份√√√√61%瑞芯微√√√√√√中科藍訊√√√恒玄科技√√√218%炬芯科技√√√樂鑫科技√√富瀚微√√北京君正√√√√緣AI核心客戶全志科技天貓精靈、小米、百度智能音箱，石頭掃地機、科大訊飛等晶晨股份智能音箱客戶包括谷歌、亞馬遜、SONOS等國內外知名廠商瑞芯微RK588八大方向：平板、PC、智慧屏、座艙、云服務、AI攝像頭、AR/VR等中科藍訊從白牌向品牌轉型，海外60-70%占比恒玄科技可穿戴客戶：HOVM，智能音箱客戶：百度、阿里、小米、華為等炬芯科技藍牙音箱客戶：哈曼、索尼、小米、漫步者；藍牙耳機：傳音、摩托羅拉等樂鑫科技WiFiMCU全球市占率35%+，核心客戶包括谷歌、小米等富瀚微專業(yè)安防客戶：海康、大華等；智慧視頻客戶：移動等三大運營商、螢石等北京君正、螢石，三大運營商，wyze、Ankor等資料來源：各公司官網，民生證券研究院整理資料來源：各公司官網，民生證券研究院整理*請務必閱讀最后一頁免責聲明證券研究報告品高性價比、單WiFiiBT ESP32-C ESP32-品高性價比、單WiFiiBT ESP32-C ESP32-C3RISC-V、低成本SPS高性價比、單WiFiZigBeeP雙核RISC-VCPU4.6?樂鑫科技是全球WiFiMCU領域龍頭企業(yè)，目前公司定位于WirelessSoC芯片，以“處理+連接”為方向，主要產品從傳統WiFiMCU向AIOT芯片及其軟件轉變。?主要產品系列：ESP8266(低功耗物聯網芯片)、ESP32(WiFi+藍牙雙模芯片)、ESP32-S2(單核WiFi)、ESP32-S3(AI)、ESP32-C3(RISC-V)、ESP32-C6 (WiFi6)、ESP32-H2(ThreadZigBee)，以及在2023年初的CES展會上推出的ESP32-P4系列SoC芯片。SAI現離線語音喚醒/識別等功能，公司ESP-BOX開發(fā)板可實現遠程接入ChatGPT，目前在GitHub上已有開源代碼。 圖：使用ESP32-S3芯片的ESP-BOX開發(fā)板接入ChatGPT打造智能語音助手GitHubBilibili生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告A311D規(guī)格參數工藝A311D規(guī)格參數工藝12nmCPU四核ARMCortex-A73+雙核ARMCortex-A53GPUARMMali-G52MP4(6EE)U5TOPS視頻處理4Kp7510bitH.265,VP9,AVS2解碼4Kp30H.264解碼1080p60H.265,1080p30H.264編碼音頻接口StereoDACs,SPDIF輸入輸出8通道PDM,多通道I2S輸入輸出4.6邊緣AI處理芯片核心標的：晶晨股份?邊緣AI浪潮下，公司基于在多媒體音視頻領域的長期積累和技術優(yōu)勢，疊加神經網絡處理器、專用DSP、人臉識別、手勢識別、遠場語圖：晶晨股份A311D圖：晶晨股份A311D產品最高算力可達5TOPS可可應用方案證券研究報告*證券研究報告*請務必閱讀最后一頁免責聲明57575705.Chiplet：助力AI芯實現05.跨越**請務必閱讀最后一頁免責聲明證券研究報告NvdiaNvdiaA100的Chiplet方案5.15.1?Chiplet：算力時代的大勢所趨采用4nm制程，并配備最高80GBHBM3。AMD方面則推出了更大規(guī)模的Chiplet產品，其2023年6月14日正式發(fā)布的MI300AI加速卡擁有13個小芯片，共包括9個5nm的計算核心(6個GCD+3個CCD)，4個6nm的I/Odie兼InfinityCache(同時起到中介層的作用，位于計算核心和interposer之間)，還配備了累計8顆共計128GB的HBM3芯片。相較Nvdia的A/H系列產品，MI300更進一步的將SOC拆分成了多顆小芯粒，并擁有更大的面積、芯粒數量、緩存顆粒數量。AMDAMDMI300的Chiplet方案**請務必閱讀最后一頁免責聲明證券研究報告 5.2Chiplet優(yōu)勢一：降低成本、提升良率、大面積芯片采用chiplet方案總成本更低。研究表明，在5nm制程，芯片面積達到200mm2以上，單顆SOC的成本高于5ChipletsMCMmmSOC的成本將高于5ChipletsInFO(MCM、InFO均為Chiplet技術的不同封裝形式)。?對于大面積芯片，Chiplet技術有助于大幅降低良率損失(圖中costofchipdefects)，我們認為chiplet或將是未來CPU/GPU類芯片的首選方案。 圖：5nm工藝下不同面積芯片成本對比**請務必閱讀最后一頁免責聲明證券研究報告5.25.27nm+chiplet(CoWoW-s)=2048TOPSChiplet優(yōu)勢二：允許多顆計算芯粒集成提升算力V?壁仞科技BR100則通過2顆7nm計算芯粒的chiplet方案實現2048TOPSINT8算力。表表：主流GPU加速卡新能對比英偉達A100AMDMI250X英偉達H100AMDMI300FP64PSFP32PSINT8TensorCoreGPU顯存mmmm間證券研究報告資料來源：壁仞科技，民生證券研究院*請務必閱讀最后一頁免責聲明5.25.2Chiplet主流技術路徑?圖：臺圖：臺積電用于Chiplet技術的三種封裝工藝InFO：無Interposer，die直接在載中InFO_LSI是折中方案，在載板中內CoWoS：有Interposer，die在造價高，多用于算力芯片(NvdiaH100)。SoIC：晶圓鍵合，前道堆疊，而非后圖圖：蘋果M1Ultra芯片**請務必閱讀最后一頁免責聲明證券研究報告rydTechnologicalComparisonofVariousDieStackingand5.3Chiplet產業(yè)鏈環(huán)節(jié)(COWOS封裝為例)前段工藝：wafer、siliconinterposer、TSV封測廠：長電、通富、華天、甬矽**請務必閱讀最后一頁免責聲明證券研究報告5.35.3升產業(yè)鏈環(huán)節(jié)參與度?國產供應鏈Chiplet方案，中段的晶圓級封裝(Bumping)和后段的COW環(huán)節(jié)將是主要的價值量增量和國產封測廠商發(fā)力的主要方向。?國內Bumping工藝的領先廠商：盛合晶微、長電科技、甬矽電子(IPO募投項目)、通富微電等表：國內主表：國內主要封裝廠先進封裝技術對比長電科技通富微電華天科技甬矽電子營收規(guī)模 (2022)337.62億元214.29億元119.06億元主要封裝技術?成熟的SiP、2.5D&?子公司星科金朋Fan-Out技術業(yè)界領先?長電先進：Bumping?先進封裝包括BGA、?先進封測技術SiP、FC；Bumping、WL-CSP?中低端封裝：DIP、?產品形態(tài)以FC-BGASOT、SOP、SSOP類為主、TSSOP、QFP、QFN?產品以中高端的FC-為主?募投擴產Bumping產能龍頭客戶蘋果、臺積電等高通、三星、蘋果、聯半導體AMD、聯發(fā)科Skyworks晶晨、恒玄、富瀚微、唯捷、翱捷科技理6363證券研究報告*請務必閱讀最后一頁免責聲明5.35.3芯片規(guī)模增長帶來需求增量?Chiplet應用對設備的需求拉動來自兩方面：?1)晶圓級封裝設備。晶圓級封裝需要的設備與前道晶圓制造類似，涉及光刻機、涂膠顯影設備、薄膜設備、電鍍設備、刻蝕設備、清洗設備、量測設備等。國產諸多公司都有相關業(yè)務：北方華創(chuàng)(刻蝕、薄膜、清洗等)、芯源微(涂膠顯影、清洗)、盛美上海(電鍍、清洗、涂膠顯影、拋光)、中科飛測(檢測)等。ets**請務必閱讀最后一頁免責聲明證券研究報告5.4IC載板示意圖5.4IC載板示意圖?根據Prismark預計，2023年全球封裝基板市場規(guī)模達160.73億美元，預計2027年將成長至222.86億美元，期間CAGR達8.51%T等高性能運算芯片大大陸廠商IC載板布局資料資料來源：博學芯資訊，興森科技、深南電路公告，Prismark，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告ABF膜ABF膜 F?生益科技：對標ABF膜的SIF膜產線先進、產品穩(wěn)定性好，目前在海外和國內同步進行驗證，終端驗證回饋較好?華正新材：對標ABF膜的CBF膜在CPU、GPU等半導體芯片封裝領域進入下游IC載板廠、封裝測試廠及芯片終端驗證流程。?可剝離超薄銅箔主要應用于mSAP(半加成法)工藝，對銅箔的厚度、表面粗糙度、剝離強度、加工性能等關鍵指標有嚴格要求，技術可剝離超薄銅箔可剝離超薄銅箔*請務必閱讀最后一頁免責聲明證券研究報告資料來源：集微網，晶化科技，生益科技、華正新材、方邦股份公告，民生證券研究院*請務必閱讀最后一頁免責聲明 5.4IC載板核心標的：興森科技?IC載板尤其ABF載板市場長期被海外企業(yè)把控，興森是內資少數在ABF載板領域有實際投資擴產、有實質進展且綁定核心大客戶的標的。ABFQ升，已進入客戶認證階段，公司預計Q3進入小批量產品交付階段；2)廣州項目：產能2萬平/月，分兩期建設，一期廠房已于去年9月BT暖。 森科技主要生產基地及介紹基基地介紹 廣州科技為興森科技全資子公司，成立于2006年，產品為PCB中高端快件樣板、PCB中低端小批量板、中高端剛撓板、IC封裝基板、SMT表面貼裝廣州科技廣州興科廣州興科主要從事BT載板生產，產能2萬平/月珠海興科主要從事BT載板生產，為BT載板新建產能項目珠海ABF載板工廠投資12億從事ABF載板生產，設計產能6000平/月 ExceptionException興森香港全資子公司，主營業(yè)務為PCB樣板和小批量板的生產與銷售Harbor興森香港全資子公司，主營業(yè)務為半導體測試板的設計、生產、貼裝及銷售資資料來源：興森科技公告、公司官網，民生證券研究院*請務必閱讀最后一頁免責聲明證券研究報告表：長電產線布局業(yè)務板塊生產基地主要產品服務電科技表：長電產線布局業(yè)務板塊生產基地主要產品服務電科技江廠區(qū)東廠區(qū)廠區(qū)件引線框封裝、分立器件試區(qū)器件引線框封裝、集成電路倒裝及測試朋加坡/韓國/江陰廠區(qū)試 (JSCK)區(qū)SiPPoP測試5.5頭?長電是國內封裝廠龍頭，2022年占全球委外封測(OSAT)市場第三，市占率11%，位列國內第一。?公司業(yè)務全球化布局，六大生產基地分別位于江陰濱江、江陰城東、滁州、宿遷、新加坡、韓國，各生產基地分工明確、各具技術特色和競爭優(yōu)勢，在晶圓級封裝和SIP封裝領域均處于全球領先地位。?2023年1月，公司宣布實現國際客戶4nm節(jié)點Chiplet產品出貨。該方案采用有機RDLInterposer，可集成放置一顆或多顆邏輯芯片 (CPU/GPU等)，以及I/OChiplet和/或高帶寬內存芯片(HBM)等，最大封裝面積高達1500mm2。圖圖：2018-2023Q1長電營業(yè)收入(億元)400350300250200500營業(yè)收入(億元)YOY20%%%5%0%-5%201820192020202120222023Q1通訊電子消費電子運算電子工業(yè)及醫(yī)療電子汽車電子100%80%60%40%20%0%20212022021**請務必閱讀最后一頁免責聲明證券研究報告圖：甬矽電子營收構成(百萬元)SiPQFN/DFN圖：甬矽電子營收構成(百萬元)SiPQFN/DFNFC類產品MEMS其他2,5002,0001,5001,00050002019202020212022 5.5甬矽電子：新銳封測廠，發(fā)力晶圓級封裝Bumping工藝C22年實現年均復合增速81%。?公司IPO募投項