熱門資訊> 正文
2025-10-02 21:35
登錄新浪財經APP 搜索【信披】查看更多考評等級
炒股就看金麒麟分析師研報,權威,專業,及時,全面,助您挖掘潛力主題機會!
來源:中信建投證券研究
國內半導體設備自給率處於低水平且國產設備主要應用在成熟製程,國產化需求仍然十分強勁,華為等終端廠商對國內半導體供應鏈的催熟、升級迭代將帶來積極作用,頭部優質設備企業將承擔更多攻堅任務,空白環節的「0-1」突破以及重要環節的國產化率提升將帶來重要的投資機會。
AI及AI+開啟算力時代,硬件基礎設施成為發展基石,算力芯片等環節核心受益,先進封裝和先進製程製造築牢硬件底座。
中信建投證券通信、人工智能、電子及機械等研究團隊推出【半導體產業鏈投資展望】:
半導體:商務部對美國產相關模擬芯片發起反傾銷立案調查。美光宣佈存儲產品漲價並暫停報價。
商務部發布2025年第27號公告,對原產於美國的進口相關模擬芯片發起反傾銷立案調查。中華人民共和國商務部(以下簡稱商務部)於2025年7月23日收到江蘇省半導體行業協會代表國內相關模擬芯片產業正式提交的反傾銷調查申請,申請人請求對原產於美國的進口相關模擬芯片進行反傾銷調查。商務部依據《中華人民共和國反傾銷條例》有關規定,對申請人資格、申請調查產品有關情況、中國同類產品有關情況、申請調查產品對國內產業影響、申請調查國家有關情況等進行了審查。根據上述審查結果,依據《中華人民共和國反傾銷條例》第十六條的規定,商務部決定自2025年9月13日起對原產於美國的進口相關模擬芯片進行反傾銷立案調查。本次調查自2025年9月13日起開始,通常應在2026年9月13日前結束調查,特殊情況下可延長6個月。
據臺媒援引渠道消息報道稱,存儲廠商美光發出通知,全面停止DDR4、DDR5、LPDDR4、LPDDR5這些主力非HBM DRAM內存產品報價,暫停期暫定為一周,后續這些品類可能調漲20%~30%。據悉,美光接下來的這輪產品價格變動將覆蓋幾乎所有應用領域,消費電子、工業、車用類型的產品都將受到影響,個別品類的漲價幅度預計將達到70%;此次全線漲價的背景原因則是美光注意到客户的需求預測與實際供應能力間存在明顯缺口。
風險提示:未來中美貿易摩擦可能進一步加劇,存在美國政府將繼續加徵關税、設置進口限制條件或其他貿易壁壘風險;宏觀環境的不利因素將可能使得全球經濟增速放緩,居民收入、購買力及消費意願將受到影響,存在下游需求不及預期風險;大宗商品價格仍未企穩,不排除繼續上漲的可能,存在原材料成本提高的風險;全球政治局勢複雜,主要經濟體爭端激化,國際貿易環境不確定性增大,可能使得全球經濟增速放緩,從而影響市場需求結構,存在國際政治經濟形勢風險。
02 商務部對原產於美國的進口相關模擬芯片發起反傾銷調查
半導體:商務部公告2025年第27號 公佈對原產於美國的進口相關模擬芯片發起反傾銷立案調查,利好國內模擬IC企業。
商務部於2025年7月23日收到江蘇省半導體行業協會代表國內相關模擬芯片產業正式提交的反傾銷調查申請,申請人請求對原產於美國的進口相關模擬芯片進行反傾銷調查。商務部決定自2025年9月13日起對原產於美國的進口相關模擬芯片進行反傾銷立案調查。此次被調查產品主要包括相關模擬芯片中使用40nm及以上工藝製程的通用接口芯片(Commodity Interface IC Chip)和柵極驅動芯片(Gate Driver IC Chip)。
被調查的通用接口芯片包括
1.符合ISO11898標準的控制器局域網(CAN,Controller Area Network)接口收發器芯片,用於汽車及其他工業產品中各系統之間信號的發送與接收;
2.符合TIA/EIA-485標準的RS485接口收發器芯片,用於工業系統中各類設備之間信號的發送與接收;
3.基於利用串行數據線和串行時鍾線的低速串行總線方式製得的雙向二線制同步串行總線(I2C)接口芯片,用於設備中的各類板卡或芯片之間的信號緩衝中繼通道的切換與擴展;
4.符合國際電工委員會IEC 60747-5-2標準的數字隔離器芯片,用於汽車及其他工業產品中高低壓系統之間的絕緣通信,或用於增強通信抗干擾性能;
5.其他同時兼容上述種類的通用接口芯片。
被調查的柵極驅動芯片包括:
1.低邊柵極驅動芯片;
2.半橋/多路柵極驅動芯片;
3.隔離柵極驅動芯片。海外以TI為代表的模擬IC大廠在過去幾年開展價格戰搶佔市場份額,導致國內企業經營承壓明顯。江蘇省半導體行業協會的數據顯示,2022至2024年,申請調查產品自美進口量累計增長37%,進口價格累計下降52%。此次商務部反傾銷調查有望降低國內模擬IC企業承受的競爭壓力,並加速推進國產化進程。佈局相關產品的國產模擬IC企業有望受益。
風險提示:未來中美貿易摩擦可能進一步加劇,存在美國政府將繼續加徵關税、設置進口限制條件或其他貿易壁壘風險;宏觀環境的不利因素將可能使得全球經濟增速放緩,居民收入、購買力及消費意願將受到影響,存在下游需求不及預期風險;大宗商品價格仍未企穩,不排除繼續上漲的可能,存在原材料成本提高的風險;全球政治局勢複雜,主要經濟體爭端激化,國際貿易環境不確定性增大,可能使得全球經濟增速放緩,從而影響市場需求結構,存在國際政治經濟形勢風險。
03 電子行業2025半年報綜述:上半年業績亮眼,下半年AI持續驅動增長
上半年消費電子和半導體持續復甦,在AI算力的進一步催化下,進入新一輪的雙旺共振期,相應帶動業績持續向上。2025年上半年電子板塊467家公司營業收入合計18578億元,同比增長19.2%;歸母淨利潤合計859億元,同比增長29.0%。展望下半年及明年,消費電子旺季疊加端側AI新品密集發佈,國內外大廠AI相關資本開支指引積極,驅動電子行業基本面向好,加之創新升級、國產替代等各項利好催化,行業周期有望持續向上,整體配置價值凸顯。
一、上半年整體業績亮眼,收入利潤雙雙實現高增
2025年上半年電子板塊467家公司營業收入合計18578億元,同比增長19.2%;歸母淨利潤合計859億元,同比增長29.0%。分季度看,自23Q4以來,消費電子和半導體先后實現周期底部反轉,在AI算力的進一步催化下,進入新一輪的雙旺共振期,相應帶動業績持續向上。25Q2電子板塊營業收入合計9934億元,同比增長20.3%;歸母淨利潤合計487億元,同比增長27.7%。盈利能力繼續提升,毛利率為15.9%,環比提升0.1pct,期間費用率10.4%,環比減少0.7pct,研發費用率5.3%,環比減少0.2pct,淨利率4.7%,環比提升0.4pct。
二、上半年電子板塊有較大漲幅,機構持倉呈上升趨勢
2025年1月初至2025年9月5日,申萬電子指數累計漲幅32.0%,其中元件II(被動元件+PCB)板塊漲幅最高,為86.6%。上半年電子板塊估值呈上升趨勢,截至2025年9月5日,整體PE-TTM為64.23倍,處於2019年以來的99.4%分位點。2021Q4公募基金電子行業持倉佔比達到階段性高點,此后逐季度呈下降趨勢,直至22Q4有所反彈。2023年以來,公募基金電子行業持倉佔比呈上升趨勢,25Q2持倉佔比為17.01%,環比上升0.03pct。持倉結構方面,半導體持倉/電子持倉比例環比下滑,25Q2達65.31%,環比下滑1.0pct。
三、AI驅動新一輪半導體周期,端側更具爆發潛力
2023-2024年,AI需求集中在雲端,大模型的迭代演進拉動算力基礎設施需求快速增長,GPU、HBM 幾乎一年迭代一個代際,配套的網卡、光模塊、散熱、銅纜/PCB等亦是如此。但當前,海外先進製造、先進封裝代工產能難以獲取,國產算力產業鏈仍在奮力追趕,關鍵環節處於「強需求、弱供給」 的狀態。雖然國內半導體國產化率在過去幾年持續提升,但是核心環節國產化率仍然較低,如高端芯片的生產製造、先進封裝技術的研發、關鍵設備材料的攻關、EDA軟件的開發等。在傳統半導體國產化已有一定基礎的情況下,先進製程、先進存儲、先進封裝、核心設備材料、EDA軟件的國產化仍有較大提升空間。年初Deepseek發佈R1,性能媲美OpenAI o1,並通過諸多優化手段實現了算力成本的大幅降低,成本降低為推理應用突破提供了基礎。在雲側,隨着大模型能力持續突破,AI在頭部CSP的實際收入、用户行為和產品力提升方面也在深度介入。在端側,移動設備的硬件升級、大模型的壓縮技術等正在推動端側模型落地。建議重點關注:
(1)半導體:算力供應緊張,AI有望引領下一輪周期成長。英偉達GB200、CSP自研ASIC放量,下一代GB300即將量產,同時HBM4/4e也將落地,算力硬件快速迭代。AI算力加速了對先進製程、先進封裝、先進存儲的需求,以GPU、CoWoS/SoIC、HBM、高速PCB、光模塊為代表的算力需求持續擴張,供應商大力擴產,預計2025年AI硬件產業維持高景氣。建議關注國內自主算力芯片及先進封裝標的。
(2)消費電子:2025年第一季度全球智能手機出貨量同比微增1.5%,達到3.05億部,第二季度同比增幅降至1%,出貨量2.95億部,核心原因在於宏觀經濟疲弱、收入預期波動等抑制了消費者需求。中國市場在第二季度同樣迎來了連續六個季度增長后的首次下滑,智能手機出貨量同比下滑4%至6900萬台。分品牌來看,中國市場華為份額時隔四年多重回榜首,蘋果則有所下滑。展望全年,由於面臨國際政治關係不確定、宏觀經濟表現疲軟等因素,近期多家機構均下調2025年全球智能手機出貨量預測。儘管手機市場表現一般,但是可穿戴市場如智能眼鏡受AI賦能正迎來爆發增長階段。2025年AI眼鏡市場迎來多方玩家參與,新品頻發,行業進入百鏡大戰。根據wellsenn XR數據,2025Q2全球AI眼鏡銷量87萬台,同比增長222%,而下半年Meta、阿里、Rokid、三星、理想、谷東智能等品牌將陸續發佈AI眼鏡新品,刺激AI眼鏡市場出貨量迎來爆發增長,預計全年AI智能眼鏡銷量將同比增長135%至550萬台以上。建議關注華為/iPhone產業鏈、摺疊屏、AI眼鏡。
(3)汽車電子:汽車智能化成為當前汽車發展的主旋律,比亞迪引領智駕平權,高級別智駕需要更多數量的車載攝像頭,同時也需要更高像素的配置,因此帶來車載CIS量價齊升,其他如激光雷達等環節同樣受益。
(4)PCB:增加PCB板層數、使用介質損耗更低的覆銅板(CCL)可以顯著解決PCIe信號鏈路插損問題,因此傳統服務器中芯片平臺方案加速滲透帶動PCB層數增加及CCL升級,我們認為,PCIe總線向高速演進將帶動PCB規格持續升級,由M6(Df區間在0.004-0.008)及以上覆銅板材料製成的超過16層及以上的PCB逐漸成為服務器標配,未來將持續向M8覆銅板材料組成18層以上PCB升級。而在AI服務器中,由於AI服務器架構相對更復雜、性能要求更高,如相比傳統服務器,AI服務器新增UBB母板、OAM加速卡增加HDI需求、CPU板組也有升級,因此單台服務器中PCB價值量較傳統普通服務器會有明顯的提升。TrendForce預估2024年全球服務器整機出貨量約1365萬台,年增約2.05%,將重回增長。對於AI服務器,Trendforce預估2023年全球AI服務器(包含搭載GPU、FPGA、ASIC等)出貨量近120萬台,佔整體服務器出貨量近9%,2024年AI服務器出貨量佔比將提升至約12.1%,未來三年年均複合增速高達25%。從短期來看,傳統服務器出貨逐漸復甦、AI服務器高速增長,服務器PCB市場未來景氣高增。從中長期來看,人工智能、高速網絡的強勁需求將繼續推動高速高層等細分市場的增長,併爲PCB行業帶來新一輪成長周期,未來全球PCB行業仍將呈現增長的趨勢。
投資建議
基本面角度,2025年行業主要受兩大因素驅動:(1)AI算力成本降低催化行業推理需求,年初Deepseek發佈R1,性能媲美OpenAI o1,並通過諸多優化手段實現了算力成本的大幅降低,成本降低為推理應用突破提供了基礎。在雲側,隨着大模型能力持續突破,AI在頭部CSP的實際收入、用户行為和產品力提升方面也在深度介入。在端側,移動設備的硬件升級、大模型的壓縮技術等正在推動端側模型落地。英偉達GB200、CSP自研ASIC放量,下一代GB300即將量產,同時HBM4/4e也將落地,算力硬件快速迭代。AI算力加速了對先進製程、先進封裝、先進存儲的需求,以GPU、CoWoS/SoIC、HBM、高速PCB、光模塊為代表的算力需求持續擴張,供應商大力擴產,預計2025年AI硬件產業維持高景氣。端側AI帶來成本、能耗、可靠性、隱私、安全和個性化優勢,已經具備實踐基礎,終端設備有望在AI的催化下迎來新一輪創新周期。從終端看,先落地、成規模的終端是手機和PC,硬件上其2024年AI滲透率分別為18%、32%,預計手機AI化比率持續提升,持續推動硬件升級。此外,智能車、機器人、可穿戴(XR、AI眼鏡、耳機)、智能家居等也正在融入AI,2025-2026年有望看到終端出貨的爆發式增長。(2)國產算力自給受限要求半導體更快國產替代,當前,海外先進製造、先進封裝代工產能難以獲取,國產算力產業鏈仍在奮力追趕,關鍵環節處於「強需求、弱供給」的狀態。雖然國內半導體國產化率在過去幾年持續提升,但是核心環節國產化率仍然較低,如高端芯片的生產製造、先進封裝技術的研發、關鍵設備材料的攻關、EDA軟件的開發等。在傳統半導體國產化已有一定基礎的情況下,先進製程、先進存儲、先進封裝、核心設備材料、EDA軟件的國產化仍有較大提升空間。
市場角度,2025年1月初至2025年9月5日,申萬電子指數累計漲幅32%,其中元件II(被動元件+PCB)板塊漲幅最高,為86.6%。上半年電子板塊估值呈上升趨勢,截至2025年9月5日,整體PE-TTM為64.23倍,處於2019年以來的99.4%分位點。板塊上漲主要是因為:(1)行業周期走出底部區間,存儲等板塊進入漲價階段,板塊業績回暖向好;(2)人工智能技術創新催化,打開半導體硬件市場空間,算力相關板塊估值水平大幅提升;(3)行業競爭逐步趨於良性,代工廠稼動率提升帶動盈利能力提升。
展望下半年及明年,(1)消費電子需求恢復勢頭明顯。蘋果方面,蘋果追加在美1000億美元投資,同時,iPhone17新機有望搭載更多AI功能,首款摺疊屏手機有望於明年推出,吸引消費者換購新機,產業鏈相關公司有望受益,同時果鏈估值處於電子板塊內相對低位,具備重要配置價值。此外,安卓方面,光學升級、AI功能、散熱等環節創新有望提升安卓品牌競爭力,國補政策也有效刺激消費者換機,而摺疊屏手機領域預計隨着明年蘋果發佈摺疊屏手機有望引爆摺疊機市場,安卓品牌憑藉先發優勢將同步受益,同時也將成為國內安卓品牌切入高端市場的重要契機,推動國內安卓品牌在高端智能手機市場獲得份額提升,利好國內安卓供應鏈。建議關注:華為手機產業鏈、蘋果產業鏈、摺疊屏產業鏈、MR產業鏈、汽車電子產業鏈。
(2)行業需求逐步復甦,代工廠稼動率維持高位。下游需求逐步復甦,同時行業競爭逐步出清,帶動功率等半導體公司年初以來稼動率維持高位;美國限制中國半導體產業發展成為長期趨勢,產業鏈國產自主勢在必行,華為積極推動核心零部件國產替代,此次Mate60系列迴歸標誌着國產半導體產業鏈技術實力、生產能力的提升。先進工藝的發展需要領先設計廠商與製造端緊密配合,因此華為對國內半導體供應鏈的催熟、升級迭代將帶來積極作用。長期看,國內晶圓廠擴產疊加國產化訴求將延續,國內半導體設備及零部件公司也將持續受益。建議關注國產化率仍有較大提升空間的晶圓代工、半導體設備及零部件環節。
(3)算力供應緊張,AI有望引領下一輪周期成長。英偉達GB200、CSP自研ASIC放量,下一代GB300即將量產,同時HBM4/4e也將落地,算力硬件快速迭代。AI算力加速了對先進製程、先進封裝、先進存儲的需求,以GPU、CoWoS/SoIC、HBM、高速PCB、光模塊為代表的算力需求持續擴張,供應商大力擴產,預計2025年AI硬件產業維持高景氣。建議關注國內自主算力芯片及先進封裝標的。
整體來看,市場需求逐步回暖,庫存水位不斷趨於正常水平,整體業績呈現邊際改善,行業基本面向好趨勢明顯顯現,加之創新升級、國產替代等各項利好催化,行業周期有望迎來向上區間,整體配置價值凸顯。建議重點關注:
(1)半導體:關注人工智能需求增量及國產化進展。
a)設備、材料及零部件:國內半導體設備自給率處於低水平且國產設備主要應用在成熟製程,國產化需求仍然十分強勁,華為等終端廠商對國內半導體供應鏈的催熟、升級迭代將帶來積極作用,頭部優質設備企業將承擔更多攻堅任務,空白環節的「0-1」突破以及重要環節的國產化率提升將帶來重要的投資機會。此外,材料零部件領域國產替代也提上日程,設備層面的國產化有所突破后且半導體設備零部件以及製造所用的材料依舊被卡脖子,海外限制範圍擴大后,材料、零部件的重要性提高,國產化加速。建議關注半導體設備、半導體零部件環節。
b)IC設計:看好AIOT、手機、服務器等終端修復帶來的相關廠商業績和估值修復,建議關注:存儲器、內存接口、AIOT。
c)算力:AI及AI+開啟算力時代,硬件基礎設施成為發展基石,算力芯片等環節核心受益,先進封裝和先進製程製造築牢硬件底座。
(2)消費電子&汽車電子:
a)華為產業鏈:華為積極推動核心零部件國產替代,此次Mate60系列迴歸標誌着有望帶動國產手機產業鏈的業績提升,建議關注衞星通信、射頻、OLED屏幕、無線充電芯片、CIS等環節。
b)摺疊屏產業鏈:摺疊屏成為手機終端形態升級的重要路徑,市場需求得到積極反饋,建議關注MIM零部件、鉸鏈、柔性OLED顯示模組等環節;
c)蘋果產業鏈:秋季iPhone17備貨積極,明年將推出首款摺疊屏手機,有望引領新的一輪換機潮,相關產業鏈標的受益,建議關注鈦合金中框、LIPO等手機創新環節以及光學、PCB、結構件、散熱、組裝等產業鏈環節;
d)汽車電動化/智能化:在5G以及萬物互聯時代,汽車成為除了手機之外最重要的智能終端,電動化與智能化趨勢持續推進整車電子電氣相關價值量提升。消費電子與汽車電子兩大賽道融合大勢所趨,消費電子基本盤穩固且汽車電子拓展順利的公司有望迎來業績與估值的修復。
e)AI眼鏡產業鏈:多家品牌廠商發佈AI眼鏡新品,百鏡大戰有望引爆AI眼鏡市場,建議關注代工、光學、SoC、Micro LED等環節。
風險提示:
1、宏觀經濟波動風險。受到全球宏觀經濟的波動、行業景氣度等因素影響,半導體行業存在一定的周期性,如果宏觀經濟波動較大或長期處於低谷,居民收入、購買力及消費意願將受到抑制,消費電子等下游市場需求的波動和低迷會導致半導體產品的需求下降,進而影響上下游產業鏈相關公司的經營業績。
2、產業政策變化風險。電子尤其是半導體產業是我國的戰略支柱產業,近年來國家層面出臺一系列支持政策。在產業政策支持和國民經濟發展的推動下,我國半導體行業整體的設計能力、生產工藝、自主創新能力有了較大的提升。如未來上述產業政策出現不利變化,將對行業的發展前景產生一定不利影響。
3、技術創新不及預期風險。由外部環境的不確定性、技術創新項目本身的難度與複雜性、創新者自身能力與實力的有限性,而致技術創新活動達不到預期目標。由於算力芯片、IP等產品市場技術壁壘高,行業龍頭不斷研發創新,未來若國內公司研發進展不及預期,致新一代產品開發進度、性能等指標不及預期,則會影響其市場競爭力。
4、中美貿易/科技摩擦升級風險。半導體產業主要生產設備和原材料有較大部分向境外供應商採購,未來不排除中美貿易摩擦可能進一步加劇、美國加大對中國半導體行業的遏制、設置進口限制條件或其他貿易壁壘的可能性,從而導致部分公司面臨設備、原材料供應發生變動等風險,正常生產活動受到一定的限制,進而對公司的業務和經營產生不利影響。
5、國產化進度不及預期風險。當前半導體設備、材料、零部件、高算力芯片、汽車核心芯片等對於海外廠商的依賴度較高,而且電子尤其是半導體行業具有人才、技術、資本密集型特徵,雖然國內廠商積極推動國產化進程,但由於技術沉澱、人才儲備、量產經驗等問題,存在國產化進程不及預期風險。
04 Sandisk宣佈漲價10%,華為發佈會推出麒麟9020芯片
半導體:Sandisk宣佈將產品價格上調10%以上。美對華芯片製造設備出口全面收緊。
當地時間9月4日,Sandisk宣佈將面向所有渠道和消費者客户的產品價格上調10%以上。Sandisk表示正看到對閃存產品的強勁需求,這是受人工智能應用以及數據中心、客户端和移動領域日益增長的存儲需求的推動,基於此,Sandisk決定對所有渠道和消費者客户的產品價格調漲10%以上。爲了確保能提供高性能閃存解決方案並支持持續的創新投資,Sandisk目前正在對閃存產品組合進行價格調整。Sandisk表示,即日起,這些調整僅適用於新的報價和訂單,不適用於現有的承諾。未來將繼續定期進行價格評估,並可能在未來幾個季度進行其他調整。
8月29日,美國商務部宣佈將英特爾半導體(大連)有限公司、三星中國半導體有限公司以及SK海力士半導體(中國)有限公司移出「經驗證最終用户」授權名單,該措施將於公告發布之日起120天后生效。豁免取消后,所有含美國技術(含軟件、零部件、整機)的芯片製造設備向中國工廠發貨,必須逐案申請出口許可證。美國商務部工業安全局僅計劃允許三星、SK海力士採購維持中國現有廠房運作的美國設備與技術,用來擴產或升級中國廠房的設備執照申請不會獲得許可。三星電子40%的NAND閃存在其西安工廠生產,而SK海力士40%的DRAM和20%的NAND閃存在其無錫工廠和大連工廠生產。
風險提示:未來中美貿易摩擦可能進一步加劇,存在美國政府將繼續加徵關税、設置進口限制條件或其他貿易壁壘風險;宏觀環境的不利因素將可能使得全球經濟增速放緩,居民收入、購買力及消費意願將受到影響,存在下游需求不及預期風險;大宗商品價格仍未企穩,不排除繼續上漲的可能,存在原材料成本提高的風險;全球政治局勢複雜,主要經濟體爭端激化,國際貿易環境不確定性增大,可能使得全球經濟增速放緩,從而影響市場需求結構,存在國際政治經濟形勢風險。
05AI新紀元:砥礪開疆・智火燎原
算力涉及從芯片到數據中心的全產業鏈條
算力產業鏈涉及到諸多環節。如先進製程製造、以Chiplet為代表的2.5D/3D封裝、HBM、AI芯片、板卡組裝、交換機、光模塊、液冷、AI服務器、IDC出租運維。
先進製程製造是算力的基石。製程越先進,意味着晶體管密度越高,單個芯片能提供的算力就越強,能效也越高。AI芯片的性能直接取決於所採用的半導體制造工藝,爲了在有限的芯片面積上集成更多的計算單元並控制功耗,業界正不斷追求更先進的製程節點。目前,7nm及以下的先進製程已成為高端AI芯片的標配。臺積電的5nm、3nm,以及英特爾的Intel 4、18A等先進節點,都是這場算力競賽的戰略制高點。
Chiplet與2.5D/3D封裝助力突破單片芯片的物理極限。隨着摩爾定律放緩,單純依靠縮小晶體管尺寸來提升性能變得愈發困難。Chiplet(芯粒)技術應運而生,它將一個大型芯片的功能分解成多個獨立的、可靈活組合的「小芯片」,然后通過先進的封裝技術將它們集成在一起。這種「化整為零,再聚零為整」的模式,帶來了多重優勢:可以混合搭配不同製程的芯粒,優化成本與性能;提高了良率;並且能夠突破單片芯片的尺寸限制,實現性能的橫向擴展。爲了將這些芯粒高速互聯,2.5D/3D封裝技術至關重要。2.5D封裝(如臺積電的CoWoS)通過一個硅中介層(Interposer)連接各個芯粒,而3D封裝則直接將芯粒垂直堆疊,進一步縮短了數據傳輸距離,提供了更高的帶寬和更低的延迟。
HBM為AI芯片輸送「數據彈藥」。AI計算是典型的數據密集型任務,海量數據需要在計算核心和內存之間頻繁交換。如果內存帶寬不足,即使AI芯片的計算能力再強,也會因為數據供應不上而達不到較高的利用率。HBM正是為解決這一瓶頸而設計。HBM通過3D堆疊技術,將多個DRAM芯片垂直整合,並與AI芯片一同封裝在基板上,實現了極高的數據傳輸帶寬和更低的功耗。從HBM2E到HBM3,再到最新的HBM3E,其帶寬和容量不斷翻倍。
AI芯片是算力產業中的核心。AI芯片是整個算力產業鏈的核心,目前市場由英偉達的GPU主導,其CUDA生態系統構築了強大的護城河。除了GPU,還涌現出眾多針對AI特定任務進行優化的ASIC和FPGA等。
板卡組裝是從芯片到產品的關鍵一環。設計精良的AI芯片需要被集成到板卡上才能發揮作用。這個環節主要由ODM廠商,如富士康、緯創等巨頭主導。它們負責將AI芯片、HBM、供電模塊、散熱器等數百個元器件精密地組裝在一塊PCB上,這一過程對製造工藝和質量控制有着較高的要求。
交換機與光模塊對於構建大型計算網絡至關重要。單個AI服務器的算力有限,訓練大模型需要將成千上萬台服務器連接成一個龐大的計算集羣。在這個集羣中,高速交換機和光模塊扮演着「神經網絡」的角色,負責在服務器之間高速傳輸數據。隨着AI集羣規模的擴大,對網絡帶寬和延迟的要求也水漲船高,推動着交換機端口速率從400G向800G,甚至1.6T演進,光模塊需求也隨之激增。
AI服務器的功率密度極高,一張高端AI加速卡的功耗就可達1200瓦甚至更高。傳統的風冷散熱方式已捉襟見肘,液冷技術因此成為必然選擇。直接到芯片的液冷通過在發熱量最大的芯片上安裝冷板,利用液體循環帶走熱量。液冷不僅散熱效率遠高於風冷,還能顯著降低數據中心的能耗(PUE),節省空間,隨着新一代AI芯片的功耗快速提升,液冷正迅速成為新建AI數據中心的主流散熱方案。
所有上述部件最終匯聚成AI服務器。這些服務器由戴爾、超微電腦等品牌廠商或廣達、緯穎等ODM廠商製造,它們針對AI工作負載進行深度優化,能夠容納多個AI加速器並提供強大的數據處理能力。這些AI服務器被部署在IDC中,由專業的IDC服務商或雲服務巨頭進行出租和運維。它們提供穩定可靠的電力、製冷、網絡和物理安全保障,將算力以MaaS、SaaS、PaaS、IaaS形式交付給大模型的開發者和使用者。
人工智能芯片發展趨勢及展望
從廣義上講,能運行AI算法的芯片都叫AI芯片。CPU、GPU、FPGA、NPU、ASIC都能執行AI算法,但在執行效率層面上有巨大的差異。CPU可以快速執行復雜的數學計算,但同時執行多項任務時,其性能開始下降,目前行業內基本公認CPU不適用於AI計算。
CPU+XPU的異構方案成為大算力場景標配,GPU為應用最廣泛的AI芯片。目前業內廣泛認同的AI芯片類型包括GPU、FPGA、NPU等。由於CPU負責對計算機的硬件資源進行控制調配,也要負責操作系統的運行,在現代計算系統中仍不可或缺。GPU、FPGA等芯片都是作為CPU的加速器而存在,因此目前主流的AI計算系統均為CPU+XPU的異構並行。CPU+GPU是目前最流行的異構計算系統,在HPC、圖形圖像處理以及AI訓練/推理等場景為主流選擇。根據中國信通院《先進計算藍皮書》,2024年,搭載GPU的AI服務器佔比約為71%,其中英偉達的市場佔有率接近90%,AMD約為8%;隨着全球領先的雲服務商不斷加大對自研芯片的應用力度,非GPU的AI芯片市場規模顯著增長,其中ASIC芯片在AI服務器中的佔比已攀升至26%。
GPU性能、功能經歷長期迭代升級,成為AI芯片中應用最廣泛的選擇
GPU能夠進行並行計算,設計初衷是加速圖形渲染。NVIDIA在1999年發佈GeForce 256圖形處理芯片時首先提出GPU(Graphics Processing Unit)的概念,並將其定義為「具有集成轉換、照明、三角形設置/裁剪和渲染引擎的單芯片處理器,每秒能夠處理至少1000萬個多邊形」。從計算資源佔比角度看,CPU包含大量的控制單元和緩存單元,實際運算單元佔比較小。GPU則使用大量的運算單元,少量的控制單元和緩存單元。GPU的架構使其能夠進行規模化並行計算,尤其適合邏輯簡單,運算量大的任務。GPU通過從CPU承擔一些計算密集型功能(例如渲染)來提高計算機性能,加快應用程序的處理速度,這也是GPU早期的功能定位。
CUDA將GPU的計算能力擴展至圖形處理之外,成為更通用的計算設備。在GPU問世以后,NVIDIA及其競爭對手ATI(被AMD收購)一直在為他們的顯卡包裝更多的功能。2006年NVIDIA發佈了CUDA開發環境,這是最早被廣泛應用的GPU計算編程模型。CUDA將GPU的能力向科學計算等領域開放,標誌着GPU成為一種更通用的計算設備GPGPU(General Purpose GPU)。NVIDIA也在之后推出了面向數據中心的GPU產品線。
GPU性能提升與功能豐富逐步滿足AI運算需要。2010年NVIDIA提出的Fermi架構是首個完整的GPU計算架構,其中提出的許多新概念沿用至今。Kepler架構在硬件上擁有了雙精度計算單元(FP64),並提出GPU Direct技術,繞過CPU/System Memory,與其他GPU直接進行數據交互。Pascal架構應用了第一代NVLink。Volta架構開始應用Tensor Core(張量核心),對AI計算加速具有重要意義。回顧NVIDIA GPU硬件變革歷程,工藝、計算核心數增加等基礎特性的升級持續推動性能提升,同時每一代架構所包含的功能特性也在不斷豐富,逐漸更好地適配AI運算的需要。
AI的數據來源廣泛,GPU逐漸實現對各類數據類型的支持。AI應用處理的數據包括文字、圖片或視頻,數據精度類型差異大。對於數據表徵來講,精度越高,準確性越高;但降低精度可以節省運算時間,減少成本。近年來,AI推理正加速向低精度演進,尤其在大模型部署環節,為壓縮模型規模、提升吞吐量,INT8和FP8等低精度類型被廣泛採用。其中,FP8由NVIDIA Hopper架構引入,兼顧表示範圍與動態精度,適用於大模型訓練與推理階段;而FP4則首次由NVIDIA Blackwell架構支持,進一步降低數據位寬至4位,用於推理過程中極致壓縮模型與加速執行,代表AI計算精度向更低維度延伸的方向。整體來看,未來AI硬件的發展趨勢將是,訓練階段採用如FP8等具備精度與動態範圍平衡的新型低精度格式,在推理階段則嘗試FP4等極限精度形式,並結合精度混合自適應精度切換等機制,在保證模型準確率的前提下最大化能效比。
均衡分配資源的前提下,處理低精度的硬件單元數量更多,意味着更高的算力性能。GPU作為加速器得到廣泛應用一定程度上得益於它的通用性,爲了在不同精度的數據類型上具有良好的性能,以兼顧AI、科學計算等不同場景的需要,英偉達在分配處理不同數據類型的硬件單元時大體上保持均衡。因為低精度數據類型的計算佔用更少的硬件資源,同一款GPU中的處理低精度數據類型的硬件單元的數量較多,對應計算能力也較強。以V100為例,每個SM中FP32單元的數量都為FP64單元的兩倍,最終V100的FP32算力(15.7 TFLOPS)也近似為FP64(7.8 TFLOPS)的兩倍,類似的規律也可以在各代架構旗艦A100、H100和B200中看到。
GPU引入特殊硬件單元加速AI的核心運算環節。矩陣-矩陣乘法(GEMM)運算是神經網絡訓練和推理的核心,本質是在網絡互連層中將大矩陣輸入數據和權重相乘。矩陣乘積的求解過程需要大量的乘積累加操作,而FMA(Fused Multiply–Accumulate operation,融合乘加)可以消耗更少的時鍾周期來完成這一過程。傳統CUDA Core執行FMA指令,硬件層面需要將數據按寄存器->ALU->寄存器->ALU->寄存器的方式來回搬運。2017年發佈的Volta架構首度引入了Tensor Core(張量核心),即NVIDIA研發的新型處理核心。根據NVIDIA數據,Volta Tensor Core可以在一個GPU時鍾周期內執行4×4×4=64次FMA操作,吞吐量是Pascal架構下CUDA Core的12倍。
Tensor Core持續迭代提升其加速能力。Volta架構引入Tensor Core的改動使GPU的AI算力有了明顯提升,后續在每一代的架構升級中,Tensor Core都有比較大的改進,核心的大小和數量都在增加,支持的數據類型也逐漸增多。Blackwell架構的Tensor Core已迭代至5.0,支持新的數據類型FP4,Blackwell FP4 Tensor Core的吞吐量是Ada FP8 Tensor Core的2倍。
Tensor Core加速下,低精度比特位寬的算力爆發式增長,契合AI計算需要。Tensor Core的應用使算力快速、高效增長,通過選取Pascal至Hopper架構時期每一代的旗艦數據中心顯卡,對比經Tensor Core加速前后的FP16算力指標可以得到:(1)經Tensor Core加速的FP16算力明顯高於加速之前。(2)每單位Tensor core支持的算力明顯高於每單位Cuda Core支持的算力。同時,Tensor Core從2017年推出以來首先完善了對低精度數據類型的支持,順應了AI發展的需要。
數據訪問支配着計算能力利用率。AI運算涉及到大量數據的存儲與處理,根據Cadence數據,與一般工作負載相比,每台AI訓練服務器需要6倍的內存容量。而在過去幾十年中,處理器的運行速度隨着摩爾定律高速提升,而DRAM的性能提升速度遠遠慢於處理器速度。目前DRAM的性能已成為整體計算機性能的一個重要瓶頸,即所謂阻礙性能提升的「內存牆」。除了性能之外,內存對於能效比的限制也成為一個瓶頸,Cadence數據顯示,在自然語言類AI負載中,存儲消耗的能量佔比達到82%。
GPU採用高帶寬HBM以降低「內存牆」影響。為防止佔用系統內存並提供較高的帶寬和較低的延時,GPU均配備有獨立的內存。常規的GDDR焊接在GPU芯片周邊的PCB板上,與處理器之間的數據傳輸速率慢,並且存儲容量小,成為運算速度提升的瓶頸。HBM裸片通過TSV進行堆疊,然后HBM整體與GPU核心通過中介層互連,因此HBM獲得了極高的帶寬,並節省了PCB面積。目前,GDDR顯存仍是消費級GPU的行業標準,HBM則成為數據中心GPU的主流選擇。
硬件單元的改進與顯存升級增強了單張GPU算力的釋放。然而,隨着Transformer模型的大規模發展和應用,模型參數量呈爆炸式增長,GPT-3參數量達到了1750億,相比GPT增長了近1500倍,預訓練數據量更是從5GB提升到了45TB。大模型參數量的指數級增長帶來的諸多問題使GPU集羣化運算成為必須:
(1)即使最先進的GPU,也不再可能將模型參數擬合到主內存中。
(2)即使模型可以安裝在單個GPU中(例如,通過在主機和設備內存之間交換參數),所需的大量計算操作也可能導致在沒有並行化的情況下不切實際地延長訓練時間。根據NVIDIA數據,在8個V100 GPU上訓練一個具有1750億個參數的GPT-3模型需要36年,而在512個V100 GPU上訓練需要7個月。
NVIDIA開發NVLink技術解決GPU集羣通信。在硬件端,GPU之間穩定、高速的通信是實現集羣運算所必須的條件。傳統x86服務器的互連通道PCIe的互連帶寬由其代際與結構決定,例如x16 PCIe 4.0雙向帶寬僅為64GB/s。除此之外,GPU之間通過PCIe交互還會與總線上的CPU操作競爭,甚至進一步佔用可用帶寬。NVIDIA為突破PCIe互連的帶寬限制,在P100上搭載了首項高速GPU互連技術NVLink(一種總線及通訊協議),GPU之間無需再通過PCIe進行交互。
NVLink繼續與NVIDIA GPU架構同步發展,每一種新架構都伴隨着新一代NVLink。第五代NVLink為每個GPU提供1.8 TB/s的雙向帶寬,是上一代的2倍,約為第一代NVLink的11倍。
NVIDIA開發基於NVLink的芯片NVSwitch,作為GPU集羣數據通信的「樞紐」。NVLink 1.0技術使用時,一臺服務器中的8個GPU無法全部實現直接互連。同時,當GPU數量增加時,僅依靠NVLink技術,需要眾多數量的總線。為解決上述問題,NVIDIA在NVLink 2.0時期發佈了NVSwitch,實現了NVLink的全連接。NVSwitch是一款GPU橋接芯片,可提供所需的NVLink交叉網絡,在GPU之間的通信中發揮「樞紐」作用。藉助於NVswitch,每顆GPU都能以相同的延迟和速度訪問其它的GPU。
通過添加更多NVSwitch來支持更多GPU,集羣分佈式運算得以實現。當訓練大型語言模型時,NVLink網絡也可以提供顯著的提升。NVSwitch已成為高性能計算(HPC)和AI訓練應用中不可或缺的一部分。
NVIDIA最新AI芯片Rubin各項指標全面升級,將於2026年上市。NVIDIA下一代平臺Rubin於2024年6月Computex大會上亮相,該平臺具有新的GPU架構、新的ARM架構CPU Vera、新的HBM4存儲顆粒、覆蓋12顆HBM4的更大尺寸CoWoS封裝,以及NVLink6、CX9 SuperNIC網卡和新一代融合IB網絡與以太網的新型交換機X1600。
ASIC通過特殊架構設計對AI運算起到加速作用
NPU存算一體,帶來了更高的人工智能算法運行效率。ASIC爲了適應某個特定領域中的常見的應用和算法而設計,NPU(神經網絡處理器)屬於其中一種,常被設計用於神經網絡運算的加速。NPU的核心是人工神經網絡,即一套由若干人工神經元結點通過突觸兩兩連接、模仿生物神經網絡構建而成的算法總和;在人工神經網絡中,突觸負責記錄神經元間聯結的強弱(即權重)、神經元則可以近似為一個輸入值由與其相連的神經元的輸出值和突觸權重共同決定的激勵函數。通過調整網絡拓撲結構、突觸權重和神經元閾值,可以實現對特定知識的表達,該過程即為神經網絡的「學習」過程。
較傳統馮·諾依曼結構下的CPU/GPU,NPU具備「存算一體」優勢。在傳統的馮·諾依曼結構下,數據存儲和數據計算分別獨立由存儲器和計算器來完成,分離式結構制約了數據交換效率,而在人工神經網絡中,數據存儲和計算都由調整突觸的權重來呈現。神經網絡訓練完畢后,激勵函數和權重暫時固化,直到下一次調用時可以直接計算出當前輸入對應的輸出結果。人工神經網絡發展至今,NPU採用過MLP、CNN、RNN、GNN、Transformer、Autoencoder等多種典型結構。
目前已量產的NPU或搭載NPU模塊的ASIC眾多,知名的芯片包括谷歌TPU(Tensor Processing Unit)、華為昇騰、特斯拉FSD、特斯拉Dojo等。各家廠商在計算核心的設計上有其差異,例如谷歌TPU的脈動陣列,華為昇騰的達芬奇架構。
以谷歌TPU及計算核心結構脈動陣列為例,對比其相較於CPU、GPU的區別:
CPU和GPU均具有通用性,但以頻繁的內存訪問導致資源消耗為代價。CPU和GPU都是通用處理器,可以支持數百萬種不同的應用程序和軟件。對於ALU中的每一次計算,CPU、GPU都需要訪問寄存器或緩存來讀取和存儲中間計算結果。由於數據存取的速度往往大大低於數據處理的速度,頻繁的內存訪問,限制了總吞吐量並消耗大量能源。
谷歌TPU並非通用處理器,而是將其設計為專門用於神經網絡工作負載的矩陣處理器。TPU不能運行文字處理器、控制火箭引擎、執行銀行交易,但它們可以處理神經網絡的大量乘法和加法,速度極快,同時消耗更少的能量,佔用更小的物理空間。TPU內部設計了由乘法器和加法器構成的脈動陣列。在計算時,TPU將內存中的參數加載到乘法器和加法器矩陣中,每次乘法執行時,結果將傳遞給下一個乘法器,同時進行求和。所以輸出將是數據和參數之間所有乘法結果的總和。在整個海量計算和數據傳遞過程中,完全不需要訪問內存。這就是為什麼TPU可以在神經網絡計算上以低得多的功耗和更小的佔用空間實現高計算吞吐量。
脈動陣列本質上是在硬件層面多次重用輸入數據,在消耗較小的內存帶寬的情況下實現較高的運算吞吐率。脈動陣列結構簡單,實現成本低,但它靈活性較差,只適合特定運算。然而,AI神經網絡需要大量卷積運算,卷積運算又通過矩陣乘加實現,正是脈動陣列所適合的特定運算類型。脈動陣列理論最早在1982年提出,自谷歌2017年首次將其應用於AI芯片TPU中,這項沉寂多年的技術重回大眾視野,多家公司也加入了脈動陣列行列,在自家加速硬件中集成了脈動陣列單元。
AI服務器需求推動芯片自研節奏加快。AI服務器需求正帶動北美四大CSP加速自研ASIC芯片,平均1-2年就會推出升級版本,以降低對英偉達、AMD GPU的依賴,並控制成本,改善營運成本支出。
谷歌自研的TPU芯片作為其AI加速基礎設施的核心,十年時間內持續迭代演進至第7代。谷歌TPU自2015年推出以來,廣泛部署於谷歌數據中心,用於支持搜索引擎、語音識別、圖像識別、推薦系統等核心業務。谷歌通過TPU Pod實現數千顆TPU的集羣化互聯,形成AI超級計算平臺,支撐包括PaLM、Gemini等在內的大模型訓練,成為其AI基礎設施的重要一環。在Google Cloud Next 25大會上,谷歌推出了第7代TPU v7p,其每瓦性能是第六代TPU v6e的兩倍,單顆芯片的HBM容量是第6代的6倍,芯片間互連雙向帶寬提升至第6代的1.5倍,可以擴展至高達9216顆芯片。
AWS圍繞推理與訓練兩大核心場景,分別推出了Inferentia和Trainium兩大系列。AWS自2018年起佈局自研芯片,推出推理專用芯片Inferentia,以及用於大規模訓練的Trainium,廣泛部署於Amazon EC2實例中,支撐從語音識別、機器翻譯到生成式AI的多種場景應用。結合Amazon Neuron SDK軟件棧,AWS芯片實現對PyTorch、TensorFlow等主流框架的兼容,支持大模型推理與訓練的高效部署,成為AWS雲服務AI算力體系的重要組成部分。2024年底AWS發佈了第三代AI訓練芯片Trainium3。這款芯片是AWS首款採用3nm工藝製造的AI芯片,相較前代產品,性能提升高達2倍,能效提升40%。Trainium3支持高達144GB的HBM3e,搭載Trainium3的UltraServer性能預計是Trn2 UltraServer的4倍,預計將於2025年底上線。
Meta自研AI加速芯片為推薦算法和推理任務設計。Meta自研的AI加速芯片MTIA(Meta Training and Inference Accelerator)是其構建高效AI基礎設施的關鍵組成部分,專為大規模推薦系統和推理任務設計,旨在降低對通用GPU的依賴,提升能效比和系統可控性。截至2024年,Meta已推出第二代MTIA芯片,並在全球16個數據中心部署,廣泛應用於Facebook、Instagram等平臺的廣告排序和內容推薦模型中。第二代MTIA芯片採用臺積電5nm工藝製造,運行頻率為1.35GHz,熱設計功耗為90W。與前代相比,MTIA v2在密集計算性能上提升了3.5倍,稀疏計算性能提升了7倍,片上內存容量翻倍至256MB,帶寬提升至2.7TB/s。
微軟自研ASIC支持8bit以下的數據類型。微軟於2023年11月發佈首款AI芯片Maia 100,採用臺積電5nm製程和CoWoS-S封裝,並支持8-bit以下的數據類型,即MX數據類型,這一特性能夠促進軟硬件協同設計,顯著加快模型訓練和推理的速度,其設計目的是為微軟Copilot或Azure OpenAI Service等服務提供支持。據The Information報道,微軟原計劃於2025年推出的下一代自研AI芯片Maia 200可能延期至2026年。
人工智能芯片製造及封裝發展趨勢及展望
大算力芯片要求性能持續提升,后摩爾時代急需高性價比解決方案。隨着參數增加,AI大模型對於算力需求大幅提升,GPU等大算力芯片的性能提升遭遇兩大瓶頸:一方面,進入28nm製程節點后,摩爾定律逐漸失效,先進製程的成本快速提升。根據IBS統計,在達到28nm製程節點以后,如果繼續縮小製程節點,每百萬門晶體管的製造成本不降反升,摩爾定律開始失效。而且應用先進製程的芯片研發費用大幅增長,5nm製程的芯片研發費用增至5.42億美元,幾乎是28nm芯片研發費用的10.6倍,高額的研發門檻進一步減少了先進製程的應用範圍。另一方面,內存帶寬增長緩慢,限制處理器性能。在傳統PCB封裝中,走線密度和信號傳輸速率難以提升,因而內存帶寬緩慢增長,導致來自存儲帶寬的開發速度遠遠低於處理器邏輯電路的速度,帶來「內存牆」的問題。
Chiplet設計+異構先進封裝提供了性能與成本平衡的最佳方案。Chiplet即「小芯片」,是指預先製造好、具有特定功能、可組合集成的晶片(Die)。Chiplet技術背景下,可以將大型單片芯片劃分爲多個相同或者不同的小芯片,這些小芯片可以使用相同或者不同的工藝節點製造,再通過跨芯片互連和先進封裝技術進行封裝級集成,主要優勢包括:1)可以突破光罩尺寸對單芯片面積的限制;2)可以充分發揮舊工藝節點的性價比優勢,有效提升產品的良率,降低成本;3)通過集成不同工藝的芯粒,可以形成更加靈活的產品策略;4)先進封裝的走線密度高,信號傳輸速率有很大的提升空間,同時能大大提高互連密度,成為解決內存牆問題的主要方法之一。
為實現異構集成的Chiplet封裝,需要藉助到2D/2.1D/2.3D/2.5D/3D等一系列先進封裝工藝。先進封裝的不同層次主要依據多顆芯片堆疊的物理結構和電氣連接方式劃分,例如2D封裝中的芯片直接連接到基板,其他封裝則以不同形式的中介層完成互聯。其中,2.5D封裝常用於計算核心與HBM的封裝互連,3D封裝常用於HBM顯存的多層堆疊,並有望用於不同IC的異構集成。
先進封裝市場快速成長,相對高階的封裝形式將呈現更快增速。根據Yole數據,2022年全球封裝市場中,先進封裝佔比已達到47%。預計到2028年,先進封裝市場佔比將增至58%,規模約為786億美元,2022年-2028年CAGR約為10.0%,明顯高於傳統封裝市場的2.1%和市場整體的6.2%。
CoWoS:2.5D封裝重要解決方案,實現計算核心與HBM封裝互連。計算核心與HBM通過2.5D封裝互連,臺積電開發的CoWoS封裝技術為廣泛使用的解決方案。臺積電早在2011年推出CoWoS技術,並在2012年首先應用於Xilinx的FPGA上。此后,華為海思、英偉達、谷歌等廠商的芯片均採用了CoWoS,例如GP100(P100顯卡核心),TPU 2.0。如今CoWoS已成為HPC和AI計算領域廣泛應用的2.5D封裝技術,絕大多數使用HBM的高性能芯片,包括大部分創企的AI訓練芯片都應用了CoWoS技術。
CoWoS幫助臺積電取得英偉達、AMD等高性能計算芯片訂單。英偉達A100、H100等高端GPU,均採用臺積電CoWoS-S封裝,分別配備80GB HBM2E、80GB HBM3。全新的Blackwell架構GPU B200則採用了CoWoS-L封裝,配備192GB HBM3E,帶寬高達8TB/s。根據DIGITIMES報道,AMD MI200原本由日月光集團與旗下矽品提供FO-EB先進封裝(扇出嵌入式橋接),而新的MI系列數據中心芯片重新採用臺積電先進封裝CoWoS。2025年發佈的MI350系列GPU基於CoWoS-S,實現了288GB HBM3E,8TB/s內存帶寬的超高性能配置。
CoPoS化圓為方,是CoWoS先進封裝技術新變革。爲了滿足更多空間的需求,臺積電公佈了CoPoS(Chips on Panel on Substrate)技術。CoPoS技術將從圓形晶圓轉化為矩形面板,CoPoS可提供5倍以上的可用面積,使得單個封裝中集成更多的HBM、多顆I/O芯片和計算芯片成為可能。臺積電將於2026年建立一條CoPoS試驗線,量產預計將於2028年底至2029年初在先進封裝工廠AP7進行。
臺積電SoIC是3D異構集成的技術平臺,採用wafer-on-wafer鍵合技術。SoIC技術採用TSV技術,可以實現非凸點鍵合結構,將許多不同性質的相鄰芯片集成在一起。SoIC技術將同構和異構小芯片集成到單個類似SoC的芯片中,該芯片具有更小的佔用空間和更薄的外形,可以整體集成到CoWoS和InFO中。從外觀上看,新集成的芯片就像一個普通的SoC芯片,但嵌入了所需的異構集成功能。
SoIC主要分為SoIC_CoW(Chip on Wafer)和SoIC_WoW(Wafer on Wafer)。1)SoIC_CoW技術將不同尺寸、功能、節點的晶粒進行異質整合。2)SoIC_WoW技術通過晶圓堆疊工藝實現異構和同質3D硅集成。緊密的鍵合間距和薄的TSV可實現最小的寄生以實現更好的性能、更低的功耗和延迟以及更小的外形尺寸。WoW適用於高良率節點和相同裸片尺寸的應用或設計,甚至支持與第3方晶圓的集成。臺積電在CoW方面正在開發N7-on-N7和N5-on-N5等;WoW方面,臺積電則在開發Logic-on-DTC(Deep Trench Capacitor)。
基於微凸塊的3D封裝藉助微凸點連接芯片,在連接密度、性能等方面受限。傳統3D封裝在后端工藝中藉助微凸點(Bump)連接堆疊的芯片,但微凸點的尺寸很難縮小到10μm以下,限制了堆疊芯片的I/O引腳數量。此外,按比例排列的微凸點增加了寄生電容、電阻和電感,降低了其性能和功率。
臺積電SoIC 3D封裝技術使芯片連接緊密,並在互聯帶寬和散熱上表現優異。臺積電SoIC的鍵合技術在前端工藝完成,接合間距更小,使芯片更緊密地連接在一起,提供超過10K/mm2的垂直互連密度,用於實現超高帶寬互連。在熱性能方面,臺積電SoIC鍵合的熱阻比微凸點下降低35%。
臺積電公佈了其SoIC研發進度,CoW和WoW的研發進度基本一致,為N7/N6工藝,已於2023年實現基於N5工藝,並預計將於2035年前實現1μm以內的SoIC互連。3D IC未來有望迎來快速發展和商用化進程。
HBM及存儲芯片發展趨勢及展望
HBM採用3D封裝,通過TSV將多個DRAM Die垂直堆疊。在后摩爾時代,存儲帶寬制約了計算系統的有效帶寬,導致芯片算力性能提升受到限制,HBM應運而生,與傳統DRAM不同,HBM是3D結構,它使用TSV技術將數個DRAM裸片堆疊起來,形成立方體結構,即DRAM芯片上搭上數千個細微孔並通過垂直貫通的電極連接上下芯片;底層則是DRAM邏輯控制單元,負責整體時序與控制。從技術角度看,HBM促使DRAM從傳統2D加速走向立體3D,充分利用空間、縮小面積,契合半導體行業小型化、集成化的發展趨勢。HBM和硅互聯技術突破了內存容量與帶寬瓶頸,被視為新一代DRAM解決方案。而相較傳統封裝方式,TSV技術能夠縮減30%體積,並降低50%能耗。
HBM相對傳統內存數據傳輸線路的數量大幅提升。存儲器帶寬指單位時間內可以傳輸的數據量,要想增加帶寬,最簡單的方法是增加數據傳輸線路的數量。在典型的DRAM中,每個芯片有八個DQ引腳,也就是數據輸入/輸出引腳。在組成DIMM模塊單元之后,共有64個DQ引腳。然而,隨着系統對DRAM和處理速度等方面的要求有所提高,數據傳輸量也在增加。因此,DQ引腳的數量(D站的出入口數量)已無法保證數據能夠順利通過。HBM由於採用了系統級封裝(SIP)和硅通孔(TSV)技術,擁有高達1024個DQ引腳,但其外形尺寸(指物理面積)卻比標準DRAM小10倍以上。由於傳統DRAM需要大量空間與CPU和GPU等處理器通信,而且它們需要通過引線鍵合或PCB跡線進行連接,因此DRAM不可能對海量數據進行並行處理。相比之下,HBM產品可以在極短距離內進行通信,增加了DQ路徑,顯著加快了信號在堆疊DRAM之間的傳輸速度,實現了低功耗、高速的數據傳輸。
目前HBM產品帶寬增加了七倍,已接近1TB/秒的里程碑節點。顯存帶寬=顯存等效頻率×顯存位寬/8,因此頻率和帶寬決定顯存性能。HBM顯存可以提供1024bit起跳的顯存位寬,4顆粒堆疊式的顯存可達到128GB/s的帶寬。HBM能大幅提高數據處理速度,每瓦帶寬比GDDR5高出3倍多,且HBM2比GDDR5節省了94%的表面積,減少20%+的功耗。2021年,SK海力士和Rambus先后發佈最高數據傳輸速率6.4Gbps和8.4Gbps的HBM3產品,每個堆棧將提供超過819GB/s和1075GB/s的傳輸速率,支持16-Hi堆棧,堆棧容量達到24GB。HBM3帶寬達819GB/s,相對初代增加了7倍,是LPDDR5的近100倍,較DDR5、GDDR6高出10倍以上。與傳統內存相比,HBM的存儲密度更大、功耗更低、帶寬更高,多用於與數據中心GPGPU配合工作,可以取代傳統的GDDR,HBM優勢在於高位寬,但是頻率相對偏低。
HBM正在成為AI服務器GPU的標配。AI服務器需要在短時間內處理大量數據,對帶寬提出了更高的要求,HBM成爲了重要的解決方案。AI服務器GPU市場以NVIDIA H100、A100、A800以及AMD MI250、MI250X系列為主,基本都配備了HBM。HBM方案目前已演進為較為主流的高性能計算領域擴展高帶寬的方案。以英偉達為例,2022-2023年英偉達GPU搭載的HBM主要是HBM2/2E,2023年則逐步開始搭載HBM3,2024年則主要是HBM3和HBM3E;當前,英偉達最新一代的GB200,Blackwell GPU搭載的是8層堆疊單顆16GB的HBM3E,2025年下半年量產的GB300,Blackwell GPU搭載的是12層堆疊單顆24GB的HBM3E,並且Rubin系列將搭載HBM4/4e,配置規格不斷提升。
SK海力士是HBM開發的先行者,並在技術開發和市場份額上佔據領先地位。2014年,SK海力士與AMD聯合開發了全球首款HBM產品。SK海力士的HBM3發佈7個月后實現了量產,將搭載於NVIDIA H100之上。根據BussinessKorea的報道,SK海力士在HBM市場已獲得60%-70%的市場份額。SK海力士之后,三星、美光推出了各自的HBM產品,迭代至HBM3e-12Hi。晶圓代工廠商包括如臺積電、格芯等也在發力HBM相關的封裝技術。
隨着HBM的性能提升,未來市場空間廣闊。以位元計算,目前HBM佔整個DRAM市場比重僅約1.5%,滲透率提升空間較大。在將GPU等AI芯片推向高峰的同時,也極大帶動了市場對新一代內存芯片HBM(高帶寬內存)的需求,據悉,2023年開年以來,三星、SK海力士的HBM訂單就快速增加,價格也水漲船高。2023年HBM市場規模為40億美元,預計2024年增長至150億美元,2026年增長至350億美元。
HBM快速迭代,HBM4即將進入量產。結構上,2025年HBM3E將佔據主導,根據SK海力士,2024年其HBM3E收入將佔HBM收入一半以上,2025年12層HBM3E供給量將超過8層產品,12層HBM4計劃於25H2發貨。(1)HBM3E:三大原廠相繼推出12Hi產品,這些12Hi的HBM預計用在英偉達的B300A(B200A Ultra)和B300上。(2)HBM4:三星、海力士計劃24Q4開始HBM4的流片,預計2026年用在英偉達下一代的Rubin芯片上。
3D IC:多芯片垂直堆疊增強互聯帶寬,未來發展潛力巨大。3D IC是指使用FAB工藝在單個芯片上堆疊多個器件層,包括多Logic芯片間的堆疊。與2.5D封裝相比,3D IC封裝互連方式有所不同。2.5D封裝是通過TSV轉換板連接芯片,而3D IC封裝是將多個芯片垂直堆疊在一起,並通過直接鍵合技術實現芯片間的互連。在2.5D結構中,兩個或多個有源半導體芯片並排放置在硅中介層上,以實現極高的芯片到芯片互連密度。在3D結構中,有源芯片通過芯片堆疊集成,以實現最短的互連和最小的封裝尺寸。另一方面,2.5D封裝和3D IC封裝的製造工藝也有所不同,2.5D封裝需要製造硅基中介層,並且需要進行微影技術等複雜的工藝步驟;而3D IC封裝需要進行直接鍵合技術等高難度的製造工藝步驟。當前3D IC封裝主流產品包括臺積電SoIC技術、英特爾Foveros技術和三星X-Cube技術。
國產人工智能芯片發展趨勢及展望
海外龍頭佔據壟斷地位,AI加速芯片市場呈現「一超多強」態勢。數據中心CPU市場上,英特爾份額有所下降但仍保持較大領先優勢,AMD持續搶佔份額勢頭正盛。AI加速計算芯片市場上,英偉達憑藉硬件優勢和軟件生態一家獨大,在訓練、推理端均佔據領先地位。根據IDC數據,2024年國內AI加速計算芯片市場中,英偉達出貨份額達70%,華為昇騰出貨份額23%,其余廠商合計佔比7%。國內廠商起步較晚,正逐步發力,部分加速芯片領域已經涌現出一批破局企業,雖然在高端AI加速計算芯片領域與海外廠商存在較大差距,但在國內市場上已經開始取得部分份額,根據IDC數據,2024年國內AI芯片市場中,華為昇騰出貨64萬片,寒武紀出貨2.6萬片,燧原出貨1.3萬片。未來,隨着美國持續加大對中國高端芯片的出口限制,AI芯片國產化進程有望繼續加快。
GPU市場方面,海外龍頭佔據壟斷地位,國產廠商加速追趕。當前英偉達、AMD、英特爾三巨頭佔據全球GPU芯片市場的主導地位。集成GPU芯片一般在臺式機和筆記本電腦中使用,性能和功耗較低,主要廠商包括英特爾和AMD。獨立顯卡常用於服務器中,性能更高、功耗更大,主要廠商包括英偉達和AMD。分應用場景來看,應用在人工智能、科學計算、視頻編解碼等場景的服務器GPU市場中,英偉達和AMD佔據主要份額。根據JPR預測,2025年Q1英偉達的獨立顯卡(包括AIB 合作伙伴顯卡)的市場份額達92%, AMD和英特爾則分別佔比8%、0%。
圖形渲染GPU:英偉達引領行業數十年,持續技術迭代和生態構建實現長期領先。2006年起,英偉達GPU架構保持約每兩年更新一次的節奏,各代際產品性能提升顯著,生態構建完整,GeForce系列產品市佔率長期保持市場首位,最新代際GeForce RTX 40系列代表了目前顯卡的性能巔峰,採用全新的Ada Lovelace架構,臺積電5nm級別工藝,擁有760億晶體管和18000個CUDA核心,與Ampere相比架構核心數量增加約70%,能耗比提升近兩倍,可驅動DLSS 3.0技術。性能遠超上代產品。AMD獨立GPU在RDNA架構迭代路徑清晰,RDNA 3架構採用5nm工藝和Chiplet設計,比RDNA 2架構有54%每瓦性能提升。目前國內廠商在圖形渲染GPU方面與國外龍頭廠商差距不斷縮小。芯動科技的「風華2號」GPU像素填充率48GPixel/s,FP32單精度浮點性能1.5TFLOPS,AI運算(INT8)性能12.5TOPS,實測功耗4~15W,支持OpenGL4.3、DX11、Vulkan等API,實現國產圖形渲染GPU突破。景嘉微在工藝製程、核心頻率、浮點性能等方面雖落后於英偉達同代產品,但差距正逐漸縮小。2023年順利發佈JM9系列圖形處理芯片,支持OpenGL 4.0、HDMI 2.0等接口,以及H.265/4K 60-fps視頻解碼,核心頻率至少為1.5GHz,配備8GB顯存,浮點性能約1.5TFlops,與英偉達GeForce GTX1050性能相近,有望對標GeForce GTX1080。
GPGPU:英偉達和AMD是目前全球GPGPU的領軍企業。英偉達的通用計算芯片具備優秀的硬件設計,通過CUDA架構等全棧式軟件佈局,實現了GPU並行計算的通用化,深度挖掘芯片硬件的性能極限,在各類下游應用領域中,均推出了高性能的軟硬件組合,逐步成為全球AI芯片領域的主導者。AMD於2018年發佈用於數據中心的Radeon Instinct GPU加速芯片,Instinct系列基於CDNA架構,如MI250X採用CDNA2架構,在通用計算領域實現計算能力和互聯能力的顯著提升,此外還推出了對標英偉達CUDA生態的AMD ROCm開源軟件開發平臺。
國內GPGPU廠商正逐步縮小與英偉達、AMD的差距。英偉達憑藉其硬件產品性能的先進性和生態構建的完善性處於市場領導地位,國內廠商雖然在硬件產品性能和產業鏈生態架構方面與前者有所差距,但正在逐步完善產品佈局和生態構建,不斷縮小與行業龍頭廠商的差距。
ASIC市場方面,由於其一定的定製化屬性,市場格局較為分散。在人工智能領域,ASIC也佔據一席之地。其中谷歌處於相對前沿的技術地位,自2016年以來,就推出了專為機器學習定製的ASIC,即張量處理器(Tensor Processing Unit,TPU)。2025年谷歌推出了第七代張量處理單元(TPU)Ironwood,可擴展至9216個液冷芯片,並通過突破性的芯片間互聯,功率接近10兆瓦。據nextplatform介紹,TPU v7p芯片是谷歌首款在其張量核心和矩陣數學單元中支持FP8計算的TPU。之前的TPU支持INT8格式和推理處理,以及BF16格式和訓練處理。Ironwood芯片還配備了第三代SparseCore加速器,該加速器首次亮相於TPU v5p,並在去年的Trillium芯片中得到了增強。
國產廠商快速發展,寒武紀等異軍突起。通過產品對比發現,目前寒武紀、海思昇騰、遂原科技等國產廠商正通過技術創新和設計優化,持續提升產品的性能、能效和易用性,推動產品競爭力不斷提升,未來國產廠商有望在ASIC領域持續發力,突破國外廠商在AI芯片的壟斷格局。
生態體系決定用户體驗,是算力芯片廠商最深的護城河。雖然英偉達GPU本身硬件平臺的算力卓越,但其強大的CUDA軟件生態纔是推升其GPU計算生態普及的關鍵力量。從技術角度來講,GPU硬件的性能門檻並不高,通過產品迭代可以接近龍頭領先水平,但下游客户更在意能不能用、好不好用的生態問題。CUDA推出之前GPU編程需要用機器碼深入到顯卡內核才能完成任務,而推出之后相當於把複雜的顯卡編程包裝成為一個簡單的接口,造福開發人員,迄今為止已成為最發達、最廣泛的生態系統,是目前最適合深度學習、AI訓練的GPU架構。英偉達在2007年推出后不斷改善更新,衍生出各種工具包、軟件環境,構築了完整的生態,並與眾多客户合作構建細分領域加速庫與AI訓練模型,已經積累300個加速庫和400個AI模型。尤其在深度學習成為主流之后,英偉達通過有針對性地優化來實現最佳的效率提升性能,例如支持混合精度訓練和推理,在GPU中加入Tensor Core來提升卷積計算能力,以及最新的在H100 GPU中加入Transformer Engine來提升相關模型的性能。這些投入包括了軟件和芯片架構上的協同設計,使得英偉達能使用最小的代價來保持性能的領先。而即便是英偉達最大的競爭對手AMD的ROCm平臺在用户生態和性能優化上還存在差距。CUDA作為完整的GPU解決方案,提供了硬件的直接訪問接口,開發門檻大幅降低,而這套易用且能充分調動芯片架構潛力的軟件生態讓英偉達在大模型社區擁有巨大的影響力。正因CUDA擁有成熟且性能良好的底層軟件架構,幾乎所有的深度學習訓練和推理框架都把對於英偉達GPU的支持和優化作為必備的目標,幫助英偉達持續處於領先地位。
美國對華供應AI芯片管制強度持續升級,H20被納入管制範圍。2022年,美國BIS實施出口管制,英偉達和AMD的高端GPU產品出口受到限制。為滿足合規要求,英偉達隨后推出了面向中國市場的H800與A800,互聯帶寬被下調。2023年,BIS公佈的先進計算芯片出口管制新規進一步擴大限制範圍,以「性能密度」與「總處理性能(TPP)」成為新的標準,使得A100、A800、H100、H800、L40、L40S等多款產品遭到限制。雖然英偉達又推出了性能大幅下調,符合新規的H20,但H20也在今年4月被美國納入出口管制。
國產算力芯片迎來國產替代窗口期。考慮到英偉達新品迎來大幅性能升級,並面向中國市場禁售,國產算力芯片發展刻不容緩。當前已經涌現出一大批國產算力芯片廠商,昇騰、寒武紀相繼推出自研AI芯片,海光信息的DCU也逐漸打出知名度,其他配套環節的國產化進程也正在加速推進。
風險提示:北美經濟衰退預期逐步增強,國際地緣變局衝擊全球供應鏈韌性,企業海外拓展承壓;芯片結構性短缺可能制約產能釋放與交付節奏;行業競爭加劇觸發價格戰隱憂,中低端產品毛利率可能跌破盈虧平衡點;原材料成本高企疊加匯率寬幅波動持續侵蝕外向型企業利潤空間;技術端則面臨大模型迭代周期拉長的風險),影響AI產業化進程;汽車智能化滲透率及工業AI質檢等場景落地進度不及預期,或將延緩第二增長曲線兑現。
06關注中美關税政策對半導體、消費電子產業鏈的影響
半導體:中國宣佈對原產於美國的所有進口商品加徵關税,半導體產業鏈全球化分工,受影響程度取決於原產地判定標準,國產化趨勢加速的長期趨勢不變。
本周,特朗普政府的「對等關税」政策落地,美國將對所有進口到美國的商品額外徵收10%的基礎關税,並對一些美國最大貿易伙伴徵收更高的關税,如中國34%,歐盟20%,印度26%,韓國25%,越南46%等。半導體在此次關税徵收的豁免名單中,但特朗普承諾未來會加徵關税。作為迴應,中國宣佈自2025年4月10日12時01分起,對原產於美國的所有進口商品,在現行適用關税税率基礎上加徵34%關税。
半導體是中美角逐的關鍵領域,亦將受到關税政策波及。美國企業在半導體市場佔據較大優勢,SIA(美國半導體行業協會)的統計數據顯示,2023年總部位於美國的半導體公司佔據了全球50.2%的市場份額,佔據中國市場53.1%的份額。理論上,中國對美半導體產品加徵關税將削弱其價格競爭力,減輕國產廠商所承受的壓力,並有助於提升其市場份額。
中國海關數據顯示,2024年中國集成電路進口金額達到3857.9億美元,同比增長10.5%。目前,中國大陸的集成電路進口份額高度集中,中國臺灣與韓國位列第一與第二,合計佔比約58%。中國臺灣的臺積電、聯電、日月光等企業在晶圓製造、封測等環節處於全球領先,鞏固了大陸從臺灣地區進口集成電路的份額。韓國則主要依靠存儲芯片的拉動。馬來西亞排名第三,佔比約8.5%,得益於大量企業的封測產能在當地佈局。美國排名位於第6,佔比僅為3%,進口金額不足1000億人民幣。
綜上,美國半導體企業佔據中國市場較大市場份額,但中國直接從美國進口的產品較少,主要源於半導體產業鏈的全球化分工。NVIDIA、高通、AMD為代表的美國Fabless企業主導產品的設計與銷售,其產品的晶圓製造大多位於臺積電,封測環節則位於中國臺灣、馬來西亞等地。TI、Intel為代表的IDM企業,儘管其晶圓產能部分位於美國本土,但封裝產能仍主要分佈於東南亞地區。以TI為例,2024年約90%的晶圓製造,70%的封裝來自其自有產能,晶圓廠主要位於美國得克薩斯州和猶他州等地,封裝產能則集中在東南亞地區。
因此,若未來仍以成品封裝地作為原產地依據,加徵關税的實際影響或相對有限。但從長期來看,半導體領域的「去美化」趨勢與國產化率提升的方向仍將持續。
風險提示:未來中美貿易摩擦可能進一步加劇,存在美國政府將繼續加徵關税、設置進口限制條件或其他貿易壁壘風險;宏觀環境的不利因素將可能使得全球經濟增速放緩,居民收入、購買力及消費意願將受到影響,存在下游需求不及預期風險;大宗商品價格仍未企穩,不排除繼續上漲的可能,存在原材料成本提高的風險;全球政治局勢複雜,主要經濟體爭端激化,國際貿易環境不確定性增大,可能使得全球經濟增速放緩,從而影響市場需求結構,存在國際政治經濟形勢風險。
07 美光發佈漲價函,存儲價格有望逐步回升
半導體:存儲大廠美光發佈漲價函,主流存儲品類價格見底回溫的趨勢已經形成。
美光繼閃迪、長江存儲后,也發佈漲價函。函件顯示,由於需求出現超預期增長,美光決定提高產品價格以應對市場變化。CFM預計,美光本次漲價幅度在10%-15%。
美光、閃迪、長江存儲等廠商陸續調價,釋放存儲行業周期回暖的信號。TrendForce最新預測已將NAND Flash價格止跌回穩的時間節點由25Q3提前至25Q2。供給端,自2024Q4起,NAND Flash原廠陸續減產,減產效應正逐步顯現。需求端,消費電子品牌商順應國際形勢變化而提前生產,帶動需求,加之PC、智能手機和數據中心等應用領域已開始重建庫存。DRAM方面, 2025Q1下游品牌廠大都提前出貨因應國際形勢變化,有助供應鏈中DRAM的庫存去化,TrendForce預計25Q2傳統DRAM(不含HBM)的價格跌幅將收斂季減0%至5%。
渠道市場的存儲現貨價格也受到備貨熱度升溫而持續走高,價格上漲的品類正越來越多,包括存儲顆粒與模組。CFM表示,原廠仍保持強勢控貨拉漲態度,Good die價格普遍上揚,使得部分現貨產品價格出現較大漲幅,存儲現貨市場供需關係趨緊加劇。
存儲大廠自2024年末啟動的產能調控措施已初見成效,主流存儲品類價格見底回溫的趨勢已經形成。后續漲價態勢能否持續,仍需要關注終端的需求復甦力度及庫存去化進度。歷史上每一輪大周期,上行、下行周期大致為2年,但23年至今的存儲周期開始呈現周期縮短、波動加劇的特徵,未來需重點關注頭部廠商產能策略動態,以及終端廠商備貨節奏等邊際變化。
風險提示:未來中美貿易摩擦可能進一步加劇,存在美國政府將繼續加徵關税、設置進口限制條件或其他貿易壁壘風險;宏觀環境的不利因素將可能使得全球經濟增速放緩,居民收入、購買力及消費意願將受到影響,存在下游需求不及預期風險;大宗商品價格仍未企穩,不排除繼續上漲的可能,存在原材料成本提高的風險;全球政治局勢複雜,主要經濟體爭端激化,國際貿易環境不確定性增大,可能使得全球經濟增速放緩,從而影響市場需求結構,存在國際政治經濟形勢風險。
08 GTC 2025發佈Blackwell Ultra,並更新Rubin架構細節
半導體:英偉達於GTC 2025上發佈Blackwell Ultra,並展示下一代Vera Rubin架構的細節,芯片架構持續進化,算力競爭白熱化。
2025年3月17日至21日,英偉達於美國加州聖何塞舉辦年度開發者大會GTC 2025,CEO黃仁勛發表主題演講。隨着新算力平臺的硬件性能持續躍升,英偉達通過將進一步鞏固其在AI算力基礎設施的領先地位。
基於Blackwell Ultra架構的B300 GPU在GTC 2025上首度發佈。B300 GPU配備288GB HBM3e內存,是B200的1.5倍,FP4稠密算力達到15 PFLOPS。Blackwell Ultra NVL72平臺預計將於2025年下半年推出,將配備72顆GB300芯片,可提供1.1 EFLOPS的稠密FP4算力用於推理,以及0.36 EFLOPS的FP8算力用於訓練,算力達到GB200 NVL72的1.5倍。
Vera Rubin將是下一代平臺,包括名為Vera的CPU和名為Rubin的GPU。Vera CPU的性能是Grace CPU的2倍,具有88個定製的Arm核心,176個線程。Rubin GPU的顯存將升級至HBM4,所支持的互聯帶寬技術將升級至NVLink 6。Vera Rubin NVL144將於2026年下半年推出,擁有75 TB,帶寬13TB/s的HBM4顯存,可提供3.6 EFLOPS的FP4算力用於推理,以及1.2 EFLOPS的FP8算力用於訓練,算力達到GB300 NVL72的3.3倍。而更強的Rubin Ultra(單顆芯片中封裝4顆計算Die)將於2027年下半年推出,顯存升級到HBM4e,所支持的互聯帶寬技術升級至NVLink 7。Rubin Ultra NVL576則將於2027年下半年推出,擁有365 TB,帶寬4.6 PB/s的HBM4e顯存,可提供15 EFLOPS的FP4算力用於推理,以及5 EFLOPS的FP8算力用於訓練,算力達到GB300 NVL72的14倍。Rubin過后,下一代的Feynman架構將於2028年面市。
風險提示:未來中美貿易摩擦可能進一步加劇,存在美國政府將繼續加徵關税、設置進口限制條件或其他貿易壁壘風險;宏觀環境的不利因素將可能使得全球經濟增速放緩,居民收入、購買力及消費意願將受到影響,存在下游需求不及預期風險;大宗商品價格仍未企穩,不排除繼續上漲的可能,存在原材料成本提高的風險;全球政治局勢複雜,主要經濟體爭端激化,國際貿易環境不確定性增大,可能使得全球經濟增速放緩,從而影響市場需求結構,存在國際政治經濟形勢風險。
09 通信視角下的新質生產力:科技自強,先進發展
新技術:科技創新,自立自強
新技術強調原創性、顛覆性科技創新,科技自立自強。隨着當前科技領域自立自強的需求愈發強烈,無論是針對前沿性的技術創新,還是現有技術的國產化替代,都是迫在眉睫。從通信行業的視角來看,新技術主要包含人工智能與算力、量子技術和鴻蒙(操作系統)等。
2022年8月,美國首次針對中國實施大規模芯片出口制裁,停止出口A100和H100兩款芯片和相應產品組成的系統,為滿足合規要求,英偉達隨后推出了面向中國市場的H800與A800,互聯帶寬被下調。2023年10月,BIS公佈的先進計算芯片出口管制新規進一步擴大限制範圍。新規去除了「互聯帶寬」作為判定是否受限的依據,並新增了「性能密度」與「總處理性能(TPP)」成為新的標準,使得A100、A800、H100、H800、L40、L40S、RTX 4090等多款產品遭到限制。雖然英偉達推出了符合新規的L20、L2和H20,但芯片的算力性能被迫遭到大幅下調。2024年11月,環球時報引述路透社10日報道稱,美國商務部已致函臺積電,要求其從11月11日起開始停止向中國大陸客户供應7納米及更先進製程工藝的AI芯片。
北美雲廠商持續加大對於人工智能領域的投資。2024Q3,北美四家雲廠商的資本開支總計為588.62億美元,同比增長59.31%,持續高速增長態勢,且對未來資本開支指引樂觀,重點投向AI算力基礎設施建設。
人工智能是發展新質生產力的重要引擎。新質生產力由創新主導,人工智能是推動創新的核心數字能力,是發展新質生產力的重要引擎。2024年諾貝爾物理學獎、化學獎授予者均與AI相關。2024年3月國務院政府工作報告中:在談到「科技創新實現新的突破」時,肯定了「關鍵核心技術攻關成果豐碩」,特別提到「人工智能、量子技術等前沿領域創新成果不斷涌現」;在談到大力推進現代化產業體系建設,加快發展新質生產力時,提出深化大數據、人工智能等研發應用,開展「人工智能+」行動,打造具有國際競爭力的數字產業集羣。
國內人工智能算力基礎設施投資也在持續加碼。以騰訊、阿里巴巴兩家雲廠商為例,2023Q1資本開支開始呈現逐季度回暖態勢,從23Q4開始同比轉正,2024年以來較快增長。2024Q3,騰訊、阿里巴巴資本開支分別為170.94億元、169.77億元,分別同比增長114%、313%。
在海外的算力基礎設施產業中,除芯片環節外,國內廠商在其他環節均有不同程度的參與,尤其在光模塊領域佔據主要市場份額,並在液冷、電源、銅連接等領域不斷提升滲透率,未來主要關注需求增長、產品升級、新產品滲透等幾個維度帶來的業務增量;在國內的算力基礎設施產業中,國產算力的應用比例將不斷提升,產業鏈自身基本可以實現閉環,包括AI芯片、服務器、交換機、光模塊、液冷、連接器/線束、PCB等各環節在內的國內公司都將集中受益,未來主要關注需求增長、芯片性能和供應能力提升、國產化比例增加等幾個維度帶來的業務增量。
國家高度重視量子科技的發展,將其視為戰略性領域。2021年至今,國家層面制定了相應的政策和規劃,以推動量子科技的研究和應用。當前,在電信運營商的推動下,量子密話正加速向行業及個人客户拓展,尤其是華為Mate 60對外宣傳量子密話功能后,量子通信在個人市場推廣引發市場關注。我們預計量子密話的應用前期主要以政府、國防、公安、金融、電力等行業為主,但考慮到這些行業龐大的業務量及基層員工數量,若量子密話滲透率的提升將反向促進量子通信網絡的建設。我們建議關注以下兩個方向,一是QKD組網設備,直接受益於量子通信網絡的建設;二是量子SIM卡領域,當前在手機等移動場景實現量子加密功能,通常是採用更換量子SIM卡的形式,且量子SIM卡價值量高於普通SIM卡(與內存大小相關,內存越大價格越貴)。
操作系統作為數字基礎設施的底座,承擔軟硬件協同的關鍵角色。過去,全球操作系統市場基本被谷歌旗下的Android、微軟旗下的Windows、蘋果公司旗下的iOS與MacOS,以及Linux系統等壟斷。自主可控的操作系統對國家安全和產業發展具有重要意義。鴻蒙是國產操作系統發展史上的重要里程碑,實現全棧自研。
目前,鴻蒙生態已經發展成為全球第三大、國內第二大移動應用生態。2024Q1,HarmonyOS在國內手機市場份額達到17%,首次超過ios系統躍居國內第二,全球手機市場份額也持續提升至4%。截止2024年6月,整個鴻蒙生態的設備數量已超過9億,已有230萬鴻蒙開發者投入到鴻蒙生態的開發中來。2023年8月,華為發佈HarmonyOS NEXT開發者預覽版,並啟動了鴻蒙原生應用的開發。2024年10月,華為發佈原生鴻蒙操作系統HarmonyOS NEXT,並且已上架1.5萬個鴻蒙原生應用與元服務。我們認為,未來持續關注華為HarmonyOS的生態合作伙伴的相關業務進展,包括硬件(芯片、模組、硬件開發)、軟件提供商、行業應用等環節。
風險提示:AI熱點應用及變現能力不及預期可能導致AI算力投資快速回落,進而導致算力板塊利潤率、業績預期明顯下修;紅利資產在估值修復后,可能因業績增速下降、預期股息率下降或者籌碼結構交易因素等導致估值、股價回落;國際環境變化對供應鏈的安全和穩定產生影響,對相關公司向海外拓展的進度產生影響;人工智能行業發展不及預期,影響雲計算產業鏈相關公司的需求;低空經濟行業發展進度不及預期;5G-A基站建設規模低於預期;低軌衞星星座建設成本居高不下,商業化落地進程受阻;市場競爭加劇,導致毛利率快速下滑;匯率波動影響外向型企業的匯兌收益與毛利率,包括ICT設備、光模塊/光器件等板塊的企業;數字經濟和數字中國建設發展不及預期等;電信運營商的雲計算業務發展不及預期;運營商資本開支不及預期;雲廠商資本開支不及預期;通信模組、智能控制器行業需求不及預期等。
10 算力為基,自主可控大勢所趨,Agent及B端應用崛起
國產AI芯片:25年值得期待,重視更可控、更具產品力的AI芯片
GPU具備圖形渲染和並行計算兩大核心功能。GPU具有數量眾多的運算單元,適合計算密集、易於並行的程序,一般作為協處理器負責圖形渲染和並行計算。對於國內來説,民用圖形渲染領域買單的人是遊戲愛好者,GPU公司需要跟大型遊戲廠商進行適配合作,背后的生態支持需要大量工作。對於智算領域,生態要求極高,需要基礎算子及應用程序算法的持續積累和優化,英偉達的CUDA具備絕對的生態優勢,其次互聯能力要求也極高,並且由於海外對國內使用先進製程有諸多限制,也限制了國內AI芯片的迭代。
我們認為國內AI芯片廠商能否脫穎而出,核心看以下三點:
出貨量至關重要:國產AI訓練芯片研發周期2年, 人員500人以上, 則需要人員費用500*80萬*2=8億, 7nm流片費用1500萬美金, EDA、 IP數千萬美元, 則一顆芯片整體投入約10億。按照訓練芯片單價7萬, 毛利率50%測算, 則需要出貨至少達到3萬片才能分攤研發成本。
構建自主生態:兼容英偉達CUDA在短期可以減輕開發和遷移難度;長期來看,國產GPU如果完全依賴CUDA生態,硬件迭代將受英偉達的開發進程束縛。對於很多互聯網大廠來説,自主生態的路會更長。
產品力:做產品而不是做項目,核心是互聯網客户。
自動駕駛芯片:國產力量加速崛起
自動駕駛芯片以「CPU+GPU+NPU」的SoC異構方案為主,核心在NPU和ISP/DSP。傳統的汽車電子芯片為MCU,多依賴於單一CPU處理器,但面對複雜的自動駕駛任務,CPU顯得力不從心。目前自動駕駛芯片結構是以「CPU+GPU+NPU」的SoC異構方案為主,結合了通用計算、圖形加速和專用加速的優勢,能夠高效處理自動駕駛中的海量數據和複雜算法,滿足實時性和準確性的要求。自動駕駛芯片要完成瞬時處理、反饋、決策規劃、執行的效果,對NPU算力要求非常高。自動駕駛級別每升高一級,對計算力的需求至少增加十倍。L2級別至少需要數十TOPS的算力,L3需要數百TOPS的算力,L4為數千TOPS。ISP是圖像信號處理的核心芯片,負責前期的數據準備和圖像預處理,以確保輸入數據的質量;ISP生成的圖像數據需要經過DSP進一步處理,DSP則可以進行更高級的圖像處理,如目標檢測、道路檢測等應用。
英偉達代表全球自動駕駛芯片最頂尖水平。2023年9月,英偉達正式發佈了智能汽車芯片Thor。Thor車載計算平臺分為兩個版本,分別是單片1000 TOPS算力版本,和雙片共計2000 TOPS算力版本。最早於明年開始量產,同年上車。伴隨着芯片架構升級,Thor平臺將搭載專為Transformer、大語言模型和生成式AI工作負載而打造的全新Blackwell架構。相比於其他主流的智能駕駛芯片,Thor芯片性能具有代差優勢。在AI算力上,Thor遠高於其他主流芯片,從而實現駕艙融合;在製造工藝上,Thor採用4納米的先進技術,有效降低功耗和成本,減少發熱問題。目前Thor超級芯片仍處於研發階段,計劃於2025年量產,而其他廠商同期規劃產品算力基本低於1000TOPS,Thor具有顯著的代差優勢。
外資芯片佔比較高,自主廠商逐漸起量。根據蓋世汽車的數據顯示,2023年智駕域控芯片搭載量排名前四的分別是特斯拉FSD芯片、英偉達Orin、Mobileye EyeQ4H和Mobileye EyeQ5H,裝機量分別為:1,208,402顆、1,147,311顆、201,437顆和175,246顆,對應市場份額分別為34.4%、32.6%、5.7%和5%。特斯拉FSD和英偉達Orin佔比近七成。自主廠商也在不斷突圍。地平線、華為等廠商緊隨英偉達、特斯拉其后,2023年地平線出貨量20萬顆,市佔率為6.1%,位列第三,2024年上半年華為以10.5%市場份額位列第三。
Mobileye作為較早佈局自動駕駛業務的芯片廠商,曾經是國內智能汽車首選的芯片廠商,但由於其「黑盒模式」以及整體性能擴展不如英偉達等廠商,因此一些廠商開始自研以及轉向英偉達。但Mobileye在ADAS市場份額依舊有較大影響力,中國市場約佔其業績的1/3。外資Mobileye逐漸開始式微,其在中國的ADAS市場也被中國本土企業所蠶食。Mobileye二季度報告顯示,全球多家OEM大幅下調了今年下半年的產量預期,中國區市場下半年訂單有所下降。
風險提示:北美經濟衰退預期逐步增強,宏觀環境存在較大的不確定性,國際環境變化影響供應鏈及海外拓展;芯片緊缺可能影響相關公司的正常生產和交付,公司出貨不及預期;信息化和數字化方面的需求和資本開支不及預期;市場競爭加劇,導致毛利率快速下滑;主要原材料價格上漲,導致毛利率不及預期;匯率波動影響外向型企業的匯兌收益與毛利率;大模型算法更新迭代效果不及預期,可能會影響大模型演進及拓展,進而會影響其商業化落地等;汽車與工業智能化進展不及預期等。
11 AI端側應用興起,國產高端芯片亟需國產化
AI引領半導體周期,國產高端芯片亟需突破
2.1 處理器:高端芯片進口受限,國產供應鏈亟需突破
英偉達、AMD對華供應高端GPU芯片進一步受限。2022年,美國BIS實施出口管制,英偉達和AMD的高端GPU產品出口受到限制。為滿足合規要求,英偉達隨后推出了面向中國市場的H800與A800,互聯帶寬被下調。2023年,BIS公佈的先進計算芯片出口管制新規進一步擴大限制範圍。新規去除了「互聯帶寬」作為判定是否受限的依據,並新增了「性能密度」與「總處理性能(TPP)」成為新的標準,使得A100、A800、H100、H800、L40、L40S等多款產品遭到限制。雖然英偉達推出了符合新規的L20、L2和H20,但新品的算力性能被迫遭到大幅下調。
國產算力芯片迎來國產替代窗口期。考慮到英偉達新品將迎來大幅性能升級,並面向中國市場禁售,國產算力芯片發展刻不容緩。當前已經涌現出一大批國產算力芯片廠商,昇騰、寒武紀相繼推出自研AI芯片,海光信息的DCU也逐漸打出知名度,其他配套環節的國產化進程也正在加速推進。
昇騰310與昇騰910構成華為昇騰產業鏈的算力基座,打造全場景AI基礎設施方案。昇騰310與昇騰910均基於華為自研達芬奇3D Cube技術,集成了張量、矢量、標量等多種運算單元,支持多種混合精度計算。昇騰310是華為首款全棧全場景人工智能芯片,具備低功耗優勢,昇騰910支持雲邊端全棧全場景應用。昇騰已基於310和910形成了完善的解決方案,出貨形態包括:包括Atlas系列模塊、板卡、小站、服務器、集羣等,打造面向「端、邊、雲」的全場景AI基礎設施方案,覆蓋深度學習領域推理和訓練全流程。
昇騰AI大模型訓推一體化解決方案,加速國產大模型落地。2023世界人工智能大會(WAIC)期間,華為主辦的昇騰人工智能產業高峰論壇於7月6日在上海召開。華為攜手夥伴聯合發佈昇騰AI大模型訓推一體化解決方案,加速大模型在各行業應用落地,並有23家昇騰AI夥伴推出AI服務器、智能邊緣與終端新品,共同為行業智能化升級提供豐富的產品與解決方案。
寒武紀專注AI領域核心處理器,思元590採用全新架構,性能相比在售旗艦有大幅提升。寒武紀目前已推出了思元系列智能加速卡,第三代產品思元370基於7nm製程工藝,是寒武紀首款採用chiplet技術的AI芯片,最高算力達到256 TOPS(INT8)。思元370還搭載了MLU-Lin多芯互聯技術,互聯帶寬相比PCIe 4.0提升明顯。在2022年9月1日舉辦的WAIC上,寒武紀陳天石博士介紹了全新一代雲端智能訓練芯片思元590,思元590採用MLUarch05全新架構,實測訓練性能較在售旗艦產品有了大幅提升,能提供更大的內存容量和更高的內存帶寬,其IO和片間互聯接口也較上代實現大幅升級。
海光信息二代DCU升級規劃穩步推進,海光DCU兼容類「CUDA」環境,適配性好。海光信息深算一號DCU產品目前已實現商業化應用。2020年1月,公司啟動了第二代DCU深算二號的產品研發工作,研發工作進展正常。海光DCU協處理器全面兼容ROCm GPU計算生態,由於ROCm和CUDA在生態、編程環境等方面具有高度的相似性,理論上講,市場上規模最大的GPGPU開發羣體——CUDA用户可用較低代價快速遷移至ROCm平臺,有利於海光DCU的市場推廣。同時,由於ROCm生態由AMD提出,AMD對ROCm生態的建設與推廣也將有助於開發者熟悉海光DCU。
2.2 存儲:價格因庫存因素短期承壓,看好2025年AI終端提振需求
覆盤存儲器歷史,存儲器周期大致4-5年,上行、下行周期大致2年上下。上輪周期起始於2020Q1,2021Q3存儲器價格見頂,此后價格持續下滑,至2023Q2持續7個季度。本輪周期,存儲器2023Q3開始漲價,合約價上漲至2024Q3,現貨價上漲至2024Q2,當前因為前期客户端、渠道端備貨較多,庫存在持續消化。從高頻數據看,當前4Gb DDR3現貨價、8Gb DDR4合約價等數據轉跌,DDR5的價格相對堅挺,臺股DRAM月度營收同比增速有所回落,存儲周期來到后半程。
供給端:當前產能供給充足,產能結構性升級。DRAM和NAND Flash原廠稼動率處於高位,當前供應充足。結構上,先進產能淘汰落后產能。一方面,DDR5升DDR4降,SK海力士近期表示將會把DDR4的產能從6月的40%、9月的30%降低至年底的20%,三星電子也將DDR4的產能轉移至DDR5和LPDDR5。另一方面,原廠紛紛針對現有產能改線升級,工藝製程繼續推進,例如三星電子計劃在2024年內推出1c nm製程DDR內存,該節點可提供32Gb顆粒容量產品,而在2026年將推出其最后一代10nm級工藝1d nm,仍最大提供32Gb容量。2027年,三星將突入10nm以下級DRAM製程節點,發佈0a nm工藝的DDR內存產品,同時該節點的內存單顆粒容量將來到更高的48Gb。
需求端:筆電手機新機發布、服務器需求強勁,AI終端驅動存儲成長。根據Trendforce統計,2023年服務器、手機、筆電的出貨量分別增長-5.9%、-3.1%、-13.2%,預計2024年分別增長2.3%、2.9%、2.1%,呈現弱復甦態勢,我們判斷2025年手機、PC繼續恢復,服務器維持強勁增長。(1)服務器:AI服務器持續高增長,2024年底DDR5滲透率預計達到60%,2025年進一步提升。而2025年CSP資本開始將維持高增長,AI服務器需求強勁,拉動HBM、DDR5、大容量SSD需求。(2)手機:24Q4發佈的榮耀Magic7、小米15、vivo X200等安卓旗艦機普遍搭載高通驍龍8系列最新處理器,融入更強的AI算力,通用大模型和垂類大模型進入手機,對應地,旗艦手機內存容量從過往兩年的6/8GB升級至12/16GB,閃存容量從過往的256/512GB升級至512GB/1TB,配置大幅度提升,拉動存儲需求。(3)筆電:微軟將於2025年停止Windows 10的更新,另外2020-2021年疫情刺激的筆電需求也將於2024-2025年迎來換機需求,AI PC有望刺激PC市場重啟成長。總而言之,當前存儲的核心需求有短暫波動,但AI的引入刺激了終端配置升級需求,2025年AI服務器、AI 手機、AI PC滲透率進一步提升,存儲需求有望保持高增長。
價格展望:由於通用服務器需求復甦,以及手機、PC客户的備貨,2024Q3 DRAM均價持續上行。但隨着備貨完成,下游進入階段庫存消化,存儲器價格在24Q4承壓,Trendforce預計DRAM價格分化,HBM繼續漲價,DDR5維持穩定,DDR4、DDR3降價,整體DRAM仍有0-5%的漲價;NAND方面,wafer、eMMC、UFS、Client SSD價格下降,企業級SSD維持漲價,整體NAND開始降價3-8%。展望2025年,預計2025年上半年庫存去化完成,下半年存儲器價格取決於需求側AI終端的滲透情況。
2.3 設備及零部件:本土競爭力加強,國產化率大幅提升
2.3.1 設備:未來三年全球300mm設備支出達到4000億,中國大陸支出佔四分之一
未來三年全球半導體行業300mm晶圓廠設備投資達到4000億美元,2025年設備支出將加速。SEMI發佈《300mm晶圓廠2027年展望報告》指出,從2025年到2027年,全球300mm晶圓廠設備支出預計將達到創紀錄的4000億美元。強勁的支出是由半導體晶圓廠的區域化以及數據中心和邊緣設備對AI芯片日益增長的需求推動的。2024年,全球300mm晶圓廠設備支出預計將增長4%,達到993億美元,到2025年將進一步增長24%,首次突破1000億美元,達到1232億美元。
中國大陸資本支出佔全球四分之一,全球Foundry設備支出約2300億美元。從區域增長來看,預計到2027年,中國將保持全球300mm設備支出第一的地位,未來三年將投資超過1000億美元。然而,SEMI預計投資將從2024年的450億美元峰值逐漸減少到2027年的310億美元。從領域增長來看,2025年至2027年間,Foundry設備支出預計將達到約2300億美元;Logic和Micro領域預計將在未來三年率先擴大設備支出,預計總投資為1730億美元;Memory位居第二,預計同期將貢獻超過1200億美元的支出,標誌着另一個細分市場增長周期的開始。在Memory領域,DRAM相關設備的投資預計將超過750億美元,而3D NAND的投資預計達到450億美元。Power相關領域排名第三,預計未來三年投資將超過300億美元,其中化合物半導體項目投資約140億美元。同期,模擬和混合信號領域預計將達到230億美元,其次是光電/傳感器,為128億美元。
存貨為在手訂單的「晴雨表」,反映半導體設備的高景氣度。半導體設備的存貨主要包括原材料、在產品、庫存商品、發出商品、低值易耗品等。由於從獲得訂單到產品驗收時間較長(一般跨年交付),存貨的增長反應公司在手訂單的增加,后續隨着商品驗收完成,將直接反映到公司的收入。
在我們梳理的17家半導體設備廠商中,截止2024Q3期末,龍頭北方華創存貨達到232億,同比增長34%,京儀裝備存貨同比增長117%,中微公司和華海清科存貨同比增長分別為91%、83%。半導體行業存在供應鏈不穩定風險,進口原材料採購周期延長,半導體設備廠商增加原材料庫存。其中,中微公司在訂單增長下采購原材料,大量生產機臺以向客户付運機臺,導致存貨余額增長。截止2024Q1期末公司發出商品余額19.23億元,較期初余額的8.68億元增長10.55億元,為后續的收入實現打下良好基礎。
合同負債是在手訂單的直接指標,反映業績增長能力。在我們梳理的17家半導體設備廠商中,前道設備廠商合同負債與收入增長加強,后道設備廠商受消費市場需求趨於穩定、存儲器市場回暖、人工智能與高性能計算等熱點應用領域帶動等因素作用,以及封測廠商稼動率提升的影響,業績逐步迎來反轉。截止2024Q3期末,中微公司、京儀裝備、萬業企業、華峰測控、拓荊科技合同負債同比增長較快,分別為119%、86%、77%、71%、68%,反應在手訂單同比快速增長。中微公司合同負債達30億元,公司新增訂單76.4億元,同比增長約52.0%。其中刻蝕設備新增訂單62.5億元,同比增長約54.7%;LPCVD新增訂單3.0億元,新產品開始啟動放量。
存貨與合同負債之和直觀反映未來業績增長確定性。在我們梳理的17家半導體設備廠商中,截至2024Q3期末,京儀裝備和中微公司的存貨與合同負債之和分別達到108%、98%,業績增長確定性最強,對應的2024年Wind一致預期收入增長分別為41%、35%;其次拓荊科技、微導納米、中科飛測存貨與合同負債之和同比增長超過40%,分別為45%、99%、48%。
半導體設備業績確定性強,未來下游需求增量帶來巨大市場。根據Wind(申萬行業分類)半導體設備季度數據,2021Q1-2024Q3期間,營收增長率和EPS增長率呈現由波峰轉波谷,波谷逐步反彈趨勢,波谷均產生在2023Q3,分別為25.1%、-25.4%,目前處在反彈中,其中在2024Q3,EPS增長率顯著提升,代表半導體設備盈利能力進一步加強。
2.3.2 零部件:本土供應能力持續提升,紛紛擴產應對國產化需求
核心零部件是半導體產業鏈的基石。半導體核心零部件組建了半導體設備的核心子系統,決定半導體產品的成本與性能,市場規模約300億美元。半導體設備零部件具有高精密、高潔淨、耐腐蝕能力、耐擊穿電壓等特性,生產工藝涉及精密機械製造、工程材料、表面處理特種工藝、電子電機整合及工程設計等多個領域和學科,半導體設備的升級迭代很大程度上有賴於零部件的技術突破。因此,核心零部件不僅是半導體設備製造中難度較大、技術含量較高的環節之一,也是國內半導體設備企業的「卡脖子」的環節之一。
從市場競爭格局來看,零部件供應主要被美國、日本壟斷。IC World 2020公開的20類半導體核心零部件產品的44家主要供應商中,存在20家美國供應商、16家日本供應商、2家德國供應商、2家瑞士供應商、2家韓國供應商、1家英國供應商,均為境外供應商,且以美國和日本為主。對全球主要半導體零部件企業(不含光刻機零部件)的半導體收入進行統計,美國半導體零部件企業的合計收入佔比44%;日本半導體零部件企業的合計收入佔比33%;英國、瑞士等歐洲地區佔比21%;新加坡、韓國等半導體零部件企業的合計收入佔比2%。
核心零部件進口依賴性高。芯謀研究數據顯示,目前國產化率超過10%的半導體零部件有石英、反應噴淋頭、邊緣環等少數幾類,其余國產化程度較低,尤其是各種閥門、真空計、O-ring密封圈等幾乎完全依賴進口。其中,閥門(Valve)零部件的需求佔總零部件需求的9%,但自給率卻不足1%。因此在市場需求強勁,但國內供應商基本為空白的形勢下,零部件採購周期拉長倒逼零部件的進口替代需求迫切。
針對不同類型的零部件,技術難點各不相同,國產化率差異大。機械類零部件應用最廣,市場份額最大,主要產品技術已實現突破和國產替代。機電一體類和氣液傳輸/真空系統零部件國內部分產品已實現技術突破,但產品穩定性和一致性與國外有差距。技術難度相對比較高的為電氣類、儀器儀表類、光學類零部件,國內企業的電氣類核心模塊(射頻電源等)主要應用於光伏、LED等泛半導體設備,高端產品尚未國產化;儀器儀表類對測量精度要求高,國內自研產品少量用於國內設備廠商,國產化率低,高端產品尚未國產化;光學類零部件對光學性能要求極高,由於光刻設備國際市場高度壟斷,高端產品一家獨大,國內光刻設備尚在發展,相應配套光學零部件國產化率低。
2.4 材料:半導體材料復甦強勁,國產化進一步加持
國內半導體材料需求持續高增,全球佔比大幅提升。根據TECHCET數據及預測,全球半導體材料將在2024年同比增長近7%達到740億美元;預計2027年市場規模將達到870億美元以上。半導體材料主要分為晶圓製造材料和封裝材料。根據SEMI數據,2023年,受整個半導體行業環境影響,全球半導體材料市場銷售額下8.2%至667億美元。從材料大類來看,2023年全球晶圓製造材料和封裝材料的銷售額分別為415億美元和252億美元,佔全球半導體材料銷售額的比重分別約62%和38%;從地區分佈來看,中國臺灣和中國大陸是全球前兩大半導體材料消費地區,2023年銷售額分別為192億美元和131億美元,佔全球半導體材料銷售額的比重分別約29%和20%,其中中國大陸是2023年全球唯一實現半導體材料銷售額同比增長的地區。
今年以來半導體材料強勁反彈三個季度,電子化學品震盪反彈向上。根據Wind(申萬行業分類)半導體設備季度數據,2021Q1-2024Q3期間,營收增長率和EPS增長率呈現由波峰轉波谷,波谷逐步反彈趨勢,半導體材料波谷產生在2023Q3,增長率分別為-2.8%、-34.1%,電子化學品波谷產生在2023Q3和2023Q4之間,今年以來半導體材料與電子化學品處在逐步復甦放量中。隨着新建產線對材料需求持續擴大,國產化率提升,半導體產業復甦,半導體材料迎來長景氣周期,另外,隨着以HPC、AI和5G通信等為代表的需求牽引,先進封裝領域的發展正在加速。
半導體材料與電子化學品復甦放量顯著,業績出現結構性的分化。對比2024Q3業績,拋光墊=拋光液>靶材>化學品/光刻膠>封裝材料>光掩膜版>硅片,呈現業績分化。其中,鼎龍股份CMP拋光墊,前三季度累計實現產品銷售收入5.23億元,同比增長95%;第三季度實現產品銷售收入2.25億元,環比增長38%,同比增長90%,再創歷史單季收入新高。公司於今年9月首次實現拋光墊單月銷量破3萬片的歷史新高,產品在國內市場的滲透程度隨訂單增長穩步加深,產品穩定性得到持續肯定。江豐電子的靶材和零部件,在第二季度單季度實現8.55億元,超高純靶材和精密零部件均創歷史新高,第三季度營收同比增長52.48%,環比增長16.69%。
封裝材料貫穿了電子封裝技術的多個技術環節,是半導體行業的先導產業。近年來,以HPC、AI和5G通信等為代表的需求牽引,正加速先進封裝領域的發展。Yole數據顯示,全球先進封裝市場規模將從2023年的378億美元增長至2029年的695億美元,期間的複合年增長率為10.7%。先進封裝材料的代表企業主要為聯瑞新材、華海誠科。其中,聯瑞新材聚焦高端芯片(AI、5G、HPC等)封裝、異構集成先進封裝(Chiplet、HBM等)、新一代高頻高速覆銅板(M7、M8等)、新能源汽車用高導熱界面材料、先進毫米波雷達和光伏電池膠黏劑等下游應用領域的先進技術,持續推出多種規格低CUT點Lowα微米/亞微米球形硅微粉、球形氧化鋁粉,高頻高速覆銅板用低損耗/超低損耗球形硅微粉。華海誠科專注於向客户提供更有競爭力的環氧塑封料與電子膠黏劑產品,構建了可應用於傳統封裝(包DIP、TO、SOT、SOP等)與先進封裝(QFN/BGA、SiP、FC、FOWLP/FOPLP等)的全面產品體系,可滿足下游客户日益提升的性能需求。
風險提示:1、未來中美貿易摩擦可能進一步加劇,存在美國政府將繼續加徵關税、設置進口限制條件或其他貿易壁壘風險;2、AI上游基礎設施投入了大量資金做研發和建設,端側尚未有殺手級應用和剛性需求出現,存在AI應用不及預期風險;3、宏觀環境的不利因素將可能使得全球經濟增速放緩,居民收入、購買力及消費意願將受到影響,存在下游需求不及預期風險;4、大宗商品價格仍未企穩,不排除繼續上漲的可能,存在原材料成本提高的風險;5、全球政治局勢複雜,主要經濟體爭端激化,國際貿易環境不確定性增大,可能使得全球經濟增速放緩,從而影響市場需求結構,存在國際政治經濟形勢風險。
12 機械行業2025年投資策略:聚焦泛科技、存量更新與出海
半導體設備:海外製裁邊際收緊,緊跟自主可控主旋律
全球半導體市場見底回升
Gartner和SEMI預計2024年開始全球半導體設備市場回升。根據Gartner預測,預計全球晶圓廠投資2023年下滑10%至1635億美金,2024年開始重新恢復正增長。根據SEMI預測,全球半導體設備市場在2024-2025年出現回升,分別約1053、1241億美元,同比分別+4.4%、+17.9%。隨着半導體市場築底回升,2024年全球晶圓廠資本開支有望回暖,帶動設備規模增長。
IC Insights預測2024年下游核心半導體制造企業資本開支同比略降,其中存儲表現更好。大部分半導體制造企業對2024年持謹慎態度,認為是行業觸底回升的調整之年,2024年全球半導體資本開支約為1650億美金,同比下降約2%。隨着內存市場復甦以及AI等新應用預計將增加需求,主要存儲公司普遍會在2024年增加資本支出,因此行業中存儲板塊2024年資本開支預期相對樂觀,預計2024年達546億美金,同比提升4%;此外,代工及IDM資本開支預計同比將分別出現6%、4%的下滑。
綜合以上,我們判斷2024年全球半導體設備市場處於見底回升的過程,2025年整體復甦預期更強。
外部制裁邊際收緊背景下,緊跟自主可控主旋律
外部制裁邊際收緊,如9月BIS新規修訂、11月美國半導體設備製造商要求供應商替換中國組件等,在此背景下,我們堅定認為要緊跟自主可控的行業主旋律。①9月6日,BIS發佈出口管制新規,重在控制和GAAFET結構「開發」和「生產」相關技術,此外,新規還對用於製造高深寬比結構的各向異性干法刻蝕設備加碼管制;②同日,荷蘭政府規定從2024年9月7日起,ASML在出口相關先進製造設備時必須申請授權,將需要向荷蘭政府而非美國政府申請TWINSCAN NXT:1970i和1980i型號浸沒式DUV光刻系統的出口許可證。美國BIS新規主要影響HBM相關產線及國產128層閃存(如3D NAND閃存);荷蘭政府相關規定將對光刻機的限制延伸到1980及以下型號,但許可受理權在荷蘭政府而非美國政府,或對中國進口光刻機影響有限,但核心設備光刻機的自主可控也迫在眉睫。③11月美國政府要求供應商替換中國組件,零部件向海外供應難度增大。2024年11月4日,在美國政府最新指令下,半導體設備製造商AMAT和Lam Research等要求供應商替換中國組件,並禁止供應商有中國投資者或股東。
國內市場來看,制裁后中國大陸地區加大對進口設備的囤貨,后續國內擴產向上預期較強,尤其是對國產設備的招標。海外設備公司中國大陸地區營收連續高增,尤其核心環節光刻機,2024Q3 ASML來自中國大陸營收27.85億歐元,同比+14%,再創歷史新高,連續五個季度成為公司第一大收入來源地,我們預計ASML中國大陸地區營收連續幾個季度高增主要系制裁后中國客户的囤貨性需求增加,后續將展開對國產設備的相關招標。
半導體設備國產化水平加速提升。我們結合SEMI與電子專用設備協會數據進行測算,以SEMI公佈的中國大陸半導體設備市場規模作為分母,以電子專用設備協會公佈的國產廠商IC設備銷售額作為分子,測算得到國內半導體設備國產化率從2018年的4.91%提升至2023年的19.92%,呈現持續攀升的趨勢,預計后續仍將繼續提升。
2024年前三季度板塊營收高速增長,訂單支撐強勁
板塊營收高速增長,利潤受確認收入節奏與高額研發費用影響。設備整機板塊來看,2024Q1-Q3半導體設備整機營收達420.71億元,同比增長34%;毛利率44.63%,同比+0.38pct;歸母淨利潤達78.02億元,同比增長20%。零部件板塊來看,2024Q1-Q3設備零部件營收達111.05億元,同比增長28%;毛利率29.86%,同比-0.04pct;歸母淨利潤12.05億元,同比增長14%。板塊內企業營收均維持高速增長,但近期國產設備企業配合下游客户進行先進製程並加大新產品研發,研發費用大幅提升,對利潤有所影響。
板塊訂單支撐強勁,后續業績值得期待。半導體設備整機板塊來看,2024Q3末板塊合同負債達201.82億元,同比增長13.99%;存貨達576.12億元,同比增長42.81%。半導體設備零部件板塊來看,2024Q3末板塊合同負債達38.41億元,同比增長4.06%;93.50億元,同比增長7.39%。設備整機合同負債穩步增長,存貨增速較高,部分公司同比下滑主要繫結構影響,如北方華創今年預付款比例較高的光伏設備訂單有所下滑,影響了合同負債。但整體來看半導體設備訂單在2023年同期基數相對較高的背景下依然實現較快增長,后續業績支撐強勁,零部件板塊由於交期更短、確收節奏更快,合同負債和存貨均實現小幅增長。
投資建議:外部制裁雖然邊際收緊,國內也加緊半導體產業攻關,大基金三期出臺,將重點支持先進製程突破,拉動設備需求並加快卡脖子設備的攻關進度,預計設備國產化率將持續提升。國內下游擴產持續向上+國產化設備驗證持續推進,國產設備公司訂單增長維持較好趨勢,板塊整體基本面向好。
風險提示:①宏觀經濟和製造業景氣度下滑風險:機器人產業鏈公司受宏觀經濟波動影響較大,行業與宏觀經濟波動的相關性明顯,尤其是和工業製造的需求、基礎設施投資等宏觀經濟重要影響因素強相關。若未來國內外宏觀經濟環境發生變化,下游行業投資放緩,將可能影響機器人產業鏈的發展環境和市場需求。②供應鏈波動風險:受全球宏觀經濟、貿易戰、自然災害等影響,若原材料緊缺,芯片等關鍵物料供應持續出現失衡,將引起機器人零部件製造業廠商生產成本增加甚至無法正常生產,經營業績可能會受影響。③研發進展不及預期風險:目前,機器人領域,尤其是人形機器人領域,研發仍然面臨較多的困難和不確定性。
報告來源
證券研究報告名稱:《美光存儲漲價並暫停報價,Meta發佈新款AR眼鏡》
對外發布時間:2025年9月21日
報告發布機構:中信建投證券股份有限公司
本報告分析師:
劉雙鋒 SAC 編號:S1440520070002
郭彥輝 SAC 編號:S1440520070009
證券研究報告名稱:《周報:商務部對原產於美國的進口相關模擬芯片發起反傾銷調查》
對外發布時間:2025年9月14日
報告發布機構:中信建投證券股份有限公司
本報告分析師:
劉雙鋒 SAC編號:S1440520070002
何昱靈 SAC編號:S1440524080001
證券研究報告名稱:《電子行業2025半年報綜述:上半年業績亮眼,下半年AI持續驅動增長》
對外發布時間:2025年9月11日
報告發布機構:中信建投證券股份有限公司
本報告分析師:
劉雙鋒 SAC 編號:S1440520070002
SFC 編號:BNU539
郭彥輝 SAC 編號:S1440520070009
何昱靈 SAC 編號:S1440524080001
趙子鵬 SAC 編號:S1440523080001
章合坤 SAC 編號:S1440522050001
證券研究報告名稱:《周報:Sandisk宣佈漲價10%,華為發佈會推出麒麟9020芯片》
對外發布時間:2025年9月7日
報告發布機構:中信建投證券股份有限公司
本報告分析師:
劉雙鋒 SAC編號:S1440520070002
郭彥輝 SAC 編號:S1440520070009
證券研究報告名稱:《AI新紀元:砥礪開疆・智火燎原》
對外發布時間:2025年7月24日
報告發布機構:中信建投證券股份有限公司
本報告分析師:
黃文濤 SAC 編號:S1440510120015
SFC 編號:BEO134
閻貴成 SAC 編號:S1440518040002
SFC 編號:BNS315
程似騏 SAC 編號:S1440520070001
SFC 編號:BQR089
崔世峰 SAC 編號:S1440521100004
SFC 編號:BUI663
賀菊穎 SAC 編號:S1440517050001
SFC 編號:ASZ591
黎韜揚 SAC 編號:S1440516090001
劉雙鋒 SAC 編號:S1440520070002
劉永旭 SAC 編號:S1440520070014
SFC 編號:BVF090
龐佳軍 SAC 編號:S1440524110001
陶亦然 SAC 編號:S1440518060002
王在存 SAC編號:S1440521070003
許琳 SAC 編號:S1440522110001
SFC 編號:BVU271
許光坦 SAC 編號:S1440523060002
楊艾莉 SAC 編號:S1440519060002
SFC 編號:BQI330
葉樂 SAC 編號:S1440519030001
SFC 編號:BOT812
應瑛 SAC 編號:S1440521100010
SFC 編號:BWB917
於芳博 SAC 編號:S1440522030001
SFC 編號:BVA286
袁清慧 SAC編號:S1440520030001
SFC編號:BPW879
趙然 SAC 編號:S1440518100009
SFC 編號:BQQ828
朱玥 SAC 編號:S1440521100008
SFC 編號:BTM546
證券研究報告名稱:《周報:關注中美關税政策對半導體、消費電子產業鏈的影響》
對外發布時間:2025年4月6日
報告發布機構:中信建投證券股份有限公司
本報告分析師:
劉雙鋒 SAC編號:S1440520070002
何昱靈 SAC編號:S1440524080001
證券研究報告名稱:《周報:美光發佈漲價函,存儲價格有望逐步回升》
對外發布時間:2025年3月31日
報告發布機構:中信建投證券股份有限公司
本報告分析師:
劉雙鋒 SAC編號:S1440520070002
何昱靈 SAC編號:S1440524080001
證券研究報告名稱:《周報:GTC 2025發佈Blackwell Ultra,並更新Rubin架構細節》
對外發布時間:2025年3月23日
報告發布機構:中信建投證券股份有限公司
本報告分析師:
劉雙鋒 SAC編號:S1440520070002
何昱靈 SAC編號:S1440524080001
證券研究報告名稱:《通信行業2025年投資策略報告:通信視角下的新質生產力:科技自強,先進發展》
對外發布時間:2024年11月25日
報告發布機構:中信建投證券股份有限公司
本報告分析師:
劉永旭 SAC 編號:S1440520070014
SFC 編號:BVF090
閻貴成 SAC 編號:S1440518040002
SFC 編號:BNS315
武超則 SAC 編號:S1440513090003
SFC 編號:BEM208
楊偉松 SAC 編號:S1440522120003
汪潔 SAC 編號:S1440523050003
曹添雨 SAC 編號:S1440522080001
尹天傑 SAC 編號:S1440524070016
證券研究報告名稱:《人工智能2025年投資策略報告:算力為基,自主可控大勢所趨,Agent及B端應用崛起》
對外發布時間:2024年11月25日
報告發布機構:中信建投證券股份有限公司
本報告分析師:
於芳博 SAC 編號:S1440522030001
方子簫 SAC 編號:S1440524070009
辛俠平 SAC 編號:S1440524070006
證券研究報告名稱:《電子行業2025年投資策略展望:AI端側應用興起,國產高端芯片亟需國產化》
對外發布時間:2024年11月25日
報告發布機構:中信建投證券股份有限公司
本報告分析師:
劉雙鋒 SAC 編號:S1440520070002
龐佳軍 SAC 編號:S1440524110001
範彬泰 SAC 編號:S1440521120001
孫芳芳 SAC 編號:S1440520060001
喬磊 SAC 編號:S1440522030002
章合坤 SAC 編號:S1440522050001
郭彥輝 SAC 編號:S1440520070009
王定潤 SAC 編號:S1440524060005
何昱靈 SAC 編號:S1440524080001
證券研究報告名稱:《機械行業2025年投資策略:聚焦泛科技、存量更新與出海》
對外發布時間:2024年11月28日
報告發布機構:中信建投證券股份有限公司
本報告分析師:
呂娟 SAC 編號:S1440519080001
SFC 編號:BOU764
許光坦 SAC 編號:S1440523060002
李長鴻 SAC 編號:S1440523070001
陳宣霖 SAC 編號:S1440524070007
籍星博 SAC 編號:S1440524070001
楊超 SAC 編號:S1440524070003
重要提示:
通過本訂閲號發佈的觀點和信息僅供中信建投證券股份有限公司(下稱「中信建投」)客户中符合《證券期貨投資者適當性管理辦法》規定的機構類專業投資者參考。因本訂閲號暫時無法設置訪問限制,若您並非中信建投客户中的機構類專業投資者,為控制投資風險,請您請取消關注,請勿訂閲、接收或使用本訂閲號中的任何信息。對由此給您造成的不便表示誠摯歉意,感謝您的理解與配合!
本訂閲號(微信號:中信建投證券研究)為中信建投證券股份有限公司(下稱「中信建投」)研究發展部依法設立、獨立運營的唯一官方訂閲號。
本訂閲號所載內容僅面向符合《證券期貨投資者適當性管理辦法》規定的機構類專業投資者。中信建投不因任何訂閲或接收本訂閲號內容的行為而將訂閲人視為中信建投的客户。
本訂閲號不是中信建投研究報告的發佈平臺,所載內容均來自於中信建投已正式發佈的研究報告或對報告進行的跟蹤與解讀,訂閲者若使用所載資料,有可能會因缺乏對完整報告的瞭解而對其中關鍵假設、評級、目標價等內容產生誤解。提請訂閲者參閱中信建投已發佈的完整證券研究報告,仔細閲讀其所附各項聲明、信息披露事項及風險提示,關注相關的分析、預測能夠成立的關鍵假設條件,關注投資評級和證券目標價格的預測時間周期,並準確理解投資評級的含義。
中信建投對本訂閲號所載資料的準確性、可靠性、時效性及完整性不作任何明示或暗示的保證。本訂閲號中資料、意見等僅代表來源證券研究報告發布當日的判斷,相關研究觀點可依據中信建投后續發佈的證券研究報告在不發佈通知的情形下作出更改。中信建投的銷售人員、交易人員以及其他專業人士可能會依據不同假設和標準、採用不同的分析方法而口頭或書面發表與本訂閲號中資料意見不一致的市場評論和/或觀點。
本訂閲號發佈的內容並非投資決策服務,在任何情形下都不構成對接收本訂閲號內容受眾的任何投資建議。訂閲者應當充分了解各類投資風險,根據自身情況自主做出投資決策並自行承擔投資風險。訂閲者根據本訂閲號內容做出的任何決策與中信建投或相關作者無關。
本訂閲號發佈的內容僅為中信建投所有。未經中信建投事先書面許可,任何機構和/或個人不得以任何形式轉發、翻版、複製、發佈或引用本訂閲號發佈的全部或部分內容,亦不得從未經中信建投書面授權的任何機構、個人或其運營的媒體平臺接收、翻版、複製或引用本訂閲號發佈的全部或部分內容。版權所有,違者必究。
新浪聲明:此消息系轉載自新浪合作媒體,新浪網登載此文出於傳遞更多信息之目的,並不意味着贊同其觀點或證實其描述。文章內容僅供參考,不構成投資建議。投資者據此操作,風險自擔。