《电子行业:AI浪潮下的硬件创新-230506(29页).pdf》由会员分享,可在线阅读,更多相关《电子行业:AI浪潮下的硬件创新-230506(29页).pdf(29页珍藏版)》请在三个皮匠报告上搜索。
1、AI浪潮下的硬件创新长江证券研究所电子研究小组2023-05-06%1分析师及联系人证券研究报告 评级看好维持分析师杨洋SAC执业证书编号:S0490517070012电邮:%201大模型参数量快速提升,算力需求大幅增加02AI+Chiplet:信息革命的基石03服务器:算力的载体目 录0504边缘AI:内容与交互再升级%301大模型参数量快速提升,算力需求大幅增加%4 过去传统的人工智能偏向于分析能力,即通过分析一组数据,发现其中的规律和模式并用于其他多种用途,比如应用最为广泛的个性化推荐算法。而现在人工智能正在生成新的东西,而不是仅仅局限于分析已经存在的东西,实现了人工智能从感知理解世界到
2、生成创造世界的跃迁。因此,从这个意义上来看,广义的 AIGC 可以看作是像人类一样具备生成创造能力的 Al 技术,即生成式AI它可以基于训练数据和生成算法模型,自主生成创造新的文本、图像、音乐、视频、3D 交互内容(如虚拟化身、虚拟物品、虚拟环境)等各种形式的内容和数据,以及包括开启科学新发现创造新的价值和意义等。因此,AIGC 已经加速成为了AI 领域的新疆域,推动人工智能迎来下一个时代。ChatGPT:生成式AI引爆技术奇点01资料来源:AIGC发展趋势报告2023腾讯研究院,长江证券研究所内容创作模式的四个发展阶段文本领域代码领域图像领域视频/3D/游戏领域诈骗垃圾信息识别翻译基础问答回
3、应单行代码补足基础文案撰写初稿多行代码生成更长的文本二稿更长的代码更精确的表达艺术图标摄影3D/视频模型的初步尝试模仿(产品设计、建筑等)视频和3D文件的基础版/初稿二稿垂直领域的文案撰写实现可精调(论文等)支持更多语种领域更垂直终稿,水平高于人类平均值根据文本生成初版应用程序终稿(产品设计、建筑等)终稿,水平高于专业写手根据文本生成终版应用程序,比全职开发者水平更高终稿,水平高于专职艺术家、设计师等AI版Roblox可依个人梦想定制的游戏与电影2020年之前202020222023?2025?2030?大模型可用情况初步尝试基本实现未来潜力生成式AI技术的成熟应用进程时间表%5 大模型主要由
4、各大龙头企业推动,在国内科技公司中,阿里巴巴达摩院在2020年推出了M6大模型,百度在2021年推出了文心大模型,腾讯在2022年推出了混元AI大模型。大模型最核心的除了算法外主要是参数的设置,其中参数量(Params)形容模型的大小程度,类似于算法中的空间复杂度,往往参数量越大(复杂程度越高)的神经网络模型对算力的需求程度更高,复杂的神经网络模型的算法参数量约千亿级别甚至万亿级别,与已知应用级别的呈现指数级别的差异。这些模型不仅在参数量上达到了千亿级别,而且数据集规模也高达TB级别,想要完成这些大模型的训练,就至少需要投入超过1000PetaFlop/s-day的计算资源。大模型参数量快速提
5、升,算力需求大幅增加01资料来源:甲子光年,英伟达,长江证券研究所大模型的基础是庞大的算力基建2018年后大模型训练算力需求显著提升%6 大模型主要由各大龙头企业推动,在国内科技公司中,阿里巴巴达摩院在2020年推出了M6大模型,百度在2021年推出了文心大模型,腾讯在2022年推出了混元AI大模型。大模型最核心的除了算法外主要是参数的设置,其中参数量(Params)形容模型的大小程度,类似于算法中的空间复杂度,往往参数量越大(复杂程度越高)的神经网络模型对算力的需求程度更高,复杂的神经网络模型的算法参数量约千亿级别甚至万亿级别,与已知应用级别的呈现指数级别的差异。这些模型不仅在参数量上达到了
6、千亿级别,而且数据集规模也高达TB级别,想要完成这些大模型的训练,就至少需要投入超过1000PetaFlop/s-day的计算资源。大模型参数量快速提升,算力需求大幅增加01资料来源:StarLab,AIGC发展趋势报告2023腾讯研究院,长江证券研究所主要大模型建设情况厂商预训练模型应用参数量(亿)谷歌BERT语言理解与生成4810LaMDA对话系统-PaLM语言理解与生成、推理、代码生成5400Imagen语言理解与图像生成110Parti语言理解与图像生产200微软Florence视觉识别6.4Turing-NLG语言理解、生成170FacebookOPT-1758语言模型1750M2M
7、-100100种语言互译150Deep MindGato多面手的智能体12Gopher语言理解与生成2800AlphaCode代码生成414Open AIGPT3语言理解与生成、推理等1750CLIP&DALL-E图像生成、跨模态检索120Codex代码生成120ChatGPT语言理解与生成、推理等-英伟达Megatron-Turing NLG语言理解与生成、推理等5300Stability AIStable Diffusion语言理解与图像生产-各大主要模型的参数量巨大%7 1、算力总需求量=参数量*词条长度(单个词语计算次数,单精度)*训练词数 2、GPU总需求量=算力总需求量/单张加速卡
8、算力/计算用时 按照175B的参数规模测算,若训练时长为1个月,则英伟达A100 GPU需要张数超6000张,A100加速卡成本1.56亿美元;若参数量提升至481B,则加速卡成本上升至4.28亿美元;若481B模型的计算时间限制为一周,则仅加速卡成本将达到18.35亿美元。又好(参数量大)、又快(迭代时间短)的需求将大幅推升龙头厂商的硬件军备竞赛。大模型参数量快速提升,算力需求大幅增加01资料来源:AIGC发展趋势报告2023腾讯研究院,长江证券研究所(单个词语计算次数即单精度假设为均为6次;算力假设为英伟达A100 GPU算力19.5TFLOPS;A100成本为包含8张Tesla A100
9、及配套芯片,即整机价格)主要大模型算力加速卡需求情况厂商预训练模型应用参数量(亿)训练词数(亿)单个词语计算次数 总计算量(万亿亿次)算力(TFLOP/s)计算用时(h)GPU需要数量(颗)仅考虑A100 GPU成本(亿美元)A100成本(亿美元)谷歌BERT语言理解与生成4819.5720171301.714.28LaMDA对话系统-PaLM语言理解与生成、推理、代码生成540030006972019.5720192311.924.81Imagen语言理解与图像生成19.57203920.040.10Parti语言理解与图像生产2003000636
10、019.57207120.070.18微软Florence视觉识别6.43000611.5219.5720230.000.01Turing-NLG语言理解、生成19.57206050.060.15FacebookOPT-1758语言模型5019.572062320.621.56M2M-100100种语言互译19.57205340.050.13Deep MindGato多面手的智能体123000621.619.5720430.000.01Gopher语言理解与生成280030006504019.572099721.002.49Al
11、phaCode代码生成41430006745.219.572014740.150.37Open AIGPT3语言理解与生成、推理等5019.572062320.621.56CLIP&DALL-E图像生成、跨模态检索19.57204270.040.11Codex代码生成19.57204270.040.11ChatGPT语言理解与生成、推理等-英伟达Megatron-Turing NLG语言理解与生成、推理等530030006954019.5720188751.894.72Stability AIStable Diffusion语言
12、理解与图像生产-%8 人工智能技术将全面赋能各行各业。预计到2025年,人工智能涉及的场景规模将达到2,081亿美金,并在无人驾驶、智慧金融、智慧医疗、智慧零售、文娱等领域大显身手。人工智能技术对于算力的核心拉动点在于未来各应用场景内单设备芯片算力的增长和人工智能技术的行业渗透率的进一步提升,带动对云计算中心、边缘设备和终端NPU的巨大需求。整体预计在 2030 年,人工智能相关领域对于算力的需求将达到16,000 EFLOPS,相当于1,600亿颗高通骁龙855内置的人工智能芯片所能提供的算力。以商汤为例,2022年已开启10多个大模型训练任务,包括NLP、视觉、文生图、多模态等,8家客户动
13、用算力资源为7000多块GPU。22年公司扩建算力装置,GPU达到2.7万块,输出超5000P算力。大模型参数量快速提升,算力需求大幅增加01资料来源:IDC,泛在算力:智能社会的基石华为,长江证券研究所大模型的基础是庞大的算力基建仅人工智能相关应用就将带来海量算力需求30.139.647.756.567.980.395.5111.331.775155.2268427640.7922.81271.40200400600800020022E2023E2024E2025E2026E中国通用算力规模(EFLOPS)中国智能算力规模(EFLOPS)%902A
14、I芯片+Chiplet:信息革命的基石%10 4月19日上海市经信委印发上海市推进算力资源统一调度指导意见的通知,到2023年底,依托本市人工智能公共算力服务平台,接入并调度4个以上算力基础设施,可调度智能算力达到1,000 PFLOPS(FP16)以上;到2025年,市人工智能公共算力服务平台能级跃升,完善算力交易机制,实现跨地域算力智能调度,通过高效算力调度,推动算力供需均衡,带动产业发展作用显著增强。本市数据中心算力超过18,000 PFLOPS(FP32)。4月19日在华为第20届全球分析师大会上,华为预计到2030年全球通用算力增长10倍到3.3ZFLOPS,人工智能算力增长500倍
15、超过100ZFLOPS。其中若假设通用算力(FP32)均为AI服务器,以A100为例(实际远期算力成本持续下降),对应加速卡价值量约合11.5万亿元(全球3年计);若假设AI计算(FP16)约20%为云端AI服务器,对应加速卡价值量约合18.31万亿元(全球3年计)。若考虑加速卡硬件成本每年下降10%,我国仅加速卡2030年市场规模可达超3000亿元。算力需求快速落地,远期空间持续扩大02资料来源:上海市经信委,华为,长江证券研究所上海市经信委:到2025年可调度算力超过18,000 PFLOPS(FP32)华为预测到2030年人工智能算力增长500倍超过100ZFLOPS%11 NLP大模型
16、迭代减慢,垂类应用催生ASIC推理类需求:OpenAl首席执行官Sam Altman表示,构建庞大AI模型的时期即将结束,因为成本限制和回报递减抑制了该领域不断扩大的规模。一方面意味着在NLP类大模型赛道上国内互联网厂商、智源社区等玩家获得了关键的追赶时间,另一方面垂类应用将成为继NLP后的关键发展方向,专门为垂类应用开发的推理ASIC芯片有望迎来新一轮增长;龙头企业定制需求旺盛,ASIC有望跑步接力通用芯片:微软拟推出“雅典娜”定制芯片,已将芯片提供给部分微软与OpenAI员工。结合此前谷歌推出定制化的TPU芯片(TPU v4于2021年推出),未来针对不同模型的定制芯片将提供更好的软硬件适
17、配性和更高的性价比,算力芯片将加速从通用芯片进入ASIC阶段;多模态模型加速发展,多元数据源更需考虑功能性与性价比:继SAM后,Meta开源DINOv2模型,该模型可以在任何图像进行训练+自行找寻图像特征融合NLP大模型发展,进一步加速以图像为核心方向的多模态模型发展,图像、视频处理需求+算力需求将催生结合训练、推理及图像视频处理功能的定制芯片。功能性与性价比的均衡:ASIC跑步接力通用芯片02资料来源:Google,Meta,与非网,长江证券研究所对比A100,谷歌定制开发的TPU v4在多个模型表现更优DINOv2是继SAM后的新一个自动化图像识别标注模型GPUFPGAASIC定制化程度通
18、用型半定制化定制化灵活性好好不好成本高较高低编程语言/架构CUDA、OpenCL等Verilog/VHDL等硬件描述语言,OpenCL、HLS/功耗大较大小主要优点峰值计算能力强、产品成熟平均性能较高、功耗较低、灵活性强平均性能很强,功耗很低、体积小主要缺点效率不高、不可编辑、功耗高量产单价高、峰值计算能力较强、编程语言难度大前期投入成本高、不可编辑、研发时间长、技术风险大主要应用场景云端训练、云端推断云端推理、终端推断云端训练、云端推断、终端推断代表企业芯片英伟达Tesla、高通Adreno等XilinxVersal、英特尔Arria等谷歌TPU、寒武纪Cambricon等针对特定应用定制开
19、发的ASIC规模性价比更高00.20.40.60.811.21.41.61.82BERTResNetDLRMRetinaNetMaskRCNNA100TPUv4IPU BOW%12 2022年10月限制中国购买或制造先进芯片和开发超级计算机能力,以英伟达为例,A100需降规格至A800(INT8算力*带宽4800)国家队领头加速国产化:4月17日国家超算互联网工作启动会发起成立国家超算互联网联合体,未来科技部将通过超算互联网建设,打造国家算力底座,促进超算算力的一体化运营。4月18日我国成立GPT产业联盟,核心单位为移动、电信、联通、广电等,国家队加速推进AI模型规范化发展,硬件国产化有望进一
20、步深化。外部限制+数据安全,大国产算力底座势在必行02资料来源:央广网,中国移动通信联合会,长江证券研究所国家超算互联网整合超算资源,打造国家算力底座国家队成立GPT产业联盟,加速推动AI模型规范化发展%13优质国内供应商稀缺,软硬件适配+量产能力成关键02资料来源:海光信息招股说明书、壁仞科技官网、海思官网、寒武纪官网、沐曦官网、景嘉微公司公告、摩尔线程官网、燧原官网等,长江证券研究所部分国内加速卡企业产品情况厂商芯片可用任务芯片类型工艺算力TFLOPS(FP16)算力TFLOPS(FP32)算力TOPS(int8)功耗(w)显存带宽互联带宽海光深算一号训练GPGPU7nm-3501024G
21、B/s-壁仞科技BR100训练+推理GPU7nm-2401920550128GB/s448GB/sBR104训练+推理GPU7nm-896300128GB/s192GB/s华为昇腾310推理ASIC12nm8-168-昇腾910训练ASIC7nm-百度昆仑一代推理ASIC14nm64-256150512GB/s-昆仑二代训练+推理ASIC7nmGB/s-寒武纪MLU270-F4推理ASIC16nm-128150102GB/s-MLU270-S4推理ASIC16nm-12870102GB/s-MLU290-M5训练ASIC7nm-5123501228
22、GB/s600GB/sMLU370-X8训练+推理ASIC7nm9624256250614.4GB/s200GB/sMLU370-X4训练+推理ASIC7nm9624256150307.2GB/s-MLU370-S4训练+推理ASIC7nm721819275307.2 GB/s-MLU590-沐曦MXN系列(曦思)推理GPGPU7nm-MXC系列(曦云)推理GPGPU7nm-MXG系列(曦彩)推理GPGPU7nm-景嘉微JM5400推理GPU65nm-69.6GB/s-JM7200推理GPU28nm-10-4017GB/s-JM9系列第一款推理GPU-30128GB/s-JM9系列第二款推理G
23、PU-1525.6GB/s-摩尔线程MTT S80训练GPU7nm-14.4-255448GB/s-MTT S30/S10训练+推理GPU12nm-2.6/2-40/30-MTT S50推理GPU12nm-52075-MTT S3000训练+推理GPU7nm-15.2-250448GB/s-MTT S2000推理GPU12nm-10.642.4150-燧原云燧T20训练12nm1.6TB/s300GB/s云燧T21训练12nm1.6TB/s300GB/s云燧T10训练12nmGB/s200GB/s云燧T11训练12nm86223
24、00560GB/s200GB/s云燧i20推理12nm819GB/s-云燧i10推理12nm70.417.670.4150512GB/s-%14Chiplet:制程停滞下的最佳方案02Chiplet:通过将多颗芯片合封在Interposer上实现互联,降低对芯片制程的要求,提升整体良率与性价比,代价是面积与功耗放大。壁仞科技BR100系列通用GPU芯片针对采用7nm制程,并创新性应用Chiplet与2.5D CoWoS封装技术,兼顾高良率与高性能,核心性能达全球领先水平,相较市售主流产品实现3倍以上的性能提升基于7nm制程工艺,思元370是寒武纪首款采用Chiplet(芯
25、粒)技术的AI芯片,集成了390亿个晶体管,最大算力高达256TOPS(INT8),是寒武纪第二代产品思元270算力的2倍。资料来源:壁仞科技,寒武纪,SiP 与先进封装技术,长江证券研究所BR100系列通用GPU芯片思元370芯片Chiplet可以有效解决存算带宽问题和部分解决制程限制HBMGPU/ASIC Die%15 未来,算力投资的主要方向:大算力芯片:寒武纪、海光信息(基本面估值空间估值)先进封装:长电科技、通富微电、甬矽电子,封装材料:兴森科技、华正新材 边缘侧AIoT:晶晨股份、瑞芯微、全志科技AI芯片重点标的梳理02资料来源:Wind,长江证券研究所(盈利预测为Wind一致预期
26、,数据更新至2023年5月5日)AI芯片重点公司梳理产品公司代码是否属于专精特新股价(元)市值(亿元)归母净利润(亿元)对应估值水平2021A2022A2023E2024E2025E2022A2023E2024E2025EASIC寒武纪-U688256.SH否207.98862.33-8.25-12.57-8.06-5.27-68.63-107.03-163.53-AIoT ASIC/IP芯原股份688521.SH否82.23409.950.130.741.502.343.36555.38272.63175.51121.85CPU龙芯中科688047.SH否136.55547.572.370.
27、522.314.304.121058.06236.94127.26132.90DCU海光信息688041.SH否92.242,143.973.278.0413.0819.1324.97266.82163.93112.0785.87AI景嘉微300474.SZ否84.10382.802.932.894.155.827.60132.4792.1565.7550.34AIoT SoC晶晨股份688099.SH否76.56317.938.127.279.6313.6817.5243.7533.0223.2418.15AIoT SoC瑞芯微603893.SH否70.51294.576.022.974.6
28、56.798.1299.0463.3343.4036.30AIoT SoC乐鑫科技688018.SH否124.01100.111.980.971.622.353.01102.8761.7842.6033.22AIoT SoC中科蓝讯688332.SH是67.0080.402.291.412.433.324.5757.0633.0824.1917.58AIoT SoC恒玄科技688608.SH否120.72144.864.081.222.293.544.15118.3363.1940.9634.89AIoT SoC全志科技300458.SZ否24.81156.484.942.113.545.16
29、6.0174.1444.2030.3326.04Chiplet先进封装长电科技600584.SH否26.69474.9629.5932.3129.3337.6743.6714.7016.2012.6110.88Chiplet先进封装华天科技002185.SZ否8.82282.6414.167.548.8912.3915.9337.4931.8022.8017.75Chiplet先进封装通富微电002156.SZ否18.15274.659.575.028.1411.3713.6454.7133.7224.1620.14Chiplet先进封装甬矽电子688362.SH否35.14143.253.2
30、21.382.764.614.45103.7151.9031.1132.19第三方测试服务伟测科技688372.SH是106.2792.681.322.433.154.705.8938.0929.4419.7115.73封测材料兴森科技002436.SZ否14.23240.426.215.266.218.519.7045.7438.7128.2724.79封测材料华正新材603186.SH否25.8236.672.380.361.052.523.76101.6334.8114.539.75封测设备长川科技300604.SZ是44.94273.212.184.617.9110.7113.7559
31、.2534.5325.5019.87封测设备华峰测控688200.SH是249.02226.794.395.266.048.1110.0743.0937.5627.9622.53封测设备联动科技301369.SZ否67.4146.921.281.26-0.0037.09-EDA广立微301095.SZ是89.35178.700.641.222.003.155.36146.0389.2056.6933.37EDA华大九天301269.SZ是112.36610.051.391.862.513.374.54328.85243.30181.13134.37EDA概伦电子688206.SH是28.741
32、24.680.290.450.520.771.01277.76241.71162.56123.15%1603服务器:算力的载体%17 目前,人工智能商业价值在全球范围内获得广泛认可,行业用户对于AI价值的认知、技术供应商在AI落地的方法论与实践方面日趋成熟。随着人工智能产业化应用的加速发展,全球AI基础设施支出持续呈现高增长态势。据TrendForce,截至 2022 年,预计搭载 GPGPU(General Purpose GPU)的 AI 服务器年出货量占整体服务器比重近 1%;2023 年预计在 ChatBot 相关应用加持下,预估出货量同比增长可达 8%;2022-2026 年复合增长
33、率将达10.8%。据IDC,2026年预计全球AI服务器市场规模将达347亿美元,20202026E年间复合增速达17.3%服务器:AI驱动的硬件军备竞赛03资料来源:TrendForce,IDC,长江证券研究所全球算力需求驱动AI服务器出货量增加全球AI服务器20202026E市场规模及预测(十亿美元)050020222023E2024F2025F2026FAI服务器出货量(千台)050202120222023E2024E2025E2026E专有云公有云边缘端05020202120222023E2024E2025E2026E加
34、速型AI服务器非加速型AI服务器云计算20202026E市场规模及预测(十亿美元)%18 全球AI服务器市场采购主要为全球云计算及互联网厂商,前四家海外巨头采购占比66%,其余为国内互联网厂商,其中字节跳动占比6%。伴随全球巨头大力发展自身大模型,未来其采购算力将大幅增长。全球服务器行业格局层面,主要是ODM厂(如工业富联)及品牌商(如戴尔、HPE、联想、浪潮等),在AI服务器方面,国内浪潮信息份额较高,其次为戴尔、HPE、联想、华为、IBM等,当然在AI服务器领域不得不提行业龙头微软、AWS、DELL、HPE的ODM/OEM厂商工业富联,是全球云服务商的服务器主力供应商之一。服务器:AI驱动
35、的硬件军备竞赛03资料来源:TrendForce,IDC,长江证券研究所全球服务器市场需求及出货占比情况(22Q3)全球AI服务器云服务商采购占比(2022)全球AI服务器市场份额(2021H1)19%17%16%14%6%2%2%2%23%微软谷歌Meta亚马逊字节跳动腾讯百度阿里巴巴其他20.20%13.8%9.8%6.1%4.8%3.9%3.9%2.6%1.2%1.0%32.6%浪潮信息戴尔HPE联想华为IBM新华三思科Oracle富士通其他13.8%11.9%10.4%8.4%7.9%8.1%5.7%4.4%5.5%2.1%21.8%MetaAmazonDellSuperMicroHP
36、E谷歌微软联想浪潮%19算力芯片以外的服务器投资方向梳理03服务器的硬件主要包括:处理器、内存、芯片组、I/O(RAID卡、网卡、HBA卡)、硬盘、机箱、电源、风扇。在硬件的成本构成上,CPU及芯片组、内存、外部存储是大头。以一台普通的服务器生产成本为例,CPU及芯片组大致占比50%左右,内存大致占比 15%左右,外部存储大致占比10%左右,其他硬件占比25%左右。资料来源:美科安防科技,长江证券研究所(注:本页数据为估算)服务器硬件的基本组成澜起科技,聚辰股份DDR5及配套芯片海光信息,龙芯中科国芯科技CPU江波龙,佰维存储德明利Flash硬盘沪电股份东山精密胜宏科技PCB工业富联服务器杰华
37、特晶丰明源多相控制器裕太微交换机以太网普通服务器T4推理服务器A100训练服务器H100训练服务器CPU2,000 2,000 2,000 2,000 GPU1,600 12,000 112,000 328,000 内存2,160 4,320 4,320 4,320 PCBA500 1,000 1,500 1,500 SSD2,500 10,000 10,000 10,000 机箱200 200 200 200 HBA卡(光模块+光纤卡)-4,000 4,000 8,000 电源400 1,200 2,000 2,000 整机价格10,000 40,000 200,000 400,000 除了
38、GPU外,AI服务器增量较大部件在于内存、SSD、HBA卡、PCB等(单位:美金)%20服务器产业链重点标的梳理03从估值角度来看,当前服务器产业链估值较低的细分板块为PCB及服务器代工,而存储环节则属于相对估值较高,主要系其仍处在盈利周期底部,后续重点关注服务器代工环节,充分受益于AI算力趋势,且估值仍在洼地。服务器产业链重点公司估值、业绩梳理产品公司代码是否属于专精特新股价(元)市值(亿元)归母净利润(亿元)对应估值水平2021A2022A2023E2024E2025E2022A2023E2024E2025EPCB沪电股份002463.SZ否20.25385.7810.6413.6216.
39、6721.0725.7728.3323.1418.3114.97胜宏科技300476.SZ是16.62143.386.707.919.8512.5814.6618.1314.5611.409.78鹏鼎控股002938.SZ否23.74551.0433.1750.1253.0761.6766.8411.0010.388.948.24存储德明利001309.SZ是68.0354.540.980.67-81.18-江波龙301308.SZ是89.85370.9610.130.732.925.377.55509.58126.8669.0349.16普冉股份688766.SH否150.5776.372.
40、910.831.282.002.7991.8559.6638.1927.41东芯股份688110.SH是30.58135.242.621.852.603.916.1872.9352.0234.5921.88兆易创新603986.SH否104.80699.0423.3720.5319.8626.3327.9334.0635.2026.5525.03DDR5及配套芯片澜起科技688008.SH否58.94669.608.2912.9915.6924.35-51.5342.6827.50-聚辰股份688123.SH否67.3081.371.083.545.347.128.4823.0015.2411
41、.439.60交换机以太网裕太微-U688515.SH否152.90122.320.000.000.280.861.37-29945.71443.37142.1389.28服务器代工浪潮信息000977.SZ否38.86568.8020.0320.8026.8333.7738.9327.3421.2016.8414.61工业富联601138.SH否14.772,933.75200.10200.73237.26266.84300.1714.6212.3610.999.77资料来源:Wind,长江证券研究所(盈利预测为Wind一致预期,数据更新至2023年5月5日)%2104边缘AI:内容与交互再
42、升级%22边缘AI:垂类模型有望在边缘侧部署04 AI大模型在通用性方面表现较好,但是其固有问题在于数据量大、成本高昂,并非小厂商所能承受,此外在部分特定细分领域的效果不能做到最好,因此在部分垂类应用,有望引入小模型,小模型可基于已有的大模型基础上进行开发,并且未来有望在边缘云部署,甚至是小型化的移动终端上运行。目前已有垂类应用包括AI画图软件mid海外生成式营销软件ZMO.AI(可针对营销产品的真实场景生成海报,风格逼真)、毫末DriverGPT雪湖海若(专注于自动驾驶认知大模型,模型参数达到了 1200 亿)、Bloomberg GPT(使用通用的大规模文本数据,加入大量金融领域的数据),
43、未来有望应用在更多的C端与B端应用。ZMO.AI 针对营销产品的真实场景生成毫末自动驾驶生成式大模型DriverGPTBloomberg GPT加入大量金融领域的数据资料来源:澎湃官网,长江证券研究所%23边缘AI:智能终端与AI的融合,终端AI化趋势来临04 AI大模型与天猫精灵的融合样品已经有测评体验,相比以往音箱的机械式问答,天猫精灵AI音箱(“鸟鸟分鸟”模型)可以更好的理解人类感情、知识面广、极具个性化,未来有望继续迭代、融入更多生态应用,打造成为家庭智能助手的定位,极大改善生活体验。4月11日,Innovative Eyewear发布首款接入ChatGPT的智能眼镜可以通过麦克风以及
44、Airpods等实现语音交互,标志着ChatGPT已经逐步与可穿戴产品实现融合,进一步提升用户的交互体验。ChatGPT等AI大模型的训练成果和技术未来将逐步应用在传统智能终端(如音箱、手机等)以及新兴硬件(智能眼镜、VR/AR等),实现软硬件技术的共振发展,进一步促进行业渗透率加快。硬件投资上,可以关注芯片、核心零部件及整机厂商。天猫精灵接入阿里个性化大模型Innovative Eyewear 宣布推出首款支持ChatGPT 的智能眼镜INMO AIR2首款搭载GPT无线AR眼镜即将开售资料来源:智东西,Innovative Eyewear公司官网,INMO微信视频号,长江证券研究所%24边
45、缘AI:重点关注苹果MR,今年最大创新单品04 此前市场预期苹果MR或将在今年6月WWDC23开发者大会发布,我们认为实际发布时间仍有不确定性,此前产业链预期在3-4月开始备货,目前来看,有部分厂商已有延后1-2月开始备货,因此到最终组装端或在6月以后,后续量产时间点或在6-9月份,作为消费电子重要创新终端,后续将持续保持产业链跟踪。苹果MR出货预期今年较低,在几十万台,后续观察发布后产品体验效果情况,以及第二代产品的价格预期,来决定苹果后续出货规模,此外可关注安卓手机厂商的进展和产品发布情况。苹果2023年WWDC有望发布苹果MR全球VR季度出货量(万台)资料来源:苹果公司官网,维深XR,长
46、江证券研究所226230003003504004502020Q12020Q22020Q32020Q42021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q42023Q1全球VR季度出货量:万台%25边缘AI:重点关注品牌商、芯片及代工04 我们认为随着云端算力潮汐的影响加剧,OpenAI等大模型未来有望逐步向AIoT等边缘AI领域进行布局,“云-端-边”将是协同发展趋势。在产业投资上,未来在终端设备AI化后,品牌商掌握AIGC入口,未来有望掌握变现权,品牌商有望迎来价
47、值重估;其次为芯片端将同步升级,未来有望量价齐升;终端代工厂则需要选择绑定主流的具备大模型开发能力的头部大客户的供应商,当然终端代工环节壁垒相对品牌商(品牌壁垒)、芯片商(技术壁垒)较低。边缘AI重点标的估值、业绩梳理资料来源:Wind,长江证券研究所(盈利预测为Wind一致预期,数据更新至2023年5月5日)产品公司代码是否属于专精特新股价(元)市值(亿元)归母净利润(亿元)对应估值水平2021A2022A2023E2024E2025E2022A2023E2024E2025EVR/AR清越科技688496.SH是11.5051.750.590.56-92.90-智立方301312.SZ是11
48、3.2747.251.151.171.612.262.9240.5129.4020.9116.19长盈精密300115.SZ是11.43137.28-6.050.435.539.5612.40322.6124.8214.3611.07兆威机电003021.SZ否71.82123.031.481.502.323.276.5581.7552.9337.5918.78三利谱002876.SZ是38.2366.483.382.063.384.966.6932.2019.6813.419.94音箱芯片全志科技300458.SZ否24.81156.484.942.113.545.166.0174.1444
49、.2030.3326.04炬芯科技688049.SH否31.5038.430.840.540.741.170.0071.5051.9332.85-中科蓝讯688332.SH是67.0080.402.291.412.433.324.5757.0633.0824.1917.58天德钰688252.SH否20.5383.973.291.302.173.274.2964.7038.6825.7019.58音箱代工奋达科技002681.SZ否4.9189.590.510.853.585.37-105.3225.0216.67-佳禾智能300793.SZ否18.3662.130.531.742.783.6
50、1-35.7922.3917.23-国光电器002045.SZ是15.3872.040.401.792.322.87-40.3531.0525.10-歌尔股份002241.SZ否17.61602.3342.7517.4929.3638.5143.1034.4420.5215.6413.98品牌商漫步者002351.SZ否22.69201.743.162.473.083.964.4181.8265.5050.9445.75传音控股688036.SH否107.44863.7639.0924.8437.3546.1754.0934.7823.1318.7115.97创维数字000810.SZ否15.
51、29175.874.228.2310.3312.4714.8221.3717.0314.1011.86%26风险提示 全球政治经济持续动荡,经济运行不确定性仍存,下游需求存在复苏不及预期进而影响AI应用落地及推进进度的风险;AI作为新兴行业,强劲的产业趋势和资金关注度使得新玩家参与的动力和资源都较为充分,存在行业竞争加剧进而影响格局和盈利能力的风险风险提示%27分析师声明、评级说明及重要声明行业评级报告发布日后的12个月内行业股票指数的涨跌幅度相对同期相关证券市场代表性指数的涨跌幅为基准,投资建议的评级标准为:看好:相对表现优于同期相关证券市场代表性指数中性:相对表现与同期相关证券市场代表性指
52、数持平看淡:相对表现弱于同期相关证券市场代表性指数公司评级报告发布日后的12个月内公司的涨跌幅相对同期相关证券市场代表性指数的涨跌幅为基准,投资建议的评级标准为:买入:相对同期相关证券市场代表性指数涨幅大于10%增持:相对同期相关证券市场代表性指数涨幅在5%10%之间中性:相对同期相关证券市场代表性指数涨幅在-5%5%之间减持:相对同期相关证券市场代表性指数涨幅小于-5%无投资评级:由于我们无法获取必要的资料,或者公司面临无法预见结果的重大不确定性事件,或者其他原因,致使我们无法给出明确的投资评级。相关证券市场代表性指数说明:A股市场以沪深300指数为基准;新三板市场以三板成指(针对协议转让标
53、的)或三板做市指数(针对做市转让标的)为基准;香港市场以恒生指数为基准。重要声明长江证券股份有限公司具有证券投资咨询业务资格,经营证券业务许可证编号:10060000。本报告仅限中国大陆地区发行,仅供长江证券股份有限公司(以下简称:本公司)的客户使用。本公司不会因接收人收到本报告而视其为客户。本报告的信息均来源于公开资料,本公司对这些信息的准确性和完整性不作任何保证,也不保证所包含信息和建议不发生任何变更。本公司已力求报告内容的客观、公正,但文中的观点、结论和建议仅供参考,不包含作者对证券价格涨跌或市场走势的确定性判断。报告中的信息或意见并不构成所述证券的买卖出价或征价,投资者据此做出的任何投
54、资决策与本公司和作者无关。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断,本报告所指的证券或投资标的的价格、价值及投资收入可升可跌,过往表现不应作为日后的表现依据;在不同时期,本公司可以发出其他与本报告所载信息不一致及有不同结论的报告;本报告所反映研究人员的不同观点、见解及分析方法,并不代表本公司或其他附属机构的立场;本公司不保证本报告所含信息保持在最新状态。同时,本公司对本报告所含信息可在不发出通知的情形下做出修改,投资者应当自行关注相应的更新或修改。本公司及作者在自身所知情范围内,与本报告中所评价或推荐的证券不存在法律法规要求披露或采取限制、静默措施的利益冲突。本报告版权仅
55、为本公司所有,未经书面许可,任何机构和个人不得以任何形式翻版、复制和发布。如引用须注明出处为长江证券研究所,且不得对本报告进行有悖原意的引用、删节和修改。刊载或者转发本证券研究报告或者摘要的,应当注明本报告的发布人和发布日期,提示使用证券研究报告的风险。未经授权刊载或者转发本报告的,本公司将保留向其追究法律责任的权利。作者具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师,以勤勉的职业态度,独立、客观地出具本报告。分析逻辑基于作者的职业理解,本报告清晰准确地反映了作者的研究观点。作者所得报酬的任何部分不曾与,不与,也不将与本报告中的具体推荐意见或观点而有直接或间接联系,特此声明。分析师声明评级说明%29THANKS感谢倾听%30