01HBM：AI的内存瓶颈，高壁垒高增速
HBM是限制当前算力卡性能的关键因素，海力士、三星、美光正加大研发投入和资本开支，大力扩产并快速迭代HBM，预计2024年HBM3e 24GB/36GB版本将量产/发布，内存性能进一步提高。HBM供需将持续紧俏，市场规模高速增长。通过分析生产工艺（TSV、键合等）和技术演进方向（先进制程、叠层），我们认为封装测试、前道和后道先进封装的设备和材料将是HBM主要受益方向。
摘要
HBM是当前算力的内存瓶颈。存储性能是当下制约高性能计算的关键因素，从存储器到处理器，数据搬运会面临带宽和功耗的问题。为解决传统DRAM带宽较低的问题，本质上需要对单I/O数据速率和位宽进行提升。HBM由于采用了TSV、微凸块等技术，DRAM裸片、计算核心间实现了较短的信号传输路径、较高的I/O数据速率、高位宽和较低的I/O电压，因此具备高带宽、高存储密度、低功耗等优势。即便如此，当前HBM的性能仍然跟不上算力卡的需求。
三大原厂持续加大研发投入，HBM性能倍数级提升。随着技术的迭代，HBM的层数、容量、带宽指标不断升级，目前最先进的HBM3e版本，理论上可实现16层堆叠、64GB容量和1.2TB/s的带宽，分别为初代HBM的2倍、9.6倍和4倍。从Trendforce公布的HBM Roadmap来看，2024年上半年，海力士、三星、美光均会推出24GB容量的HBM3e，均为8层堆叠。2024年下半年，三家厂商将推出36GB版本的HBM3e，或为12层堆叠。此外，HBM4有望于2026年推出。
HBM制造集成前道工艺与先进封装，TSV、EMC、键合工艺是关键。HBM制造的关键在于TSV DRAM，以及每层TSV DRAM之间的连接方式。目前主流的HBM制造工艺是TSV+Micro bumping+TCB，例如三星的TC-NCF工艺，而SK海力士则采用改进的MR-MUF工艺，在键合应力、散热性能、堆叠层数方面更有优势。目前的TCB工艺可支撑最多16层的HBM生产，随着HBM堆叠层数增加，以及HBM对速率、散热等性能要求的提升，HBM4开始可能引入混合键合工艺，对应的，TSV、GMC/LMC的要求也将提高。
AI刺激服务器存储容量扩充，HBM需求强劲。随着云计算厂商将更多资本开支投入AI基础设施，AI服务器ODM对2024年展望乐观，预计2024年AI服务器出货量继续大幅增长。相较于一般服务器而言，AI服务器多增加GPGPU的使用，以NVIDIA A100/H100 80GB配置8张计算，HBM用量约为640GB，超越常规服务器的内存条容量，H200、B100等算力卡将搭载更高容量、更高速率HBM。我们测算，随着算力卡单卡HBM容量提升、算力卡出货量提升、技术迭代带来单GB HBM单价提升，2023年HBM市场规模为40亿美元，预计2024年增长至148亿美元，2026年增长至242亿美元，2023~2026年CAGR为82%。
目前HBM供应链以海外厂商为主，部分国内厂商打入了海外存储/HBM供应链。国产HBM正处于0到1的突破期，HBM供应主要为韩系、美系厂商，国内能获得的HBM资源较少。随着国产算力卡需求快速增长，对于算力卡性能至关重要的HBM也有强烈的供应保障诉求和国产化诉求。建议关注：封测、设备、材料等环节。
风险提示：
AI技术落地不及预期。AI属于创新技术，需投入较大前期研发成本，并且AI技术的落地应用是一个复杂的过程，受到许多因素的影响，包括技术成熟度、数据质量、人才短缺、法规限制等。因此，AI技术的落地可能会出现一些挑战和困难，导致实际应用效果不如预期；
国际环境变化影响。美联储货币政策不确定，影响科技行业估值；美国不断对中国科技施压，衍生出供应链安全、知识产权争议、政策和监管环境等问题。
宏观环境的不利因素。宏观不利因素可能使得全球经济增速放缓，AI服务器需求不及预期。如果宏观经济波动较大或长期处于低谷，政府、企业资本开支将受到抑制，AI服务器市场的波动会影响产业链相关公司的经营业绩。
市场竞争加剧风险。HBM市场寡头垄断，且迭代快速，国产厂商与海外差距巨大，若研发进展不及预期，可能导致技术差距扩大，导致未来可获得的市场份额低于预期。
02周期反转在即，终端创新、AI引领新一轮成长
在终端创新和AI赋能的加持下，电子板块有望在2024年进入景气上升通道。终端创新方面，手机、PC大盘复苏，折叠屏手机、XR出货有望高增长，OLED渗透率提升，AI 手机、AI PC有望催化消费者需求，拉动相关供应链增长。AI赋能方面，AIGC引发内容生成范式革命，算力需求强劲，GPU、HBM等供应紧缺，国产算力、存储及对应的先进制程、先进封装获益。当前，半导体库存持续去化，部分板块如存储、CIS触底反弹，2024年有望见到需求回暖。
摘要
1、终端创新不断，AI赋能边缘侧应用。IDC预计，2023年全球智能手机市场出货量达11.5亿台，同比下降4.7%，但随着消费需求逐步复苏，2024年全球智能手机市场或将回归增长的正轨，全球智能手机出货量将同比增长4.5%。同时，技术创新不断，折叠屏技术逐步成熟，成本快速下降，渗透率快速提升，Counterpoint预计全球折叠屏手机出货量将从2022年的1310万台增至2027年的1亿台，CAGR达51%，关注LTPO、铰链、超声波指纹、OLED、卫星通讯等创新点。XR作为下一代人机交互终端，随着2024年苹果Vision Pro开售并催熟硬件供应链和应用生态圈，其产业链爆发在即。高通、联发科、英特尔等巨头加码AI，相继推出骁龙8Gen3、天玑9300、Meteor Lake等产品，AI+手机、AI+PC硬件配置先行，大模型进入手机、PC端侧，有望催化消费者需求，传统终端在AI赋能下有望启动新的增长。建议关注：折叠屏手机、XR、OLED、AI手机+AI PC。
2、AI开启算力时代，国产算力产业链加速。AIGC引发内容生成范式革命，云端算法向大模型多模态演进，硬件基础设施成为发展基石，GPU、HBM等供应紧缺。在英伟达、AMD对华供应高端GPU芯片受限，以及海外HBM产能紧缺的背景下，国产算力芯片、存储芯片迎来国产替代窗口期。后摩尔时代算力需求爆发，制造工艺技术创新突破，一方面，算力急需高性价比解决方案，先进封装工艺迭代成为新的发展趋势，国内封测龙头正积极布局；另一方面，先进制程在台积电、三星电子等龙头竞争下迈入3nm时代，国产龙头也在奋力追赶。建议关注：国产GPU/CPU、先进制程代工及配套设备材料、先进封装及配套设备材料、国产DDR5及HBM。
3、零部件及上游复苏在即，进入周期右侧。半导体库存持续去化，部分板块库存降至健康水位，呈现底部反弹态势，2024年有望见到需求回暖。得益于2022年-2023年的降价去库存，以及23H2以来下游的积极补库，存储器、CIS、射频、SoC库存较高点已有大幅度下降，存储器因为供给端控产，于2023年9月开始全面涨价，CIS、射频需求也在转好。随着手机、PC、服务器等核心终端需求见底回升，以及AI为云侧、端侧赋能，终端算力、存力、运力及各类硬件配置升级，终端客户的换机需求将被激发。2023年设备/零部件订单维持高增长，展望2024年，存储大厂、逻辑大厂新增扩产需求，并大幅提升产线国产化水平，资本开支有望较2023年实现同比增长，叠加国产设备/零部件/材料在先进工艺、关键工艺的技术突破，设备/零部件/材料景气度向好。建议关注：存储/SoC/CIS/射频周期反转，国产设备/零部件/材料的技术/订单突破。
我们认为2024年电子行业主要关注三条主线：（1）终端创新：传统智能终端整体销量维持平衡，新兴技术的发展与成熟有望为行业注入新的成长动能，其中，折叠屏、卫星通讯等创新领域有望迎来快速成长。新兴智能终端如XR也处在重要转折点，苹果Vision Pro预计将成为引领行业发展的标杆。将当前最热门的AI大模型整合到终端设备中实现本地运行，也已成为科技巨头们重点关注和投入的领域，鉴于其潜在的广泛应用和影响，未来这一产业的演变值得持续关注。（2）国产算力产业链：AI技术快速发展的背景下，未来大模型的能力上限有望进一步被提升。算力硬件作为基石，正受到美国的出口限制，国产供应链迎来发展窗口期。（3）周期复苏：半导体库存持续去化，部分板块库存降至健康水位，呈现底部反弹态势，2024年有望见到需求回暖。设备/零部件/材料环节有望受益于存储大厂、逻辑大厂新增扩产需求，及大幅提升产线国产化水平的趋势。
4、投资建议
智能终端创新：1）手机端：折叠屏，钛合金3D打印，OLED、卫星通信；2）MR；3）AI终端：存算一体，AI PC。
算力国产化：1）算力芯片；2）先进封装；3）昇腾产业链
周期复苏： 1）SoC； 2）存储；3）CIS；4）射频；5）设备及零部件：设备，零部件；6）材料。
风险提示：
未来中美贸易摩擦可能进一步加剧，存在美国政府将继续加征关税、设置进口限制条件或其他贸易壁垒风险；目前仍处于5G网络普及阶段，相关技术成熟度还有待提升，应用尚未形成规模，存在5G应用不及预期风险；宏观环境的不利因素将可能使得全球经济增速放缓，居民收入、购买力及消费意愿将受到影响，存在下游需求不及预期风险；大宗商品价格仍未企稳，不排除继续上涨的可能，存在原材料成本提高的风险；全球政治局势复杂，主要经济体争端激化，国际贸易环境不确定性增大，可能使得全球经济增速放缓，从而影响市场需求结构，存在国际政治经济形势风险。
032023中期策略报告：AI开启新周期，看好半导体国产化和周期反转
2023年一季度，ChatGPT引领AI浪潮，以AI服务器为核心的AI硬件投资机会显现，同时作为AI硬件的基础——半导体元件及上游设备材料也值得关注。我们认为，未来6个月，半导体的投资机会仍然以AI算力为主线，同时应关注国产化主线（设备、零部件、材料）和周期主线（IC设计、面板、封测）。本文将按照创新、安全、周期三条主线，按照重要性先后论述相关的投资机会。
摘要
1、我们认为当前半导体行业应继续把握AI硬件投资机会，重点关注国产化进程以及周期反转节奏。（1）AI浪潮下硬件投资机会：人工智能开启算力时代，硬件基础设施成为发展基石，算力芯片等环节核心受益，先进封装和先进制程制造筑牢硬件底座。（2）国产化持续推进：“安全与自主”为长期发展主线下，半导体设备、零部件、材料国产化持续推进。（3）继续关注周期反转节奏：当前半导体周期逐步探底，各环节将相继完成库存去化，随着需求复苏回暖，电子行业有望触底反弹，关注超跌板块的底部布局机会。
2、人工智能开启算力时代，先进制造筑牢硬件底座。AIGC引发内容生成范式革命，云端算法向大模型多模态演进，硬件基础设施成为发展基石，算力芯片等环节核心受益，英伟达、AMD对华供应高端GPU芯片受限背景下，国产算力芯片迎来国产替代窗口期。此外，后摩尔时代算力需求爆发，一方面，急需高性价比解决方案，先进封装工艺迭代成为新的发展趋势，国内封测龙头正积极布局；另一方面，先进制程在台积电等龙头竞争下迈入3nm时代，国内晶圆代工厂也在攻关FinFET架构的先进制程，有望为大算力芯片提供先进制造工艺。
3、半导体设备材料国产化持续推进，“安全与自主”为长期主线。当前地缘政治局势紧张，中美摩擦前景仍不明朗，半导体作为信息技术产业的核心，受到各国战略性重视，供应链安全意识空前强化。伴随“安全与自主”的长期主线，国产化持续推进，尤其在半导体设备及零部件、半导体材料领域，当前国产化意愿和进程较为积极，相关国产厂商核心受益。重点关注国内两大存储和两大逻辑厂商国产化进展及其核心设备材料供应商。
4、半导体行业周期逐步探底，各环节将相继完成库存去化。2023年半导体行业景气度有望随着需求回暖逐步回升。由于供需结构和库存去化节奏不同，产业链各环节底部拐点位置有异。我们认为从目前来看，库存及价格触底顺序可能依次为：面板、被动元件—射频/CIS—SOC/存储—模拟/MCU—晶圆代工—设备材料。
风险提示：1、宏观经济波动风险。受到全球宏观经济的波动、行业景气度等因素影响，半导体行业存在一定的周期性，如果宏观经济波动较大或长期处于低谷，居民收入、购买力及消费意愿将受到抑制，消费电子等下游市场需求的波动和低迷会导致半导体产品的需求下降，进而影响上下游产业链相关公司的经营业绩。2、产业政策变化风险。电子尤其是半导体产业是我国的战略支柱产业，近年来国家层面出台一系列支持政策。在产业政策支持和国民经济发展的推动下，我国半导体行业整体的设计能力、生产工艺、自主创新能力有了较大的提升。如未来上述产业政策出现不利变化，将对行业的发展前景产生一定不利影响。3、技术创新不及预期风险。由外部环境的不确定性、技术创新项目本身的难度与复杂性、创新者自身能力与实力的有限性，而致技术创新活动达不到预期目标。由于算力芯片、IP等产品市场技术壁垒高，行业龙头不断研发创新，未来若国内公司研发进展不及预期，致新一代产品开发进度、性能等指标不及预期，则会影响其市场竞争力。4、中美贸易/科技摩擦升级风险。半导体产业主要生产设备和原材料有较大部分向境外供应商采购，未来不排除中美贸易摩擦可能进一步加剧、美国加大对中国半导体行业的遏制、设置进口限制条件或其他贸易壁垒的可能性，从而导致部分公司面临设备、原材料供应发生变动等风险，正常生产活动受到一定的限制，进而对公司的业务和经营产生不利影响。5、国产化进度不及预期风险。当前半导体设备、材料、零部件、高算力芯片、汽车核心芯片等对于海外厂商的依赖度较高，而且电子尤其是半导体行业具有人才、技术、资本密集型特征，虽然国内厂商积极推动国产化进程，但由于技术沉淀、人才储备、量产经验等问题，存在国产化进程不及预期风险。
04算力芯片系列（三）：大算力时代的先进封装投资机遇
大算力应用如高性能服务器（HPC）和自动驾驶（ADAS）取代手机/PC成为新一轮半导体周期驱动力，后摩尔定律时代高端封装工艺迭代成为新的发展趋势。以Chiplet为代表的2.5D/3D封装形式成为大芯片标配，TSV/RDL/Fan-out等高端封装技术带来封装环节价值占比提升。全球晶圆代工龙头台积电打造全球2.5D/3D先进封装工艺标杆，未来几年封装市场增长主要受益于先进封装的扩大。先进封装市场的快速增长，有望成为国内晶圆代工厂商与封测厂商的新一轮成长驱动力。
摘要
1、应用：大算力应用如高性能服务器（HPC）和自动驾驶（ADAS）取代手机/PC成为新一轮半导体周期驱动力，后摩尔定律时代高端封装工艺迭代成为新的发展趋势。以台积电下游应用来看，HPC的收入增速从2020年Q3超过手机后保持持续领先，对应的营收占比在在2022年Q1首次超过手机成为台积电下游第一大应用，相比之下封测厂商在高价值量的运算类电子占比仅为16%。我们认为随着大算力需求提升，先进封装替代先进制程成为降低单位算力成本的最佳方案，进而拉高运算电子在封测厂商的价值量。
2、工艺：以Chiplet为代表的2.5D/3D封装形式成为大芯片标配，TSV/RDL/Fan-out等高端封装技术带来封装环节价值占比提升。半导体价值量的增长下游从手机/PC向高算力的HPC和ADAS转移，封装工艺开始向Chiplet为代表的2.5D/3D封装转移，从封装工艺流程来看，晶圆代工厂基于制造环节的的优势扩展至TSV工艺，封测厂参与较多的是RDL和Fan-out等封装工艺，随着高算力芯片整体封测市场扩容，封测厂商逐步扩大2.5D和3D封测布局。
3、市场：全球晶圆代工龙头台积电打造全球2.5D/3D先进封装工艺标杆，未来几年封装市场增长主要受益于先进封装的扩大。目前先进封装营收规模最大是晶圆代工龙头台积电，预计2022年先进封装贡献了53亿美元，全球封测龙头日月光和安靠都推出了3D封测工艺平台，积极抢占先进封装的份额。预计2027年先进封装市场规模增至651亿美元，2021-2027年CAGR达到9.6%，先进封装成为大算力时代封装厂商新的增长动能。
风险提示：中美贸易/科技摩擦升级风险：美国限制含涉美技术的晶圆代工厂为限制名单上的中国芯片厂商代工，若未来美国加大对中国半导体行业的遏制，可能影响国内厂商需求海外代工以及先进制程产品的研发。先进封装工艺研发进展不及预期：算力芯片、IP等产品市场技术壁垒高，行业龙头不断研发创新，未来若国内公司研发进展不及预期，致新一代产品开发进度、性能等指标不及预期，则会影响其市场竞争力。HPC、ADAS等大算力需求不达预期：宏观环境的不利因素将可能使得全球经济增速放缓，导致HPC、汽车电子等大算力场景需求不及预期，或其他领域拓展进度放缓。市场竞争加剧导致毛利率下降：国内厂商正积极推进国产替代，国内厂商之间亦存在竞争，若未来市场竞争加剧，可能导致价格战致使毛利率下降。
05算力大时代，AI算力产业链全景梳理
生成式AI取得突破，实现了从0到1的跨越，以ChatGPT为代表的人工智能大模型训练和推理需要强大的算力支撑。
自2022年底OpenAI正式推出ChatGPT后，用户量大幅增长，围绕ChatGPT相关的应用层出不穷，其通用性能力帮助人类在文字等工作上节省了大量时间。同时在Transformer新架构下，多模态大模型也取得新的突破，文生图、文生视频等功能不断完善，并在广告、游戏等领域取得不错的进展。生成式AI将是未来几年最重要的生产力工具，并深刻改变各个产业环节，围绕生成式AI，无论是训练还是推理端，算力需求都将有望爆发式增长。
训练和推理端AI算力需求或几何倍数增长。
首先是训练侧，参考OpenAI论文，大模型训练侧算力需求=训练所需要的token数量*6*大模型参数量。可以看到从GPT3.5到GPT4，模型效果越来越好，模型也越来越大，训练所需要的token数量和参数量均大幅增长，相应的训练算力需求也大幅增长。并且，与GPT4相关的公开论文也比较少，各家巨头向GPT4迈进的时候，需要更多方向上的探索，也将带来更多的训练侧算力需求。
根据我们的推算，2023年-2027年，全球大模型训练端峰值算力需求量的年复合增长率有望达到78.0%，2023年全球大模型训练端所需全部算力换算成的A100芯片总量可能超过200万张。其次是推理侧，单个token的推理过程整体运算量为2*大模型参数量，因此大模型推理侧每日算力需求=每日调用大模型次数*每人平均查询Token数量*2*大模型参数量，仅以Google搜索引擎为例，每年调用次数至少超过2万亿，一旦和大模型结合，其AI算力需求将十分可观。随着越来越多的应用和大模型结合，推理侧算力需求也有望呈现爆发增长势头。根据我们的推算，2023年-2027年，全球大模型云端推理的峰值算力需求量的年复合增长率有望高达113%。
算力产业链价值放量顺序如下：先进制程制造->以Chiplet为代表的2.5D/3D封装、HBM->AI芯片->板卡组装->交换机->光模块->液冷->AI服务器->IDC出租运维。
先进封装、HBM：为了解决先进制程成本快速提升和“内存墙”等问题，Chiplet设计+异构先进封装成为性能与成本平衡的最佳方案，台积电开发的CoWoS封装技术可以实现计算核心与HBM通过2.5D封装互连，因此英伟达A100、H100等AI芯片纷纷采用台积电CoWos封装，并分别配备40GB HBM2E、80GB的HBM3内存。全球晶圆代工龙头台积电打造全球2.5D/3D先进封装工艺标杆，未来几年封装市场增长主要受益于先进封装的扩产。
AI芯片/板卡封装：以英伟达为代表，今年二季度开始释放业绩。模型训练需要规模化的算力芯片部署于智能服务器，CPU不可或缺，但性能提升遭遇瓶颈，CPU+xPU异构方案成为大算力场景标配。其中GPU并行计算优势明显，CPU+GPU成为目前最流行的异构计算系统，而NPU在特定场景下的性能、效率优势明显，推理端应用潜力巨大，随着大模型多模态发展，硬件需求有望从GPU扩展至周边编解码硬件。
AI加速芯片市场上，英伟达凭借其硬件产品性能的先进性和生态构建的完善性处于市场领导地位，在训练、推理端均占据领先地位。根据Liftr Insights数据，2022年数据中心AI加速市场中，英伟达份额达82%。因此AI芯片需求爆发，英伟达最为受益，其 Q2收入指引110亿美金，预计其数据中心芯片业务收入接近翻倍。国内厂商虽然在硬件产品性能和产业链生态架构方面与前者有所差距，但正在逐步完善产品布局和生态构建，不断缩小与行业龙头厂商的差距，并且英伟达、AMD对华供应高端GPU芯片受限，国产算力芯片迎来国产替代窗口期。
交换机：与传统数据中心的网络架构相比，AI数据网络架构会带来更多的交换机端口的需求。交换机具备技术壁垒，中国市场格局稳定。
光模块：AI算力带动数据中心内部数据流量较大，光模块速率及数量均有显著提升。训练侧光模块需求与GPU出货量强相关，推理侧光模块需求与数据流量强相关，伴随应用加速渗透，未来推理所需的算力和流量实际上可能远大于训练。目前，训练侧英伟达的A100 GPU主要对应200G光模块和400G光模块，H100 GPU可以对应400G或800G光模块。
根据我们的测算，训练端A100和200G光模块的比例是1:7，H100和800G光模块的比例是1:3.5。800G光模块2022年底开始小批量出货，2023年需求主要来自于英伟达和谷歌。在2023年这个时间点，市场下一代高速率光模块均指向800G光模块，叠加AIGC带来的算力和模型竞赛，我们预计北美各大云厂商和相关科技巨头均有望在2024年大量采购800G光模块，同时2023年也可能提前采购。
光模块上游——光芯片：以AWG、PLC等为代表的无源光芯片，国内厂商市占率全球领先。以EEL、VCSEL、DFB等激光器芯片、探测器芯片和调制器芯片为代表的有源光芯片是现代光学技术的重要基石，是有源光器件的重要组成部分。
液冷：AI大模型训练和推理所用的GPU服务器功率密度将大幅提升，以英伟达DGX A100服务器为例，其单机最大功率约可达到6.5kW，大幅超过单台普通CPU服务器500w左右的功率水平。
根据《冷板式液冷服务器可靠性白皮书》数据显示，自然风冷的数据中心单柜密度一般只支持8kW-10kW，通常液冷数据中心单机柜可支持30kW以上的散热能力，并能较好演进到100kW以上，相较而言液冷的散热能力和经济性均有明显优势。同时“东数西算” 明确PUE（数据中心总能耗/IT设备能耗）要求，枢纽节点PUE要求更高，同时考虑到整体规划布局，未来新增机柜更多将在枢纽节点内，风冷方案在某些地区可能无法严格满足要求，液冷方案渗透率有望加速提升。目前在AI算力需求的推动下，如浪潮信息、中兴通讯等服务器厂商已经开始大力布局液冷服务器产品。在液冷方案加速渗透过程中，数据中心温控厂商、液冷板制造厂商等有望受益。
AI服务器：预计今年Q2-Q3开始逐步释放业绩。具体来看，训练型AI服务器成本中，约7成以上由GPU构成，其余CPU、存储、内存等占比相对较小，均价常达到百万元以上。对于推理型服务器，其GPU成本约为2-3成，整体成本构成与高性能型相近，价格常在20-30万。根据IDC数据，2022年全球AI服务器市场规模202亿美元，同比增长29.8%，占服务器市场规模的比例为16.4%，同比提升1.2pct。
我们认为全球AI服务器市场规模未来3年内将保持高速增长，市场规模分别为395/890/1601亿美元，对应增速96%/125%/80%。根据IDC数据，2022年中国AI服务器市场规模67亿美元，同比增长24%。我们预计，2023-2025年，结合对于全球AI服务器市场规模的预判，以及对于我国份额占比持续提升的假设，我国AI服务器市场规模有望达到134/307/561亿美元，同比增长101%/128%/83%。竞争格局方面，考虑到AI服务器研发和投入上需要更充足的资金及技术支持，国内市场的竞争格局预计将继续向头部集中，保持一超多强的竞争格局。
IDC：在数字中国和人工智能推动云计算市场回暖的背景下，IDC作为云基础设施产业链的关键环节，也有望进入需求释放阶段。在过去两年半，受多重因素影响下，云计算需求景气度下行，但IDC建设与供给未出现明显放缓，2021年和2022年分别新增机柜数量120万架和150万架，因此短期内出现供需失衡情况（核心区域供需状况相对良好），部分地区上电率情况一般。所以IDC公司2022年业绩普遍承压。
当前，我们认为国内IDC行业有望边际向好。随着宏观经济向好，平台经济发展恢复，AI等拉动，IDC需求有望逐步释放，叠加2023新增供给量有望较2022年减少（例如三大运营商2022年新增IDC机柜15.6万架，2023年计划新增11.4万架）。展望未来，电信运营商在云计算业务方面仍将实现快速增长，百度、字节跳动等互联网公司在AIGC领域有望实现突破性进展，都将对包括IDC在内的云基础设施产生较大新增需求，相关IDC厂商有望获益。
风险提示：国产替代进程不及预期。GPU的国产替代过程中面临诸多困难，国产替代进程可能不及预期；AI技术进展不及预期。当前AI技术的快速进步带动了巨大的AI算力需求，如果AI技术进展不及预期，可能对GPU市场的整体需求产生不利影响；互联网厂商资本开支不及预期。互联网厂商是AI算力和GPGPU的重要采购方和使用方，如果互联网厂商资本开支不及预期，可能会对GPGPU的需求情况产生不利影响；在GPU需求旺盛的背景下，国内外涌现出诸多GPU行业的新兴玩家，众多参与厂商可能导致整体竞争格局恶化。
06MCU行业深度：汽车工控驱动成长，本土厂商高端突破
MCU属于“进入门槛低，发展门槛高”的行业，低端MCU市场进入门槛低，追求性价比，但是产品同质化，厂商缺乏定价权；中高端MCU追求可靠性和性能表现，有稳定的盈利能力和客户资源。国内MCU厂商正逐步跨过高低端的界线，获得长足的发展。我们认为，中长期看，国内MCU行业将逐步出清部分玩家，优化格局，看好平台型MCU厂商以及专用领域龙头。
MCU：主打控制功能的单片机。MCU是简化后的CPU，集成存储、接口等形成的单片机，专注于控制功能。对于MCU而言，核心频率/核数量、存储器容量、接口丰富度等是重要性能指标。目前，消费、通信、工业等市场以ARM内核为主，而汽车上以TriCore、PowerPC、瑞萨自研三种内核为主，未来ARM架构将在汽车市场获得更高份额。从技术趋势看，MCU将往高算力、低延迟、低功耗、集成化发展。
MCU市场200亿美元广阔空间，汽车工控驱动行业成长。根据IC Insights，2021年全球MCU销售额达到196亿美元的新高，同比增长23%，未来复合增速有望达到高个位数。分下游看，汽车为第一大下游，占比33%，其次为工控25%、计算机网络23%、消费电子11%。未来，汽车智能化、电动化将带来MCU需求量提升和产品技术迭代，而风光储、自动化产线、安防、医疗、家电等将推动工控市场持续增长，汽车、工控将成为MCU市场的重要增长极。IC Insights，2021年全球MCU销售额达到196亿美元的新高，同比增长23%，未来复合增速有望达到高个位数。分下游看，汽车为第一大下游，占比33%，其次为工控25%、计算机网络23%、消费电子11%。未来，汽车智能化、电动化将带来MCU需求量提升和产品技术迭代，而风光储、自动化产线、安防、医疗、家电等将推动工控市场持续增长，汽车、工控将成为MCU市场的重要增长极。
国际厂商主导市场，国内厂商份额提升、高端突破。目前MCU市场主要有恩智浦、英飞凌、瑞萨、ST等厂商主导，我们复盘国际MCU龙头的发展史，发现MCU厂商的成长往往需要技术研发投入、产品线丰富度、优势产品/优势赛道、生态及客户积累等核心竞争力。目前国内MCU厂商处于起步阶段，经历本轮缺芯和国产化，平台型公司兆易创新凭借消费+工业市场的扩展，全球份额达到3%，另外中颖电子、国芯科技、芯海科技等公司也获得长足发展。本土厂商正逐步向工业、汽车等中高端市场突破。
行业库存有望于23Q2-Q3回归正常水平，行业周期即将反转。从21Q4开始，MCU需求出现了结构性分化，消费类、工业MCU的渠道价格出现下滑，供给紧缺状况松动。22Q4高端汽车MCU仍然紧缺，渠道端MCU交期进一步拉长，预计2023年汽车MCU紧缺有望缓解。我们判断23H1 MCU行业整体周期继续下行，并将在23Q2-Q3触底反弹，其中汽车MCU有望维持高景气。
投资建议：MCU属于“进入门槛低，发展门槛高”的行业，低端MCU市场进入门槛低，追求性价比，但是产品同质化，厂商缺乏定价权；中高端MCU追求可靠性和性能，有稳定的盈利能力和客户资源。2020-2021年，由于产能紧缺，MCU缺货涨价，叠加国产化浪潮，国内涌现出一批MCU厂商。我们认为，中长期看，国内MCU行业将逐步出清部分玩家，优化格局，看好平台型MCU厂商以及专用领域龙头。
风险提示：存货减值风险、需求不及预期风险、地缘政治风险、技术研发不及预期。
07算力芯片系列：Chatgpt 带来算力芯片投资机会展望
AIGC引发内容生成范式革命，ChatGPT引领人工智能应用照进现实，GPT架构快速迭代，云端大模型多模态成为发展趋势，带来算力资源消耗快速上升。硬件基础设施成为发展基石，要求算力、运力、存力、散热等领域配套升级，算力芯片等环节核心受益。加之海外对华供应高端GPU芯片受限，国内相关厂商迎来替代窗口期，各环节龙头有望进入高速发展阶段。
AIGC引发内容生成范式革命，云端算法向大模型多模态演进。云端部署算力中推理占比逐步提升，说明AI落地应用数量在不断增加，ChatGPT发布引发多家科技巨头开展AI军备竞赛，或成为人工智能成熟度的分水岭。GPT架构快速迭代，参数越来越多带动训练精度越来越高，云端大模型多模态成为发展趋势，带来算力资源消耗快速上升。
硬件基础设施成为发展基石，算力芯片等环节核心受益。
算力需求，模型训练需要规模化的算力芯片部署于智能服务器，CPU不可或缺，但性能提升遭遇瓶颈，CPU+xPU异构方案成为大算力场景标配。其中GPU并行计算优势明显，CPU+GPU成为目前最流行的异构计算系统，而NPU在特定场景下的性能、效率优势明显，推理端应用潜力巨大，随着大模型多模态发展，硬件需求有望从GPU扩展至周边编解码硬件。此外，后摩尔时代Chiplet封装为先进制程的高性价比替代方案，成为半导体行业发展趋势。
存力需求，庞大训练通用数据集要求相应存储硬件设施，如温冷存储，数据访问加速，数据湖以及大容量存储，还需要专门面向AI定制的存储协议、访问协议，支持服务器与SSD通信的NVMe-oF 协议也有望受益搭载使用。
运力需求，外部访问、内部数据翻译需要高速的网络连接线路或交换机系统，带动光通信技术升级。
散热需求，AI服务器功耗相对更高，当前主流散热方案正朝芯片级不断演进，芯片液冷市场发展潜力巨大。
风险提示：中美贸易/科技摩擦升级风险：美国限制含涉美技术的晶圆代工厂为限制名单上的中国芯片厂商代工，若未来美国加大对中国半导体行业的遏制，可能影响国内厂商需求海外代工以及先进制程产品的研发。技术研发进展不及预期：算力芯片、IP等产品市场技术壁垒高，行业龙头不断研发创新，未来若国内公司研发进展不及预期，致新一代产品开发进度、性能等指标不及预期，则会影响其市场竞争力。下游市场需求不达预期：宏观环境的不利因素将可能使得全球经济增速放缓，导致主要下游行业需求不及预期，或其他领域拓展进度放缓。市场竞争加剧导致毛利率下降：国内厂商正积极推进国产替代，国内厂商之间亦存在竞争，若未来市场竞争加剧，可能导致价格战致使毛利率下降。
08、2023年中期AI投资策略：把握AI大时代，算力需求确定，数据价值重构，下半年应用井喷
以ChatGPT为代表的生成式AI算法取得突破，其通用性能力帮助人类在文字等工作上节省了大量时间，在Transformer新架构下，多模态大模型也取得新的突破，文生图、文生视频等功能不断完善。大模型作为将来重要的基础技术底座，将创造巨大的商业价值，同时也要关注数据要素的重要性。在AI大时代下，我们重点关注算力和应用的相关投资机会，算力端，建议关注英伟达、AI服务器、光模块、液冷等领域，以及国产算力替代机会。在应用端，建议关注海外业务占比高的应用相关公司，以及能够通过大模型有效实现降本增收的相关公司。
摘要
生成式AI算法取得突破，实现了从0到1。自2022年底OpenAI正式推出ChatGPT后，用户量大幅增长，围绕ChatGPT相关的应用层出不穷，其通用性能力帮助人类在文字等工作上节省了大量时间。同时在Transformer新架构下，多模态大模型也取得新的突破，文生图、文生视频等功能不断完善，并在广告、游戏等领域取得不错的进展。生成式AI算法将是未来几年最重要的生产力工具，并深刻改变各个产业环节。
海内外大模型加速推进。以OpenAI为代表，基于Transformer模型开辟自回归建模路径，随后发布了GPT系列模型，随着GPT模型爆发出强大的应用潜力，OpenAI也开始其商业化布局。微软23Q3财报显示，FY23Q3 Azure OpenAI已有2500个服务客户，Azure云下个季度中有1%的收入增长来自于人工智能，随着生成式AI应用的不断普及，算力需求开始快速增长。谷歌方面，其在模型算法、算力芯片、应用场景等多个环节均有完整布局，并且首次将Transformer应用于CV领域—ViT算法，23年4月，谷歌推出了ViT的220亿参数量的版本,和GPT-2到GPT-3的变化趋势相似，其具备了强大的Zero-shot图像分类泛化能力，CV领域也将迎来大模型时代。Meta也是AI领域重要玩家之一，旗下模型包括OPT、LLaMA、SAM、DINOv2，同时Meta也在不断开源其大模型，进一步加速产业发展。国内，包括百度、阿里、三六零、天工、商汤、科大讯飞也都在不断推进自己的大模型，相关模型已有不少进行开放性测试，整体上已经处于GPT3至GPT3.5之间的水平，随着模型进一步迭代，国内大模型距离商业化已经越来越近。
技术演进趋势：多模态大模型蓬勃发展。Transformer颠覆了传统深度学习模型，不局限于文本，ViT打通了Transformer与CV领域的壁垒， BEiT模型将生成式预训练引入CV领域，基于ViT的多模态模型涌现。现有的多模态预训练大模型通常在视觉和语言两种模态上进行预训练，未来可以获取更多模态进行大规模预训练，包括图像、文本、音频、时间、热图像等，基于多种模态数据的预训练大模型具有更广阔的应用潜力。其次，未来多模态大模型将走向“真正统一”。以微软KOSMOS-1为代表，将图像、音频进一步编码成文本格式，统一成文本进行融合。多模态已经在多个领域中得到广泛应用，各式应用持续推动多模态模型的演进。
大模型公司（包括多模态大模型）：大模型作为将来重要的基础技术底座，可以通过会员订阅费、API许可费进行收费。根据路透社报道，OpenAI在2022年收入数千万美元，并预计2023、2024年收入为2亿、10亿美元。随着应用以及用户越来越多，大模型公司将呈现高速增长，尤其是重点关注大模型公司中有业务场景的。
数据要素卖给大模型：以Reddit为代表，开始准备向使用他们数据的大模型公司进行收费。另外，欧盟的《人工智能法》协议要求开发ChatGPT等生成式人工智能工具的公司必须披露他们是否在系统中使用了受版权保护的材料。数据质量和体量决定了大模型的优劣，展望未来，围绕着数据产权将有进一步的价值划分。其次多模态大模型的背景下，视频未来也有望可以卖给大模型公司。
大模型+专业数据要素+细分行业：主要在B端，部分公司拥有行业中非公开的、高价值的专业化数据，结合大模型能力，增加客户服务范围和ARPU值。由于龙头公司手中数据更多，并且行业卡位明显，结合AI的产品有望进一步构筑行业龙头壁垒。
算力公司：算力的需求来自三方面：模型越来越大+渗透率加速提升+技术演进。第一，模型参数量越大，推理效果越好，单个大模型对于算力需求随着参数量增长而增长；第二，各家都开发大模型，训练需求大幅增长，之后大量的应用部署，推理需求进一步爆发；第三，文生图、文生视频的需求，每增加一个维度，算力需求就进一步增加。
国产算力替代：各地加速推进智算中心，国产AI芯片进行国产替代。
海外应用：海外业务占比高，跟Chatgpt率先结合，创造出新应用。
国内应用（降本线）：生成式AI能很好地节省人力，典型的如广告、影视等领域，可以显著降低成本，而且降本节奏最快，目前在电商、广告、游戏、影视等领域都可以看到生成式AI应用后所带来的成本降低。
国内应用（增收线）：产品壁垒较高的公司，在接入大模型后，提升用户数量以及增加ARPU值。
风险提示：国际环境变化影响供应链及海外拓展；芯片紧缺可能影响相关公司的正常生产和交付，公司出货不及预期；疫情影响公司正常生产和交付，导致收入及增速不及预期；信息化和数字化方面的需求和资本开支不及预期；市场竞争加剧，导致毛利率快速下滑；主要原材料价格上涨，导致毛利率不及预期；汇率波动影响外向型企业的汇兑收益与毛利率；人工智能技术进步不及预期；人工智能技术可能存在伦理风险；汽车与工业智能化进展不及预期等；半导体扩产不及预期。
09、半导体与工业金属板块获加仓流入——外资风向标6月第1期
核心观点：北向资金上周净流出-56.6亿，其中配置盘净流出-164.5亿，交易盘净流入92.0亿，配置盘出现较大额流出。今年以来北向资金净流入830.2亿，其中配置盘净流入约311.7亿。前期报告中我们提示，海外机构投资者对A股市场的整体预期，已经从去年的极度悲观转为中性偏乐观。完成第一阶段回补后，北向资金可能转为观望状态（类似23年2月情况），等待基本面或政策面出现更明朗积极信号。
风格流向：配置盘流出消费成长，交易盘流入成长周期。上周配置盘流出消费（-61.0亿）、成长（-49.4亿）等风格；交易盘主要流入成长（42.4亿）、周期（39.9亿）等风格，流出消费（-14.8亿）风格。
产业链流向：配置盘加仓工业金属/半导体设备/自动化等；交易盘加仓消费电子、半导体制造、工业金属较多。上周配置盘资金增持工业金属（8.6亿）、半导体设备（2.4亿）、自动化（1.6亿）等产业链，减持白酒（-18.8亿）、光伏（-8.8亿）等产业链；交易盘资金增持消费电子（12.0亿）、半导体制造（8.3亿）、工业金属（7.4亿）等产业链，减持白酒（-15.7亿）、锂电材料（-4.5亿）等产业链。配置盘和交易盘共同加仓工业金属、半导体设备较多。
行业流向：流入电子/公用事业，流出食品饮料/生物医药。上周净流入排名较前的行业是电子（24.9亿）、公用事业（12.3亿）、有色金属（10.6亿）等行业，净流出排名较前的行业是食品饮料（-43.6亿）、医药生物（-16.9亿）、非银金融（-14.4亿）。上周配置盘资金与交易盘资金共同加仓。
个股流向：紫金矿业（9.0亿）、长江电力（8.9亿）、澜起科技（7.0亿）获外资加仓较多；贵州茅台（-24.0亿）、招商银行（-7.9亿）、潍柴动力（-6.1亿）遭外资抛售较多。从北向净流入占流通市值比例来看，博威合金，亿道信息流入较多，洽洽食品，斯瑞新材，协昌科技流出较多。
注：近一周指2024/5/27-5/31，近四周指2024/5/6-5/31，YTD截至2024/5/31
风险提示：资金净流入数据根据持股量变动和成交均价估算得到，存在一定的统计误差；研究报告使用的公开资料可能存在信息滞后或更新不及时的情况；国内宏观经济、宏观调控政策和产业政策存在超预期波动的可能性；海外局势动荡，地缘政治冲突问题尚未完全解除；美国欧洲等发达国家面临经济下行，或对外需造成扰动，主权债务风险可能加大；全球流动性紧缩超预期，中美利差走阔存在风险，人民币汇率存在波动风险；海外黑天鹅事件，关注海外资本市场风险溢出效应传染国内市场。
BY：中信建投策略
免责声明：转载内容仅供读者参考，版权归原作者所有，内容为作者个人观点，不代表其任职机构立场及任何产品的投资策略。本文只提供参考并不构成任何投资及应用建议。如您认为本文对您的知识产权造成了侵害，请立即告知，我们将在第一时间处理。