（报告出品方：广发证券）
格局一：AI 大格局，科技浪潮奇点时刻
（一）量：ChatGPT 开启 AI 奇点，AI 服务器需求大幅提升
2023年3月中旬，随着OPEN AI发布GPT4.0，微软把GPT4.0应用于office办公 系列，科技巨头引领大模型技术迭代和应用超预期。全球大模型和AIGC产业链公司 争先恐后加入AI浪潮，迎来奇点时刻。
AIGC产业链大致可以分为三层，应用层、模型层和基础设施层。其中应用层为 训练好的模型应用于网络平台/数据中心或边缘端，即为模型的推理过程；模型层为 开源预训练模型的训练过程或非开源预训练模型的API调用，即模型的训练过程；基 础设施层则分为两部分，一部分是是开放式云平台，另一部分则是用于LLM训练与 部署的计算、存储、连接芯片等硬件。
大模型的训练和推理对算力需求庞大。（1）训练是指生成一个大模型的过程； （2）推理是指将搭建好的模型于实际应用中使用。由于训练和推理过程其特点有所 不同，在此我们分别对AI大模型在训练阶段和推理阶段的算力需求进行测算：
（1）AI大模型在训练阶段算力需求测算
我 们 以 参考NVIDIA 发表 的 文 章《 Efficient Large-Scale Language Model Training on GPU Clusters Using Megatron-LM》中对不同参数GPT模型算力需求的 计算方法及NVIDIA A100在模型训练过程的参数，对以GPT-3.5 175B为代表的大模 型的训练算力需求进行测算，测算主要基于以下关键假设：①考虑到大模型训练的 时间要求，假设模型单次训练时间为30天，即每年可进行约12次训练；②训练阶段 每个A100吞吐效率为48%。此外，我们假设每台AI服务器均配有8张A100。 由此测算，单个GPT-3.5 175B参数量AI大模型训练而新增的NVIDIA A100需求 空间为1080个，新增的AI服务器需求为135台。
考虑到各大互联网巨头正在/计划训练的模型参数量仍在持续增加；同时越来越 多的互联网公司加入大模型训练的阵营；我们基于以下关键假设，对用于大模型训 练的NVIDIA A100、AI服务器的需求做关于模型参数、模型训练个数的敏感型分析。 ①假设模型单次训练时间为30天；②假设训练阶段每个A100吞吐效率为48~52%。
（2）AI大模型在推理阶段算力需求测算。
目前，以GPT为代表的大语言AI模型在文字推理/生成领域的应用加速落地；此 外，基于GPT的midjourney展现出较强的图片创作能力，Adobe也发布了可生成图片、 视频、声音等内容的模型Firefly，AI模型在多媒体领域的推理/生成应用也在快速发 展。考虑到AI模型在文字生成领域应用落地进展较快，我们对这一部分推理算力需 求进行测算，基于以下关键假设：①参考谷歌月均搜索次数，假设一个谷歌级应用 每日的搜索次数为30亿次；并假设30亿次问答在每日24小时中均匀分布；②假设单 次问答总字数为1850字。 由此测算，单个应用GPT-3.5 175B模型的谷歌级文字推理应用新增的NVIDIA A100需求空间为72万个，新增的AI服务器需求为9万台。
AIGC大幅提升HPC算力需求，推动AI服务器增长。AIGC大模型的训练和推理 需要大量的高性能计算（HPC）算力支持，对AI服务器需求提升。据Trendforce数据， 预估2022年搭载GPGPU的AI服务器年出货量占整体服务器比重近1%，即约14万台。 预计2023年出货量年成长可达8%，2022~2026年CAGR达10.8%。 根据上文对训练&推理算力需求测算，并以Trend Force数据预估2022年搭载 GPGPU的AI服务器出货量14万台为基数，测算训练侧与推理侧AI服务器需求对服 务器出货量的拉动。100个175B训练模型对AI服务器出货量的拉动为9.6%，10个使 用GPT-3.5 175B模型的谷歌级推理应用对全球AI服务器出货量的拉动为643%。
（二）价：AI 服务器 ASP 提升显著，“算连存”深度受益
AI服务器单价是普通服务器的10倍以上，算、连、存增量显著。AI服务器内部 除了2颗CPU外，一般还要配备4/8颗GPGPU以及一系列的相关配套芯片，AI训练服 务器因为其对算力需求更高，单机价格较普通服务器将有较大的提升，通用服务器 价格一般为几千美金/台，而主流AI服务器价格多在10-15万美金/台。 以英伟达DGX H100为例，其内部包含了8颗H100 GPU、2个64核AMD Rome CPU、2TB RAM、30 TB Gen4 NVME SSD、4个NVIDIA NVSwitch以及8个NVIDIA Connext-7 400Gb/s网卡。除ODM厂商受益于服务器AI升级，成长空间广阔外，AI服 务器内部的算力芯片（GPU等）、连接产品（光模块、PCIe Retimer、PCB等）、 存储芯片（DRAM、NAND、HBM等）市场规模都有望迎来显著提升。
1. 算力：GPU龙头英伟达一马当先，ODM厂商重要性凸显
（1） GPU龙头英伟达一马当先，国产AI芯片厂商加速追赶
GPU龙头英伟达一马当先。英伟达于2020年和2022年相继推出针对AI、数据分 析和HPC应用场景的两款产品：A100和H100，几乎占据了目前大模型应用的全部算 力需求市场。与A100相比，H100的综合技术创新可以将大型语言模型的速度提高30 倍，从而提供业界领先的对话式AI功能。具体到性能参数，同为SXM外形规格的 H100/A100，半精度浮点算力（FP16 tensor core）分别为989.4/312TFLOPS，互连 带宽分别为900/600 GB/s。
英伟达GH200性能进一步提升。2023年Computex 2023大会上，英伟达发布基 于Grace Hopper Superchip的用于运行AIGC的大内存超级计算机DGX GH200。 NVIDIA最新的Grace “Hopper”架构将72核Grace CPU、Hopper GPU、96GB HBM3 和480GB LPDDR5X集成在同一封装中。在HPC、 AI等应用场景中，相较于传统的 X86 CPU+GPU的解决方案，Grace Hopper Superchip能提供更高的效率。
GPU龙二厂商AMD积极布局。AMD于2018年开始，积极推出并持续迭代面向高 性能计算和人工智能工作负载的MI系列加速器。2023年6月，AMD正式发布最新一 代AI加速器——MI300系列。其中，MI300A性能与MI250相比提高八倍，效率提高五 倍。MI300X为针对LLM大语言模型推的升级版，内部为纯GPU架构，并拥有更大的 HBM密度，意味着单个MI300X便可运行一个参数高达800亿的模型。
本土AI芯片厂商加速追赶。从技术架构来看，Al芯片主要分为GPU、FPGA、 ASIC三大类。国内AI芯片厂商中，华为、阿里和寒武纪为ASIC技术架构，百度昆仑 芯为FPGA技术架构，海光信息、景嘉微、摩尔线程、沐曦、燧原科技、壁仞科技、 天数智芯则采用GPU技术架构。目前各家产品参数与英伟达A100/H100相比，仍有 差距，但在英伟达等高端AI芯片出口受限的背景下，国产AI芯片企业获取了难得的发 展机遇，随着本土下游AI需求的不断拉动，国产AI芯片厂商加速追赶。
（2）ODM厂商重要性凸显，工业富联深度绑定英伟达构筑竞争壁垒
服务器ODM厂商重要性日益凸显。英伟达于2017年启动全球顶尖ODM伙伴合 作计划，与包括鸿海（富士康）在内的中国台湾服务器设计生产大厂成为合作伙伴。 通过HGX合作伙伴计划，英伟达为所有ODM厂商提供HGX参考架构、GPU运算技术 以及设计准则等资源。ODM厂商利用HGX作为切入点，能与英伟达加快设计合作， 并针对超大规模数据中心推出各种类型的认证GPU加速系统。并与英伟达工程师密 切合作，协助缩短从设计到产品部署上市的进程。
工业富联深度绑定英伟达构筑竞争壁垒。工业富联与英伟达合作多年， 2017年工业富联旗下鸿佰科技与英伟达和微软共同发布第一代应用于人工智能深度学习的 HGX-1系统。在此之后，工业富联随英伟达GPU产品升级，陆续推出HGX3/ HGX4 系列产品。工业富联深度参与英伟达H100服务器的生产制造，2023年台北国际电脑 展上英伟达CEO黄仁勋播放了于工业富联拍摄的H100自动化产线视频。
2. 连接：集群带来光模块高弹性，接口芯片和PCB量价齐升
（1）光模块/光芯片：DGX服务器集群架构升级带来高弹性
DGX服务器集群架构升级带来光模块/光芯片需求量的高弹性。大模型需要大量 的GPU进行训练或推理，为了使数百甚至上千个GPU组成的计算单元能够有效发挥 其效率，需要使用低延迟、高带宽的网络连接各服务器节点，满足服务器/GPU间计 算、读取存储数据的互联通信需求。光模块/光芯片是实现服务器间高速互联的核心 部件，伴随服务器/集群架构的迭代升级，高速光模块/光芯片的需求显著增长。 DGX A100服务器集群中单颗A100对应约7颗200G光模块需求。仅考虑服务器 集群中计算网络和存储网络的互联需求，在140台DGX A100服务器组成的集群中， 计算网络使用三层网络架构（包含三层交换机：Leaf、Spine、Core），存储网络则 使用双层网络架构；经测算，计算网络中单颗A100对应6颗200G光模块需求，存储 网络中单颗A100对应1.2颗200G光模块需求，合计单颗A100对应7.2颗200G光模块 需求，对应约28颗50G光芯片需求。
DGX H100服务器集群中单颗H100对应约1.5颗800G光模块+2颗400G光模块 需求。在DGX H100服务器集群的计算网络中，服务器、交换机均配有800G光模块 端口，显著拉动了对800G光模块的需求。在128台DGX H100服务器组成的集群中， 计算网络、存储网络均采用双层网络架构，单颗H100对应1.5颗800G光模块+2.25颗 400G光模块，对应约20颗100G光芯片需求。如果集群中服务器数量增加，计算网 络需要使用三层网络架构，则单颗H100对应800G光模块需求会增加至2.5颗。 DGX GH200使用NVLink高速互联多达256颗GPU，对光模块需求大幅增加。 不同于传统集群架构使用IB网络连接服务器，NVIDIA最新发布的DGX GH200使用 带宽高达900GB/s的NVLink网络连接多达256颗GPU（等效32台服务器）；DGX GH200使用了双层NVSwitch的网络架构，假设GPU和一层NVSwitch间使用铜互联、 一层NVSwitch和二层NVSwitch之间使用光模块互联，则单颗GPU对应9颗800G光 模块需求。NVIDIA 计划今年发布由4个DGX GH200构成的超级计算机NVIDIA Helios，DGX GH200内部仍使用NVLink网络互联，4个DGX GH200间使用IB网络互 联，这会进一步增加对光模块需求。
（2）高速接口芯片：PCIe Retimer需求增长
PCIe Retimer用于高速信号恢复。人工智能、云计算、大数据的快速发展推动 服务器对数据传输的速度越来越高，PCIe协议传输速率也快速提升，但主板物理尺 寸延展空间有限，信号损耗问题愈发严重。PCIe Retimer芯片主要用于信号恢复， 已较多应用于AI服务器、SSD扩展卡、Riser卡等典型应用场景。
根据AsteraLabs的方案，一台8卡GPU的AI服务器需要8颗PCIe 4.0 Retimer芯 片，同时Retimer芯片可在通用服务器中NVMe SSD，NIC，Riser卡等多个场景中使 用。随着PCIe 5.0的渗透提升，通用服务器的主板上还可在距离CPU较远的Endpoint 间使用PCIe Retimer。在对PCIe Retimer芯片市场规模进行测算过程中，我们按照 单通用服务器约装配1-2颗PCIe Retimer芯片，PCIe 4.0 Retimer约24美元，PCIe 5.0 Retimer芯片约48.5美元为基础，预计至2026年，市场规模有望增长至7.27亿美元。
（3）PCB：单机量价齐升
AI服务器PCB单机量价齐升。AI服务器PCB板价值量提升主要来自三方面：（1） PCB板面积增加。AI服务器中除了搭载CPU的主板外，增配的4至8颗GPGPU 需要 分别封装在GPU模块板，并集成到一块主板上，PCB面积大幅增加。（2）PCB板层 数增加。AI服务器相对于传统服务器具有高传输速率、高内存带宽、硬件架构复杂等 特征，需要更复杂的走线，因而需要增加PCB层数以加强阻抗控制等性能。（3）PCB 用CCL材料标准更高。AI服务器用PCB需要更高的传输速率、更高散热需求、更低 损耗等特性，CCL需要具备高速高频低损耗等特质，因此CCL材料等级需要提升， 材料的配方以及制作工艺复杂度攀升。 服务器用PCB市场规模高速增长。根据沪电股份2021年年报数据，服务器与数 据存储领域PCB市场规模预计在2026年达到126亿美元，2020年到2026年CAGR为 13.5%，高于同期PCB市场整体增速7.7%。
3. 存储芯片：HBM成高端GPU标配，CoWoS助力HBM与GPU间高速互连
（1）HBM成高端GPU标配
GPU显存分为GDDR和HBM两种方案。GPU芯片周围一般需要配备高容量的显 存，传统的方案为GDDR，而用于AIGC的高端GPU则采用HBM方案。HBM方案由 多个芯片垂直堆叠而成，每个芯片上都有多个内存通道，可以在很小的物理空间内 实现高容量和高带宽的内存，有更多的带宽和更少的物理接口，并拥有更低的功耗 和低延迟，但相对而言，成本更高。 HBM堆栈没有以外部互连线的方式与计算芯片连接，而是通过中间介质层紧凑 连接。以HBM2方案为例，相对于GDDR5，HBM2节省了94%的芯片面积。从带宽角 度看，一个HBM2堆栈封装的带宽就是307Gbyte/s，远高于GDDR5的带宽。
HBM已经成为了高端GPU的标配。海力士、三星美光等厂商紧跟HBM趋势，已 发布多款产品。英伟达历代主流训练GPU基本都配置HBM，如H100采用了6颗HBM3， 从2017年发布的V100起，一直配置最新的HBM技术，如A100使用了HBM2E，H100 使用了SK海力士的HBM3。随着GPU的升级，每颗GPU所搭配HBM的容量、代际也 随着GPU的升级而提升。体现在单颗GPU需要配置的HBM的Die层数增加，Stack个 数增加，单机价值量提升显著。
（2）2.5D CoWos封装，助力HBM与GPU高速互联
CoWoS-S是目前HBM与GPU之间封装的主流方案。在过去十年间，CoWoS-S 技术已经迭代了五代，在中介层尺寸、晶体管数量、存储容量和电源完整性/信号完 整性等方面都有了长足的进步。英伟达的P100、V100、A100、Grace Hopper等数 据中心芯片均使用CoWoS-S实现HBM与GPU的封装。除此之外，CoWoS-S还广泛 用于Broadcom、Google TPU、Amazon Trainium、NEC Aurora、Fujitsu A64FX、 AMD Vega、Xillinx FPGA、Intel Spring Crest、Habana Labs Gaudi，以及一些初 创公司的AI芯片等。AI芯片执行训练和推理任务需要在内存和处理器之间传输大量 数据，CoWoS-S的高带宽优势对于AI芯片性能的提升格外显著。即使目前CoWoSS的成本很高，但仍然是主流厂商高性能AI处理器的首选方案。
CoWoS技术未来可期。据Digitimes报道，台积电预测2023年对先进封装和测试 的需求可能略弱于2022年，今年该细分市场在公司整体销售额中的份额将达到6%- 7%，略低于去年的7%。但预计未来五年，先进封装和测试领域的增长将高于平均水 平。CoWoS的变种，包括CoWoS-S、CoWoS-R和CoWoS-L，均已得到台积电顶级 客户的认可。除了AI HPC应用外，CoWoS-S还渗透到高端网络芯片领域。CoWoSL可以满足未来对更高计算性能和更多HBM集成的需求。
（3）传统存储用量提升显著
AI服务器存储单机用量提升显著。根据美光预计，AI服务器的存储配置中DRAM 容量可达通用服务器的8倍，NAND容量可达3倍。以DRAM为例，除了新增HBM， DDR模组容量和价值量也有望提升，尤其是AI服务器更倾向于升级为DDR5等高性 能和高密度模组。
4. 其他产品：多相电源供电方案增量显著
多相电源产品在AI服务器中单机价值增量显著。多相控制器+DrMOS组成的多 相电源解决方案是GPU的主流供电形式。我们对8卡AI服务器的多相电源解决方案产 品新增需求进行测算，A100/H100需要16相电源解决方案（1颗多相控制器+16颗大 电流DrMOS的配置），则该AI服务器相较于普通服务器增加了8颗多相控制器、128 颗大电流DrMOS需求，参考TI官网产品价格，AI服务器单机新增多相电源产品价值 量约为254美元；根据MPS数据，单台普通服务器CPU主板电源解决方案（包含多相 控制器+DrMOS+POL+EFuse等产品）合计价值量约80美元；因此AI服务器单机多 相电源产品价值量相较于普通服务器有数倍提升。
（三）下游应用： AIGC 赋能千百行业，智能应用蓄势待发
AIGC应用技术场景细分领域众多，按照模态区分，可以分为音频生成、文本生 成、图像生成、视频生成及图像、视频、文本间的跨模态生成，多点开花。伴随着有 关底层技术原理的不断突破和细化，AIGC将迎来快速发展和广泛应用。目前，人工 智能已初步实现与安防、VR/AR、家庭智能音箱、自动驾驶、机器人等领域的结合， AIGC赋能效应蓄势待发。
1. 安防：AIGC有望与安防紧密结合，驱动泛安防产业智能化升级
AIGC有望与安防紧密结合，驱动泛安防产业智能化升级。ChatGPT和AIGC技 术的应用，可以帮助安防产品实现更高效的数据处理和管理，大幅提升安防系统的 反应速度和处理能力，实现一定程度降本增效，推动智慧安防乃至智能物联网行业 发展。近几年，传统安防已通过物联网、云计算、AI等技术升级为智慧安防。据IDC 数据，视频监控、人脸识别、智能摄像头等泛安防是中国近年来已部署和计划部署 的重点AI领域，也是AI最先商业化的领域之一。随着AIGC时代的来临，智慧安防可 进一步升级。具体而言，ChatGPT可以通过分析和处理大量语音、文本和图像数据， 帮助识别并分类人、车辆、动物等不同对象，帮助安全系统快速识别异常事件，以及 实现更精细化的数据分析和挖掘，进一步提升预测准确率等。
2. 视觉：AIGC作为生产力工具赋能元宇宙，推动XR设备发展
AIGC逐渐实现元宇宙的可扩展性潜力，低成本、高效率地满足VR/AR用户海量 内容需求。以AR/VR作为入口，元宇宙极大扩展了人类在虚拟世界的生存空间。但元宇宙中需要大量3D场景构建，高保真3D模型单靠人工设计开发效率低、成本高。 AIGC有望成为新的元宇宙内容生成解决方案，利用AI方式生成3D场景将成为未来元 宇宙满足海量用户不同需求的解决之道。具体而言，AIGC技术通过提供元宇宙环境 生成的基础设施、提供个性化内容体验和交互方式等，更好地满足用户需求。具体 体现在：（1）AIGC释放开发人员生产力，为构建沉浸式元宇宙空间环境提供核心基 础设施技术。（2）AIGC为元宇宙用户提供个性化内容体验，吸引更多用户进驻元宇 宙。（3）AlGC在元宇宙用户交互界面发挥作用，充当元宇宙中的虚拟助手或伙伴， 执行“智能”动作和更为复杂的任务。
3. 听觉：AIGC有望提升智能音箱用户体验，打开终端设备成长空间
智能交互与家庭场景深度匹配，AIGC加持下智能音箱有望实现飞跃。未来，在 生成式AI模型加持下，智能音箱能够给出更加丰富、更加准确的反馈，提升消费者的 体验。同时在控制层面，AIGC有望帮助智能音箱更深层次理解人类指令，并进一步 实现对家庭内部各类物联网设备的复杂控制，强化家庭设备控制中心的地位。预计 在AIGC加持下，作为家庭智能设备交互中心与控制入口的智能音箱有望不断增强交 互与控制能力，在家庭内部家庭教育、电器控制、起居辅助等方面进一步提升用户 体验，推动销量进一步提升。
4. 自动驾驶：AI大模型深度赋能自动驾驶，产业落地未来可期
AI大模型赋能自动驾驶技术，有望在自动驾驶产业中持续落地。自动驾驶技术 高度复杂，需要融合多学科领域的知识和技能，包括传感器技术、机器学习、路径规 划等方面，而随着人工智能技术发展，自动驾驶算法被组装成一系列任务，包括目 标检测与跟踪、在线建图、轨迹预测、占据栅格预测等子任务。2021年特斯拉首次 基于Transformer将摄像头2D图像拼接转化成3D图景，生成鸟瞰图 “Bird’s Eye View”，简称“BEV”。这也是大模型在自动驾驶感知环节的应用，国内企业已纷纷跟 进。2023年6月22日，在全球顶级计算机视觉会议CVPR 2023上，由上海人工智能 实验室、武汉大学及商汤科技联合完成的《Planning-oriented Autonomous Driving》 成为CVPR历史上第一篇以自动驾驶为主题的最佳论文，该论文首次提出感知决策 一体化的自动驾驶通用大模型UniAD，首次将检测、跟踪、建图、轨迹预测，占据栅 格预测以及规划整合到一个基于Transformer的端到端网络框架下，更高效契合了 “多任务”和“高性能”的特点，取得自动驾驶技术研究重要突破。UniAD证明了大 模型与自动驾驶产业结合的潜力，AI大模型驱动的全栈端到端自动驾驶方案有望在 自动驾驶产业中持续落地，赋能更高阶自动驾驶智能技术的实现。
5. 机器人：多模态持续赋能，AI大模型助力机器人产业发展
多模态大语言模型有望在机器人应用落地。人工智能技术在计算机视觉、语义 分析等方面赋能机器人应用，而随着Transformer等模型的推出，多模态大模型助力 机器人实现机器人视觉、文字、语音等更多维数据交互发展，大大提升机器人的人 机交互能力以及在不同垂直领域应用场景的适应性。2023年2月，微软在其官网发表 了一篇名为《ChatGPT for Robotics：Design Principles and Model Abilities》的论 文，接入ChatGPT后的机器人可以实现自然的人机交互，并且可通过分析摄像头的 视觉输入和高级语言命令完成复杂工作。未来多模态大语言模型有望在机器人应用 持续落地，不断拓展垂直细分领域应用，助力机器人产业发展。
格局二：竞争格局，穿越周期后的王者
（一）周期探底，逐步迎来复苏
1. 三重周期：产品周期、产能周期、库存周期
2022年11月我们发布了报告《周期视角下半导体设计及设备、材料投资机遇》， 提出了基于产品、产能和库存的三重周期嵌套的分析框架：在供需的变化下，半导 体行业呈现出周期性成长的趋势。通过分析每一轮行业周期的驱动因子，我们可以 将行业周期拆解为三重基本周期的嵌套：产品周期（需求端）、资本支出/产能周期 （供给端）、库存周期（供需关系），以分析半导体行业的周期阶段和发展趋势。
在当前时点，我们观察到行业需求复苏的信号持续明朗、晶圆代工和封装测试 产能利用率触底且指引相对乐观、设计公司库存水位也逐步下降，行业的周期变化 基本按照当时我们的判断向前发展。且半导体行业的产品、产能和库存周期的发展 状态已经有较为明显的景气好转特征，为行业周期的发展趋势带来了积极的影响。
2. 中游制造：稼动率触底，有望企稳回升
复盘2020年初以来的产能周期。20Q3-22Q3，疫情催生的“宅经济”带动PC、 NB、平板、小家电等产品需求激增，同时，新能源发展趋势强化，对半导体需求显 著攀升；多重因素刺激下，全球半导体行业景气度持续上升，上游代工、封测环节企 业营收迅速增长；2021Q3以来，行业需求分化，尽管消费电子市场需求放缓，但新 能源应用需求持续旺盛，叠加“缺芯期”overbooking、晶圆&封测订单交货节奏拉 长影响，上游代工、封测环节厂商21Q3-22Q3仍维持了较明显的成长趋势。22Q3- 23Q1，受到终端需求持续低迷、下游设计厂商砍单去库存影响，代工、封测环节营 收快速下滑。截至23M5，伴随终端需求复苏信号逐渐明朗、下游设计厂商产生补库 存需求，中游制造环节稼动率、营运表现逐渐显现触底反弹趋势。
代工封测环节有望在年内迎来稼动率的触底及修复。根据台积电经营展望，产 能利用率预期在23Q2触底，23H2迎来逐渐复苏、表现优于23H1。根据中芯国际经 营展望，23Q2营收指引环比增长5%~7%，产能利用率、出货量将优于23Q1。根据 长电科技经营展望，当前产能利用率仍处于历史上较低位置，预期国内、海外陆续 逐步恢复，到Q3、Q4有望恢复到较为健康的状态。
3．下游应用：需求分化，库存去化
各细分赛道呈现不同需求分化和库存去化程度。据Statista，2020-2030年全球 半导体市场结构演变过程中智能手机和PC占比分别下降，而服务器、汽车及工业市场 占比相对提升。就长期的成长性看，2020-2030年服务器及汽车、工业市场规模增长 较快，CAGR分别达13%、14%、12%。但中短期来看，半导体各细分下游也不同程 度受到周期性影响。当前2023年年中，各个细分领域呈现出不同程度的需求分化和 库存去化，其中具体分析如下。
家电：产业链库存包袱较轻，需求边际向上有望拉动上游IC需求。在国内消费 复苏+竣工拉动、以及行业需求层面的海外低基数+低库存的宏观环境下，家电需求整体呈逐季改善趋势。其中，白电中空调超预期、冰洗稳中向好。小家电结构性需求 复苏明显。地产政策边际放松也有助于释放厨电需求。根据奥维云网数据，今年1-5 月家电线上、线下零售额分别同比+4.5%、+2.5%。此外，根据海关总署数据，今年 1-5月家电出口金额累计同比+5.8%（人民币口径），三月以来出口数据恢复良好增 长。从供给端看，家电产业链各环节库存并不高企，渠道很少囤货，且经过几个季度 调整，终端客户厂商库存基本回归正常水位，因此若需求端有边际恢复，则可较快 传导至上游。目前大部分家电IC厂商库存去化顺利，再叠加行业层面需求复苏、以 及IC设计厂商自身新产品渗透，预计其业绩有望较快且较早向上。
AIOT：库存持续去化，AIGC催化终端需求回升。AIOT市场具有品类繁多且分 散，需求偏向于碎片化，终端产品形式多样，长尾客户众多等特点。2022年AIOT行 业受到宏观环境影响，各细分赛道需求受到一定冲击。但长期来看，对AIOT产品“低 功耗”、“强连接”、“增长AI算法”等各种创新和升级的需求一直存在，AIOT市 场的产品创新潜力还远未被完全发掘，AIOT长期往各细分市场渗透趋势不变。以及 本轮AIGC浪潮下，大模型可赋能AIOT硬件终端，提升用户体验从而促进需求回升。 库存方面，综合物联网模组厂、平台服务商，以及诸如小米等终端客户的需求和库 存来看，产业链各环节的库存都已得到明显下降，尤其是下游智能耳机/智能音箱/智 能家居赛道。从IC厂商库存来看，大部分AIOT MCU/SOC的厂商的库存去化取得一 定成果。
PC：库存去化明显，预计行业23H2和24年可温和复苏。从需求端看，PC需求 或走出低迷，IDC预计23年年底或24年有望复苏。Intel表示长期来看PC稳态年出货量会回归到3亿部左右。跟踪台股月度更新的笔电/PC出货量数据来看，2023年5月， 几家主流ODM厂商PC/NB合计出货1130万台，YoY-8.9%，QoQ+22.8%。根据AMD 和Intel在23Q1 Earnings Call上的预期，AMD表示已经连续三个季度减少PC客户发 货，促使供应链库存正常化，预计23H2库存水位会正常化。Intel表示23Q1 PC供应 链消耗大量库存，公司自身PC芯片有望在23Q2末库存正常化。 智能手机：客户和渠道库存趋向正常化，23H2及24年有望迎来复苏。根据海外 芯片大厂的观测，尽管目前大部分品牌客户和渠道库存已恢复正常水位，但客户暂 维持谨慎备货策略，对上游拉动力度改善不明显。三星预计23Q2手机中低端市场需 求量有一定恢复，H2恢复会更明显。根据IDC预测，2023年全球智能手机出货量将 下降3.2%，全年总计11.7亿部，但全年出货量有望在24年重回增长。 参考下游应用以AIOT、PC/NB、手机为主的海外IC Fabless厂商的库存数据， 相应观察到库存已基本趋向正常化。
服务器：产业链仍在去库存阶段，23H2有望好转，但AI服务器需求预计持续上 升。目前，通用服务器产业链仍在去库存阶段，美光预计数据中心业务Q2营收触底， 其客户库存水位将于23年底达健康水平，Intel预计Q2末自身的数据中心库存接近正 常。信骅23M3-23M5月度营收同比在-50%~-40%区间，环比则基本持平。我们认为 通用服务器在23H1承受较大去库存压力，但有望在23H2得到一定好转。受AIGC趋 势推动，Google/Meta/Mircosoft等各云厂商CapEx一定程度上修，但主要围绕AI算 力中心建设为主。从供需角度来看，2022年服务器需求整体呈现高景气，传递至产 业链备货积极、库存水位较高，因而去化起点高、时间也相对较晚。在宏观疲软背景 下，云厂商并未明显增加对通用服务器CapEx，导致库存去化也相对较慢。从历史 来看，服务器产业链库存去化周期通常在3-4季度，预计在23H2将有望看到供需拐点。
汽车和工业：汽车供应链降本诉求传导至上游，工业景气度相对平稳。2023年 以来，国内乘用车和新能源车销量整体相对需求下滑，根据中汽协数据，2023年4月 新能源车销量同比+117.4%，环比-1.5%，国内乘用车4月销量同比+55%，环比基本 持平。再叠加车企价格战开启，降本诉求变强，对上游芯片厂商导入进度和库存积 累和利润水平产生一定影响。工业方面，TI（德州仪器）表示23Q1该业务环比持平， 美光表示，工业市场在23Q1需求疲软但预计23H2将有所改善。
（二）格局清晰，做时间的朋友
1. 半导体设备：行业壁垒高企龙头地位稳固，国产替代驱动成长
半导体设备行业具有较高的技术壁垒、市场壁垒和客户壁垒，龙头厂商格局、 份额较为稳固。根据VLSI Research，2020年，应用材料、阿斯麦、拉姆研究、东京 电子、科磊半导体五家龙头厂商占据全球半导体设备市场65.5%的份额，行业处于寡 头垄断局面，且龙头厂商格局、份额较为稳固。近年来，本土厂商基于国产替代机会 窗口，与客户密切开展工艺设备的合作研发、推进已有产品的迭代和细分产品品类 扩充，目前以北方华创为代表的平台化布局公司，和以拓荆科技为代表的深耕专长 领域的公司已经在本土半导体设备市场形成较强的竞争力，厂商在确立本土市场龙 头地位后，有望受益于行业的高壁垒，形成强者恒强的竞争格局。
内资晶圆产线产能距离规划仍有较大的提升空间，中国大陆配套的半导体设备 需求有望保持稳固，国产替代空间广阔。从远期内资晶圆产线的建设情况来看，根 据各公司官网的不完全统计，目前，内资晶圆产线的总产能约为162.5万片/月（8寸 约当），而各条产线的规划总产能约为454.5万片/月（8寸约当），现有产能距规划 产能仍有较大的扩充空间。根据SIA数据，2030年中国大陆晶圆产能在全球占比有望 提升至24%，成为全球最大的晶圆产能区域市场。晶圆产能的持续扩张，有望显著 拉动上游配套半导体设备的市场需求。在供应端，2021年国产半导体设备销售额占 中国大陆半导体设备销售额仅约20%，当前国产化率仍处于非线性提升阶段，国产 替代驱动的份额提升，将为行业贡献可观的成长速度和空间。
2. 半导体材料：主要细分市场均呈现寡头垄断格局，本土厂商加速突破
半导体材料种类繁多，各细分市场均呈现寡头垄断格局。半导体材料根据应用 场景和产品形态可分为硅片、电子特气等晶圆制造材料，和引线框架、封装基板等 封装材料。半导体材料行业具有技术难度高、研发周期长、客户认证周期长等特点， 进入壁垒较高；由于海外厂商拥有技术积淀深厚、人才储备充足、与客户合作关系 密切等先发优势，当前各细分市场主要由海外厂商主导，且均呈现高度垄断的竞争 格局。如根据沪硅产业定增说明书、Global Market Monitor、金宏气体招股书、Cabot Microelectronics等数据，半导体硅片、电子特气、光刻胶等市场CR5均超过80%； 在抛光垫市场Dow占据全球市场约80%的份额，一家独大。
中国大陆已成长为全球半导体材料第二大市场，本土材料厂商正处在国产替代 的加速突破阶段。根据SEMI数据，2022年中国大陆半导体材料市场已增长至130亿 美元，在全球市场占比提升至17.8%，市场空间广阔。近年来，本土厂商一方面受益 于产业、政策支持，同时在研发、量产、客户导入等方面积极推进，目前已经在部分 细分领域取得较高的市场份额，如8英寸及以下半导体硅片可基本满足国内晶圆代工 产业的需求；同时，在12英寸硅片、ArF光刻胶等高端半导体材料市场，本土头部厂 商正加速突破，研发、扩产进展顺利，未来成长有望充分受益于国产替代驱动的份 额提升以及高端产品突破拓宽的成长边界。
3. 代工封测：竞争格局清晰，国产厂商持续提升竞争力
晶圆代工：头部效应显著，“一超多强”格局稳固。全球晶圆代工市场呈现“一 超多强”格局，根据Trend Force数据，23Q1，台积电在全球代工市场市占率超过 60%，一家独大；行业CR5超过90%，呈现寡头垄断格局。在国内市场，根据IC Insights 数据，近年来中芯国际、华虹等本土头部晶圆厂的市占率稳中有升，龙头地位愈发 突出。晶圆代工行业资本开支高、进入门槛较高，行业竞争格局高度集中，头部厂商 地位较为稳固。
工艺产能同步扩张，本土晶圆厂成长可期。近年来本土晶圆厂积极加大资本开 支，有效扩充了产能。预计未来几年内，国内晶圆代工厂仍将保持扩产节奏。根据公司经营展望，中芯国际2023年资本开支预计将与2022年持平，未来五到七年中芯深 圳、中芯京城、中芯东方、中芯西青共约34万片/月12寸新产能陆续扩出。华虹半导 体致力于特色工艺平台的建设，不断提升在汽车、新能源、物联网、数据中心等下游 领域的渗透率，特色工艺有望成为公司核心竞争力和重要的业绩增长点。
封装测试：竞争格局稳定，国内厂商占据全球较高份额。根据芯思想研究院数 据，2022年全球前十大委外封测厂商中有四家来自中国大陆（长电科技、通富微电、 华天科技、智路封测），合计市场占有率达24.55%，相比2021年的23.53%提升了 1.02pct。国内头部厂商在保持现有优势地位的基础上，不断提升市场占有率。根据 Mordor Intelligence数据，封装测试市场规模预计仍将保持稳定成长，2022年全球半 导体委外封装测试市场规模（不含IDM和晶圆厂的封装测试业务）约为420亿美元， 到2027年预计将增长到602亿美元，对应CAGR 7.5%。
后摩尔时代先进封装重要性凸显，HBM+CoWoS带动2.5D/3D封装市场快速增 长。目前，晶圆制造技术已经逐渐逼近物理极限，制程节点的微缩趋于放缓。先进封 装正在成为提升芯片性能的重要技术方向。混合键合、硅中介层等新技术的引入有效提升了封装环节的互连密度，为异构芯片的集成提供了可行的技术方案。据Yole 数据，2021年全球先进封装市场规模约为374亿美元，到2027年预计将提升至650亿 美元，期间CAGR达10%。在HBM、CoWoS等新兴技术的带动下，预计全球2.5D/3D 封装市场规模将从2021年的66亿美元增长至2027年的150亿美元，期间CAGR达 14%。
4. EDA/IP：壁垒高企、格局稳定，国产替代进行中
EDA赛道成长性较好，竞争格局相对稳定。据ESD Alliance数据，全球EDA市 场规模从2016年的85.23亿美元增长至132.75亿美元，CAGR达9.27%。据Verified Market Research数据，2028年全球EDA市场规模有望达到215.6亿美元，2021-2028 年CAGR约7.17%。此外，EDA与IP具有强大的协同效应。EDA公司往往也是IP公司， 两个赛道具有一定相似特点。格局方面，海外EDA三巨头Synopsy、Cadence、 Siemens EDA经过多年的发展，通过持续高强度的研发投入、频繁并购以及紧密的 生态合作已建立较高壁垒。因此，越早积累更多点工具、突破全流程工具的公司，更 易建立强者恒强的格局。根据Trendforce数据，三家海外大厂约占据超全球70%的份 额，行业集中度高。就国内格局来看，本土EDA厂商发展较晚，前三大海外厂商的 市占率更高。
国产替代机遇下，国内EDA厂商发展较快。一方面，中国芯片产业链各环节的 不断发展创造了更多EDA的需求空间，且我国新技术（云/智能化等）发展迅速给未 来的EDA提供了超车的机会。另一方面，位于关键环节的EDA对其自主可控的需求 也愈加迫切。在国产替代机遇下，华大九天、概伦电子、广立微等本土厂商发展迅 速。华大九天经过13年赛道深耕，已覆盖了模拟电路设计全流程EDA工具系统、数 字电路设计EDA工具、平板显示电路设计全流程EDA工具系统和晶圆制造EDA工具 等EDA工具软件产品，是本土EDA龙头。概伦电子聚焦于制造类与设计类EDA领域， 发布了设计类EDA全流程平台NanoDesigner，已成长为国内EDA行业的头部企业。 广立微聚焦在制造类EDA中的良率测试环节并提供晶圆级电性测试设备供应商，经 过几十年发展，逐步形成了包括自动化测试、测试平台，设备测试等一系列产品解 决方案。
5. 面板：格局优化，拥抱复苏
韩国和中国台湾产能持续退出，供给格局不断优化。韩国厂商方面，以三星、 韩国LG为主的面板厂LCD产线老旧、竞争力弱，逐渐退出LCD竞争转向OLED；中 国台湾厂商方面，2023年4月，友达表示规划将5A厂产能转至其他各厂，以提升生 产制造最优效能与配置。5A厂目前主要以生产笔电面板为主，月产能约6.2万片；群 创表示将基于弹性策略动态调整产能，致力达成整体营运正面效益，中国台湾面板 “双虎”也将逐渐退出竞争。考虑新增产能释放和韩厂产能退出，根据Omdia数据， 2023年京东方全球LCD面板产能占比将提升至27.2%，国内三大厂的全球LCD面板 产能占比将提升至57%，国内三大厂的全球高世代（G7及以上）LCD面板产能占比 将提升至68%。在行业集中度加速提升的情况下，我们判断龙头厂商对上下游议价 能力以及对产品结构的控制能力将明显提升。
从季度来看，23Q2面板厂稼动率预计继续回升，有效提振面板厂营收规模。根 据DSCC，供应链中库存已降至正常水平，品牌厂备货浪潮导致需求增加，使得23年 第二季度面板厂商稼动率大幅提高，提振面板厂营收规模。根据DSCC数据，22Q2 产能利用率下降6%，22Q3继续下降15%，达到65%，22Q4产能利用率处于2008- 2009年金融危机以来的最低区间，23Q1开始产能利用率略有回升，预计23Q2~23Q3 产能利用率将进一步恢复至70%以上。
LCD TV面板价格持续上涨，有效改善面板厂盈利能力。根据Omdia数据，自 2022年10月以来，LCD TV面板价格已连续9个月维持环比上涨趋势。受益于终端销 售持续回暖叠加备货潮，品牌厂商积极增加采购量，面板厂通过调整产线稼动率控 制产出，使得供需保持在相对平衡状态，面板价格有望维持上涨趋势，持续改善面 板厂盈利能力。根据Omdia数据，2023年6月，65寸电视面板均价为165美元，与前 月相比上涨9美元，环比增长6%；55寸电视面板均价为123美元，与前月相比上涨7 美元，环比增长6%；50寸电视面板均价为103美元，与前月相比上涨7美元，环比增 长7%；43寸电视面板均价为62美元，与前月相比上涨2美元，环比增长3%；32寸电 视面板均价为37美元，与前月相比上涨1美元，环比增长3%。
6. 被动元件：稼动率处于低位，价格底部区间已现
全球MLCC市场集中度高，日韩厂商主导竞争格局。韩国厂商MLCC产品范围丰 富，在技术和规模上均占据绝对优势。MLCC主要厂商有村田、三星电机、国巨、太 阳诱电、华信科技等。根据TrendForce数据，从23Q1全球前10大MLCC厂商市场规 模来看，日本厂商村田和韩国厂商三星电机为龙头企业，合计占比为51.4%；中国台 湾厂商国巨位列第三，占比14%；中国大陆厂商微容科技和风华高科合计占比为 10.1%。
23Q1主要MLCC厂商稼动率处于低位，订单需求减弱。23Q1受终端需求低迷影 响，OEM厂商持续调整订单，市场呈现淡季，导致MLCC出货量继续下降。23Q2至 今，由于品牌端与ODM订单需求起伏不定，加上降价压力不断，导致MLCC供应商 持续控制产能降载，以维持供货、库存、价格三者间的平衡。根据TrendForce统计， 2023年5月日本MLCC厂商平均稼动率为78%，中国大陆、中国台湾和韩国厂商的平 均稼动率为60%-63%。根据TrendForce数据，23Q1 MLCC供应商平均BB Ratio平 均值为0.79，其中消费、工控订单需求持续衰退，车用市场拉货动能持续。
MLCC整体价格处于底部，不同型号价格趋势出现分化。根据村田制作所的统 计，目前消费电子产品中所使用的不同尺寸MLCC的占比从高到底为：0201、0402、 01005、0603、0805、1206，其中0201、0402和01005合计占比超过80%以上。根 据TrendForce的统计，2022年开始电子消费型MLCC价格下调，2023年1月至今以 来01005型号MLCC价格降幅为5%，0201型号MLCC价格降幅为24%，0402型号 MLCC价格降幅为5%，0603型号MLCC价格降幅为32%。展望2023年全年，整体价 格跌幅已经趋稳，价格底部已现，部分型号价格有望出现回升趋势。
消费类MLCC价格触底，车规类MLCC预计连续两季度价格持平。根据 TrendForce数据及预测，从下游应用看，消费类MLCC价格方面，23Q2低阶消费类 MLCC价格获得支撑，中高阶消费类MLCC降价幅度缩减，部分大陆厂商产品已经开 始涨价，预计供应商通过产能管控实现供需平衡，TrendForce预测23Q3消费类 MLCC价格有望进一步持稳止跌。工控类MLCC价格方面，23Q2订单需求放缓，且 23Q3供应商获得客户预报订单量微增，预计价格有望趋稳。汽车类MLCC方面，主 要客户调降车价策略奏效，订单数量提升，拉货动能稳定，预计汽车类MLCC类价格 有望趋稳。
（三）持续竞争，聚焦产品力
1. 产能充裕，产品力凸显
2021年，得产能者得天下。疫情之下，需求增长，供给受限，缺芯涨价，加速 国产替代，得产能者得天下。半导体行业在产能紧张的背景下，半导体产品公司得 到产能支持的大小对其成长速度起到决定性作用。 2022年，赢产品者赢市场。随着产能逐渐释放，供需趋于缓和，价格属性边际 变弱，赢产品者赢市场。在行业需求分化的情况下，产能已不再是判定半导体产品 公司竞争力强弱的核心原因，竞争力的决定因素逐步转向公司产品端，与其产品所 处的下游领域息息相关，产品的创新需求和国产替代成为推动公司成长的关键因素。
2023年，产品力已成为决定公司强弱的关键。经历了下游需求持续分化和产业 链库存调整，晶圆产线的产能利用率自2022H2以来持续走低。根据各代工厂业绩说 明会数据，2023Q1，中芯国际、联电产能利用率分别环比下滑11pct、20pct。产能 利用率的持续松动一方面表明新增产能正持续开出，另一方面表面下游终端需求仍 有待复苏；对于本土半导体产品公司，经历了本轮周期的高速成长，大部分赛道中， 国产替代渗透率已有了较为明显的提升。对于技术难度较低、国产渗透率已至高位 的产品，赛道玩家众多，竞争加剧，成本控制变得尤为重要；对于技术难度较高，国 产渗透初见成效的产品，海外龙头在我国本土市场中占据较高的份额，本土玩家对 自身产品的性能升级仍是推动国产替代持续突破的关键。综上所述，在供需反转， 竞争加剧的背景下，不论是成本控制还是性能提升带来的产品力升级已成为决定本 土半导体产品公司强弱的关键。
2. 各细分领域龙头梳理
细分赛道龙头公司有望受益产能宽松，提升盈利能力。代工厂产能利用率的松 动和空置产能的增加，有望迫使部分晶圆产线采取以价换量策略，或者促进设计客 户在获取产能过程中议价能力的提升，表现为晶圆制造价格的回落，从而改善设计 环节的成本压力和盈利能力。考虑到2023年晶圆制造整体的供需关系，即使2023年 Q2客户下单量有所恢复、进而导致晶圆产线产能利用率修复，晶圆制造的价格在 2023年依然是处于下行周期，对设计公司的成本端压力的改善有望持续全年。对于 本土半导体各细分赛道龙头，在产品力持续升级的背景下，晶圆制造成本的下降将 有助于公司实现成本控制，专注于产品升级，持续提升竞争力。 细分赛道龙头公司有望借助产业整合，提升行业集中度。并购是半导体产品公 司核心成长动力之一，龙头公司通过并购等产业整合的形式，与初创公司形成多维 度协同，拓宽自身产品品类，有望实现“1+1＞2”的效果，进一步提升行业集中度。 以模拟厂商为例，并购整合可以丰富模拟IC厂商产品线，巩固龙头厂商市场地位， 优化市场竞争格局，是模拟IC厂商加速成长的助推器。TI自20世纪90年代以来完成 了30余次收并购，其中包括2000年并购Burr-Brown、2011年并购国家半导体；ADI 在过去10年中也先后完成对凌特、美信等头部模拟IC厂商的并购。
2023年6月，本土模拟龙头厂商思瑞浦发布拟以发行股份及支付现金方式购买 创芯微股权预案公告。创芯微主要产品包括电池管理芯片、电源管理芯片以及功率 器件芯片，拥有数百种产品型号。创芯微与思瑞浦在产品品类、技术积累及客户资 源等多方面均有协同空间。（1）产品端，思瑞浦可以迅速丰富完善电池管理和电源 管理芯片产品线；（2）技术端，本次交易有利于思瑞浦扩充研发团队、增强研发实 力；（3）客户端，思瑞浦可通过本次交易快速切入消费类芯片领域，拓宽终端客户 覆盖群体。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
精选报告来源：【未来智库】。
原文链接：https://new.qq.com/rain/a/20230703A011N200
