科技行業(yè)市場前景及投資研究報(bào)告：AI大模型大國競爭半導(dǎo)體戰(zhàn)略地位

AI大模型開啟新一輪大國競爭，半導(dǎo)體戰(zhàn)略地位凸顯行業(yè)評(píng)級(jí)：增持中航證券研究所發(fā)布

證券研究報(bào)告?

AI正處史上最長繁榮大周期：在進(jìn)入21世紀(jì)以來，在大數(shù)據(jù)和大算力的支持下，歸納統(tǒng)計(jì)方法逐漸占據(jù)了人工智能領(lǐng)域的主導(dǎo)地位，深度學(xué)習(xí)的浪潮席卷人工智能，人工智能迎來史上最長的第三次繁榮期，至今仍未有結(jié)束的趨勢(shì)。?

OpenAI的“暴力美學(xué)”：大算力和大數(shù)據(jù)：OpenAI

認(rèn)為，通過獨(dú)立延長模型訓(xùn)練時(shí)間、增加訓(xùn)練數(shù)據(jù)量或者擴(kuò)大模型參數(shù)規(guī)模，預(yù)訓(xùn)練模型在測(cè)試集上的

Test

Loss

都會(huì)單調(diào)降低，從而使模型效果越來越好。我們認(rèn)為，在

ScalingLaw

的框架下，只要追加數(shù)據(jù)與算力，大模型的能力就能持續(xù)增強(qiáng)。對(duì)于OpenAI

而言，目前大模型的最大限制是數(shù)據(jù)和算力的總量。?

大模型開啟新一輪大國競爭，半導(dǎo)體成頂層博弈焦點(diǎn)：預(yù)訓(xùn)練大模型是現(xiàn)階段人工智能的集大成者，代表了統(tǒng)計(jì)學(xué)習(xí)流派的最高成就。在新一代技術(shù)未出現(xiàn)前，它將是人工智能研究和開發(fā)的最強(qiáng)武器。圍繞大模型的研發(fā)和落地，中美之間已經(jīng)展開了新一輪的競爭，美國已對(duì)華限制銷售最先進(jìn)的英偉達(dá)A100和H100

GPU訓(xùn)練芯片。半導(dǎo)體作為AI算力核心，將受到頂層高度關(guān)注，成為大國博弈的焦點(diǎn)之一。?

AI模型運(yùn)算規(guī)模增長，算力缺口巨大：基于大量數(shù)據(jù)訓(xùn)練、擁有巨量參數(shù)的AI預(yù)訓(xùn)練模型—GPT-3，引發(fā)了AIGC技術(shù)的質(zhì)變，從而誕生ChatGPT。然而，預(yù)訓(xùn)練模型參數(shù)數(shù)量、訓(xùn)練數(shù)據(jù)規(guī)模將按照

300倍/年的趨勢(shì)增長，現(xiàn)有算力距離AI應(yīng)用存巨大鴻溝。運(yùn)算規(guī)模的增長，帶動(dòng)了對(duì)AI訓(xùn)練芯片單點(diǎn)算力提升的需求，并對(duì)數(shù)據(jù)傳輸速度提出了更高的要求。?

建議關(guān)注：?

GPU：景嘉微、航錦科技，海光信息和未上市的地平線、黑芝麻、摩爾線程?

AI訓(xùn)練芯片：寒武紀(jì)、商湯（港股）、燧原科技（未上市）?

AI存力：兆易創(chuàng)新、北京君正、東芯股份?

HBM：雅克科技、深科技?

半導(dǎo)體大國重器：、北方華創(chuàng)、中微公司?

風(fēng)險(xiǎn)提示：AI算法、模型存較高不確定性，AI技術(shù)發(fā)展不及預(yù)期；ChatGPT用戶付費(fèi)意愿弱，客戶需求不及預(yù)期；針對(duì)AI的監(jiān)管政策收緊二、大算力描繪AI的“暴力美學(xué)”三、半導(dǎo)體作為AI算力核心，將再次成為大國博弈焦點(diǎn)四、風(fēng)險(xiǎn)提示圖：人工智能發(fā)展史?

人工智能從1956

年被正式提出以來，經(jīng)歷了數(shù)十年的發(fā)展歷程。人工智能誕生初期，其研究主要分為三個(gè)流派，即邏輯演繹、歸納統(tǒng)計(jì)和類腦計(jì)算。?

人工智能研究的三大流派各有優(yōu)劣勢(shì)。類腦計(jì)算流派的目標(biāo)最為宏遠(yuǎn)，但在未得到生命科學(xué)的支撐之前，難以取得實(shí)際應(yīng)用。歸納演繹流派的思考方式與人類相似，具有較強(qiáng)的可解釋性。由于對(duì)數(shù)據(jù)和算力的依賴較少，歸納演繹流派成為人工智能前兩次繁榮的主角。隨著學(xué)界對(duì)人工智能困難程度的理解逐漸加深，數(shù)理邏輯方法的局限性被不斷放大，并最終在第三次繁榮期中，逐漸讓位于統(tǒng)計(jì)學(xué)習(xí)的“暴力美學(xué)”。?

在進(jìn)入21世紀(jì)以來，在大數(shù)據(jù)和大算力的支持下，歸納統(tǒng)計(jì)方法逐漸占據(jù)了人工智能領(lǐng)域的主導(dǎo)地位，深度學(xué)習(xí)的浪潮席卷人工智能，人工智能迎來史上最長的第三次繁榮期，至今仍未有結(jié)束的趨勢(shì)。資料：，中航證券研究所?

深度學(xué)習(xí)依然受到統(tǒng)計(jì)學(xué)習(xí)的框架限制：特征抽取和模板匹配。相比于人類基于知識(shí)的推斷，這種方式無疑是低效的，因?yàn)閷?duì)于任何新的概念乃至新的實(shí)體，算法都需要專門的訓(xùn)練數(shù)據(jù)來提供相關(guān)的信息。在沒有基礎(chǔ)模型支撐的情況下，開發(fā)者們必須從頭開始完成收集數(shù)據(jù)、訓(xùn)練模型、調(diào)試模型、優(yōu)化部署等一系列操作。對(duì)于人工智能開發(fā)者和垂直細(xì)分行業(yè)應(yīng)用而言，都是重大的挑戰(zhàn)。?

預(yù)訓(xùn)練大模型降本增效，將推動(dòng)AI普惠千行百業(yè)。預(yù)訓(xùn)練大模型加持下的人工智能算法（包括計(jì)算機(jī)視覺、自然語言處理等），相比于普通開發(fā)者從頭搭建的算法，精度明顯上升、數(shù)據(jù)和計(jì)算成本明顯下降，且開發(fā)難度大幅降低。圖：在100

張圖像上訓(xùn)練基礎(chǔ)物體檢測(cè)算法，從頭搭建

vs

大模型支持1xGPU2x

小時(shí)8xGPU7x

天大模型支持√0x

開發(fā)者1x

開發(fā)者從頭搭建1%~10%成本100%成本資料：，中航證券研究所?

以ChatGPT為代表的AIGC應(yīng)用在

2022

年的爆發(fā)，主要是得益于深度學(xué)習(xí)模型方面的技術(shù)創(chuàng)新。不斷創(chuàng)新的生成算法、預(yù)訓(xùn)練模型、多模態(tài)等技術(shù)融合帶來了

AIGC（AIGeneratedContent）技術(shù)變革，擁有通用性、基礎(chǔ)性多模態(tài)、參數(shù)多、訓(xùn)練數(shù)據(jù)量大、生成內(nèi)容高質(zhì)穩(wěn)定等特征的

AIGC模型成為了自動(dòng)化內(nèi)容生產(chǎn)的“工廠”和“流水線”。?

基礎(chǔ)層是核心，GPT-3模型起關(guān)鍵支撐作用。GPT-3一個(gè)大規(guī)模的通用語言模型，已經(jīng)在來自各圖：AIGC產(chǎn)業(yè)架構(gòu)種的大量文本數(shù)據(jù)上進(jìn)行了訓(xùn)練。能夠產(chǎn)生類基礎(chǔ)層中間層應(yīng)用層似人類的反應(yīng)，并可用于廣泛的語言相關(guān)任務(wù)。?

ChatGPT基于目前較新的GPT-4模型版本進(jìn)行研發(fā)，專注于自然語言對(duì)話，接受了更廣泛的語言模式和風(fēng)格培訓(xùn)，因此，能較GPT-4產(chǎn)生更多樣化和微妙的響應(yīng)。重直化、場景化、個(gè)性化模型圖像、語音和文字生成等各種各樣的AIGC的應(yīng)用預(yù)訓(xùn)練模型在基礎(chǔ)層上生成場景化、定制化、個(gè)性化的小模型，實(shí)現(xiàn)不同行業(yè)、垂直領(lǐng)域的流水線式部署以預(yù)訓(xùn)練大規(guī)模模型為基礎(chǔ)搭建的

AIGC

技術(shù)基礎(chǔ)設(shè)施層。面向

C端用戶的文字、圖片、音視頻等內(nèi)容生成服務(wù)資料：騰訊，中航證券研究所?

窮盡所有的測(cè)試數(shù)據(jù)和訓(xùn)練材料，AI就會(huì)呈現(xiàn)出恐怖的準(zhǔn)確率。OpenAI

意識(shí)到了“

大”

和“

規(guī)?！?/p>

的力量，沿著該路徑狂飆，閱覽了幾乎所有互聯(lián)網(wǎng)數(shù)據(jù)，并在超級(jí)復(fù)雜的模型之下進(jìn)行深度學(xué)習(xí)。?

2017-2019年，

OpenAI做出了有別于市場共識(shí)的關(guān)鍵決策，公司在Transformer

基礎(chǔ)上押注大算力和大數(shù)據(jù)的“暴力美學(xué)”。并在GPT-3后迅速引入了人類反饋，讓模型的語言前后邏輯更加明晰、有因果關(guān)聯(lián)。圖：OpenAI決策路徑資料：拾象科技，中航證券研究所?

OpenAI在《Scaling

Laws

forNeuralLanguage

Models》中提出語言大模型所遵循的“規(guī)模法則”（Scaling

Law）。?

Scaling

Law

說明：通過獨(dú)立延長模型訓(xùn)練時(shí)間（Compute）、增加訓(xùn)練數(shù)據(jù)量（Dataset

Size）或者擴(kuò)大模型參數(shù)規(guī)模（Parameters），預(yù)訓(xùn)練模型在測(cè)試集上的

Test

Loss都會(huì)單調(diào)降低，從而使模型效果越來越好。?

我們認(rèn)為，在

ScalingLaw

的框架下，只要追加數(shù)據(jù)與算力，大模型的能力就能持續(xù)增強(qiáng)。對(duì)于OpenAI

而言，目前大模型的最大限制是數(shù)據(jù)和算力的總量。圖：Scaling

Law：規(guī)模越大，模型越精確資料：《Scaling

Lawsfor

NeuralLanguage

Models》，中航證券研究所圖：ChatGPT的訓(xùn)練原理?

預(yù)訓(xùn)練大模型分為上游（模型預(yù)訓(xùn)練）和下游（模型微調(diào)）兩個(gè)階段。上游階段主要是收集大量數(shù)據(jù)，并且訓(xùn)練超大規(guī)模的神經(jīng)網(wǎng)絡(luò)，以高效地存儲(chǔ)和理解這些數(shù)據(jù)；而下游階段則是在不同場景中，利用相對(duì)較少的數(shù)據(jù)量和計(jì)算量，對(duì)模型進(jìn)行微調(diào)，以達(dá)成特定的目的。第一步：收集演示數(shù)據(jù)，并訓(xùn)練監(jiān)督策略第二步：收集對(duì)比數(shù)據(jù)，訓(xùn)練獎(jiǎng)勵(lì)模型第三步：通過優(yōu)化策略對(duì)獎(jiǎng)勵(lì)模型進(jìn)行強(qiáng)化學(xué)習(xí)拿微調(diào)過的GPT模型去預(yù)測(cè)提示文本數(shù)據(jù)集里面的任務(wù)，獲得一系列結(jié)果工程師團(tuán)隊(duì)設(shè)計(jì)了含有大量提示文本的數(shù)據(jù)集，取其中一條提示文本作為任務(wù)從提示文本數(shù)據(jù)集調(diào)取一條新的提示文本，作為新的任務(wù)?

ChatGPT的訓(xùn)練過程也遵循預(yù)訓(xùn)練大模型的基本原理。結(jié)合了監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)，并且通過人工標(biāo)注讓模型更好地區(qū)別回復(fù)的好壞。使用在第二步訓(xùn)練好的獎(jiǎng)勵(lì)模型，輸出結(jié)果人類標(biāo)注員對(duì)希望得到的輸出結(jié)果進(jìn)行標(biāo)注人類標(biāo)注員對(duì)訓(xùn)練結(jié)果按照從好到壞進(jìn)行排序獎(jiǎng)勵(lì)模型對(duì)輸出結(jié)果進(jìn)行打分?

我們認(rèn)為，ChatGPT在模型和數(shù)據(jù)等環(huán)節(jié)進(jìn)行了大量的細(xì)節(jié)優(yōu)化，高質(zhì)量的海量數(shù)據(jù)加上充分的訓(xùn)練，人工和算法的有機(jī)配合，使ChatGPT在模型層面實(shí)現(xiàn)領(lǐng)跑。通過監(jiān)督學(xué)習(xí)，使用標(biāo)注過的數(shù)據(jù)集對(duì)GPT模型進(jìn)行微調(diào)使用經(jīng)過排序的標(biāo)注結(jié)果，訓(xùn)練獎(jiǎng)勵(lì)模型計(jì)算出來的分?jǐn)?shù)被用來更新策略資料：高盛，中航證券研究所?

預(yù)訓(xùn)練大模型是現(xiàn)階段人工智能的集大成者，代表了統(tǒng)計(jì)學(xué)習(xí)流派的最高成就。在新一代技術(shù)未出現(xiàn)前，它將是人工智能研究和開發(fā)的最強(qiáng)武器。圍繞大模型的研發(fā)和落地，中美之間已經(jīng)展開了新一輪的競爭。?

中國科學(xué)技術(shù)部高新技術(shù)司司長陳家昌，于2023年4月3日在國務(wù)院新聞辦公室新聞發(fā)布會(huì)上表示，在人工智能方面，科技門加強(qiáng)頂層設(shè)計(jì)，成立人工智能規(guī)劃推進(jìn)辦公室，啟動(dòng)實(shí)施新一代人工智能重大科技項(xiàng)目。?

國內(nèi)科技企業(yè)紛紛對(duì)ChatGPT發(fā)表看法，百度、、騰訊、阿里巴巴等大多數(shù)頭部企業(yè)表示，已經(jīng)擁有、在研對(duì)標(biāo)ChatGPT相關(guān)的模型及產(chǎn)品。圖：中美大模型對(duì)比盤古(多模態(tài)&科學(xué)計(jì)算參數(shù):1000億數(shù)據(jù):40TB

文本(更新)資源:鵬城云腦川)NLP&CV8悟道2.0(北京智源）NLP&

多模態(tài)文心ERNIE

3.0(百度）NLPM6(阿里)多模態(tài)參數(shù):100億數(shù)據(jù):1.9TB文本、292GB圖像資源：128

A100

GPUs紫東太初(中科院自動(dòng)化所)多模態(tài)參數(shù):1.75萬億參數(shù):100億參數(shù):干億級(jí)數(shù)據(jù):4.9TB圖像，文本資源:神威超算數(shù)據(jù):4TB文本資源:384

V100

GPUs數(shù)據(jù):文本、圖像、音頻Text

Sum.(OpenAl，Turing-NLG(微軟，GPT-3(OpenA，EN)威囊天(微軟-英偉達(dá)，EN)Switch-C(谷歌，EN)PaLM(谷歌，EN)EN)參數(shù):170億數(shù)據(jù):570GB資源:10000V100GPUsEN)參數(shù):67億參數(shù):1.6萬億數(shù)據(jù):750GB資源:32TPU核參數(shù):5400億數(shù)據(jù):--參數(shù):170億數(shù)據(jù):1-5百GB資源:300-500GPUs參數(shù):5300億數(shù)據(jù):--資源:--數(shù)據(jù):12萬文章資源:微調(diào)使用320GPU-Days資源:4096TPU-v3資料：，中航證券研究所一、AI史上最長繁榮期，大國AI競賽拉開序幕三、半導(dǎo)體作為AI算力核心，將再次成為大國博弈焦點(diǎn)四、風(fēng)險(xiǎn)提示?

據(jù)IDC，中國人工智能（AI）市場支出規(guī)模將在2023年增至147.5億美元，約占全球總規(guī)模十分之一。2021年中國加速服務(wù)器市場規(guī)模達(dá)到53.9億美元（約350.3億人民幣），同比+68.6%；預(yù)計(jì)到2025年將達(dá)到103.4億美元。年復(fù)合增長率為19%，占全球整體服務(wù)器市場近三成。?

我們認(rèn)為，預(yù)訓(xùn)練大模型是現(xiàn)階段人工智能的集大成者，代表了統(tǒng)計(jì)學(xué)習(xí)流派的最高成就。在新一代技術(shù)未出現(xiàn)前，它將是人工智能研究和開發(fā)的最強(qiáng)武器。圍繞大模型的研發(fā)和落地，中美之間已經(jīng)展開了新一輪的競爭。因此，國內(nèi)人工智能的支出增速有望超過IDC的預(yù)測(cè)。圖：中國人工智能市場支出預(yù)測(cè)（百萬美元）圖：全球及中國AI服務(wù)器市場規(guī)模（億美元）資料：IDC，中航證券研究所?

AI分布式計(jì)算的市場主要由算力芯片

(55-75%)、內(nèi)存

(10-20%)

和互聯(lián)設(shè)備（10-20%）三部分組成。美國已限制對(duì)華銷售最先進(jìn)、使用最廣泛的AI訓(xùn)練GPU—英偉達(dá)

A100以及H100，國產(chǎn)算力芯片距離英偉達(dá)最新產(chǎn)品存在較大差距，但對(duì)信息顆粒度要求較低的推理運(yùn)算能實(shí)現(xiàn)部分替代。?

我們認(rèn)為，訓(xùn)練芯片受限進(jìn)一步強(qiáng)調(diào)了高制程芯片設(shè)計(jì)、代工的緊迫性。而隨著人工智能的應(yīng)用普及，推理芯片的市場需求將加速增長。算力芯片互連設(shè)備訓(xùn)練芯片：GPU、ASIC、FPGA系統(tǒng)芯片：CPU推理芯片邊緣推理：GPU、SoC、Apple云端推理：GPU、ASIC、FPGA服務(wù)器間連接芯片間連接Silicon存儲(chǔ)芯片Chiplet：AMDDDR/GDDR/HBMGPU：NVLINKCXLSRAMRRAMMRAMinfinity資料：拾象科技，中航證券研究所?

當(dāng)前，預(yù)訓(xùn)練模型參數(shù)數(shù)量、訓(xùn)練數(shù)據(jù)規(guī)模按照

300倍/年的趨勢(shì)增長，繼續(xù)通過增大模型和增加訓(xùn)練數(shù)據(jù)仍是短期內(nèi)演進(jìn)方向。未來使用更多種圖像編碼、更多種語言、以及更多類型數(shù)據(jù)的預(yù)訓(xùn)練模型將會(huì)涌現(xiàn)。?

當(dāng)前算力距離AI應(yīng)用存巨大鴻溝。根據(jù)

OpenAI數(shù)據(jù)，模型計(jì)算量增長速度遠(yuǎn)超人工智能硬件算力增長速度，存在萬倍差距。英特爾表示，目前的計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)基礎(chǔ)設(shè)施遠(yuǎn)不足以實(shí)現(xiàn)元宇宙愿景，而要想實(shí)現(xiàn)真正的元宇宙，目前的計(jì)算能力需量要再提高1000倍。圖：大模型參數(shù)量和訓(xùn)練數(shù)據(jù)規(guī)模增長迅速資料：中國信通院，中航證券研究所?

據(jù)IDC預(yù)計(jì)，

2021-2026年期間，中國智能算力規(guī)模年復(fù)合增長率達(dá)52.3%。2022年智能算力規(guī)模將達(dá)到268.0

EFLOPS，預(yù)計(jì)到2026年智能算力規(guī)模將進(jìn)入每秒十萬億億次浮點(diǎn)計(jì)算（ZFLOPS）級(jí)別，達(dá)到1,271.4

EFLOPS。?

運(yùn)算數(shù)據(jù)規(guī)模的增長，帶動(dòng)了對(duì)AI訓(xùn)練芯片單點(diǎn)算力提升的需求，并對(duì)數(shù)據(jù)傳輸速度提出了更高的要求。圖：2012至2019年算力需求增長近30萬倍圖：中國智能算力規(guī)模百億億次浮點(diǎn)運(yùn)算/秒（EFLOPS）資料：，IDC，中航證券研究所?

IDC預(yù)計(jì)，到2025年人工智能芯片市場規(guī)模將達(dá)726億美元。IDC全球范圍調(diào)研顯示，人工智能芯片搭載率將持續(xù)增高。目前每臺(tái)人工智能服務(wù)器上普遍多配置2個(gè)GPU，未來18個(gè)月，GPU、ASIC和FPGA的搭載率均會(huì)上升。通用性遞減，專用性增強(qiáng)，為AI芯片的主要發(fā)展方向。?

2021年中國以GPU為主實(shí)現(xiàn)數(shù)據(jù)中心計(jì)算加速，GPU在算力芯片的市場占有率接近90%。ASIC，F(xiàn)PGA，NPU等非GPU芯片市場占有率超過10%。國際科技網(wǎng)絡(luò)巨頭公司谷歌、臉書，亞馬遜等等在AI芯片領(lǐng)域從云端訓(xùn)練到終端產(chǎn)品應(yīng)用，在開源框架賦能產(chǎn)業(yè)行業(yè)上有一定的領(lǐng)先優(yōu)勢(shì)。國內(nèi)企業(yè)也在打造從AI芯片注重云端訓(xùn)練+AI芯片終端響應(yīng)+AI算法框架開源的生態(tài)體系。建議關(guān)注面向

GPU的創(chuàng)新企業(yè)，包括景嘉微、航錦科技，和未上市的地平線、黑芝麻、摩爾線程等。以及面向基于ASIC架構(gòu)、感知識(shí)別等AI訓(xùn)練芯片公司，如寒武紀(jì)、商湯（港股）、燧原科技（未上市）等。表：AI芯片架構(gòu)及發(fā)展方向圖：中國數(shù)據(jù)中心AI芯片市場規(guī)模占比專用性(L1到L5依次增強(qiáng))芯片架構(gòu)芯片特點(diǎn)代表公司CPU的通用架構(gòu)設(shè)計(jì)使運(yùn)行效率受限。當(dāng)前CPU雖然在機(jī)器學(xué)習(xí)領(lǐng)域的計(jì)算大大減少,但是不會(huì)被完全取代。CPU英特爾L1L2目前商用最廣泛的AI芯片,

可以執(zhí)行深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)任務(wù)。GPU主要從事大規(guī)模并行計(jì)算,比CPU運(yùn)行速度快,并且比其他專用AI處理器芯片價(jià)格低。GPUDSP英偉達(dá)、AMD新思科技、Cadence賽靈思、微軟發(fā)展方向一：從通用到專用僅作為處理器IP核使用。目前基于DSP的設(shè)計(jì)有一定的局限性,一般都是針對(duì)圖像和計(jì)算機(jī)視覺的處理器IP核芯片,速度較快,成本不高。L3FPGA具有三大優(yōu)點(diǎn):單位能耗比低、硬件配置靈活、架構(gòu)可調(diào)整。但是,FPGA的

使用有一定門檻,要求使用者具備硬件知識(shí)。FPGAL4L5當(dāng)前為谷歌公司專用,還不是市場化產(chǎn)品。ASIC芯片不能像FPGA很快改變架構(gòu),適應(yīng)變化,對(duì)企業(yè)而言成本較昂貴。TPU/ASIC谷歌發(fā)展方向二：顛覆經(jīng)典馮模仿人腦神經(jīng)元和神經(jīng)突觸的結(jié)構(gòu),功耗非常低。有可能實(shí)現(xiàn)人工智能領(lǐng)域的通用化路徑,但從短期來看,離大規(guī)模商業(yè)生產(chǎn)還有很遠(yuǎn)的距離。氏架構(gòu)，采用人腦神經(jīng)元

TrueNorthIBM的結(jié)構(gòu)來提升計(jì)算能力資料：IDC，松鼠廠，中航證券研究所?

馮氏架構(gòu)以計(jì)算為中心，計(jì)算和存儲(chǔ)分離，二者配合完成數(shù)據(jù)的存取與運(yùn)算。然而，由于處理器的設(shè)計(jì)以提升計(jì)算速度為主，存儲(chǔ)則更注重容量提升和成本優(yōu)化，“存”“算”之間性能失配，從而導(dǎo)致了訪存帶寬低、時(shí)延長、功耗高等問題，即通常所說的“存儲(chǔ)墻”和“功耗墻”。?

存算一體作為一種新的計(jì)算架構(gòu)，被認(rèn)為是具有潛力的革命性技術(shù)。核心是將存儲(chǔ)與計(jì)算完全融合，有效克服馮·諾依曼架構(gòu)瓶頸，并結(jié)合后摩爾時(shí)代先進(jìn)封裝、新型存儲(chǔ)器件等技術(shù)，減少數(shù)據(jù)的無效搬移，從而提升計(jì)算效率。中國移動(dòng)已將存算一體納入算力網(wǎng)絡(luò)的十大關(guān)鍵技術(shù)。圖：存儲(chǔ)計(jì)算性能存在“剪刀差”表：存算一體化應(yīng)用場景廣泛場景重點(diǎn)需求存算一體優(yōu)勢(shì)當(dāng)前存內(nèi)計(jì)算產(chǎn)品已成功在端側(cè)初步商用，提供語音、視頻等AI處理能力，并獲得十倍以上的能效提升，有效降低了端側(cè)成本。低延時(shí)、低功耗、低成本、隱私性端側(cè)存算一體在深度學(xué)習(xí)等領(lǐng)域有獨(dú)特優(yōu)勢(shì)，可以提供比傳統(tǒng)設(shè)備高幾十倍的算效比，此外存內(nèi)計(jì)算芯片通過架構(gòu)創(chuàng)新可以提供綜合性能全面兼顧的芯片及板卡，預(yù)計(jì)將在邊側(cè)推理場景中有著廣泛的應(yīng)用，

為廣泛的邊緣AI業(yè)務(wù)提供服務(wù)。低延時(shí)、低功耗、低成本、通用性邊側(cè)云側(cè)存內(nèi)計(jì)算可通過多核協(xié)同集成大算力芯片，結(jié)合可重構(gòu)設(shè)計(jì)打造通用計(jì)算架構(gòu)，存內(nèi)計(jì)算作為智算中心下一代關(guān)鍵AI芯片技術(shù)，正面向大算力、通用性、高計(jì)算精度等方面持續(xù)演進(jìn)，有望為智算中心提供綠色節(jié)能的大規(guī)模AI算力。大算力、高寬帶、低功耗資料：中國移動(dòng)研究院，中航證券研究所?

當(dāng)前NOR

Flash、SRAM等傳統(tǒng)器件相對(duì)成熟可率先開展存內(nèi)計(jì)算產(chǎn)品化落地推動(dòng)。新型器件中RRAM各指標(biāo)綜合表現(xiàn)較好，MRAM壽命和讀寫性能較好，均有各自獨(dú)特優(yōu)勢(shì)與發(fā)展?jié)摿沙掷m(xù)推動(dòng)器件成熟，同步進(jìn)行存內(nèi)計(jì)算探索。?

三星電子、SK海力士、臺(tái)積電、美光、IBM、英特爾等都在進(jìn)行存算一體技術(shù)的研究。國內(nèi)公司中，億鑄科技、千芯科技、后摩智能專注于大算力存算一體芯片，閃易半導(dǎo)體、蘋芯科技、知存科技、智芯科、九天睿芯專注于小算力存算一體芯片。上市公司中，推薦關(guān)注打造存算生態(tài)的頭部公司兆易創(chuàng)新，研發(fā)布局NOR

Flash的恒爍股份，以及擁有存算一體研發(fā)項(xiàng)目的東芯股份。圖：存內(nèi)計(jì)算器件對(duì)比分析器件SRAMNOR

FLASHRRAMMRAMPCM易失特性多值存儲(chǔ)易失否非易失是非易失是非易失否非易失是現(xiàn)有工藝節(jié)點(diǎn)理論工藝極限單比特存儲(chǔ)面積

(F2/bit)讀寫次數(shù)5nm2nm~300無限28nm14nm~7.510^628nm5nm16nm5nm28nm5nm~2420~4010^8~30~10^1510^8應(yīng)用場景云側(cè)和邊側(cè)的推理和訓(xùn)練邊側(cè)和端側(cè)的推理云側(cè)、邊側(cè)和端側(cè)的推理云側(cè)和邊測(cè)的推理和訓(xùn)練云側(cè)、邊側(cè)和端側(cè)的推理資料：中國移動(dòng)研究院，中航證券研究所?

以ChatGPT為代表的生成類模型需要在海量數(shù)據(jù)中訓(xùn)練，對(duì)存儲(chǔ)容量和帶寬提出新要求，HBM（High

Bandwidth

Memory，高帶寬存儲(chǔ)器）成為減小內(nèi)存墻的優(yōu)選項(xiàng)。HBM將多個(gè)DDR芯片堆疊并與GPU封裝在一起，是一種基于3D堆疊工藝的高附加值DRAM產(chǎn)品。通過增加帶寬，擴(kuò)展內(nèi)存容量，讓更大模型、更多參數(shù)留在離計(jì)算核心區(qū)更近的地方，從而減少內(nèi)存和存儲(chǔ)解決方案帶來的延遲。據(jù)Omdia預(yù)測(cè)，到2025年，HBM市場的總收入將達(dá)到25億美元。?

由于ChatGPT的爆火，GPU需求明顯，英偉達(dá)也加大對(duì)三星和SK海力士HBM3的訂單。建議關(guān)注有HBM技術(shù)布局的A股相關(guān)標(biāo)的，如：深科技、雅克科技、國芯科技、通富微電。圖：海力士HBM產(chǎn)品性能演進(jìn)圖：HBM3產(chǎn)品結(jié)構(gòu)HBM1HBM22018年8GbHBM2EHBM32022年發(fā)布年份芯片密度堆疊高度容量2014年2Gb2020年16Gb16Gb4層4層/8層4GB/8GB307GB/s2.4Gbps4層/8層8GB/16GB460GB/s3.6Gbps8層/12層16GB/24GB819GB/s6.4Gbps1GB帶寬128GB/s1GbpsI/O速率資料：SK海力士，中航證券研究所?

傳輸速度迭代不止，高速光模塊出貨預(yù)計(jì)大幅增長。據(jù)lightCounting統(tǒng)計(jì)，2021年，200G、400G和800G的高速只，2022年預(yù)計(jì)將達(dá)600萬只，同比170%以上，800G的產(chǎn)品有望在2022年開始逐步放量。網(wǎng)光模塊發(fā)貨量達(dá)222萬?

據(jù)lightcounting2022年3月預(yù)測(cè)，未來隨著AI、元宇宙等新技術(shù)不斷發(fā)展，以及網(wǎng)絡(luò)流量長期保持持續(xù)增長，網(wǎng)光模塊銷售額也將保持較快增長并不斷迭代升級(jí)。預(yù)計(jì)到2027年，網(wǎng)光模塊市場將達(dá)到100.11億美元。圖：網(wǎng)光模塊營收預(yù)測(cè)（百萬美元）圖：高速光模塊發(fā)貨量預(yù)測(cè)（百萬只）資料：光通信之家，lightcounting，中航證券研究所?

CPO（協(xié)同封裝光子技術(shù)）提升數(shù)據(jù)中心應(yīng)用中的光互連技術(shù)。CPO將光學(xué)器件和ASIC緊密結(jié)合在一起，通過

Co-packaging

的封裝方式，大體積的可插拔模塊被簡單的光纖配線架所取代，因此前面板的物理擁塞得以緩解。而交換機(jī)和光學(xué)器件之間的電氣通道大大縮短，因此CPO將增加帶寬和縮小收發(fā)器尺寸，提升系統(tǒng)集成度，同時(shí)降低功耗和封裝成本。?

據(jù)lightcounting預(yù)測(cè)，數(shù)據(jù)中心將率先使用CPO封裝技術(shù)。同時(shí)，隨著AI集群和HPC的架構(gòu)正在不斷演進(jìn)發(fā)展，可能會(huì)看到CPO部署在GPU、TPU以及網(wǎng)、InfiniBand或NVLink交換機(jī)上，另外有許多基于FPGA的也可能受益于CPO。預(yù)測(cè)在2027年，CPO端口將占總800G和1.6T端口的近30%。據(jù)機(jī)構(gòu)CIR預(yù)測(cè)，CPO市場規(guī)模將在2025年超過13億美元，2027年達(dá)到27億美元。建議關(guān)注中際旭創(chuàng)、光迅科技、華工科技、天孚通信、德科立、源杰科技等光模塊產(chǎn)業(yè)相關(guān)標(biāo)的。圖：CPO交換機(jī)圖：CPO端口、可插拔網(wǎng)光模塊和AOC出貨占比預(yù)測(cè)資料：易飛通信，lightcounting，CSDN，中航證券研究所?

硅光芯片基于絕緣襯底上硅（Silicon-On-Insulator，SOI）平臺(tái)，

兼容互補(bǔ)金屬氧化物半導(dǎo)體

(Complementary

Metal

OxideSemiconductor，CMOS）

微電子制備工藝，同時(shí)具備了

CMOS技術(shù)超大規(guī)模邏輯、超高精度制造的特性和光子技術(shù)超高速率、超低功耗的優(yōu)勢(shì)。硅光芯片商業(yè)化至今較為成熟的領(lǐng)域?yàn)閿?shù)據(jù)中心、通信基礎(chǔ)設(shè)施等光連接領(lǐng)域。目前，硅光技術(shù)在第一代4x25G光模塊中主要應(yīng)用于500m內(nèi)的100G

QSFP28PSM4；在第二代1x100G產(chǎn)品中，應(yīng)用有100G

QSFP28DR1/FR1和LR1，作用于500m-10km場景中；在400G產(chǎn)品中，主要聚焦在2km以內(nèi)的中短距離傳輸應(yīng)用場景，產(chǎn)品有400G

DR4。未來隨著技術(shù)逐漸成熟，激光?

建議關(guān)注光庫科技、聲光電科、賽微電子等硅光制造產(chǎn)業(yè)鏈相關(guān)標(biāo)的。、光子計(jì)算等領(lǐng)域的應(yīng)用有望實(shí)現(xiàn)突破。硅光芯片在光模塊中的應(yīng)用硅光芯片的未來主要應(yīng)用場景展望資料：華中科技大學(xué)武漢光電國家研究中心，易飛揚(yáng)通信，中航證券研究所一、AI史上最長繁榮期，大國AI競賽拉開序幕二、大算力描繪AI的“暴力美學(xué)”四、風(fēng)險(xiǎn)提示?

圍繞大模型的研發(fā)和落地，中美之間已經(jīng)展開了新一輪的競爭。半導(dǎo)體作為AI算力核心，美國已在2022年9月采購最先進(jìn)的AI訓(xùn)練芯片。我們認(rèn)為半導(dǎo)體將受到頂層高度關(guān)注，成為大國博弈的焦點(diǎn)之一。圖：制裁加劇，頂層高度重視自主可控2022年9月1日，美國芯片巨頭英偉達(dá)收到美國官方通知，若對(duì)中國和俄羅斯的客戶出口兩款高端GPU芯片——A100和H100，需要新的出口許可。2023年3月2日，國務(wù)院副總理劉鶴調(diào)研北京集成電路企業(yè)發(fā)展并主持召開相關(guān)座談會(huì)。會(huì)上提及發(fā)展集成電路產(chǎn)業(yè)必須發(fā)揮新型舉國體制優(yōu)勢(shì)。2023年3月31日，日本政府宣布擬對(duì)23種半導(dǎo)體制造設(shè)備實(shí)施出口

，并就有關(guān)措施征求公眾意見。資料：新華網(wǎng)、智能網(wǎng)聯(lián)汽車網(wǎng)、新京報(bào)、中航證券研究所?

Capex回落符合預(yù)期規(guī)律，國內(nèi)代工龍頭逆勢(shì)上修。終端需求疲軟，使得以存儲(chǔ)為代表的廠商率先大幅削減資本開支，其中美光FY23預(yù)計(jì)下調(diào)3成，SK海力士預(yù)計(jì)下調(diào)5成。根據(jù)IC

Insights，2023年全球半導(dǎo)體資本開支1466億美元，同比下滑19%，但仍處于歷史第三高位。大陸代工龍頭大幅上調(diào)資本開支并擴(kuò)建天津西青工廠，“舉國體制”下，國內(nèi)IC制造的景氣度無需過度憂慮。?

大國競爭愈演愈烈，“競賽式”補(bǔ)貼層出不窮。

半導(dǎo)體產(chǎn)業(yè)發(fā)展歷經(jīng)多次重心轉(zhuǎn)移，國家變遷，如今日本、歐洲半導(dǎo)體產(chǎn)業(yè)逐漸式微，各國危機(jī)意識(shí)強(qiáng)烈。中美歐日韓紛紛出臺(tái)補(bǔ)貼政策刺激，重點(diǎn)補(bǔ)貼IC制造。美國《芯片與科學(xué)法案》中補(bǔ)貼390億美元投入IC制造，美光、Intel、TI紛紛宣布擴(kuò)產(chǎn)。我們判斷，隨著周期回暖及各國補(bǔ)貼政策的逐步實(shí)施，對(duì)晶圓廠投資會(huì)有所刺激和拉動(dòng)。表：全球部分大廠資本支出調(diào)整計(jì)劃（除三星外，均為億美元）表：全球半導(dǎo)體產(chǎn)業(yè)刺激政策2022/2021

2021/2020國家/地區(qū)

出臺(tái)時(shí)間半導(dǎo)體產(chǎn)業(yè)振興措施2020年

2021年

2022E最新調(diào)整措施增長率增長率《新時(shí)期促進(jìn)集成電路產(chǎn)業(yè)和軟件產(chǎn)業(yè)高質(zhì)量發(fā)展的若干政策》,出臺(tái)產(chǎn)業(yè)專項(xiàng)引導(dǎo)政策；此后陸續(xù)出臺(tái)稅收優(yōu)惠政策、“十四五”戰(zhàn)略規(guī)劃等。計(jì)劃2025年國產(chǎn)芯片自給率達(dá)70%。2020年8月-至今臺(tái)積電聯(lián)電172.49.5300.417.645.017.7187.324.63603020%74%減少40億美元減少6億美元增加16億美元中國71%47%84%/《芯片與科學(xué)法案》，撥款527億美元扶持半導(dǎo)體產(chǎn)業(yè)，其中390億美元投入半導(dǎo)體制造。/66美國歐盟日本韓國2022年8月2022年2月2021年底下修12-15億格芯5.930-33

70%-87%198%31%279%美元《歐洲芯片法案》，投入430億歐元，提振歐洲芯片產(chǎn)業(yè)，計(jì)劃2030年將歐洲芯片產(chǎn)能從不足10%提升到20%以上。英特爾142.66.52503533%42%減少20億美元批準(zhǔn)7740億日元（68億美元）的半導(dǎo)體投資預(yù)算，54億美元用于支持IC生產(chǎn)，包括支持臺(tái)積電熊本工廠。德州儀器不變32.9萬億

43.6萬億

47.4萬億實(shí)施“K半導(dǎo)體戰(zhàn)略”，攜手三星電子、SK海力士到2030年投資超過510萬億韓元；2023年1萬億韓元投資半導(dǎo)體產(chǎn)業(yè)。三星電子資料8.7%33%不變2021年5月韓元韓元韓元：各國政府官網(wǎng)，ICInsights，各公司公告，中航證券研究所?

國內(nèi)晶圓產(chǎn)能將以遠(yuǎn)超全球增速的態(tài)勢(shì)增長。根據(jù)我們對(duì)全球63家主流IDM/Foundry企業(yè)的產(chǎn)能統(tǒng)計(jì)，當(dāng)前全球晶圓月產(chǎn)能2125萬片（折合8英寸），未來三年以7%左右的增速持續(xù)增長。且擴(kuò)產(chǎn)以12英寸為主，預(yù)計(jì)2024年全球12英寸達(dá)到808萬片/月。值得注意的是，國內(nèi)12英寸產(chǎn)能將達(dá)到155萬片/月，保持30%以上的CAGR，中國大陸內(nèi)資總產(chǎn)能有望從當(dāng)前的15%增長至2024年的24%。?

目前國內(nèi)主要在建項(xiàng)目以12英寸28nm及以上的成熟制程為主。28nm是成熟的性價(jià)比的工藝節(jié)點(diǎn)，可以用在中低端手機(jī)、平板等絕大多數(shù)電子設(shè)備，且能覆蓋增速最快的汽車電子。SMIC一邊突破先進(jìn)制程，一邊不斷鞏固自己在28nm的地位。表：全球及中國大陸晶圓產(chǎn)能概覽表：國內(nèi)代工廠部分主要在建項(xiàng)目產(chǎn)線地址上海規(guī)劃產(chǎn)能

預(yù)計(jì)建成晶圓產(chǎn)能（萬片/月）公司尺寸產(chǎn)線制程(萬片/月)時(shí)間2021年2022E22958.0%4272023E24597.2%5322024E26136.3%62512英寸12英寸上海臨港基地中芯京城（1期）102023年28nm及以上28nm及以上全球總產(chǎn)能：等效8英寸全球產(chǎn)能增速21252022年底2022年底北京10412英寸12英寸中芯深圳深圳28nm及以上國內(nèi)廠商產(chǎn)能：等效8英寸國內(nèi)產(chǎn)能增速326中芯天津西青天津無錫102024年28-180mm31.2%18.6%24.6%21.6%17.4%23.9%華虹半導(dǎo)體

12英寸華虹七廠一期擴(kuò)產(chǎn)新增32022Q490-65/55nm國內(nèi)廠商產(chǎn)能占比15.3%長江存儲(chǔ)長鑫存儲(chǔ)12英寸

國家存儲(chǔ)器基地2期12英寸

長鑫二期武漢合肥20122022年/國內(nèi)廠商產(chǎn)能：分尺寸統(tǒng)計(jì)爬坡中17nm8英寸926411120.4%941219.2%1241264.0%1550.11/0.13/0.188英寸

特色工藝生產(chǎn)線Fab1

上海12英寸

特色工藝生產(chǎn)線Fab2

上海6爬坡中8英寸產(chǎn)能增速12英寸：非等效12英寸產(chǎn)能增速上海積塔半導(dǎo)體μm0.34爬坡中55/65nm47.1%32.6%24.8%晶合集成12英寸晶合集成N2廠合肥2022年55nm資料：各公司官網(wǎng)，產(chǎn)業(yè)鏈調(diào)研，Omdia2020報(bào)告，中航證券研究所整理（注：完整數(shù)據(jù)統(tǒng)計(jì)表，可以聯(lián)系團(tuán)隊(duì)/對(duì)口銷售）?

半導(dǎo)體設(shè)備是晶圓制造的投資核心。設(shè)備投資占IC制造資本開支的70%-80%，且以前道晶圓制造設(shè)備為主，占設(shè)備總投資的85%以上。?

上游基石環(huán)節(jié)，撬動(dòng)千億美元市場。根據(jù)SEMI數(shù)據(jù)，2022-2023年全球半導(dǎo)體設(shè)備市場規(guī)模將達(dá)到1175、1208億美元，同比增長15%、3%。資料：SUMCO，TEL，華海清科，華峰測(cè)控，中航證券研究所整理?

美對(duì)華上下游封鎖形勢(shì)已成，勢(shì)在必行。美國10月7日《出口條例》（EAR）對(duì)半導(dǎo)體設(shè)備出口設(shè)定了明確的閾值：①16/14nm以下制程的FinFET或GAAFET邏輯芯片；②18nm及以下的DRAM芯片；③128層及以上的NAND閃存芯片。我們判斷，制裁短期內(nèi)會(huì)給晶圓廠擴(kuò)產(chǎn)帶來陣痛，可能會(huì)延緩長存、長鑫等高端存儲(chǔ)芯片廠的擴(kuò)產(chǎn)節(jié)奏，對(duì)邏輯芯片制造影響有限。?

從海外大廠披露的情況來看，預(yù)計(jì)EAR

2023年將影響三家美系設(shè)備廠（AMAT+LAM+KLA

）51~59億美元的收入，且考慮到海外較大的訂單積壓，部分收入/訂單有望轉(zhuǎn)移至國內(nèi)設(shè)備大廠。表：海外龍頭對(duì)EAR影響的判斷及訂單積壓情況圖：中國集成電路產(chǎn)業(yè)鏈及各環(huán)節(jié)所受制裁情況梳理Q3中國大陸收入占比2022Q3收入EAR對(duì)

EAR對(duì)2023Q4的影響

年的影響公司EAR影響的相關(guān)表述