AI+電子行業市場分析格局一：AI大格局，科技浪潮奇點時刻（一）量：ChatGPT開啟AI奇點，AI服務器需求大幅提升2023年3月中旬，隨著OPENAI發布GPT4.0，微軟把GPT4.0應用于office辦公系列，科技巨頭引領大模型技術迭代和應用超預期。全球大模型和AIGC產業鏈公司爭先恐后加入AI浪潮，迎來奇點時刻。AIGC產業鏈大致可以分為三層，應用層、模型層和基礎設施層。其中應用層為訓練好的模型應用于網絡平臺/數據中心或邊緣端，即為模型的推理過程；模型層為開源預訓練模型的訓練過程或非開源預訓練模型的API調用，即模型的訓練過程；基礎設施層則分為兩部分，一部分是是開放式云平臺，另一部分則是用于LLM訓練與部署的計算、存儲、連接芯片等硬件。大模型的訓練和推理對算力需求龐大。（1）訓練是指生成一個大模型的過程；（2）推理是指將搭建好的模型于實際應用中使用。由于訓練和推理過程其特點有所不同，在此我們分別對AI大模型在訓練階段和推理階段的算力需求進行測算：（1）AI大模型在訓練階段算力需求測算我們以參考NVIDIA發表的文章《EfficientLarge-ScaleLanguageModelTrainingonGPUClustersUsingMegatron-LM》中對不同參數GPT模型算力需求的計算方法及NVIDIAA100在模型訓練過程的參數，對以GPT-3.5175B為代表的大模型的訓練算力需求進行測算，測算主要基于以下關鍵假設：①考慮到大模型訓練的時間要求，假設模型單次訓練時間為30天，即每年可進行約12次訓練；②訓練階段每個A100吞吐效率為48%。此外，我們假設每臺AI服務器均配有8張A100。由此測算，單個GPT-3.5175B參數量AI大模型訓練而新增的NVIDIAA100需求空間為1080個，新增的AI服務器需求為135臺。考慮到各大互聯網巨頭正在/計劃訓練的模型參數量仍在持續增加；同時越來越多的互聯網公司加入大模型訓練的陣營；我們基于以下關鍵假設，對用于大模型訓練的NVIDIAA100、AI服務器的需求做關于模型參數、模型訓練個數的敏感型分析。①假設模型單次訓練時間為30天；②假設訓練階段每個A100吞吐效率為48~52%。（2）AI大模型在推理階段算力需求測算。目前，以GPT為代表的大語言AI模型在文字推理/生成領域的應用加速落地；此外，基于GPT的midjourney展現出較強的圖片創作能力，Adobe也發布了可生成圖片、視頻、聲音等內容的模型Firefly，AI模型在多媒體領域的推理/生成應用也在快速發展。考慮到AI模型在文字生成領域應用落地進展較快，我們對這一部分推理算力需求進行測算，基于以下關鍵假設：①參考谷歌月均搜索次數，假設一個谷歌級應用每日的搜索次數為30億次；并假設30億次問答在每日24小時中均勻分布；②假設單次問答總字數為1850字。由此測算，單個應用GPT-3.5175B模型的谷歌級文字推理應用新增的NVIDIAA100需求空間為72萬個，新增的AI服務器需求為9萬臺。AIGC大幅提升HPC算力需求，推動AI服務器增長。AIGC大模型的訓練和推理需要大量的高性能計算（HPC）算力支持，對AI服務器需求提升。據Trendforce數據，預估2022年搭載GPGPU的AI服務器年出貨量占整體服務器比重近1%，即約14萬臺。預計2023年出貨量年成長可達8%，2022~2026年CAGR達10.8%。根據上文對訓練&推理算力需求測算，并以TrendForce數據預估2022年搭載GPGPU的AI服務器出貨量14萬臺為基數，測算訓練側與推理側AI服務器需求對服務器出貨量的拉動。100個175B訓練模型對AI服務器出貨量的拉動為9.6%，10個使用GPT-3.5175B模型的谷歌級推理應用對全球AI服務器出貨量的拉動為643%。（二）價：AI服務器ASP提升顯著，“算連存”深度受益AI服務器單價是普通服務器的10倍以上，算、連、存增量顯著。AI服務器內部除了2顆CPU外，一般還要配備4/8顆GPGPU以及一系列的相關配套芯片，AI訓練服務器因為其對算力需求更高，單機價格較普通服務器將有較大的提升，通用服務器價格一般為幾千美金/臺，而主流AI服務器價格多在10-15萬美金/臺。以英偉達DGXH100為例，其內部包含了8顆H100GPU、2個64核AMDRomeCPU、2TBRAM、30TBGen4NVMESSD、4個NVIDIANVSwitch以及8個NVIDIAConnext-7400Gb/s網卡。除ODM廠商受益于服務器AI升級，成長空間廣闊外，AI服務器內部的算力芯片（GPU等）、連接產品（光模塊、PCIeRetimer、PCB等）、存儲芯片（DRAM、NAND、HBM等）市場規模都有望迎來顯著提升。1.算力：GPU龍頭英偉達一馬當先，ODM廠商重要性凸顯（1）GPU龍頭英偉達一馬當先，國產AI芯片廠商加速追趕GPU龍頭英偉達一馬當先。英偉達于2020年和2022年相繼推出針對AI、數據分析和HPC應用場景的兩款產品：A100和H100，幾乎占據了目前大模型應用的全部算力需求市場。與A100相比，H100的綜合技術創新可以將大型語言模型的速度提高30倍，從而提供業界領先的對話式AI功能。具體到性能參數，同為SXM外形規格的H100/A100，半精度浮點算力（FP16tensorcore）分別為989.4/312TFLOPS，互連帶寬分別為900/600GB/s。英偉達GH200性能進一步提升。2023年Computex2023大會上，英偉達發布基于GraceHopperSuperchip的用于運行AIGC的大內存超級計算機DGXGH200。NVIDIA最新的Grace“Hopper”架構將72核GraceCPU、HopperGPU、96GBHBM3和480GBLPDDR5X集成在同一封裝中。在HPC、AI等應用場景中，相較于傳統的X86CPU+GPU的解決方案，GraceHopperSuperchip能提供更高的效率。GPU龍二廠商AMD積極布局。AMD于2018年開始，積極推出并持續迭代面向高性能計算和人工智能工作負載的MI系列加速器。2023年6月，AMD正式發布最新一代AI加速器——MI300系列。其中，MI300A性能與MI250相比提高八倍，效率提高五倍。MI300X為針對LLM大語言模型推的升級版，內部為純GPU架構，并擁有更大的HBM密度，意味著單個MI300X便可運行一個參數高達800億的模型。本土AI芯片廠商加速追趕。從技術架構來看，Al芯片主要分為GPU、FPGA、ASIC三大類。國內AI芯片廠商中，華為、阿里和寒武紀為ASIC技術架構，百度昆侖芯為FPGA技術架構，海光信息、景嘉微、摩爾線程、沐曦、燧原科技、壁仞科技、天數智芯則采用GPU技術架構。目前各家產品參數與英偉達A100/H100相比，仍有差距，但在英偉達等高端AI芯片出口受限的背景下，國產AI芯片企業獲取了難得的發展機遇，隨著本土下游AI需求的不斷拉動，國產AI芯片廠商加速追趕。（2）ODM廠商重要性凸顯，工業富聯深度綁定英偉達構筑競爭壁壘服務器ODM廠商重要性日益凸顯。英偉達于2017年啟動全球頂尖ODM伙伴合作計劃，與包括鴻海（富士康）在內的中國臺灣服務器設計生產大廠成為合作伙伴。通過HGX合作伙伴計劃，英偉達為所有ODM廠商提供HGX參考架構、GPU運算技術以及設計準則等資源。ODM廠商利用HGX作為切入點，能與英偉達加快設計合作，并針對超大規模數據中心推出各種類型的認證GPU加速系統。并與英偉達工程師密切合作，協助縮短從設計到產品部署上市的進程。工業富聯深度綁定英偉達構筑競爭壁壘。工業富聯與英偉達合作多年，2017年工業富聯旗下鴻佰科技與英偉達和微軟共同發布第一代應用于人工智能深度學習的HGX-1系統。在此之后，工業富聯隨英偉達GPU產品升級，陸續推出HGX3/HGX4系列產品。工業富聯深度參與英偉達H100服務器的生產制造，2023年臺北國際電腦展上英偉達CEO黃仁勛播放了于工業富聯拍攝的H100自動化產線視頻。2.連接：集群帶來光模塊高彈性，接口芯片和PCB量價齊升（1）光模塊/光芯片：DGX服務器集群架構升級帶來高彈性DGX服務器集群架構升級帶來光模塊/光芯片需求量的高彈性。大模型需要大量的GPU進行訓練或推理，為了使數百甚至上千個GPU組成的計算單元能夠有效發揮其效率，需要使用低延遲、高帶寬的網絡連接各服務器節點，滿足服務器/GPU間計算、讀取存儲數據的互聯通信需求。光模塊/光芯片是實現服務器間高速互聯的核心部件，伴隨服務器/集群架構的迭代升級，高速光模塊/光芯片的需求顯著增長。DGXA100服務器集群中單顆A100對應約7顆200G光模塊需求。僅考慮服務器集群中計算網絡和存儲網絡的互聯需求，在140臺DGXA100服務器組成的集群中，計算網絡使用三層網絡架構（包含三層交換機：Leaf、Spine、Core），存儲網絡則使用雙層網絡架構；經測算，計算網絡中單顆A100對應6顆200G光模塊需求，存儲網絡中單顆A100對應1.2顆200G光模塊需求，合計單顆A100對應7.2顆200G光模塊需求，對應約28顆50G光芯片需求。DGXH100服務器集群中單顆H100對應約1.5顆800G光模塊+2顆400G光模塊需求。在DGXH100服務器集群的計算網絡中，服務器、交換機均配有800G光模塊端口，顯著拉動了對800G光模塊的需求。在128臺DGXH100服務器組成的集群中，計算網絡、存儲網絡均采用雙層網絡架構，單顆H100對應1.5顆800G光模塊+2.25顆400G光模塊，對應約20顆100G光芯片需求。如果集群中服務器數量增加，計算網絡需要使用三層網絡架構，則單顆H100對應800G光模塊需求會增加至2.5顆。DGXGH200使用NVLink高速互聯多達256顆GPU，對光模塊需求大幅增加。不同于傳統集群架構使用IB網絡連接服務器，NVIDIA最新發布的DGXGH200使用帶寬高達900GB/s的NVLink網絡連接多達256顆GPU（等效32臺服務器）；DGXGH200使用了雙層NVSwitch的網絡架構，假設GPU和一層NVSwitch間使用銅互聯、一層NVSwitch和二層NVSwitch之間使用光模塊互聯，則單顆GPU對應9顆800G光模塊需求。NVIDIA計劃今年發布由4個DGXGH200構成的超級計算機NVIDIAHelios，DGXGH200內部仍使用NVLink網絡互聯，4個DGXGH200間使用IB網絡互聯，這會進一步增加對光模塊需求。（2）高速接口芯片：PCIeRetimer需求增長PCIeRetimer用于高速信號恢復。人工智能、云計算、大數據的快速發展推動服務器對數據傳輸的速度越來越高，PCIe協議傳輸速率也快速提升，但主板物理尺寸延展空間有限，信號損耗問題愈發嚴重。PCIeRetimer芯片主要用于信號恢復，已較多應用于AI服務器、SSD擴展卡、Riser卡等典型應用場景。根據AsteraLabs的方案，一臺8卡GPU的AI服務器需要8顆PCIe4.0Retimer芯片，同時Retimer芯片可在通用服務器中NVMeSSD，NIC，Riser卡等多個場景中使用。隨著PCIe5.0的滲透提升，通用服務器的主板上還可在距離CPU較遠的Endpoint間使用PCIeRetimer。在對PCIeRetimer芯片市場規模進行測算過程中，我們按照單通用服務器約裝配1-2顆PCIeRetimer芯片，PCIe4.0Retimer約24美元，PCIe5.0Retimer芯片約48.5美元為基礎，預計至2026年，市場規模有望增長至7.27億美元。（3）PCB：單機量價齊升AI服務器PCB單機量價齊升。AI服務器PCB板價值量提升主要來自三方面：（1）PCB板面積增加。AI服務器中除了搭載CPU的主板外，增配的4至8顆GPGPU需要分別封裝在GPU模塊板，并集成到一塊主板上，PCB面積大幅增加。（2）PCB板層數增加。AI服務器相對于傳統服務器具有高傳輸速率、高內存帶寬、硬件架構復雜等特征，需要更復雜的走線，因而需要增加PCB層數以加強阻抗控制等性能。（3）PCB用CCL材料標準更高。AI服務器用PCB需要更高的傳輸速率、更高散熱需求、更低損耗等特性，CCL需要具備高速高頻低損耗等特質，因此CCL材料等級需要提升，材料的配方以及制作工藝復雜度攀升。服務器用PCB市場規模高速增長。根據滬電股份2021年年報數據，服務器與數據存儲領域PCB市場規模預計在2026年達到126億美元，2020年到2026年CAGR為13.5%，高于同期PCB市場整體增速7.7%。3.存儲芯片：HBM成高端GPU標配，CoWoS助力HBM與GPU間高速互連（1）HBM成高端GPU標配GPU顯存分為GDDR和HBM兩種方案。GPU芯片周圍一般需要配備高容量的顯存，傳統的方案為GDDR，而用于AIGC的高端GPU則采用HBM方案。HBM方案由多個芯片垂直堆疊而成，每個芯片上都有多個內存通道，可以在很小的物理空間內實現高容量和高帶寬的內存，有更多的帶寬和更少的物理接口，并擁有更低的功耗和低延遲，但相對而言，成本更高。HBM堆棧沒有以外部互連線的方式與計算芯片連接，而是通過中間介質層緊湊連接。以HBM2方案為例，相對于GDDR5，HBM2節省了94%的芯片面積。從帶寬角度看，一個HBM2堆棧封裝的帶寬就是307Gbyte/s，遠高于GDDR5的帶寬。HBM已經成為了高端GPU的標配。海力士、三星美光等廠商緊跟HBM趨勢，已發布多款產品。英偉達歷代主流訓練GPU基本都配置HBM，如H100采用了6顆HBM3，從2017年發布的V100起，一直配置最新的HBM技術，如A100使用了HBM2E，H100使用了SK海力士的HBM3。隨著GPU的升級，每顆GPU所搭配HBM的容量、代際也隨著GPU的升級而提升。體現在單顆GPU需要配置的HBM的Die層數增加，Stack個數增加，單機價值量提升顯著。（2）2.5DCoWos封裝，助力HBM與GPU高速互聯CoWoS-S是目前HBM與GPU之間封裝的主流方案。在過去十年間，CoWoS-S技術已經迭代了五代，在中介層尺寸、晶體管數量、存儲容量和電源完整性/信號完整性等方面都有了長足的進步。英偉達的P100、V100、A100、GraceHopper等數據中心芯片均使用CoWoS-S實現HBM與GPU的封裝。除此之外，CoWoS-S還廣泛用于Broadcom、GoogleTPU、AmazonTrainium、NECAurora、FujitsuA64FX、AMDVega、XillinxFPGA、IntelSpringCrest、HabanaLabsGaudi，以及一些初創公司的AI芯片等。AI芯片執行訓練和推理任務需要在內存和處理器之間傳輸大量數據，CoWoS-S的高帶寬優勢對于AI芯片性能的提升格外顯著。即使目前CoWoSS的成本很高，但仍然是主流廠商高性能AI處理器的首選方案。CoWoS技術未來可期。據Digitimes報道，臺積電預測2023年對先進封裝和測試的需求可能略弱于2022年，今年該細分市場在公司整體銷售額中的份額將達到6%-7%，略低于去年的7%。但預計未來五年，先進封裝和測試領域的增長將高于平均水平。CoWoS的變種，包括CoWoS-S、CoWoS-R和CoWoS-L，均已得到臺積電頂級客戶的認可。除了AIHPC應用外，CoWoS-S還滲透到高端網絡芯片領域。CoWoSL可以滿足未來對更高計算性能和更多HBM集成的需求。（3）傳統存儲用量提升顯著AI服務器存儲單機用量提升顯著。根據美光預計，AI服務器的存儲配置中DRAM容量可達通用服務器的8倍，NAND容量可達3倍。以DRAM為例，除了新增HBM，DDR模組容量和價值量也有望提升，尤其是AI服務器更傾向于升級為DDR5等高性能和高密度模組。4.其他產品：多相電源供電方案增量顯著多相電源產品在AI服務器中單機價值增量顯著。多相控制器+DrMOS組成的多相電源解決方案是GPU的主流供電形式。我們對8卡AI服務器的多相電源解決方案產品新增需求進行測算，A100/H100需要16相電源解決方案（1顆多相控制器+16顆大電流DrMOS的配置），則該AI服務器相較于普通服務器增加了8顆多相控制器、128顆大電流DrMOS需求，參考TI官網產品價格，AI服務器單機新增多相電源產品價值量約為254美元；根據MPS數據，單臺普通服務器CPU主板電源解決方案（包含多相控制器+DrMOS+POL+EFuse等產品）合計價值量約80美元；因此AI服務器單機多相電源產品價值量相較于普通服務器有數倍提升。（三）下游應用：AIGC賦能千百行業，智能應用蓄勢待發AIGC應用技術場景細分領域眾多，按照模態區分，可以分為音頻生成、文本生成、圖像生成、視頻生成及圖像、視頻、文本間的跨模態生成，多點開花。伴隨著有關底層技術原理的不斷突破和細化，AIGC將迎來快速發展和廣泛應用。目前，人工智能已初步實現與安防、VR/AR、家庭智能音箱、自動駕駛、機器人等領域的結合，AIGC賦能效應蓄勢待發。1.安防：AIGC有望與安防緊密結合，驅動泛安防產業智能化升級AIGC有望與安防緊密結合，驅動泛安防產業智能化升級。ChatGPT和AIGC技術的應用，可以幫助安防產品實現更高效的數據處理和管理，大幅提升安防系統的反應速度和處理能力，實現一定程度降本增效，推動智慧安防乃至智能物聯網行業發展。近幾年，傳統安防已通過物聯網、云計算、AI等技術升級為智慧安防。據IDC數據，視頻監控、人臉識別、智能攝像頭等泛安防是中國近年來已部署和計劃部署的重點AI領域，也是AI最先商業化的領域之一。隨著AIGC時代的來臨，智慧安防可進一步升級。具體而言，ChatGPT可以通過分析和處理大量語音、文本和圖像數據，幫助識別并分類人、車輛、動物等不同對象，幫助安全系統快速識別異常事件，以及實現更精細化的數據分析和挖掘，進一步提升預測準確率等。2.視覺：AIGC作為生產力工具賦能元宇宙，推動XR設備發展AIGC逐漸實現元宇宙的可擴展性潛力，低成本、高效率地滿足VR/AR用戶海量內容需求。以AR/VR作為入口，元宇宙極大擴展了人類在虛擬世界的生存空間。但元宇宙中需要大量3D場景構建，高保真3D模型單靠人工設計開發效率低、成本高。AIGC有望成為新的元宇宙內容生成解決方案，利用AI方式生成3D場景將成為未來元宇宙滿足海量用戶不同需求的解決之道。具體而言，AIGC技術通過提供元宇宙環境生成的基礎設施、提供個性化內容體驗和交互方式等，更好地滿足用戶需求。具體體現在：（1）AIGC釋放開發人員生產力，為構建沉浸式元宇宙空間環境提供核心基礎設施技術。（2）AIGC為元宇宙用戶提供個性化內容體驗，吸引更多用戶進駐元宇宙。（3）AlGC在元宇宙用戶交互界面發揮作用，充當元宇宙中的虛擬助手或伙伴，執行“智能”動作和更為復雜的任務。3.聽覺：AIGC有望提升智能音箱用戶體驗，打開終端設備成長空間智能交互與家庭場景深度匹配，AIGC加持下智能音箱有望實現飛躍。未來，在生成式AI模型加持下，智能音箱能夠給出更加豐富、更加準確的反饋，提升消費者的體驗。同時在控制層面，AIGC有望幫助智能音箱更深層次理解人類指令，并進一步實現對家庭內部各類物聯網設備的復雜控制，強化家庭設備控制中心的地位。預計在AIGC加持下，作為家庭智能設備交互中心與控制入口的智能音箱有望不斷增強交互與控制能力，在家庭內部家庭教育、電器控制、起居輔助等方面進一步提升用戶體驗，推動銷量進一步提升。4.自動駕駛：AI大模型深度賦能自動駕駛，產業落地未來可期AI大模型賦能自動駕駛技術，有望在自動駕駛產業中持續落地。自動駕駛技術高度復雜，需要融合多學科領域的知識和技能，包括傳感器技術、機器學習、路徑規劃等方面，而隨著人工智能技術發展，自動駕駛算法被組裝成一系列任務，包括目標檢測與跟蹤、在線建圖、軌跡預測、占據柵格預測等子任務。2021年特斯拉首次基于Transformer將攝像頭2D圖像拼接轉化成3D圖景，生成鳥瞰圖“Bird'sEyeView”，簡稱“BEV”。這也是大模型在自動駕駛感知環節的應用，國內企業已紛紛跟進。2023年6月22日，在全球頂級計算機視覺會議CVPR2023上，由上海人工智能實驗室、武漢大學及商湯科技聯合完成的《Planning-orientedAutonomousDriving》成為CVPR歷史上第一篇以自動駕駛為主題的最佳論文，該論文首次提出感知決策一體化的自動駕駛通用大模型UniAD，首次將檢測、跟蹤、建圖、軌跡預測，占據柵格預測以及規劃整合到一個基于Transformer的端到端網絡框架下，更高效契合了“多任務”和“高性能”的特點，取得自動駕駛技術研究重要突破。UniAD證明了大模型與自動駕駛產業結合的潛力，AI大模型驅動的全棧端到端自動駕駛方案有望在自動駕駛產業中持續落地，賦能更高階自動駕駛智能技術的實現。5.機器人：多模態持續賦能，AI大模型助力機器人產業發展多模態大語言模型有望在機器人應用落地。人工智能技術在計算機視覺、語義分析等方面賦能機器人應用，而隨著Transformer等模型的推出，多模態大模型助力機器人實現機器人視覺、文字、語音等更多維數據交互發展，大大提升機器人的人機交互能力以及在不同垂直領域應用場景的適應性。2023年2月，微軟在其官網發表了一篇名為《ChatGPTforRobotics：DesignPrinciplesandModelAbilities》的論文，接入ChatGPT后的機器人可以實現自然的人機交互，并且可通過分析攝像頭的視覺輸入和高級語言命令完成復雜工作。未來多模態大語言模型有望在機器人應用持續落地，不斷拓展垂直細分領域應用，助力機器人產業發展。格局二：競爭格局，穿越周期后的王者（一）周期探底，逐步迎來復蘇1.三重周期：產品周期、產能周期、庫存周期2022年11月我們發布了報告《周期視角下半導體設計及設備、材料投資機遇》，提出了基于產品、產能和庫存的三重周期嵌套的分析框架：在供需的變化下，半導體行業呈現出周期性成長的趨勢。通過分析每一輪行業周期的驅動因子，我們可以將行業周期拆解為三重基本周期的嵌套：產品周期（需求端）、資本支出/產能周期（供給端）、庫存周期（供需關系），以分析半導體行業的周期階段和發展趨勢。在當前時點，我們觀察到行業需求復蘇的信號持續明朗、晶圓代工和封裝測試產能利用率觸底且指引相對樂觀、設計公司庫存水位也逐步下降，行業的周期變化基本按照當時我們的判斷向前發展。且半導體行業的產品、產能和庫存周期的發展狀態已經有較為明顯的景氣好轉特征，為行業周期的發展趨勢帶來了積極的影響。2.中游制造：稼動率觸底，有望企穩回升復盤2020年初以來的產能周期。20Q3-22Q3，疫情催生的“宅經濟”帶動PC、NB、平板、小家電等產品需求激增，同時，新能源發展趨勢強化，對半導體需求顯著攀升；多重因素刺激下，全球半導體行業景氣度持續上升，上游代工、封測環節企業營收迅速增長；2021Q3以來，行業需求分化，盡管消費電子市場需求放緩，但新能源應用需求持續旺盛，疊加“缺芯期”overbooking、晶圓&封測訂單交貨節奏拉長影響，上游代工、封測環節廠商21Q3-22Q3仍維持了較明顯的成長趨勢。22Q3-23Q1，受到終端需求持續低迷、下游設計廠商砍單去庫存影響，代工、封測環節營收快速下滑。截至23M5，伴隨終端需求復蘇信號逐漸明朗、下游設計廠商產生補庫存需求，中游制造環節稼動率、營運表現逐漸顯現觸底反彈趨勢。代工封測環節有望在年內迎來稼動率的觸底及修復。根據臺積電經營展望，產能利用率預期在23Q2觸底，23H2迎來逐漸復蘇、表現優于23H1。根據中芯國際經營展望，23Q2營收指引環比增長5%~7%，產能利用率、出貨量將優于23Q1。根據長電科技經營展望，當前產能利用率仍處于歷史上較低位置，預期國內、海外陸續逐步恢復，到Q3、Q4有望恢復到較為健康的狀態。3．下游應用：需求分化，庫存去化各細分賽道呈現不同需求分化和庫存去化程度。據Statista，2020-2030年全球半導體市場結構演變過程中智能手機和PC占比分別下降，而服務器、汽車及工業市場占比相對提升。就長期的成長性看，2020-2030年服務器及汽車、工業市場規模增長較快，CAGR分別達13%、14%、12%。但中短期來看，半導體各細分下游也不同程度受到周期性影響。當前2023年年中，各個細分領域呈現出不同程度的需求分化和庫存去化，其中具體分析如下。家電：產業鏈庫存包袱較輕，需求邊際向上有望拉動上游IC需求。在國內消費復蘇+竣工拉動、以及行業需求層面的海外低基數+低庫存的宏觀環境下，家電需求整體呈逐季改善趨勢。其中，白電中空調超預期、冰洗穩中向好。小家電結構性需求復蘇明顯。地產政策邊際放松也有助于釋放廚電需求。根據奧維云網數據，今年1-5月家電線上、線下零售額分別同比+4.5%、+2.5%。此外，根據海關總署數據，今年1-5月家電出口金額累計同比+5.8%（人民幣口徑），三月以來出口數據恢復良好增長。從供給端看，家電產業鏈各環節庫存并不高企，渠道很少囤貨，且經過幾個季度調整，終端客戶廠商庫存基本回歸正常水位，因此若需求端有邊際恢復，則可較快傳導至上游。目前大部分家電IC廠商庫存去化順利，再疊加行業層面需求復蘇、以及IC設計廠商自身新產品滲透，預計其業績有望較快且較早向上。AIOT：庫存持續去化，AIGC催化終端需求回升。AIOT市場具有品類繁多且分散，需求偏向于碎片化，終端產品形式多樣，長尾客戶眾多等特點。2022年AIOT行業受到宏觀環境影響，各細分賽道需求受到一定沖擊。但長期來看，對AIOT產品“低功耗”、“強連接”、“增長AI算法”等各種創新和升級的需求一直存在，AIOT市場的產品創新潛力還遠未被完全發掘，AIOT長期往各細分市場滲透趨勢不變。以及本輪AIGC浪潮下，大模型可賦能AIOT硬件終端，提升用戶體驗從而促進需求回升。庫存方面，綜合物聯網模組廠、平臺服務商，以及諸如小米等終端客戶的需求和庫存來看，產業鏈各環節的庫存都已得到明顯下降，尤其是下游智能耳機/智能音箱/智能家居賽道。從IC廠商庫存來看，大部分AIOTMCU/SOC的廠商的庫存去化取得一定成果。PC：庫存去化明顯，預計行業23H2和24年可溫和復蘇。從需求端看，PC需求或走出低迷，IDC預計23年年底或24年有望復蘇。Intel表示長期來看PC穩態年出貨量會回歸到3億部左右。跟蹤臺股月度更新的筆電/PC出貨量數據來看，2023年5月，幾家主流ODM廠商PC/NB合計出貨1130萬臺，YoY-8.9%，QoQ+22.8%。根據AMD和Intel在23Q1EarningsCall上的預期，AMD表示已經連續三個季度減少PC客戶發貨，促使供應鏈庫存正常化，預計23H2庫存水位會正常化。Intel表示23Q1PC供應鏈消耗大量庫存，公司自身PC芯片有望在23Q2末庫存正常化。智能手機：客戶和渠道庫存趨向正常化，23H2及24年有望迎來復蘇。根據海外芯片大廠的觀測，盡管目前大部分品牌客戶和渠道庫存已恢復正常水位，但客戶暫維持謹慎備貨策略，對上游拉動力度改善不明顯。三星預計23Q2手機中低端市場需求量有一定恢復，H2恢復會更明顯。根據IDC預測，2023年全球智能手機出貨量將下降3.2%，全年總計11.7億部，但全年出貨量有望在24年重回增長。參考下游應用以AIOT、PC/NB、手機為主的海外ICFabless廠商的庫存數據，相應觀察到庫存已基本趨向正常化。服務器：產業鏈仍在去庫存階段，23H2有望好轉，但AI服務器需求預計持續上升。目前，通用服務器產業鏈仍在去庫存階段，美光預計數據中心業務Q2營收觸底，其客戶庫存水位將于23年底達健康水平，Intel預計Q2末自身的數據中心庫存接近正常。信驊23M3-23M5月度營收同比在-50%~-40%區間，環比則基本持平。我們認為通用服務器在23H1承受較大去庫存壓力，但有望在23H2得到一定好轉。受AIGC趨勢推動，Google/Meta/Mircosoft等各云廠商CapEx一定程度上修，但主要圍繞AI算力中心建設為主。從供需角度來看，2022年服務器需求整體呈現高景氣，傳遞至產業鏈備貨積極、庫存水位較高，因而去化起點高、時間也相對較晚。在宏觀疲軟背景下，云廠商并未明顯增加對通用服務器CapEx，導致庫存去化也相對較慢。從歷史來看，服務器產業鏈庫存去化周期通常在3-4季度，預計在23H2將有望看到供需拐點。汽車和工業：汽車供應鏈降本訴求傳導至上游，工業景氣度相對平穩。2023年以來，國內乘用車和新能源車銷量整體相對需求下滑，根據中汽協數據，2023年4月新能源車銷量同比+117.4%，環比-1.5%，國內乘用車4月銷量同比+55%，環比基本持平。再疊加車企價格戰開啟，降本訴求變強，對上游芯片廠商導入進度和庫存積累和利潤水平產生一定影響。工業方面，TI（德州儀器）表示23Q1該業務環比持平，美光表示，工業市場在23Q1需求疲軟但預計23H2將有所改善。（二）格局清晰，做時間的朋友1.半導體設備：行業壁壘高企龍頭地位穩固，國產替代驅動成長半導體設備行業具有較高的技術壁壘、市場壁壘和客戶壁壘，龍頭廠商格局、份額較為穩固。根據VLSIResearch，2020年，應用材料、阿斯麥、拉姆研究、東京電子、科磊半導體五家龍頭廠商占據全球半導體設備市場65.5%的份額，行業處于寡頭壟斷局面，且龍頭廠商格局、份額較為穩固。近年來，本土廠商基于國產替代機會窗口，與客戶密切開展工藝設備的合作研發、推進已有產品的迭代和細分產品品類擴充，目前以北方華創為代表的平臺化布局公司，和以拓荊科技為代表的深耕專長領域的公司已經在本土半導體設備市場形成較強的競爭力，廠商在確立本土市場龍頭地位后，有望受益于行業的高壁壘，形成強者恒強的競爭格局。內資晶圓產線產能距離規劃仍有較大的提升空間，中國大陸配套的半導體設備需求有望保持穩固，國產替代空間廣闊。從遠期內資晶圓產線的建設情況來看，根據各公司官網的不完全統計，目前，內資晶圓產線的總產能約為162.5萬片/月（8寸約當），而各條產線的規劃總產能約為454.5萬片/月（8寸約當），現有產能距規劃產能仍有較大的擴充空間。根據SIA數據，2030年中國大陸晶圓產能在全球占比有望提升至24%，成為全球最大的晶圓產能區域市場。晶圓產能的持續擴張，有望顯著拉動上游配套半導體設備的市場需求。在供應端，2021年國產半導體設備銷售額占中國大陸半導體設備銷售額僅約20%，當前國產化率仍處于非線性提升階段，國產替代驅動的份額提升，將為行業貢獻可觀的成長速度和空間。2.半導體材料：主要細分市場均呈現寡頭壟斷格局，本土廠商加速突破半導體材料種類繁多，各細分市場均呈現寡頭壟斷格局。半導體材料根據應用場景和產品形態可分為硅片、電子特氣等晶圓制造材料，和引線框架、封裝基板等封裝材料。半導體材料行業具有技術難度高、研發周期長、客戶認證周期長等特點，進入壁壘較高；由于海外廠商擁有技術積淀深厚、人才儲備充足、與客戶合作關系密切等先發優勢，當前各細分市場主要由海外廠商主導，且均呈現高度壟斷的競爭格局。如根據滬硅產業定增說明書、GlobalMarketMonitor、金宏氣體招股書、CabotMicroelectronics等數據，半導體硅片、電子特氣、光刻膠等市場CR5均超過80%；在拋光墊市場Dow占據全球市場約80%的份額，一家獨大。中國大陸已成長為全球半導體材料第二大市場，本土材料廠商正處在國產替代的加速突破階段。根據SEMI數據，2022年中國大陸半導體材料市場已增長至130億美元，在全球市場占比提升至17.8%，市場空間廣闊。近年來，本土廠商一方面受益于產業、政策支持，同時在研發、量產、客戶導入等方面積極推進，目前已經在部分細分領域取得較高的市場份額，如8英寸及以下半導體硅片可基本滿足國內晶圓代工產業的需求；同時，在12英寸硅片、ArF光刻膠等高端半導體材料市場，本土頭部廠商正加速突破，研發、擴產進展順利，未來成長有望充分受益于國產替代驅動的份額提升以及高端產品突破拓寬的成長邊界。3.代工封測：競爭格局清晰，國產廠商持續提升競爭力晶圓代工：頭部效應顯著，“一超多強”格局穩固。全球晶圓代工市場呈現“一超多強”格局，根據TrendForce數據，23Q1，臺積電在全球代工市場市占率超過60%，一家獨大；行業CR5超過90%，呈現寡頭壟斷格局。在國內市場，根據ICInsights數據，近年來中芯國際、華虹等本土頭部晶圓廠的市占率穩中有升，龍頭地位愈發突出。晶圓代工行業資本開支高、進入門檻較高，行業競爭格局高度集中，頭部廠商地位較為穩固。工藝產能同步擴張，本土晶圓廠成長可期。近年來本土晶圓廠積極加大資本開支，有效擴充了產能。預計未來幾年內，國內晶圓代工廠仍將保持擴產節奏。根據公司經營展望，中芯國際2023年資本開支預計將與2022年持平，未來五到七年中芯深圳、中芯京城、中芯東方、中芯西青共約34萬片/月12寸新產能陸續擴出。華虹半導體致力于特色工藝平臺的建設，不斷提升在汽車、新能源、物聯網、數據中心等下游領域的滲透率，特色工藝有望成為公司核心競爭力和重要的業績增長點。封裝測試：競爭格局穩定，國內廠商占據全球較高份額。根據研究數據，2022年全球前十大委外封測廠商中有四家來自中國大陸（長電科技、通富微電、華天科技、智路封測），合計市場占有率達24.55%，相比2021年的23.53%提升了1.02pct。國內頭部廠商在保持現有優勢地位的基礎上，不斷提升市場占有率。根據MordorIntelligence數據，封裝測試市場規模預計仍將保持穩定成長，2022年全球半導體委外封裝測試市場規模（不含IDM和晶圓廠的封裝測試業務）約為420億美元，到2027年預計將增長到602億美元，對應CAGR7.5%。后摩爾時代先進封裝重要性凸顯，HBM+CoWoS帶動2.5D/3D封裝市場快速增長。目前，晶圓制造技術已經逐漸逼近物理極限，制程節點的微縮趨于放緩。先進封裝正在成為提升芯片性能的重要技術方向。混合鍵合、硅中介層等新技術的引入有效提升了封裝環節的互連密度，為異構芯片的集成提供了可行的技術方案。據Yole數據，2021年全球先進封裝市場規模約為374億美元，到2027年預計將提升至650億美元，期間CAGR達10%。在HBM、CoWoS等新興技術的帶動下，預計全球2.5D/3D封裝市場規模將從2021年的66億美元增長至2027年的150億美元，期間CAGR達14%。4.EDA/IP：壁壘高企、格局穩定，國產替代進行中EDA賽道成長性較好，競爭格局相對穩定。據ESDAlliance數據，全球EDA市場規模從2016年的85.23億美元增長至132.75億美元，CAGR達9.27%。據VerifiedMarketResearch數據，2028年全球EDA市場規模有望達到215.6億美元，2021-2028年CAGR約7.17%。此外，EDA與IP具有強大的協同效應。EDA公司往往也是IP公司，兩個賽道具有一定相似特點。格局方面，海外EDA三巨頭Synopsy、Cadence、SiemensEDA經過多年的發展，通過持續高強度的研發投入、頻繁并購以及緊密的生態合作已建立較高壁壘。因此，越早積累更多點工具、突破全流程工具的公司，更易建立強者恒強的格局。根據Trendforce數據，三家海外大廠約占據超全球70%的份額，行業集中度高。就國內格局來看，本土EDA廠商發展較晚，前三大海外廠商的市占率更高。國產替代機遇下，國內EDA廠商發展較快。一方面，中國芯片產業鏈各環節的不斷發展創造了更多EDA的需求空間，且我國新技術（云/智能化等）發展迅速給未來的EDA提供了超車的機會。另一方面，位于關鍵環節的EDA對其自主可控的需求也愈加迫切。在國產替代機遇下，華大九天、概倫電子、廣立微等本土廠商發展迅速。華大九天經過13年賽道深耕，已覆蓋了模擬電路設計全流程EDA工具系統、數字電路設計EDA工具、平板顯示電路設計全流程EDA工具系統和晶圓制造EDA工具等EDA工具軟件產品，是本土EDA龍頭。概倫電子聚焦于制造類與設計類EDA領域，發布了設計類EDA全流程平臺NanoDesigner，已成長為國內EDA行業的頭部企業。廣立微聚焦在制造類EDA中的良率測試環節并提供晶圓級電性測試設備供應商，經過幾十年發展，逐步形成了包括自動化測試、測試平臺，設備測試等一系列產品解決方案。5.面板：格局優化，擁抱復蘇韓國和中國臺灣產能持續退出，供給格局不斷優化。韓國廠商方面，以三星、韓國LG為主的面板廠LCD產線老舊、競爭力弱，逐漸退出LCD競爭轉向OLED；中國臺灣廠商方面，2023年4月，友達表示規劃將5A廠產能轉至其他各廠，以提升生產制造最優效能與配置。5A廠目前主要以生產筆電面板為主，月產能約6.2萬片；群創表示將基于彈性策略動態調整產能，致力達成整體營運正面效益，中國臺灣面板“雙虎”也將逐漸退出競爭。考慮新增產能釋放和韓廠產能退出，根據Omdia數據，2023年京東方全球LCD面板產能占比將提升至27.2%，國內三大廠的全球LCD面板產能占比將提升至57%，國內三大廠的全球高世代（G7及以上）LCD面板產能占比將提升至68%。在行業集中度加速提升的情況下，我們判斷龍頭廠商對上下游議價能力以及對產品結構的控制能力將明顯提升。從季度來看，23Q2面板廠稼動率預計繼續回升，有效提振面板廠營收規模。根據DSCC，供應鏈中庫存已降至正常水平，品牌廠備貨浪潮導致需求增加，使得23年第二季度面板廠商稼動率大幅提高，提振面板廠營收規模。根據DSCC數據，22Q2產能利用率下降6%，22Q3繼續下降15%，達到65%，22Q4產能利用率處于2008-2009年金融危機以來的最低區間，23Q1開始產能利用率略有回升，預計23Q2~23Q3產能利用率將進一步恢復至70%以上。LCDTV面板價格持續上漲，有效改善面板廠盈利能力。根據Omdia數據，自2022年10月以來，LCDTV面板價格已連續9個月維持環比上漲趨勢。受益于終端銷售持續回暖疊加備貨潮，品牌廠商積極增加采購量，面板廠通過調整產線稼動率控制產出，使得供需保持在相對平衡狀態，面板價格有望維持上漲趨勢，持續改善面板廠盈利能力。根據Omdia數據，2023年6月，65寸電視面板均價為165美元，與前月相比上漲9美元，環比增長6%；55寸電視面板均價為123美元，與前月相比上漲7美元，環比增長6%；50寸電視面板均價為103美元，與前月相比上漲7美元，環比增長7%；43寸電視面板均價為62美元，與前月相比上漲2美元，環比增長3%；32寸電視面板均價為37美元，與前月相比上漲1美元，環比增長3%。6.被動元件：稼動率處于低位，價格底部區間已現全球MLCC市場集中度高，日韓廠商主導競爭格局。韓國廠商MLCC產品范圍豐富，在技術和規模上均占據絕對優勢。MLCC主要廠商有村田、三星電機、國巨、太陽誘電、華信科技等。根據TrendForce數據，從23Q1全球前10大MLCC廠商市場規模來看，日本廠商村田和韓國廠商三星電機為龍頭企業，合計占比為51.4%；中國臺灣廠商國巨位列第三，占比14%；中國大陸廠商微容科技和風華高科合計占比為10.1%。23Q1主要MLCC廠商稼動率處于低位，訂單需求減弱。23Q1受終端需求低迷影響，OEM廠商持續調整訂單，市場呈現淡季，導致MLCC出貨量繼續下降。23Q2至今，由于品牌端與ODM訂單需求起伏不定，加上降價壓力不斷，導致MLCC供應商持續控制產能降載，以維持供貨、庫存、價格三者間的平衡。根據TrendForce統計，2023年5月日本MLCC廠商平均稼動率為78%，中國大陸、中國臺灣和韓國廠商的平均稼動率為60%-63%。根據TrendForce數據，23Q1MLCC供應商平均BBRatio平均值為0.79，其中消費、工控訂單需求持續衰退，車用市場拉貨動能持續。MLCC整體價格處于底部，不同型號價格趨勢出現分化。根據村田制作所的統計，目前消費電子產品中所使用的不同尺寸MLCC的占比從高到底為：0201、0402、01005、0603、0805、1206，其中0201、0402和01005合計占比超過80%以上。根據TrendForce的統計，2022年開始電子消費型M